2025年7月，歷史被再次刷新。

2025年7月，歷史被再次刷新。英偉達(dá)（NVIDIA），這家由一位熱愛皮夾克的華裔創(chuàng)辦的公司，市值如火箭般沖破4萬(wàn)億美元的穹頂，將一眾傳統(tǒng)巨頭甩在身后，成為了全球資本市場(chǎng)的絕對(duì)核心。

一時(shí)間，掌聲、驚嘆聲、泡沫論、質(zhì)疑聲交織在一起。媒體的頭條被黃仁勛的語(yǔ)錄、驚人的財(cái)富效應(yīng)和AI吞噬一切的宏大敘事所占據(jù)。但對(duì)于每一個(gè)身處產(chǎn)業(yè)浪潮中的決策者——無(wú)論是投資人、企業(yè)戰(zhàn)略家還是技術(shù)領(lǐng)袖——真正的問(wèn)題遠(yuǎn)比股價(jià)的漲跌更為重要：

支撐這個(gè)龐大帝國(guó)的，究竟是什么？是那一塊塊被瘋狂搶購(gòu)的GPU嗎？當(dāng)AMD、Intel甚至各大云廠商都宣稱擁有自己的AI芯片時(shí)，英偉達(dá)的“王座”為何看似堅(jiān)不可摧？4萬(wàn)億之后，它的增長(zhǎng)故事又將如何續(xù)寫？

為了尋找答案，我們決定采用一種“老派”但最有效的方法——與真正塑造這個(gè)行業(yè)的人進(jìn)行深度對(duì)話。硅兔君利用我們深耕硅谷的專家網(wǎng)絡(luò)，與數(shù)位身處AI戰(zhàn)場(chǎng)最前線的匿名專家進(jìn)行了交流。他們中，有來(lái)自頂級(jí)云廠商的AI基礎(chǔ)設(shè)施前負(fù)責(zé)人，有主導(dǎo)大模型訓(xùn)練的首席架構(gòu)師，也有在硅谷路上判斷下一個(gè)技術(shù)風(fēng)口的頂尖VC合伙人。

現(xiàn)在，請(qǐng)?jiān)试S我們將這些珍貴的一手洞察為您呈現(xiàn)。這不僅是對(duì)一家公司的拆解，更是對(duì)一個(gè)時(shí)代核心驅(qū)動(dòng)力的深度剖析。

01 最深的護(hù)城河，藏在看不見的代碼里

當(dāng)我們問(wèn)及幾乎所有受訪專家一個(gè)相同的問(wèn)題——“英偉達(dá)最核心的壁壘是什么？”時(shí)，沒有一個(gè)人的答案是“芯片性能”。相反，他們都指向了一個(gè)誕生于近二十年前的產(chǎn)物——CUDA。

一位曾在FAANG負(fù)責(zé)構(gòu)建AI平臺(tái)的資深技術(shù)總監(jiān)，用一個(gè)生動(dòng)的比喻開啟了我們的對(duì)話：

“外界最大的認(rèn)知偏差，就是至今仍將英偉達(dá)視為一家硬件公司。這好比認(rèn)為可口可樂的成功只在于它的瓶子。黃仁勛從2006年正式推出CUDA起，就不是在賣芯片，而是在‘傳教’。他構(gòu)建了一個(gè)‘英偉達(dá)教派’，CUDA就是它的圣 經(jīng)。

今天，任何一個(gè)客戶買走一片H100或B200，他支付的不僅是硅片的價(jià)格，更是購(gòu)買了進(jìn)入這個(gè)教派生態(tài)的‘門票’。這是一種無(wú)形的、卻幾乎所有人都必須繳納的‘生態(tài)稅’?！?/p>

CUDA（Compute Unified Device Architecture，統(tǒng)一計(jì)算設(shè)備架構(gòu)），這個(gè)聽起來(lái)頗為拗口的名字，正是英偉達(dá)所有神話的起點(diǎn)。在GPU還只是游戲玩家的“寶貝”時(shí)，黃仁勛就預(yù)見性地投入巨資，要將GPU的心臟——成千上萬(wàn)的并行計(jì)算核心——開放給通用的科學(xué)和商業(yè)計(jì)算。

這盤大棋，一走就是近20年。

它不是一個(gè)產(chǎn)品，而是一個(gè)生態(tài)系統(tǒng)。 CUDA不僅僅是一個(gè)編程接口，它包含了一整套豐富的、經(jīng)過(guò)高度優(yōu)化的數(shù)學(xué)庫(kù)（如cuDNN用于深度神經(jīng)網(wǎng)絡(luò)、cuBLAS用于線性代及）、強(qiáng)大的編譯器、直觀的調(diào)試工具（如NVIDIA Nsight），以及一個(gè)龐大的開發(fā)者社區(qū)。

它創(chuàng)造了網(wǎng)絡(luò)效應(yīng)的完美范本。 越多的開發(fā)者使用CUDA，就會(huì)催生越多的基于CUDA的應(yīng)用程序和框架（如TensorFlow、PyTorch）；這些殺手級(jí)應(yīng)用又會(huì)吸引更多的用戶和開發(fā)者投身于CUDA生態(tài)。這個(gè)正向飛輪一旦轉(zhuǎn)動(dòng)起來(lái)，其產(chǎn)生的引力將是巨大的。

今天，全球有超過(guò)400萬(wàn)開發(fā)者在使用CUDA。任何一個(gè)AI專業(yè)的博士生，他的第一行模型代碼，幾乎都是在CUDA上運(yùn)行的。這形成了一種強(qiáng)大的“肌肉記憶”，從學(xué)術(shù)界蔓延至工業(yè)界，成為了事實(shí)上的行業(yè)標(biāo)準(zhǔn)。

02 看不見的成本，看得見的壁壘

“既然CUDA這么厲害，那競(jìng)爭(zhēng)對(duì)手，比如AMD的ROCm或者Intel的oneAPI，就不能做一個(gè)更好的來(lái)替代它嗎？” 這是我們向一位負(fù)責(zé)大模型訓(xùn)練的首席AI架構(gòu)師提出的問(wèn)題。他笑了笑，反問(wèn)我們：

“你知道將一個(gè)一線大廠的核心AI業(yè)務(wù)，從英偉達(dá)平臺(tái)遷移到另一個(gè)平臺(tái)，真正的成本是多少嗎？它不是采購(gòu)幾萬(wàn)片新芯片的硬件費(fèi)用，而是一張長(zhǎng)到令人絕望的‘技術(shù)賬單’，其金額可能是硬件成本的數(shù)倍，甚至十倍以上?！?/p>

在這位專家的幫助下，我們得以一窺這張“技術(shù)賬單”的冰山一角：

代碼重構(gòu)與遷移: 這絕非簡(jiǎn)單的“查找-替換”。無(wú)數(shù)工程師耗費(fèi)心血手寫的、針對(duì)NVIDIA GPU底層優(yōu)化的計(jì)算核心（Kernel），在AMD或Intel的芯片上必須幾乎全部重寫。這其中涉及到的底層硬件架構(gòu)差異，是外行難以想象的。

性能優(yōu)化地獄: 即便代碼成功遷移，新的硬件也無(wú)法“開箱即用”地達(dá)到英偉達(dá)平臺(tái)的性能。工程師需要花費(fèi)數(shù)月甚至數(shù)年的時(shí)間，去進(jìn)行繁瑣的性能調(diào)優(yōu)，解決各種意想不到的bug，才能慢慢“逼近”原來(lái)的效率。對(duì)于分秒必爭(zhēng)的AI競(jìng)賽而言，這種時(shí)間成本是致命的。

工具鏈的鴻溝: 英偉達(dá)提供了如Nsight、NVProf等極其成熟的性能分析和調(diào)試工具，能幫助工程師快速定位瓶頸。而競(jìng)爭(zhēng)對(duì)手的工具鏈，在穩(wěn)定性、易用性和功能豐富度上，仍有數(shù)年的差距。這位架構(gòu)師坦言：“在NVIDIA上一個(gè)下午就能解決的問(wèn)題，在其他平臺(tái)上可能需要一周，而且你還不知道問(wèn)題到底出在哪?！?/p>

人才庫(kù)的斷層: 一個(gè)殘酷的現(xiàn)實(shí)是，市場(chǎng)上精通CUDA的工程師數(shù)量，可能百倍、千倍于精通ROCm的工程師。對(duì)于企業(yè)來(lái)說(shuō)，這意味著更高的招聘成本、更長(zhǎng)的培訓(xùn)周期，以及項(xiàng)目延期的巨大風(fēng)險(xiǎn)。

生態(tài)的惰性: 像Hugging Face這樣的模型社區(qū)，其上絕大多數(shù)開源模型都是為NVIDIA GPU預(yù)訓(xùn)練和優(yōu)化的。當(dāng)一個(gè)團(tuán)隊(duì)想快速驗(yàn)證一個(gè)新想法時(shí)，最快的路徑永遠(yuǎn)是“下載模型，在英偉達(dá)GPU上運(yùn)行”。

“總結(jié)一下，” 這位架構(gòu)師最后說(shuō)，“英偉達(dá)的護(hù)城河，不是它自己挖的，而是過(guò)去十五年，全球數(shù)百萬(wàn)開發(fā)者用一行行代碼、一次次調(diào)試、一個(gè)個(gè)項(xiàng)目為它構(gòu)建起來(lái)的。想填平這條河，需要的不是錢，而是時(shí)間，以及一個(gè)同樣龐大且忠誠(chéng)的開發(fā)者軍團(tuán)。目前來(lái)看，沒人做得到?！?/p>

03 向上集成：從賣鏟子到賣“淘金工廠”

如果說(shuō)CUDA是英偉達(dá)的“軟件靈魂”，那么其“硬件”的進(jìn)化策略，同樣充滿了智慧。一位在硅谷20年的頂級(jí)VC合伙人，給我們提供了一個(gè)獨(dú)特的商業(yè)視角：

“要理解英偉達(dá)的商業(yè)模式，你不能只看GPU，你要看它的‘客單價(jià)’是如何一步步提升的。這是一個(gè)教科書級(jí)別的‘向上集成’（Upward Integration）案例。它本質(zhì)上不是在賣產(chǎn)品，而是在不斷為客戶解決更宏大、也更有價(jià)值的問(wèn)題。”

這位 頂級(jí)VC 合伙人將英偉達(dá)的戰(zhàn)略描繪成一個(gè)四級(jí)火箭：

第一級(jí)：賣“零件”-GPU芯片。 這是起點(diǎn)。從G80到Fermi，再到今天的Blackwell架構(gòu)，英偉達(dá)始終保持著單卡性能的領(lǐng)先。這是它一切業(yè)務(wù)的基石。

第二級(jí)：賣“設(shè)備”- DGX/HGX服務(wù)器。 英偉達(dá)很快發(fā)現(xiàn)，客戶需要的不是8片獨(dú)立的GPU，而是一個(gè)能讓這8片GPU高效協(xié)同工作的“怪獸”。于是，它通過(guò)高速互聯(lián)技術(shù)NVLink和NVSwitch，將GPU緊密耦合，推出了DGX服務(wù)器。它賣的不再是零件，而是一臺(tái)“開箱即用的AI超級(jí)計(jì)算機(jī)”?？蛦蝺r(jià)從數(shù)千美元躍升至數(shù)十萬(wàn)美元。

第三級(jí)：賣“生產(chǎn)線”- SuperPOD集群。 當(dāng)客戶需要訓(xùn)練千億、萬(wàn)億參數(shù)的大模型時(shí)，一臺(tái)DGX也不夠了。英偉達(dá)通過(guò)收購(gòu)Mellanox獲得的InfiniBand高速網(wǎng)絡(luò)技術(shù)，將成百上千臺(tái)DGX服務(wù)器連接成一個(gè)龐大的集群，并提供一整套軟件來(lái)管理它。這就是SuperPOD。它賣的不再是設(shè)備，而是一條完整的“AI模型生產(chǎn)線”藍(lán)圖。客單價(jià)飆升至數(shù)千萬(wàn)甚至數(shù)億美元。

第四級(jí)：賣“工廠”- 數(shù)據(jù)中心級(jí)解決方案。 今天，英偉達(dá)正在向終極形態(tài)邁進(jìn)。它與云服務(wù)商合作推出DGX Cloud，讓客戶可以按需租用一個(gè)完整的“AI工廠”。它甚至直接參與到客戶數(shù)據(jù)中心的設(shè)計(jì)中。它賣的，是一種“AI能力”本身。

通過(guò)這種層層遞進(jìn)的策略，英偉達(dá)將自己從一個(gè)芯片供應(yīng)商，變成了客戶AI戰(zhàn)略中不可或缺的、提供全棧解決方案的“總包商”。每一次集成，都解決了客戶更深層次的痛點(diǎn)，也帶來(lái)了更高的利潤(rùn)率和更強(qiáng)的客戶粘性。

結(jié)語(yǔ)

故事到這里，似乎已經(jīng)足夠傳奇。但對(duì)于一個(gè)4萬(wàn)億美元的帝國(guó)而言，它的野心遠(yuǎn)不止于此。以 NVIDIA AI Enterprise (NVAIE) 為例，它就像是AI時(shí)代的“Windows操作系統(tǒng)”。企業(yè)購(gòu)買英偉達(dá)的硬件后，可以再為其訂閱NVAIE服務(wù)，以換取運(yùn)行關(guān)鍵業(yè)務(wù)所必需的穩(wěn)定性、安全性、技術(shù)支持和性能保障。

這不僅為英偉達(dá)開辟了一個(gè)全新的、高利潤(rùn)的軟件訂閱市場(chǎng)，更重要的是，它將與客戶的關(guān)系從一次性交易，變成了長(zhǎng)期的服務(wù)伙伴。

而當(dāng)這種“硬件+軟件+服務(wù)”的全棧能力被打磨到極致時(shí)，它就完美地契合了21世紀(jì)最重要的新趨勢(shì)之一：主權(quán)AI (Sovereign AI)。

一位專注于地緣科技的專家，為我們揭示了英偉達(dá)故事的最終章：

“我們正在進(jìn)入一個(gè)‘主權(quán)AI’的時(shí)代。每一個(gè)國(guó)家，都將意識(shí)到擁有自己獨(dú)立的AI基礎(chǔ)設(shè)施、自己的基礎(chǔ)大模型、以及由本國(guó)數(shù)據(jù)訓(xùn)練出的AI，是21世紀(jì)國(guó)家主權(quán)的一部分，就像擁有自己的貨幣和軍隊(duì)一樣重要。而誰(shuí)能為這些國(guó)家提供構(gòu)建‘主權(quán)AI’的全套工具？今天，答案只有一個(gè)——英偉達(dá)?！?/p>

這使得英偉達(dá)超越了一家商業(yè)公司的范疇，它的產(chǎn)品變成了21世紀(jì)地緣政治的戰(zhàn)略資源。這不僅為它打開了一個(gè)以“國(guó)家”為單位的全新藍(lán)海市場(chǎng)，更將其業(yè)務(wù)的確定性和不可替代性，提升到了前所未有的高度。

4萬(wàn)億美元。這個(gè)數(shù)字，不是神話，也非泡沫。

本文作者：硅兔君，來(lái)源：36氪，原文標(biāo)題：《4萬(wàn)億英偉達(dá)，憑什么？我們和幾位硅谷核心專家聊出了答案》