文章核心观点 - 英伟达CEO黄仁勋阐述了公司的核心战略与护城河，其本质是通过构建并掌控一个自我强化的生态系统来保持竞争优势，而非依赖单一硬件或软件优势 公司定位为将电子转化为持续增值的Token的关键环节，其职责是“做必要的，外包可外包的”，而核心部分“难得令人难以置信” [1] - 公司的护城河是一个由下游需求、上游供应链投资、庞大CUDA生态和算法创新协同构成的飞轮 下游需求越大，上游供应链越愿意投资；生态越厚，开发者越不愿意迁移；算法创新越快，可编程性价值越高 [9] 01 · 供应链护城河：战略承诺与前瞻布局 - 公司对上游晶圆厂、内存和封装厂的采购承诺总额可能高达2500亿美元，这构成了其供应链护城河的一部分 [2] - 上游供应商愿意进行巨额投资，是基于对公司强大下游需求能消化产能的信任，这种关系甚至无需正式法律合同维系，例如与台积电是依靠“数十年的信任与公平互惠” [2] - 公司采取“预取瓶颈”核心策略，提前数年布局可能出现的供应链卡点 例如多年前投资硅光子生态（如Lumentum、Coherent等公司），现已重塑供应链结构 [2] - 公司认为市场力量能快速解决瓶颈，以封装技术CoWoS为例，两年前是最大瓶颈，经行业集中解决后已基本不再是问题，台积电现已将CoWoS产能扩张与逻辑芯片产能绑定推进 [2] - 公司真正担心的供应链瓶颈是能源政策而非芯片或封装 认为AI工厂、芯片制造等再工业化愿景的最大制约是电力供应，其建设周期远长于芯片产能，这也是公司执着于提升每瓦性能的根本原因 [3] 02 · 应对专用芯片竞争：强调通用性与算法协同 - 对于谷歌TPU等专用ASIC的竞争，公司拉开概念距离，强调其从事的是“加速计算”，应用场景远超AI，涵盖分子动力学、量子色动力学等多种科学计算领域，市场覆盖更广 [4] - 反驳“AI只是矩阵乘法，TPU更合适”的论点，指出矩阵乘法是AI重要组成部分但并非全部 新的注意力机制、混合SSM架构等算法创新需要通用可编程的底层硬件架构支持 [5] - 强调算法演进是AI进步的核心动力，需要灵活的硬件 以Hopper到Blackwell的跨代提升为例，性能提升30至50倍，远超摩尔定律的25%年增速，这依赖于算法与软件层的协同创新，正是CUDA可编程性带来的优势 [5] 03 · CUDA生态护城河：网络效应与安装基础 - CUDA的真正护城河在于生态广度和安装基础规模 公司在外流通的GPU超过数亿块，遍布每一朵主流公有云（谷歌、亚马逊、微软Azure、甲骨文OCI） [6] - 软件开发者最在乎“安装基础”，即代码能在多少机器上运行 公司为Triton、vLLM等框架大量贡献优化代码，新兴的RL训练框架也首先在CUDA生态上爆发，形成了“生态厚度”和网络效应壁垒 [6] - 解释Anthropic选择谷歌TPU而非英伟达GPU的原因，指出这是商业投资逻辑使然 谷歌和亚马逊向Anthropic投入了数十亿美元，芯片使用是投资条款的一部分，而公司当时没有能力也不具备做法人投资的哲学提供类似“算力换股权”安排 [6] 04 · 商业模式选择：赋能而非竞争 - 公司明确表示不会直接成为超大规模云服务商 其商业模式建立在“赋能运营商”上，让任何公司（包括高校超算、企业私有云、礼来药厂、马斯克的xAI集群等）都能运营其芯片，这种通用性是核心竞争力 [7] - 认为一旦公司变成超大规模云厂商，将与所有现有云客户形成竞争关系，从而自毁生态 [7] - 公司明确表示永远不会搞GPU拍卖式定价，也不会成为超大规模云厂商 [8] 05 · 产品架构哲学：单一架构凝聚生态 - 公司坚持单一芯片架构而非针对不同场景推出多条产品线 认为异质化架构会分裂生态，导致软件开发者面对碎片化问题 [9] - 认为单一可编程架构配合层次丰富的软件栈，才能保持生态的凝聚力 [9]