英伟达近期在AI基础设施领域再度抛出重磅动作：斥资超9亿美元通过“人才收购”模式，将AI硬件初创公司Enfabrica的核心团队及关键互联技术收入囊中。这一交易不仅刷新了行业对“人才价值”的认知，更折射出AI算力竞赛背后，“连接”正成为与“计算”同等重要的战略高地。

1. 9亿美元的“人才+技术”豪赌：交易细节与模式解析

1.1 现金+股票组合：锁定核心团队与技术授权

据CNBC报道，此次交易涉及超9亿美元的现金与股票组合，核心目标有两个：一是聘请Enfabrica首席执行官Rochan Sankar及其核心团队，二是获得该公司连接超10万GPU的AI互联技术独家授权。交易已于上周完成，Sankar已正式加盟英伟达，将主导相关技术的整合与落地。

1.2 “人才收购”成科技巨头新常态：规避监管与快速补位

这一交易采用了科技行业近年来流行的“人才收购”（acqui-hire）模式——即通过高薪、股权等激励吸纳目标公司核心团队，并同步获取其技术成果，而非完整收购公司实体。这种模式既能快速填补技术缺口，又可规避传统并购可能面临的反垄断审查。事实上，类似策略已被多家巨头采用：

公司 交易对象 金额 核心内容
Meta Scale AI创始人团队 $14.3亿 股权收购+团队加盟
Google Character.AI团队 未披露 团队收购
微软 Inflection团队 未披露 团队收购+技术授权
亚马逊 Adept团队 未披露 团队收购+技术授权
英伟达 Enfabrica团队 $9亿+ 团队加盟+AI互联技术授权

Tips：acqui-hire模式的核心逻辑是“人才即技术载体”。尤其在AI领域，核心算法与工程经验高度依赖团队协作，直接吸纳团队比单纯购买技术专利更能保证技术落地效率。

2. AI算力“堵车”：十万GPU集群的互联瓶颈已成行业痛点

2.1 大模型“吞”算力：从单GPU到十万级集群的跨越

随着AI模型参数规模从百亿级跃升至万亿级，单一GPU的算力已远远不足。以英伟达新一代AI服务器为例，其高密度机架已可容纳72块GPU；微软近期宣布的威斯康星州数据中心项目（投资40亿美元）便采用此类系统，单数据中心GPU规模可达数万甚至十万级。但GPU数量的增加，反而带来了新的问题——如何让这些GPU高效协同工作。

2.2 传统网络“跟不上”：延迟与带宽的双重挑战

AI训练过程中，GPU之间需要实时传输海量数据（如模型参数、中间计算结果）。传统数据中心网络的带宽和延迟性能，在面对十万级GPU集群时会出现明显“拥堵”：数据传输延迟每增加1毫秒，可能导致整体训练效率下降10%以上。这一“互联瓶颈”已成为制约AI模型规模进一步扩大的关键因素。

Tips：GPU互联的核心指标是“带宽”（单位时间数据传输量）和“延迟”（数据传输响应时间）。对于十万级GPU集群，需同时满足每秒TB级带宽和微秒级延迟，传统以太网技术难以支撑。

3. Enfabrica的“高速公路”：技术底气何在？

3.1 从初创到巨头“争抢”：融资历史印证技术价值

Enfabrica成立于2019年，专注于AI基础设施互联技术研发。其技术实力早已获得行业认可：2023年9月，该公司完成1.25亿美元B轮融资，英伟达正是投资方之一，当时公司投后估值约6亿美元；2024年11月，Enfabrica再获1.15亿美元融资，吸引了思科（Cisco）等硬件巨头入局。连续两年获得大额融资，且投资方涵盖英伟达、思科等产业链关键玩家，侧面印证了其技术的稀缺性与前瞻性。

3.2 核心突破：让十万GPU“协同起舞”的底层逻辑

Enfabrica的技术核心是一套专为大规模AI集群设计的“智能互联架构”，通过定制化芯片、协议优化和分布式调度算法，实现三大突破：一是支持超10万GPU节点的无缝连接，二是将节点间数据传输延迟降低至传统方案的1/5，三是通过动态流量调度减少30%以上的网络拥塞。这相当于为十万块GPU搭建了一条“高速公路”，使其能像单一计算单元一样高效协同。

4. 英伟达的战略转型：从“谨慎收购”到“生态卡位”

4.1 历史上的“关键一跃”：70亿美元收购Mellanox的伏笔

英伟达在收购领域向来以“谨慎”著称，历史上唯一一笔超十亿美元的收购是2019年以约70亿美元收购以色列芯片设计公司Mellanox——这家公司的专长正是数据中心网络芯片。彼时，英伟达已意识到“计算”与“连接”的协同重要性。此次对Enfabrica的布局，可视为Mellanox收购的延续，进一步强化在AI互联领域的技术纵深。

4.2 从“买公司”到“买团队+技术”：更精准的投资逻辑

与Meta、Google等频繁进行大额收购不同，英伟达此次选择“人才+技术授权”的轻资产模式，体现了更灵活的战略思维：一方面，避免了收购整个公司可能带来的业务整合成本；另一方面，通过锁定核心团队确保技术落地质量。值得注意的是，就在Enfabrica交易宣布当天，英伟达还披露斥资50亿美元入股英特尔，进一步完善从芯片设计到制造的生态布局。这种“精准卡点”式投资，正让英伟达从单纯的GPU供应商，向AI基础设施全栈解决方案提供商转型。

5. 行业洗牌：AI竞争进入“系统级创新”阶段

5.1 英伟达的“护城河”再加深：从芯片到全栈优势

作为AI算力的“底座”，英伟达GPU已占据全球超80%的AI训练市场份额，是OpenAI、微软、亚马逊等巨头的核心供应商。此次引入Enfabrica技术后，其优势将从单一芯片延伸至“计算+连接”的系统级能力——不仅提供GPU，还能提供让GPU高效协同的“高速公路”，这将进一步巩固其在AI基础设施领域的垄断地位。

5.2 未来趋势：技术融合决定竞争格局

业内分析人士指出：“Enfabrica的互联技术能够让数十万块GPU协同工作，这对于推动下一代AI应用和基础设施升级至关重要。” 这一判断揭示了AI产业的新方向：随着模型参数从千亿级迈向万亿级，单一技术突破（如更快的GPU）已难以满足需求，“计算、存储、连接”的系统级协同将成为竞争核心。英伟达与Enfabrica的合作，正是这一趋势的典型注脚——未来，谁能整合最顶尖的人才、最核心的技术，谁就能主导AI产业的下一个十年。

引用来源