#5兆的輝達，給全世界上了一課 #你的護城河，是什麼？ #好文分享 #劉潤 2025年10月 31 日

5萬億的輝達，給全世界上了一課

美國時間10月29日，很多人都在說見證歷史。輝達市值突破5萬億美元，全世界僅此一家。

5萬億美元，什麼概念？

如果對比市值，相當於7個騰訊，13個阿里，26個拼多多。

如果折現，能買下全球前十的晶片公司後，還能剩下不少。

如果刮彩票，天天刮，天天中，一天一億美元，大約要137年。

但輝達的市值增長，比刮彩票還要快。2023年5月，破萬億。9個月後，破2萬億。3個月後，破3萬億。從3萬億到4萬億，用了410天。而從4萬億到5萬億，只用了113天。
同時，輝達CEO黃仁勳也身價暴漲，成為全世界第八有錢的人。

你看，前後不到3年，輝達就創造了新的歷史。真的，真的讓人震撼不已。

震撼之餘，一個巨大的困惑隨之而來：

既然AI晶片這行業這麼賺錢，為什麼我們好像只看到輝達在賺錢？那些本該瓜分這塊大蛋糕的對手呢，又在哪兒？

帶著這些疑惑，我做了些研究。越來越有種強烈的感覺。

輝達能有今天的成就，不是偶然。而是一家企業，用近20年時間，從零構建起堅實的護城河，成為全球第一的史詩故事。

看懂輝達的故事，或許也能給很多企業家和創業者，一些啟發和思考。

就讓我們先從那個最基礎的問題開始。

01. 輝達到底有沒有對手？

有。非常多。而且，個個都是頂尖高手。

放眼望去，我們至少可以數出三位重量級的「競爭對手」。

比如，AMD。它和輝達在半導體領域，是幾十年的老對手。論技術、論經驗，都絕對是最有資格和輝達掰腕子的玩家。

比如，英特爾。它是曾經的「晶片霸主」。製造能力強，客戶基數大。

比如，谷歌。它幾乎有無限的資源，和世界頂尖的AI團隊。而且，還在研發自己的專用AI晶片。

你看，這三家巨頭，哪個的名頭不是響徹全球？

但是，這也讓問題變得更尖銳了：牌桌上明明都是高手，但籌碼，卻似乎都在一個玩家手裡。

到底是為什麼？

02為什麼好像輝達「一家獨大」？

先說答案，因為輝達用一套系統，以極高的「遷移成本」，牢牢鎖住了它的客戶。

你可能會說，那是因為輝達的晶片，最快最好。

嗯，通常來看，「輝達的GPU晶片最快最好」，很符合大眾的直覺。但實際上，這個回答不夠嚴謹。

什麼意思呢？我想請你跟我一起開個腦洞，想像這樣一個場景。

AMD的CEO，蘇姿豐。走進了OpenAI的辦公室，給CEO薩姆·奧特曼，提出了一個非常誘人的提議。AMD有一款全新的GPU晶片，比輝達的B200，性能高出30%，價格還便宜一半。

如果你現在是薩姆·奧特曼，這份「 訂單 」，你簽還是不簽？

要我猜，大概率，薩姆·奧特曼不一定會簽。至少他會非常、非常地猶豫。

為什麼呢？一個更便宜、更高效的選擇擺在眼前，都不能讓他心動呢？

因為價格只是整個環節裡一小部分。在商業技術投資裡，要從TCO框架（總體擁有成本）考慮。不光包括最直接的標價，還有各種間接和隱藏成本。

如果光比較價格，AMD優勢很大。

比如輝達的高端晶片A100、H100，單個成本25000美元到40000美元，而AMD高端晶片價格在25000美元左右。

但更重要的，是隱藏成本。它們才是影響OpenAI決策的關鍵因素。

假如，OpenAI真的從輝達換到了AMD，會發生什麼？

直接說結論，最主要的人力成本、代碼遷移成本、運營成本，和機會成本，都會大幅增加。而任何一項變化，都可能直接決定生死。

你想想，換了平台，那上千名頂尖工程師怎麼辦？他們過去十多年的經驗，難道要一夜清零，從頭再學嗎？這得是多大一筆培訓帳？還有那數百萬行代碼，怎麼辦？那可不是簡單的「複製貼上」啊。

可能，你會問，這換個平台能有多難呢？我不太懂專業技術，請允許我試著打個比方來解釋一下。這就像你要把南方的荔枝種到北方。不是說你挖走就行，還要做大量的研究、測試，花上大量的時間。AI就是這樣，而最後能不能成，還說不準。

另外，換平台期間，意味著要同時營運維護兩套完全不同的平台。這裡面的成本，很可能翻倍上漲。

最要命的，也是最大的風險，是機會成本太高。

AI這個賽道，分秒必爭。如果為了換個平台，而導致研發落後，或是模型發布晚了幾個月。那麼，很可能就從行業領導者變成追隨者。這裡面，還沒算上遷移出問題的情況。完全不敢想像。

所以，在把各種直接成本、間接成本相加後，就達成了「鎖定供應商」的結果。

說白了，就是我從軟體到硬體，全部跟你牢牢綁定。長遠看，反而是AI公司的最優解，因為它在未來的合同時間內，不用為硬體擔憂。

現在，再回頭看AMD那份「性能高30%，便宜一半」的訂單，還覺得香嗎？

答案是否定的。硬體上省下的幾百萬美元，比起可能高達數十億美元的遷移成本和潛在戰略風險，微不足道。

到這，你應該發現了，輝達真正鎖住客戶的，並不是它的硬體。而是一個看不見摸不著的「牢籠」。

那就是被稱為「輝達護城河」的CUDA。

03. 被叫作「輝達護城河」的CUDA，是什麼？

CUDA全名叫Compute Unified Device Architecture（統一計算設備架構）。說白了它是一套讓程式員更好用輝達GPU的編程工具。

對於不太懂技術的人來說，這部分有點複雜。下面我盡量簡單說清楚。

要理解CUDA，得先知道什麼是「編程模型」。

我打個比方。

過去的計算機，主要靠CPU（中央處理器）運算。CPU像一個米其林三星大廚。手藝高超，什麼菜式都能做。但問題是，他一次只能炒一道菜。如果遇上飯點高峰期，爆單是常有的事。

這叫「串行計算」。程式編程必須按順序執行，上個任務完成才能做下一個，適合邏輯直觀、小規模的任務。遇到複雜的任務，效率就會不足。

而GPU（圖形處理器）不同，他不像大廚，而像一個擁有成千上萬個小工的「超級廚房」。每個小工負責的東西不一樣，可能A切菜，B洗菜，C炒菜，D甜品……最後匯總到超級廚房。如果要給一萬斤馬鈴薯削皮，那個大廚可能要削到手斷，而這邊上萬個小工可以同時開工，瞬間完成。

這叫「並行計算」。能同時處理多個任務，整體縮短時間，大大提高運行效率。

但是，這裡還有個問題。

這成千上萬個小工，雖然人多力量大，但是他們很「笨」。必須要有人告訴他們，A你去切菜，B你去洗菜，C你去炒菜……否則，廚房會亂成一團。說白了，必須要有一個統一的指揮，能命令那些小工高效協作幹活。

而輝達的CUDA，就是那個總指揮。有自己的一套指揮語言，精準協調每個核心，完成任務。

做個類比，就像一台相機，硬體非常厲害。想要用好，你要懂光圈、快門、ISO等專業知識，對大多數人來說，門檻太高了。於是，廠商想出了「智能場景模式」，比如運動模式、延時模式等等。你拿到相機，再也不用懂那些專業知識，只要會按一個鍵，就能拍出好照片。

CUDA就是GPU的「智能場景模式」。開發者不用專門研究GPU的架構，也能高效完成編程任務。簡單來說，就是讓更多人能用上GPU的強大算力。

2006年，CUDA的問世，直接改變了輝達的命運。

以前，GPU主要被看作用來渲染畫面的「遊戲顯卡」。CUDA出現後，顯卡就能被用在科學運算、物理模擬等領域。

這就意味著，以後的客戶不光是遊戲公司，各種搞科學研究、技術研發的，都可以服務。

黃仁勳的心裡堅定著一個想法：使用CUDA的人越多，這項技術成為標準的速度就越快，就越可能找到新的應用。

於是，輝達在過去近二十年裡，專心做了一件事：圍繞CUDA建立了一個龐大、繁榮的生態系統。

跟競爭對手相比，輝達做這件事，早了將近十年。

如果說，輝達的GPU是AI時代的「電腦主機」。
那麼，CUDA就是AI時代的「Windows系統」。

想想看，幾十年來，為什麼技術上可能更優秀，還免費的Linux，始終不能在個人桌面市場撼動Windows的統治地位呢？

答案，不是系統本身，而是生態。

因為Windows上那個龐大的應用生態太強大了。從微軟的office，到Adobe，再到各種行業專用的軟體，都跟整個生態密不可分。試想一下，一家需要用到很多專業軟體的企業，在買Windows許可證，和重新培訓員工的成本之間，會做怎樣的選擇呢？答案，不言而喻。

CUDA，就是這樣，它有著無比龐大的應用生態。對很多企業和個人來說，這是必選項，

有過統計，到目前，全球有超過450萬開發者在用CUDA開發。而在2020年的時候，這個數字還是180萬。CUDA工具包每月的下載量，高達數十萬次。

現在，我們再來複盤下整個邏輯：開發者使用CUDA，創造更多專案和應用，推動CUDA成為行業標準，高校教授CUDA，畢業生掌握技能，企業把CUDA列為招聘條件，更多開發者學習CUDA。

到這，你應該看明白，CUDA為什麼能成為輝達的護城河？因為佈局夠早，逐漸產生強大的生態慣性。而這也是競爭對手無法撼動。

你看，企業真正的護城河，往往是靠標準、習慣和社區共同搭建。

如果我們現在再回頭看AMD給OpenAI的那份提議，你就會發現，壓根就不是成本問題。說白了就是風險太大，根本沒必要換。

現在，大家是不得不用。而在一開始，輝達面臨的卻是「沒人想用」。

04. 一場無人看好的「豪賭」，成就今天的輝達

2006年，CUDA問世後，無人在意，矽谷和華爾街都不看好。

到了2008年，受到金融危機的影響，輝達股價曾暴跌80%以上，市值40億左右。就連輝達內部，都對CUDA的未來存在分歧。是不是所有GPU都要支持CUDA？

同時，研發CUDA付出的代價也很大。

輝達第一款支持CUDA的GPU，是G80。為了開發這款晶片，輝達花了整整4年時間，成本高達4.75億美元，佔了那4年總研發預算的三分之一。

這還只是「一個」支持CUDA的GPU。

那時候，真的是生死存亡之際。

怎麼辦？

黃仁勳想了個辦法：砸錢。重點往學校和科研機構砸錢。

他通過捐錢、捐設備的方式，讓CUDA進入高校，先培養教育和科研領域的用戶。另外，還在全球設立各種CUDA研發中心、教學中心、開設教學課程等。那時候，每年砸在CUDA上的研發成本有5億美元之多。

儘管費盡人力、物力、財力，CUDA在很長一段時間內都不被看好。2013年初，很多投資分析師都認為，只有放棄CUDA，回歸PC遊戲核心業務，輝達股價才能漲。甚至，有人質疑，黃仁勳這CEO還能不能幹了。

現在來看，輝達的CUDA，就是在賭。何況，他還賭對了。

為什麼CUDA能從無人看好，變成香餑餑？因為學過CUDA的畢業生畢業進了科技企業，CUDA的社群資源和代碼庫越來越豐富。到2015年，全球已經有800家大學開設CUDA課程。隨著時間推移，CUDA的使用場景，從高校普及到了醫療、商用等更多場景。

至於跟人工智慧領域「牽手」，可以說，純屬「巧合」。

2012年，史丹佛大學發起的一場全球性AI圖像識別競賽上，多倫多大學的一個三人小組，交出了一個叫AlexNet的AI神經網路，贏得冠軍。而且，準確率比第二名高出41%。

怎麼做到的？這個團隊說，用的是2塊NVIDIA GTX 580 GPU，而他們也是整個比賽裡，唯一一個用CUDA訓練神經網路的隊伍。

那時候，谷歌也注意到這個團隊。他們發現，AlexNet之前只用兩塊GPU顯卡，得到的效果跟谷歌用16000個CPU訓練出來的幾乎相同。

很快，整個行業都意識到，GPU是支撐AI的最佳硬體。而輝達，很可能將成為AI發展的關鍵。

現在我們都看到了，輝達確實成了AI發展的最大核心。

05. 輝達的對手們，一點辦法都沒有嗎？

一旦理解了CUDA，再看輝達的那些競爭者，就會發現，他們的每一步都被輝達死死限制。

我舉幾個例子。

比如AMD，它選擇開源。

它研發了一個名為ROCm的開源平台，目標就是取代CUDA。但是沒，它就像是「AI時代的Linux」，免費，開源，有技術潛力，更便宜。但對用戶來說，遷移成本太高。

比如英特爾，它選擇細分賽道。

英特爾很聰明，直接承認輝達在AI高端市場遙遙領先。所以，英特爾把它的Gaudi系列晶片，定位在企業級推理和中小型模型訓練這些細分市場。但這也意味著，英特爾放棄了AI晶片市場裡最賺錢的部分。

比如谷歌，它選擇正面硬剛。

Investopedia有過報導，輝達在賣GPU中的毛利率大約為80%，業內叫它「輝達稅」。為了不交高溢價，谷歌從2015年開始自研，內部使用名為TPU的算力生態。相比之下，TPU跟谷歌內部平台深度綁定，影響不了輝達的地位。

所以你看，那些巨頭對手們，都不是簡單的比拼性能，而是拚戰略。都在想辦法繞過CUDA，繞過輝達。

但至少目前看來，無人能撼動。

所有挑戰者都在繞著山走，這本身，就是對這座難以攀登的高山，表達最崇高的敬意。

最後的話

呼。說完了。輝達從無人看好，走到今天的萬眾矚目。這一路，真的讓人無比震撼。

我看到網上有人表示擔心：輝達漲這麼高，太誇張了，會不會是泡沫？它會不會是第二個思科。

這裡簡單提一下，2000年有個網際網路泡沫時期。當時的思科是網際網路硬體供應商，最高時，估值超過其遠期本益比的150倍。但在泡沫破滅後，一落千丈。

實際上，他們有根本差異。

思科面對的是「一次性」的建設市場。當早期網際網路完成「鋪設管道」，思科的增長自然停止。而輝達面對的，是一個不斷增長的市場。至少在現在看來，AI還在成長，那麼這場「軍備競賽」還看不到終點。

更重要的是，輝達的客戶，是微軟、谷歌、Meta等全世界最不差錢的巨頭。對他們來說，購買輝達的晶片，不是選擇，而是在AI時代活下去的必需品。

這說明，輝達有著一個需求持久、客戶穩定、護城河更深的長期市場。

當然，未來會發生什麼，我們誰也無法預料。可能某一天，突然有種新的演算法出現，可能讓GPU也變得不重要，從而改變整個遊戲規則也說不準。

但至少在當下，我們可以從輝達身上，學到非常重要一課。

你的護城河，是什麼？

不是在糾結，「我的產品是不是比對手更好、更快、更便宜？」而是要問：「我的產品，有沒有一個讓客戶離不開的生態系統？」

其實，輝達的五萬億美元市值，就是對這個問題最響亮的回答。

它證明了那個在商業世界，最簡單，也最重要的核心邏輯。

最深的護城河，不是用價格和性能堆出來，而是要讓你變得無可替代。