Nvidia-Run:ai收购案是2024年完成的一项战略交易，通过该交易，Nvidia收购了Run:ai，一家专注于AI工作负载编排和GPU资源管理的以色列公司。该交易估值约7亿美元，于2024年4月宣布，并在获得包括欧盟委员会批准在内的监管许可后，于2024年12月完成。此次收购是Nvidia为强化其围绕主导性GPU硬件的软件生态系统而采取的更广泛努力的一部分，尤其针对大规模AI部署。
Run:ai于2018年在特拉维夫成立，开发了使组织能够跨多个AI工作负载高效分配和管理GPU资源的软件。其平台允许公司汇集GPU、对任务进行优先级排序并优化利用率，解决了AI计算需求激增时的关键瓶颈。通过整合Run:ai的技术，Nvidia旨在为客户提供从芯片到编排软件的更完整的AI基础设施管理解决方案。
背景与战略动因
Nvidia收购Run:ai之际，公司正因AI热潮而经历爆炸性增长。2024年，Nvidia的市值超过3万亿美元，使其成为全球最有价值的公司之一，与苹果和微软并驾齐驱。该公司的GPU，尤其是A100和H100型号，已成为训练和运行大型语言模型及其他生成式AI系统的事实标准。
然而，Nvidia面临日益激烈的竞争和审查。AMD和其他芯片制造商正在开发竞争性AI加速器，而亚马逊云服务和谷歌云等云提供商则在投资定制硅片。为保持优势，Nvidia寻求不仅通过硬件，还通过使GPU更高效、更易用的软件来实现差异化。Run:ai的编排层契合了这一战略，因为它有望为企业及研究机构最大化GPU投资的价值。
此次收购也符合Nvidia的战略收购历史。此前的交易包括2020年以70亿美元收购Mellanox Technologies，带来了高速网络技术，以及2020-2022年因监管障碍而放弃的收购Arm Holdings的失败尝试。Run:ai交易虽然规模较小，但被视为加强Nvidia软件组合的针对性举措。
Run:ai的技术与团队
Run:ai的核心产品是一个基于Kubernetes的平台，抽象化GPU资源，使数据科学家和工程师能够并发运行多个AI任务而无需人工干预。该软件支持TensorFlow和PyTorch等主要框架，并可部署在本地、云端或混合环境中。关键功能包括动态GPU共享、作业调度和基于策略的资源分配，这可以减少空闲GPU时间并降低运行密集型AI工作负载的组织的成本。
在收购前，该公司已筹集约1.18亿美元的风险投资，投资者包括Insight Partners、Tiger Global和三星的风险投资部门。Run:ai的客户群包括金融服务公司、医疗机构和需要高效扩展AI运营的技术公司。
收购后，Run:ai的团队，包括其联合创始人Omri Geller和Ronen Dar，加入了Nvidia。该技术被整合到Nvidia的AI Enterprise软件套件中，该套件提供在Nvidia基础设施上部署和管理AI应用程序的工具。
监管审查与批准
由于Nvidia在AI芯片领域的市场影响力，该收购最初引起了监管机构的关注。2024年10月，欧盟委员会对该交易展开深入调查，担心其可能损害GPU编排软件市场的竞争。委员会审查了Nvidia是否可能将其Run:ai软件与硬件捆绑，从而对竞争对手不利。
2024年12月，委员会无条件批准了该收购，认定该交易未引发重大竞争担忧。批准是在Nvidia提供互操作性承诺后作出的，尽管具体细节未完全披露。美国联邦贸易委员会也审查了该交易，并未予以阻止。
这一批准在更广泛的监管环境下尤为引人注目。2024年，美国和欧洲的反垄断机构日益审查与AI相关的交易，包括OpenAI的融资轮和Anthropic的投资。Nvidia能够在无重大让步的情况下完成Run:ai交易，被视为其收购战略的积极信号。
对AI生态系统的影响
此次收购对AI行业产生了多方面影响。对Nvidia而言，它巩固了公司作为全栈AI提供商的地位，提供硬件、网络以及现在的编排软件。这种垂直整合可能使AMD或英特尔等竞争对手更难挑战Nvidia的主导地位，因为客户寻求第三方GPU管理工具的理由将减少。
对更广泛的生态系统而言，该交易引发了对AI基础设施软件独立性的质疑。Run:ai此前是一个中立参与者，支持多家供应商的GPU。在Nvidia旗下，其软件很可能针对Nvidia硬件进行优化，可能限制其他芯片用户的选择。一些行业观察人士担心这可能减少GPU编排领域的创新，尽管Nvidia表示将继续支持多供应商环境。
此次收购还凸显了软件在AI硬件市场中日益增长的重要性。随着Nvidia的市值飙升，投资者认识到软件可能成为关键差异化因素。其他公司，如CoreWeave和Groq，也在构建软件栈以补充其硬件产品，但Nvidia的规模使其具有显著优势。
更广泛背景：Nvidia在2024年的AI投资
Run:ai收购是Nvidia在2024年多项战略举措之一。公司还投资了众多AI初创公司，包括Mistral AI和xAI，作为其围绕GPU培育生态系统的努力的一部分。Nvidia的风险投资部门参与了开发AI模型、机器人和医疗应用的公司的融资轮。
此外，Nvidia继续扩展其软件产品，推出了NIM和DGX Cloud等工具以简化AI部署。公司还通过其Mellanox子公司改进网络技术，这对扩展AI集群至关重要。
Run:ai的收购契合了构建综合AI平台的这一模式。通过拥有编排层，Nvidia可以确保其GPU得到尽可能高效的利用，这对于维持客户满意度和证明溢价定价的合理性非常重要。
反应与分析
行业分析师普遍对此次收购持积极看法，指出Run:ai的技术解决了企业的实际痛点。随着AI模型规模扩大，组织难以管理其GPU集群，常常导致昂贵硬件闲置。Run:ai的软件可以减少这些低效，可能降低AI基础设施的总拥有成本。
一些竞争对手对Nvidia日益增长的影响力表示担忧。谷歌云和AWS已开发了自己的GPU管理工具，但它们也依赖Nvidia硬件。此次收购可能使Nvidia在谈判中获得筹码，因为客户可能更倾向于使用Nvidia的编排软件而非第三方替代品。
与此同时，Run:ai的客户得到保证，现有合同将得到履行，软件在短期内将继续与非Nvidia GPU兼容。对其他供应商的长期支持仍不确定，但Nvidia的公开声明表明其对开放性的承诺。
遗产与未来展望
截至2025年初，Nvidia-Run:ai收购被视为一次成功的整合。Run:ai的技术正被纳入Nvidia的AI Enterprise套件，早期采用者报告GPU利用率有所提高。该交易还为Nvidia未来的并购战略提供了模板，该战略侧重于收购能够增强其硬件生态系统的软件公司。
此次收购助力Nvidia在AI芯片市场继续保持主导地位，该市场面临来自AMD的MI300系列和英特尔的Gaudi加速器的挑战。通过提供完整解决方案，Nvidia旨在使客户的转换成本高得令人望而却步，巩固其万亿美元公司的地位。
Run:ai交易还凸显了以色列AI创新的重要性，因为以色列已成为AI初创公司的中心。Nvidia此前于2015年收购了另一家以色列公司Annapurna Labs，Run:ai的收购加深了其与该地区的联系。
展望未来，Run:ai软件的整合预计将在Nvidia的AI基础设施路线图中发挥作用，包括支持用于训练前沿模型的大规模集群。公司计划发布更新，使编排软件与其CUDA平台更紧密耦合，可能提供竞争对手难以复制的性能提升。
结论
Nvidia-Run:ai收购是AI行业的一件大事，反映了硬件和软件在争夺人工智能主导地位中的融合。以7亿美元的价格，Nvidia获得了AI基础设施栈的关键部分，加强了其竞争护城河，并扩大了其对全球GPU部署方式的影响力。该交易在监管审查下成功完成，展示了Nvidia在复杂反垄断环境中导航并执行其战略愿景的能力。随着AI采用持续加速，此次收购使Nvidia能够从每块售出的GPU中获取更多价值，巩固其作为AI经济支柱的角色。