nVidia 真正的恐惧：护城河 CUDA “平台战争” 败局

aidj

https://youtu.be/AKwxBaQ5rOs(19:34)

OpenAI GPT 加上 辉达（英伟达）Cuda 不可能 通往 Agi 成功之路。

台湾 供应链 的 大佬们 是不是 看到 我们没看到滴

aidj

#當NVIDIA以為已經贏了，Google卻用100萬顆晶片改寫戰局

Anthropic宣布採購100萬顆Google TPU，價值數百億美元，這是AI晶片史上最大單一訂單之一。更驚人的是，這家原本依賴NVIDIA GPU的AI新創，為什麼突然把寶押在Google身上？因為一個產業轉折正在發生：推理時代來了。

Google剛剛發布第七代TPU Ironwood，單一Pod算力達42.5 Exaflops，是目前世界最大超級電腦的24倍。這個數字背後，是Google十年磨一劍的戰略耐心，以及一個更深層的判斷：當AI從實驗室走向億萬用戶，遊戲規則變了。

##20年生態vs 10年沈潛

時間是這場戰爭最殘酷的維度。NVIDIA從2006年推出CUDA以來，花了20年編織出一張覆蓋全球的生態網：數百萬開發者、幾乎所有AI框架、八成到九成的市場佔有率。這不是單純的技術領先，而是時間累積出的護城河。

Google的TPU起步於2015年，到現在正好十年。十年聽起來不短，但在生態競爭裡只是個後進者。TPU一直被視為「Google自用」而非「產業標準」，即使性能不俗，也難撼動CUDA在訓練時代的統治地位。開發者要的是靈活性，CUDA的開放生態正中紅心。

但十年沈潛不是白費的。Google用這段時間做了三件事：打磨晶片性能、建立軟體堆疊、等待時機。現在，時機到了。

##推理時代來臨，規則改寫

當AI應用從「訓練模型」轉向「服務億萬用戶」，一個關鍵變化發生了：推理需求是訓練需求的數十倍甚至百倍。ChatGPT每天處理數億次對話，Gemini支撐Google搜尋的AI功能，Claude服務30萬家企業客戶。這些推理任務的共同特徵是：高頻、低延遲、持續運行、成本敏感。

此時，遊戲規則改變了。企業不再追求極致通用性，而是針對特定工作負載最佳化；不再只看峰值性能，而是看「每美元能跑多少推理」；不再只比單晶片算力，而是比「大規模部署的總體成本與能效」。

這正是Google TPU的機會窗口。如果說訓練是「蓋房子」需要各種工具，那推理就是「量產標準零件」，專用生產線的效率遠勝通用工廠。

##Google的三重挑戰策略

Ironwood最驚人的不是單晶片性能。它的4.6 petaFLOPS只是略勝NVIDIA B200的4.5 petaFLOPS。真正的殺手鐧在於規模化能力：可以把9,216顆晶片組成單一Pod，總算力達42.5 Exaflops。相比之下，NVIDIA GB300 NVL72系統的0.36 Exaflops只是零頭。

這背後是設計哲學的根本差異。NVIDIA的GPU強調單卡強悍，透過NVLink連接多卡；Google的TPU從一開始就是為「萬卡規模」設計，用9.6 Tbps的晶片間互連網路把數千顆晶片變成「一台超級電腦」。當訓練一個萬億參數模型或服務億萬次推理時，系統級成本比單卡性能更重要。

Anthropic的CFO明確指出選擇TPU的理由：價格性能比與能源效率。這句話透露了AI產業的殘酷真相：當運算成本成為企業最大開支，省錢比拚速度更重要。

Google的成本優勢來自垂直整合：自己設計晶片、建資料中心、提供雲端服務，省去中間商利潤。TPU針對TensorFlow與Transformer架構深度最佳化，能效比通用GPU高出兩倍。Ironwood的能效比第一代TPU提升29倍，在電費高漲的時代這是真金白銀。Google 2025年資本支出930億美元，約六成用於伺服器採購，這種規模效應是NVIDIA難以企及的。

更深層的策略在於生態閉環。NVIDIA的CUDA是開放生態，任何人都能用；Google的TPU則走垂直整合路線：TPU加上Gemini模型、Google Cloud、Vertex AI平台，形成軟硬體協同最佳化的閉環。Gemini 2.5 Flash-Lite就是與TPU共同設計，速度驚人。Pathways系統可以動態調度數萬顆TPU，這是CUDA無法做到的。

過去這種策略行不通，因為訓練時代開發者要靈活性。但在推理時代，企業要的是穩定、便宜、省事，Google的一條龍服務反而更有吸引力。Anthropic這家年化營收達70億美元的AI新創，選擇TPU不是小試水溫，而是戰略豪賭，向市場傳遞了一個信號：在推理時代，NVIDIA不再是唯一選擇。

##戰爭才剛開始

這場戰爭遠未結束。NVIDIA仍握有CUDA這張王牌，九成的市場佔有率不是一夜之間就能撼動的。但Google用Ironwood證明了一件事：在推理時代，專用晶片加上垂直整合，可以在特定場景打敗通用GPU的絕對性能優勢。

對投資人來說，別再把AI晶片競賽簡化成「誰跑得快」。真正的戰場是「誰能用更低成本、更高能效餵飽億萬次推理需求」。這不是短跑，是馬拉松。Amazon的Trainium、Microsoft的Maia、Meta的MTIA都在崛起，這不是偶然，而是必然。

Anthropic的100萬顆TPU訂單不只是一筆生意，而是一個時代信號：推理時代，Google來了。

---

#Google, #NVIDIA, #Ironwood, #TPU, #AI晶片競爭

aidj

辉达（英伟达, NVDA) 股票下跌

aidj

黃仁勳在《金融時報》的AI峰會上表示：
​
「中國將贏得AI競賽。」
​
當然，在稍後的澄清中，他補充道：「我一直說，中國在AI領域只落後美國幾奈秒……美國獲勝的關鍵在於加速前進，並贏得全球開發者的支持。」
​
他給出的理由是：
​
1. 能源成本： 中國為其科技巨頭（如字節跳動、阿里、騰訊）的資料中心提供巨額能源補貼，黃仁勳直言：「電力是免費的」，這大幅降低了AI運算的根本成本。
​
2. 監管效率： 相較於美國各州可能催生出「50種不同法規」的複雜局面，北京的監管環境更為簡潔、統一，決策和執行速度更快。
​
3. 人才儲備： 全球約一半的AI研究人員在中國，這是一個無法忽視的龐大人才庫。
​
4. 政府意志： 中國政府正強力推動本土晶片的應用，以擺脫對美國技術的依賴。
​
那麼，在這些看似清晰的陳述背後，真正值得我們深思的「弦外之音」是什麼？
​
▋一場高明的「政治喊話」
​
黃仁勳不是一個評論員，他是一個商人，一個被美國政府政策卡住喉嚨的商人。
​
美國的晶片出口禁令，讓 Nvidia 在中國的市佔率，用黃仁勳自己的話說，是「從 95% 掉到了 0%」。這是一個價值數百億美元的市場，就這樣眼睜睜地消失了。
​
當一個商人想改變一個對他不利的政策時，他會怎麼做？
​
直接說「禁令讓我賺不到錢，請快點解除」，這是最愚蠢的做法，只會被貼上「不愛國」、「為了錢出賣國家利益」的標籤。
​
最高明的做法，是把「公司的利益」包裝成「國家的利益」。
​
所以，黃仁勳的潛台詞是：
​
「你們把我擋在門外，結果是什麼？結果是他們會傾全國之力，搞出自己的晶片、自己的生態系。到頭來，我們不僅失去了全球最大的市場，還催生了一個最強大的競爭對手。你們的政策，不是在保衛美國的領先，而是在加速美國的失敗。」
​
▋「贏得全世界的開發者」
​
在拋出「中國會贏」這個聳動的警告後，黃仁勳立刻給出了他的「解藥」：
​
他說：「美國獲勝的關鍵，在於跑得更快，並贏得全世界的開發者。」
​
這句話才是他真正想說的重點。
​
什麼叫「贏得全世界的開發者」？
​
潛台詞就是，「中國有全球一半的 AI 開發者，你要贏得世界，就不可能繞過中國。怎麼贏得他們？讓他們用你的東西！」
​
讓他們習慣在 Nvidia 的 CUDA 平台上做開發，讓整個中國的 AI 生態都建立在美國的技術棧之上。
​
這是一石二鳥之計。如果華盛頓聽進去了，放寬了限制，Nvidia 就能重返中國市場，大賺其錢。同時，他還能成為「幫助美國贏得 AI 戰爭」的一份子。
​
▋對我們的啟示是什麼？
​
作為投資者，我們不必去猜誰會贏，我們應該去找投資的機會。
​
相反，我們應該意識到，正是這場激烈的競賽本身，為整個AI基礎設施產業注入了最強勁、最持久的燃料。
​
我們的任務，是在這場無可避免的軍備競賽中，找到那個最核心、最不可或缺的軍火供應商，然後站穩位置。遊戲的複雜性在增加，但下注的核心邏輯，從未如此清晰。
​
- KP
​
p.s. 在我上星期Substack長文中，我深入分析了CUDA的護城河，有興趣可以閱讀，全文在下方。