NVIDIA于5月5日（UTC+8）公布项目更新，宣布其大模型训练框架Megatron Core已新增对多种高级优化器的支持，包括Muon、MOP和REKLS。根据官方表述，此次更新旨在提升大规模模型训练效率，并为更高参数规模模型的训练提供更完善的基础设施支持。
从披露内容来看，NVIDIA强调，面对诸如Kimi K2和Qwen3 30B这类模型，仅依赖传统的数据并行方式已不再足够。这意味着，在当前大模型参数规模持续扩大、训练复杂度不断上升的背景下，训练系统正在从单一并行策略转向更复杂的优化器与并行机制协同设计。
Megatron Core更新释放了什么信号？
Megatron Core长期以来被视为NVIDIA在大模型训练基础设施中的关键组件，其定位不仅是服务高性能计算场景，更是支撑企业和研究机构构建超大规模模型的重要框架。此次加入对新兴优化器Muon以及研究型优化器MOP、REKLS的端到端支持，说明NVIDIA正在尝试将前沿训练方法更快整合进其生态体系。
优化器是模型训练过程中决定参数更新方式的核心环节，直接影响训练速度、稳定性以及资源利用效率。对于超大模型而言，哪怕训练效率出现小幅提升，也可能在算力消耗、训练时间和预算控制方面带来显著差异。因此，NVIDIA此次更新虽然表面上是框架能力扩展，但背后反映的是AI算力竞争中对“训练效率”这一关键指标的持续争夺。
官方未披露性能数据，市场仍保持关注
值得注意的是，NVIDIA在公告中并未提供具体性能指标或技术实现细节。例如，新增优化器在吞吐量、显存占用、收敛效率或训练成本方面究竟能带来多大改善，目前仍无从判断。这也意味着，市场现阶段更应将这一消息视为技术路线与产品能力扩展的信号，而非已经得到量化验证的性能突破。
在AI基础设施领域，框架支持往往先于大规模商用落地。NVIDIA此次动作可能更多是在为未来客户需求做准备，尤其是在模型规模迈向更高参数量、训练流程趋于复杂的阶段，开发者和企业用户对于多样化优化器的需求正在上升。
对AI与加密市场的潜在影响
虽然这则消息本身属于AI基础设施更新，但其外溢影响仍可能被加密市场关注，特别是与AI概念代币、去中心化算力网络以及GPU计算相关赛道有关。过去一段时间，市场对AI训练成本、算力供应和模型迭代效率高度敏感，任何来自NVIDIA的框架层升级，往往都会被视为观察行业资本开支和技术演进节奏的重要风向标。
从投资叙事角度看，若Megatron Core对高级优化器的支持最终能够提升训练效率，那么理论上可能有助于改善大型模型开发的资源配置效率，进而影响云计算、AI芯片、算力租赁以及部分链上AI项目的估值预期。不过，由于官方尚未披露量化结果，短期内这一影响更多停留在情绪和预期层面。
此外，原始消息还提到，市场持续关注通胀数据对AI开发预算的影响。这意味着，尽管技术进步有望提升训练效率，但AI行业资本支出仍会受到宏观环境约束。如果融资成本上升或预算趋紧，企业对高性能训练基础设施的采购节奏也可能发生变化。对加密市场而言，这种宏观变量同样会影响AI叙事资产的风险偏好。
结语
总体来看，NVIDIA此次为Megatron Core新增对Muon、MOP和REKLS等优化器的支持，展现出其继续强化大模型训练生态的战略意图。虽然目前缺乏详细技术参数和实际性能数据，尚不足以直接评估其商业价值，但这一更新仍说明，超大模型训练正进入对优化器、并行策略和系统架构协同优化要求更高的新阶段。
对于关注AI与加密交叉赛道的市场参与者而言，这则消息的核心意义在于：NVIDIA正在继续巩固其在高端AI训练基础设施中的主导地位，而训练效率优化仍将是未来一段时间内影响行业竞争格局的重要变量。