Nvidia的護城河不是晶片，是一個沒人聽過的軟體

在AI軍備競賽中，真正難以撼動的競爭優勢不是Nvidia的GPU硬體，而是名為CUDA的軟體生態系。這對華人科技圈意味著什麼？

一個打電動的博士生，在惡魔的動作是否流暢這件事上較真，結果替整個AI產業奠定了基礎。這不是比喻，這是字面意思。

2000年代初，史丹佛大學博士生伊恩·巴克（Ian Buck）因為玩遊戲而迷上GPU。他發現這種為遊戲圖形設計的晶片，其架構完全可以挪用於高效能運算。他開發了一套名為Brook的程式語言，隨後被Nvidia延攬，與約翰·尼科爾斯（John Nickolls）共同創造了CUDA（Compute Unified Device Architecture）。今天，CUDA是Nvidia CEO黃仁勳口中「最珍貴的寶藏」，也可能是整個AI時代唯一真正的護城河。

護城河的本質：不是晶片，是生態系

OpenAI、Anthropic、Google——這些被稱為「前沿實驗室」的公司，沒有一家擁有真正難以複製的優勢。模型可以被開源，架構可以被模仿，DeepSeek的出現已經說明了這一點。但CUDA不同。

CUDA從技術上說不是程式語言，而是一個「平台」——一個深度巢狀的軟體函式庫集合，專門用來榨乾GPU的並行運算潛力。要理解它的價值，先理解「並行化」：想像填寫一張9×9乘法表，單核CPU必須依序完成81次運算；擁有9個核心的GPU可以讓每個核心負責一列，速度提升9倍。若再進一步辨識交換律（7×9＝9×7），81次運算可縮減至45次。當一次模型訓練耗資1億美元，每一個奈秒級的優化都在燒錢或省錢。

CUDA的護城河還來自鎖定效應。PyTorch等主流機器學習框架都建立在CUDA之上，而CUDA只能在Nvidia晶片上完整運行。這意味著即使AMD的晶片在規格表上勝出，實際效能仍落後——就像用汽缸數比較賽車，真正的成績只在賽道上見真章。

DeepSeek挖得有多深

廣告合作

[email protected]

DeepSeek的工程師做了一件讓業界側目的事：他們繞過CUDA，直接操作PTX——一種GPU的組合語言。用廚房比喻：CUDA告訴你「用刀背拍碎大蒜」，PTX則要求你精確指定「刀刃距砧板2.35英寸，以36.2牛頓的力道向下擊打」。

這個層級的程式碼，全球能寫的人極少，其中許多人受僱於Nvidia。有記者實際嘗試用CUDA寫一個簡單的矩陣乘法：用PyTorch只需3行，用CUDA則超過50行。「我踏進了護城河，可以確認它確實又深又冷。」

歷史上不乏挑戰者：蘋果、AMD、Qualcomm聯合支持的開放標準OpenCL，試圖成為CUDA的Android版本，結果幾乎沒有獲得市場牽引力。AMD自家的ROCm長期飽受bug與相容性問題困擾。Intel的oneAPI在2026年同樣未能撼動CUDA的地位。目前最受關注的挑戰者，是由Swift與LLVM的創造者克里斯·拉特納（Chris Lattner）領導的Modular，但結果尚未明朗。

對華人科技圈的意義：不只是買不買得到晶片的問題

對台灣、香港、東南亞乃至中國大陸的科技從業者而言，CUDA的護城河牽涉的不只是技術，更是地緣政治的現實。

台積電製造了Nvidia的晶片，但CUDA的軟體生態系完全由Nvidia掌控。這意味著即便晶片製造能力分散，軟體依賴仍高度集中。美國對中國大陸的晶片出口管制，讓中國企業無法取得最新的H100、H200等GPU，倒逼了國內替代方案的研發——華為的昇騰晶片與CANN軟體棧正是在這個壓力下加速發展。但軟體生態的積累需要時間，這不是幾年內可以複製的。

DeepSeek的案例提供了另一條路徑：在現有硬體限制下，用極致的軟體優化換取效率。這恰恰說明，軟體能力的深度，可以在一定程度上彌補硬體的缺口。但這條路需要的，是極少數掌握GPU底層架構的頂尖工程師。

Nvidia的故事最終指向一個反直覺的結論：它是一家硬體公司，但護城河是軟體；它賣的是晶片，但真正的產品是生態系。這與Apple的邏輯高度相似——iPhone的護城河從來不是硬體本身，而是iOS、App Store與開發者社群的總和。三星的折疊螢幕再炫，也難以撼動這個生態。