《看懂英伟达》系列 · 第 02 篇 · 生意与护城河 阅读时间约 18 分钟
一、30 分钟 vs 二十年
2026 年 1 月，有开发者用 AI 编程工具花了大约 30 分钟，把一个 CUDA 程序的后端移植到了 AMD 的 ROCm 平台上——这件事，AMD 自己造了将近十年的转换工具都没做利索。
同一个月，英伟达发布的季度财报（FY2026 Q4）里：毛利率 75%，数据中心营收同比 +73%，下季指引继续加速。
"锁定被破解"和"定价权毫发无损"同时为真。这是理解英伟达护城河的起点：它的城墙确实在被凿开一个个洞，但住在城里的人暂时并不想搬家，而且搬家的代价远不止代码。
这一篇回答三个问题：城堡靠什么建成？钱到底是怎么赚的？五年后还剩多少？
二、城堡是怎么建成的：五层乘积，不是五层叠加
CUDA 是英伟达 2006 年推出的 GPU 编程平台。它的护城河常被概括成"生态"，但"生态"这个词太模糊。更准确的拆法是五层结构：
- 硬件抽象层：让开发者不碰底层硬件也能榨出性能（AMD 对位的 ROCm 长期落后）；
- 核心数学库：cuDNN（深度学习）、NCCL（万卡通信）——GPT 级别的万卡训练选英伟达，很大程度是因为 NCCL 的大规模通信效率至今领先；
- 领域库：数据科学、量子模拟、基因测序等几十个专业领域的现成工具箱，竞品几乎零覆盖；
- 框架层：PyTorch 对 CUDA 是"一等公民"支持，其他平台的适配慢数月到数年；
- 应用层：主流开源模型和工具默认按 CUDA 发布。
关键在于这五层是乘积关系：假设竞品每一层都做到英伟达的 80%，最终用户体验不是 80%，是 0.8 的五次方——约 33%。这就是"单点追平、整体仍溃败"的数学原因。这座城堡的成本大约是：二十年时间、数千名软件工程师、几百万 CUDA 开发者的学习投入。
但另一方面，城墙上的三条裂缝也是真的：
- AI 编程正在把"绝对锁定"压成"成本曲线"。上面 30 分钟移植的例子说明：代码层的迁移成本正在从"不可能"变成"可计算的工程费用"。独立评测显示，ROCm 与 CUDA 在常见负载上的性能差距已从 2023 年的 2-3 倍缩到 10-30%；
- 推理端的锁定天然弱于训练端。模型训练好之后拿去提供服务（推理），软件栈可移植性高得多，而推理已占 AI 算力的约三分之二（Deloitte 估计）；
- 最大的客户有能力绕开整座城堡。谷歌用自己的软件栈（JAX/XLA）在自研 TPU 上训练出了第一梯队的 Gemini 3，全程未用英伟达——这证明"完全绕开"是可行的，只是需要十年级别的全栈积累。
有一个反方的反方值得记录：互联网上 99% 的 GPU 代码是 CUDA 写的，大模型的训练数据也是——所以 AI 编程工具写 CUDA 反而比写竞品代码更顺手。AI 既在拆城墙，也在给城墙添砖。
小结：CUDA 护城河没有崩塌，但形态在变——从"离开就活不了"的锁定，退化为"离开要花一大笔钱、承担一堆风险"的摩擦力。摩擦力仍然是真实的商业优势，只是它支撑不了"永久垄断"的估值叙事。
三、城堡的产出：每天 8 亿美元
护城河的意义要用利润引擎来度量。FY2027 第一季度（2026 年 2-4 月），数据中心业务单季营收 752 亿美元——平均每天约 8.3 亿美元，同比 +92%，占公司总营收的九成以上（92.2%）。
这台引擎的量级感受一下：
| 对照 | 数字 |
|---|---|
| 英伟达数据中心：单季 | 752 亿美元 |
| AMD 全公司 AI 芯片：乐观口径全年 | "数百亿美元"（管理层展望） |
| 英伟达网络业务：单季 | 148 亿美元（+199%，年化约 590 亿） |
| 思科当年巅峰：全年营收 | 约 190 亿美元（2000 年） |
数据来源：英伟达 FY2027 Q1 财报；AMD 2026 年 Q1 电话会；思科为历史年报数字。
而且这台引擎是在中国数据中心收入归零的前提下运转的——FY2027 Q1 中国区（含香港）占总营收仅 5.6%，且以游戏等业务为主；下季 910 亿美元的指引明确"不假设任何来自中国的数据中心计算收入"。
四、75% 毛利率的三根支柱
硬件公司的常态毛利率是 30-50%，英伟达是 75%（FY2027 Q1 为 74.9%，下季指引 75.0%）。三根支柱：
支柱一：一年一代的迭代速度。 Blackwell（2024）→ Blackwell Ultra（2025）→ Vera Rubin（2026 下半年，已投产，秋季量产出货）→ Rubin Ultra（2027）→ Feynman（2028）。竞品每追上一代，英伟达已经发布下一代。这个速度本身就是定价权：客户买最新一代的理由永远存在。
支柱二：销售单元不断升维。 从卖芯片 → 卖服务器 → 卖整机柜（NVL72/144，单台约 300-350 万美元）→ 卖"AI 工厂"整体方案。每升一维，可比价的对象就少一批，附加值就厚一层。网络业务（NVLink、InfiniBand、Spectrum-X 以太网）就是升维的直接产物——即便客户计算芯片部分转向自研，机柜互连和以太网仍可能继续买英伟达，公司从"卖芯片"退一步变成"收网络过路费"。
支柱三：给客户算总账，而不是算单价。 英伟达的销售逻辑从来不是"我的卡便宜"，而是"用我的系统，每生成一个 token（AI 输出的基本单位）的综合成本最低"。官方口径 Rubin 对比上代单 token 成本降至约十分之一（厂商宣传，独立测算打折后约 2-3 倍改善）——只要这笔总账算得过来，单价贵就不是问题。
反方视角：三根支柱都依赖"供不应求"这个大前提。推理占比上升、定制芯片 2027 年放量、token 价格年降约十倍的通缩环境下，"算总账"的优势会被"算单价"的客户一点点磨掉。截至 2026 年中，"推理占比上升→毛利率承压"在报表上尚未发生（毛利率稳在 75% 平台），这个风险是前瞻性的，集中在 2027 年之后。
五、挑战者名单：从"全部失败"到"待检验"
十五年来试图挑战英伟达的名单很长，先看已经出局和转身的：
| 挑战者 | 结局 |
|---|---|
| 英特尔 Larrabee | 2009 年取消 |
| 英特尔 Xeon Phi | 2020 年停产 |
| 英特尔 Gaudi（40 亿美元收购 Habana） | 2024 年连自己定的 5 亿美元销售目标都未达成 |
| Graphcore（英国明星创业公司） | 2024 年卖身软银，售价据报道低于累计融资额 |
| Groq（推理专用芯片） | 2025 年 12 月被英伟达约 200 亿美元收购，创始人加入英伟达 |
再看 2026 年 8 月这个时点，仍在场上、且第一次真正到了"实战检验"窗口的：
AMD——从性价比替代到股权绑定巨头长约。 7 月 22-23 日的发布会上，MI400 系列和 Helios 整机柜正式亮相，确认 2026 下半年出货。客户名单足够响亮：OpenAI 6GW（GW 即吉瓦，衡量数据中心供电规模的单位；首个 GW 今年下半年部署）、Meta 6GW、Anthropic 2GW、甲骨文 5 万片。但要注意两个细节：一是这些大单普遍是用"认股权证/反向入股"换来的——AMD 给了 OpenAI 和 Meta 各至多 1.6 亿股、行权价一美分的认股权证（即未来以约定价格买入股票的权利，一美分行权价近乎白送），7 月又宣布对 Anthropic 反向投资最高 50 亿美元。用股权换订单已是全行业通行做法，不是英伟达独有的"循环交易"。二是量级：英伟达一个季度的数据中心营收，约等于 AMD 乐观情况下一整年的 AI 营收。
谷歌 TPU——唯一完全翻墙成功者，而且开始对外卖。 Gemini 3 全程 TPU 训练；Anthropic 签下 3.5GW 的 TPU 容量；2026 年 4 月谷歌宣布把 TPU 硬件直接卖给客户装进自有机房，7 月底财报确认已开始交付（大部分收入 2027 年确认）——谷歌云 +82% 的增速里已有 TPU 外卖的贡献。TPU 从"自用成本中心"变成"对外利润中心"，是竞争格局里对定价权冲击最直接的一条变化。
亚马逊 Trainium——第二大自研阵营。 部署超 100 万颗，Trainium3 "几乎全部被认购"，自研芯片业务年化收入超 200 亿美元。但有个耐人寻味的细节：下一代 Trainium4 宣布接入英伟达的 NVLink 互连体系——竞争与咬合同时加深。
OpenAI 自研芯片 Jalapeño——与博通合作，2026 年 6 月亮相，年底小规模部署、2028 年上半年才全速——对 2026-2027 年格局影响有限。
华为——需求爆了，产能是硬天花板。 政策端中国已要求国有背景新建数据中心国产化率至少 80%，需求端不缺；但 7 纳米良率与 HBM（高带宽内存）配套决定了 2026 年实际可交付量远低于纸面目标。华为是英伟达"永久失去中国"的原因，而不是全球市场的现实威胁。
小结：真正分走份额的不是"另一个英伟达"，而是每个大客户都在做"自己的英伟达"。 商用市场上英伟达仍近乎垄断（约 90%+），含自研芯片按美元价值折算约 75-80%，按出货颗数摩根大通预计 2027 年定制芯片将首次超过 GPU。三个口径都对，讲的是同一件事的三个侧面：金字塔顶端的少数大客户在翻墙，全世界其余 99% 的开发者仍在城里。问题在于，翻墙的这几家占了英伟达一半的收入。
六、买家结构：54% 与"1 万亿"怎么读
FY2027 Q1，前三大直接客户占营收 54%、占应收账款 64%——都是历史极值。理解英伟达的需求，就是理解这几家买家的心思：他们一边下创纪录的订单（7 月底财报季四大云厂资本开支指引全线上调），一边全力自研备胎。这不矛盾：算力短缺时先保供应，自研是长期议价筹码。对英伟达的含义是：现在的收入很真实，未来的定价权在被谈判。
关于"1 万亿美元订单可见度"（黄仁勋 2026 年 3 月口径），三条口径纪律：
- 它是"到 2027 年 Blackwell+Rubin 累计"的可见度，与 2025 年 10 月的"5000 亿"时间窗不同，不能相除算增速；
- 管理层明确不会定期更新这个数字，它是叙事指标，不是财务指标；
- 同类数字要按性质分档：7 月与 SK 集团的"5000 亿美元"是意向书（2GW 数据中心 + 锁定 HBM4 内存供应），不是合同；订单可见度不是收入，收入要等发货确认。
七、五年后，这门生意还剩多少
把全篇收拢成一个类比：
英伟达以前是一座收费桥——河上唯一的桥，过河就得交钱，价格它定。现在它正在变成"最好的桥"——河上开始有了别的桥（自研芯片、AMD），但它仍然最快、最宽、配套最全。
最好的桥依然是极好的生意，但和收费桥是两种估值逻辑：收费桥的租金只受需求约束，最好的桥的租金受"第二好的桥"约束。落到数字上，中性假设是：
- 份额：按美元价值口径从 75-80% 缓慢下滑，每年流失约 3-5 个百分点——不是崩塌，是磨损；
- 毛利率：长期从 75% 向 68-70% 区间下移（竞争落地 + 推理占比上升的合并效应）；这是中性假设，不是已发生的事实——截至最新季度毛利率仍稳在 75%；
- 对冲变量：网络业务（年化约 590 亿、+199%）和 NVLink 生态联盟在把"替代者"变成"缴费者"——英特尔（英伟达入股 50 亿美元）、Marvell（20 亿）、AWS Trainium4、Arm、三星代工先后接入 NVLink 体系；坚持不加入的只剩博通和 AMD。即便计算芯片份额被蚕食，互连与网络的"过路费"是第二重护城河。
最后做一个反向思维实验：如果给你 1000 亿美元，你能复制英伟达吗？答案是不能——你买不到二十年的软件生态、买不到台积电最先进产能的优先权、买不到几百万开发者的肌肉记忆。但这个实验有个陷阱：大客户们从来没打算复制整座城堡，他们只需要在自己那几种工作负载上造一座够用的窄桥。谷歌已经证明窄桥造得成。护城河对 99% 的人依然深不可测，对那 1%——恰好占一半收入的那 1%——只是一道成本墙。
这就是为什么这门生意五年后大概率仍是全球最好的生意之一，但"最好的生意"和"值多少钱"是两个问题。钱的问题，留给第 05 篇。
本篇要点回顾
- CUDA 护城河是五层乘积结构（硬件抽象/数学库/领域库/框架/应用），单层追到 80%，整体体验只剩约 33%；
- 裂缝真实存在：AI 编程把迁移成本从"不可能"压成"可计算"，ROCm 差距缩到 10-30%，推理端锁定弱于训练端；但毛利率至今稳在 75%，锁定变摩擦力、摩擦力仍值钱；
- 利润引擎：数据中心单季 752 亿（日均约 8.3 亿美元）、网络年化约 590 亿（+199%）；这一切在中国数据中心收入归零的前提下实现；
- 75% 毛利率三支柱：一年一代速度、销售单元升维（整机柜约 300-350 万美元/台）、给客户算 token 总账；三者都依赖供不应求的大前提；
- 挑战者：历史名单几乎全军覆没；当下真正的威胁是客户自研（谷歌 TPU 唯一完全翻墙且开始外卖），AMD 靠股权换单拿到 OpenAI/Meta/Anthropic 大单、2026 下半年首次实战检验；
- 份额三锚点：商用 GPU 约 90%+ / 含自研按价值 75-80% / 2027 年定制芯片颗数或首超 GPU（摩根大通估计）；
- 定性判断：从收费桥变成最好的桥——仍是顶级生意，但租金（毛利率、份额）会被"第二好的桥"慢慢约束，中性假设毛利率长期向 68-70% 下移。
下期预告
下一篇，我们进入全系列最硬核也最有争议的部分——循环交易与资本开支周期。
不是复述"英伟达投资客户、客户再买卡"这种标题党叙事，而是回答几个更尖锐的问题：
- "英伟达投 OpenAI 1000 亿"这句话错在哪？宣布的钱和实际掏出去的钱差多少？
- 7 月刚曝出的"为 OpenAI 担保 2500 亿美元"如果落地，和 2000 年思科的供应商融资是不是一回事？
- 四大云厂 7 月底刚把资本开支指引全部上调——这轮周期到底什么时候见顶？见顶前，哪几盏信号灯会先亮？
下周见。
本文是《看懂英伟达》系列第 02 篇。 本系列基于公开信息和价值投资框架研究，不构成任何投资建议。