前几天，一个炒股的朋友跑来问我：“英伟达是不是不行了？像是四面楚歌了。谷歌有TPU，OpenAI有Triton，华为有昇腾，AMD也在后面追着喊‘兄弟，等等我’。” 我说你先别急着替英伟达写悼词。你这问题，暴露了一个常见毛病：很多人把“护城河”理解成知识产权、渠道、品牌、规模、网络效应、用户认知——这些都对，但在硬科技领域，它们往往只是“表面那层漆”。真正能挡人的，是一种不体面、没有浪漫气息、写出来甚至有点像在给加班洗白的东西：工程积淀。 它不是某个天才的灵光一现，更不是一纸专利。它更像是：你在一条路上走了二十年，沿途遇到几十万个坑。每个坑都不大，但都很贵、很烦、很脏。你填完一个坑，前面又冒出一个坑。你一边填坑一边骂街，一边还得保证车继续跑。最后这条路就成了高速公路——别人也想走，但他们要先把二十年的坑补齐。 所以它很难被“钞能力”瞬间复制。钱能买人，能买设备，能买流量，但买不到“曾经踩过的坑”。这就像健身：你可以买蛋白粉，买私教，买器械，但你买不到别人已经流过的汗。你甚至可以买到别人的汗——也没用。 我们可以通俗地叫它“微创新”，但是它有两个特点：数量巨大，无法预测。这意味着这类创新，几乎只能通过实践和时间长出来。英伟达如此，ASML、ARM也是如此。就像ARM一样，指令集理论大家都知道，但是，要性能，要稳定，要低功耗，只有ARM做得到。 CUDA最大的优势不是“先进”，而是“习惯”。习惯这东西很要命。你要让全世界工程师换生态，就像你要让全世界改用一种新筷子——它也许更符合人体工程学，但大家已经用旧筷子夹了二十年花生米。CUDA经过二十年积累，形成了一套从编译器、驱动、库、算子到框架适配的“工程宇宙”。你以为你在买显卡，其实你在买一个东西：跑起来的确定性。 工程师最怕的不是难，而是“难还没意义”。他愿意为模型效果熬夜，但不愿意为了装驱动熬夜。你让他调参，他眼睛发光；你让他配环境，他就会思考人生是不是该出家。 很多人看GPU只看单卡算力，这就像评价一个军队只看单兵格斗。训练大模型不是单挑，是群殴，而且是那种“上万个人要同时听懂同一句口令”的群殴。单卡再猛，如果集群通信像村口小路堵车，你照样跑不动。英伟达靠NVLink，再加上Mellanox那套网络交换能力，把大量GPU变成一个能协同工作的整体。它不是简单把显卡堆在一起，而是给它们装了神经系统。 AMD这些年单卡确实追得很凶，这很好。但大规模集群这事，像写一本长篇小说：你不能只写好开头就宣布自己赢了。《红楼梦》最难的从来不是开篇，是你写到八十回还能不崩。 谷歌TPU很强，但它的强有点像“自家厨房的神锅”——特别适合谷歌的菜系。你在外面想买一口回来做饭，往往没那么顺。它更多是体系内优势，不是“广泛可得、随手可用”的大众生态。 OpenAI的Triton很有野心，想做一种“万能翻译官”，让你写一次代码，到处都能跑。听起来很美，像世界语。问题是：理想世界里大家讲世界语，现实世界里大家讲英语——因为英语已经形成了偷懒的规模优势。工程师的信仰不是“公平”，是“省事”。他写代码是为了跑模型，不是为了参与语言学实验。 AMD的策略是“便宜大碗”。这也对，甚至很可能越来越对。但它现在经常给人的感觉是：你买到的是一台发动机很猛的车，变速箱、维修体系、加油站网络还在建设中。你问销售：“这车怎么样？”他告诉你：“马力真大。”你再问：“那我能从新加坡开到吉隆坡吗？”他沉默了一下，回答说：“理论上可以。” 你可以加快，但不能跳过。就像生孩子——哪怕你是世界首富，雇最好的医生，甚至雇十个孕妇，你也没法在一个月里把孩子生出来。时间这东西很讨厌，但它同时也是最可靠的护城河：它不接受辩论，只接受发生过。 但还有个更大的事实经常被忽略：训练侧被挤压，反而会把推理侧抬起来；而推理侧的需求很可能远超训练侧。工业制造、具身智能、电动汽车、军事防务、家庭智能中心……这些不是“互联网应用”，它们更像把现实世界一寸一寸搬进计算里。你可以把它叫“物理世界自动化”。这块蛋糕足够大，大到你很难只用“训练芯片会不会商品化”来判断输赢。 所以，我更愿意这么收束：英伟达的护城河，表层是CUDA、NVLink、生态惯性；深层是它二十年“填坑”的复利——而黄仁勋的厉害之处在于，他一直知道自己在填的不是某个坑，而是一条路。 你要短期打败英伟达，不只是做出一张更快的卡。你得做出一种新的人类：不怕装驱动，不怕编译，不怕报错，最好还喜欢写算子。如果真有这种人类出现，英伟达才算遇到天敌。
