或許CUDA不再是唯一：詳解輝達的兆帝國與GoogleTPU的十年暗戰

最近美股金融市場風雲變化，疊加DIY市場儲存晶片大幅漲價，所以我們暫時拋開開源和閉源模型不談，聊聊美國最大的AI鏟子售賣商-輝達和Google的角色關係

01. 歷史復盤：一場持續17年的“豪賭”

很多非技術出身的投資者認為輝達的爆發是運氣，正好趕上了ChatGPT的風口。但其實這是一場長達17年的蓄謀已久的策劃。

故事的轉折點不在1993年的創立，而在2006年。

那一年，輝達推出了CUDA（Compute Unified Device Architecture）。在當時，這被視為一個瘋狂的決定——在每一塊GPU上增加專門的邏輯電路，允許程式設計師呼叫顯示卡進行通用計算（GPGPU）。

這意味著輝達在硬體成本上升的同時，還要投入巨資去維護一套當時沒人用的軟體生態。華爾街當時對此嗤之以鼻，認為黃仁勳瘋了。

但正是CUDA，將GPU從單純的“圖形渲染器”變成了“數學加速器”。

2012年的伏筆： AlexNet在兩塊GTX 580顯示卡上訓練了6天，碾壓了傳統演算法。深度學習（Deep Learning）的大門被踹開，科學家們驚訝地發現：原來GPU這種幾千個核心平行計算的架構，天生就是為了跑神經網路而生的。從那以後，輝達就不再是一家遊戲硬體公司，它變成了一家AI計算平台公司。當2017年Transformer架構提出，2022年ChatGPT爆發時，輝達是全場唯一一個準備好了全套“軟硬一體”方案的玩家。

02. 護城河：不僅是晶片，是“全端”現在的輝達，強在那裡？

如果你只盯著它的主營業務——資料中心（Data Center），你會看到驚人的財務資料。在最新的財報中，資料中心業務營收佔比已超八成，毛利率一度突破75%。這在硬體行業是違反常識的。

之所以能做到這一點，是因為輝達賣的從來不是裸片（Silicon）。

它賣的是DGX系統，是NVLink（讓成千上萬塊顯示卡像一塊顯示卡那樣工作的高速互連技術），更是NVIDIA AI Enterprise軟體套件。

在AI開發者的世界裡，CUDA構成了最深的護城河。所有的主流框架（PyTorch, TensorFlow）、所有的開源模型（Llama, Mistral），默認的第一適配對像永遠是輝達。

這種“開發者習慣”的粘性，比硬體本身的性能差距更難被踰越。

03. 房間裡的巨象：GoogleTPU與CSP的起義

然而，盛世之下，危機四伏。

輝達的統治力並非牢不可破。 而撕開這道口子的，正是它最大的客戶之一—Google。

早在2015年，Google就敏銳地意識到：如果不自研晶片，未來將被輝達卡死。 於是，TPU（Tensor Processing Unit） 誕生了。

這就引出了輝達目前面臨的最大困境：通用GPU vs 專用ASIC的路線之爭。

• GPU（輝達）的邏輯： 我是通用的，我什麼都能算，從天氣預報到大模型訓練，靈活性無敵。但代價是功耗高、價格貴。
• ASIC（如GoogleTPU）的邏輯： 我專門為矩陣乘法設計，專門為TensorFlow/JAX框架最佳化。我不做圖形渲染，我就跑AI。因此，我在特定場景下能效比更高，成本更低。

GoogleTPU的威脅有多大？
如果你看DeepMind的Gemini、阿法狗（AlphaGo），甚至蘋果最新的Apple Intelligence伺服器端訓練，它們很多並沒有依賴輝達，而是建構在Google的TPU叢集之上。

不僅是Google，這是一場“CSP（雲服務提供商）的起義”。

• 亞馬遜 AWS 有 Trainium 和 Inferentia；
• 微軟 Azure 推出了 Maia 100；
• Meta 也在推自研 MTIA 晶片。

這些科技巨頭每年向輝達採購數百億美元的晶片，但他們內心極度渴望擺脫這種“被收稅”的狀態。這種客戶即對手的博弈，將是未來3-5年AI硬體領域的主旋律。

04. 未來的困境：推理（Inference）市場的變數

其實對於輝達來說，另一個隱憂在於AI工作流的重心轉移。

過去幾年是訓練（Training）的時代，大家都在拚命燒錢練大模型，這時候必須用輝達，因為只有它能提供萬卡叢集的穩定性。

但未來5年，我們將進入推理（Inference）時代。也就是模型練好了，大家開始大規模呼叫API，開始在手機、PC、邊緣裝置上運行模型。

在推理市場上，輝達的優勢會被削弱。

1. 成本敏感： 推理不需要訓練那麼大的算力，企業更看重性價比。專用的推理晶片（如Groq、各大廠自研晶片）可能會比昂貴的H100/B200更具吸引力。
2. 軟體解耦： 隨著PyTorch 2.0和OpenAI Triton等編譯器的發展，開發者正在試圖打破CUDA的壟斷。如果有一天，程式碼可以無痛地遷移到AMD或自研晶片上，輝達的高溢價還能維持嗎？

05. 結語

目前的輝達，依然是當之無愧的王者。Blackwell架構的推出，再次拉大了它與競爭對手的代差。在“訓練超大模型”這個塔尖領域，它依然沒有替代品。

但從產業演進的角度看，任何單一公司的壟斷都是暫時的。

金融市場上，巴菲特管理的‌波克夏公司斥資43億美元首次建倉Google母公司‌Alphabet，使其成為第十大重倉股，這再次證明了，Google在AI發展路徑走在了更符合投資者期待的路徑上，足夠的落地應用轉化，才是AI最終的歸宿。

AI產業正在從“輝達一家獨大”走向“一超多強、專用晶片遍地開花”的戰國時代。GoogleTPU已經證明了ASIC路線的可行性，而開源社區正在努力填平軟體鴻溝。

或許對於輝達而言，未來的敵人不是AMD，而是那些正在試圖用更高效、更廉價的算力架構，去重構整個AI成本模型的“前戰友”們。 (Diffusion Atlas擴散圖譜)