从收费桥到最好的桥——CUDA 城堡与它养出的利润引擎

《看懂英伟达》系列 · 第 02 篇 · 生意与护城河 阅读时间约 25 分钟

一、30 分钟 vs 20 年

2026 年 1 月，有开发者用 AI 编程工具花 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里，毛利率是 75%，数据中心营收同比增长 75%。

一边是"锁定被 30 分钟破解"，一边是"定价权毫发无损"。这两件事同时为真，恰好说明大多数人对英伟达生意的理解是错的：护城河既没有多头说的那么牢不可破，也没有空头说的那么不堪一击。这一篇把这门生意完整拆开——城堡怎么建成的、城堡里那台利润引擎怎么运转、以及谁在翻墙。

二、城堡是怎么建成的

CUDA 是英伟达 2006 年推出的 GPU 编程平台。推出后的头十年，华尔街一直把它当成本包袱——为一个"游戏显卡公司"养几千名软件工程师，看起来毫无必要。转折点是 2012 年深度学习兴起：研究者发现训练神经网络最顺手的工具恰好是 CUDA，此后整个 AI 行业的软件栈都长在了它上面。

今天的 CUDA 护城河是五层结构，关键在于五层是乘积关系而非叠加——竞争对手每层都追到 80%，最终体验也只有 0.8 的五次方，约 33%：

数据来源：本仓库 CUDA 护城河专项研究（2026-04），第三方评测 ThunderCompute（2026-07）。

支撑这五层的是三个数字：约 4,000 名软件工程师、约 500 万 CUDA 开发者、20 年积累。迁移成本的本质：客户迁不走的不是代码——代码现在 AI 能帮着搬——而是三样东西：极致的性能调优（差 15% 的性能，在百亿美元集群上就是十几亿美元）、生产环境的可靠性记录（训练一次大模型烧几亿美元，没人敢拿它当小白鼠）、以及人才池（市场上会调 CUDA 的工程师是会调 ROCm 的十倍以上）。

关于开头那个"30 分钟移植"，两个反直觉的事实：其一，锁定变薄不等于城堡失守——迁移的障碍从"不可能"变成了"一条成本曲线"，简单推理场景已经值得迁，万卡训练和极致优化场景仍然不值得迁，护城河从"墙"变成了"坡"；其二，AI 编程是双刃剑，而且英伟达握着更利的一面——互联网上 99% 的 GPU 代码是 CUDA 写的，大模型写 CUDA 代码比写任何竞品平台的都更熟练，工具解放所有平台的生产力，但生态最大的平台受益最多。

三、城堡的产出：每天 8 亿美元

FY2027 第一季度（2026 年 2-4 月），数据中心业务单季收入 752 亿美元——平均每天约 8.3 亿。这台引擎的加速度：

数据来源：NVIDIA FY2026 10-K、FY2027 Q1 10-Q。

同比增速连续三个季度加速（+62% → +73% → +85%），而且是在中国收入归零的前提下实现的。英伟达实际上已不是多元化公司——游戏、汽车、工作站加起来不到 8%——它是一台单一引擎的机器。把这台引擎切三刀：

第一刀：计算与网络。 FY2026 计算芯片收入 1,624 亿、网络 314 亿——网络同比 +142%，FY2027 Q1 单季已达 148 亿、年化约 590 亿美元，单独拆出来已是全球最大网络设备商体量。这是被大多数人漏掉的第二引擎，它的收入不依赖"客户用谁家的计算芯片"。

第二刀：客户类型。 新披露口径下，超大规模云厂商与"AI 云/行业/企业"各占约一半——好消息是收入不全押在四大云巨头身上，坏消息是另一半买家（新兴算力云、主权 AI、亏损的模型公司）的资金实力和信用质量远不如微软谷歌。他们的钱从哪来，是第 03 篇的主题。

第三刀：地理。 美国占比从 FY2024 的 52% 升到 69%；中国（含香港）从约 20% 掉到 5.6%，数据中心部分实际为零，10-K 原话是"我们实际上已被排除在中国数据中心计算市场之外"。2026 年上半年的荒诞剧是：美方批准 10 家中国企业购买 H200，因北京反向管制（国资数据中心禁用外国芯片、算力网 80% 国产化要求），一颗都没交付；7 月初出现限量放行的松动信号，尚未落地。短缺环境下失去中国只是机会成本；供需一旦平衡，这就是每年 200-500 亿美元级的永久损失，且填坑的国产生态不会退回去。

四、75% 毛利率的三根支柱

半导体是出了名的周期性苦生意，英特尔巅峰期毛利率约 60%，台积电约 55%。英伟达长期站在 75% 平台，靠三根支柱：

支柱一：一年一代的速度。 Hopper → Blackwell → Blackwell Ultra → Rubin（2026 下半年）→ Rubin Ultra（2027 下半年），每年一次架构级升级，对手每追上一代，下一代已经发布。毛利率的第一道防线不是专利，是速度——背后是同时协调台积电最先进制程、三家高带宽内存供应商、数百家供应链厂商的组织能力。

支柱二：销售单元的升维。 从卖芯片（数千美元）到卖整机柜（NVL72/144 一台约 300-350 万美元，含 72 颗 GPU、自研 CPU、交换芯片、液冷和全套软件），再到卖"AI 工厂"整体方案。每升一级，可比价的对象就少一批。对手要竞争的不再是"一颗芯片的性能"，而是"每年迭代一次的整套数据中心架构"。

支柱三：给客户算总账。 英伟达的定价话术从来不是"芯片多少钱"，而是"用我的系统，你每生成一百万 token（AI 模型处理文本的计量单位）的成本降多少"。官方口径 Rubin 对比上代单位 token 成本降到约十分之一（厂商宣传口径，独立测试大致 2-3 倍）——只要总拥有成本的账算得过来，单价再贵客户也买。

反面同样要摆出来：这三根支柱都在被检验的路上。FY2026 全年毛利率 71.1% 的凹陷不是竞争造成的，是 H20 对华禁令一次性计提 45 亿美元——地缘政治先于竞争对手伤到了它。而竞争的真正考验（定制芯片放量）集中在 2027 年，目前报表干净。

五、挑战者名单：从"全部失败"到"待检验"

写腾讯的护城河，可以列一张"15 年挑战者全部失败"的名单。写英伟达，诚实的做法是承认：这张名单在 2025-2026 年发生了质变——挑战者不再全败，名单从"失败记录"变成了"待检验记录"。

数据来源：各公司公告与财报（2025-10 至 2026-06），详见研究底稿；出货量与差距数据为第三方测算，口径存在差异。

三个关键读法：

第一，谷歌证明了"翻墙可行"，但它的梯子别人拿不走。 Gemini 3 全 TPU 训练依赖谷歌十年的全栈软件积累，不可复制——这正是 Meta 选择先租一年 TPU 做测试、而不是直接下单的原因。存在性证明成立，普遍性证明还没有。

第二，最凶的对手是客户，不是同行。 AMD 靠向 OpenAI 和 Meta 各发 1.6 亿股一分钱行权价的认股权证换来 6GW 订单——用股权买需求，既是订单也是代价。而自研芯片不同：给英伟达贡献了一半以上收入的那几家客户在给自己造武器，这种替代无法用降价阻止，因为对手的目的不是赚钱，是省钱和议价。

第三，2026 年下半年才是第一次实战检验。 截至 7 月，OpenAI 的首个 1GW AMD 集群、Meta 的首个 GW、OpenAI 自研芯片的首批部署，全部排在下半年——所有"替代英伟达"的故事目前都停留在订单和送样阶段。半年后再看这张表，成色会完全不同。

英伟达的应对是把护城河整体搬到更高维度：除了整机柜和网络（前述两根支柱），还有 NVLink Fusion 计划——把自家互连技术开放给"潜在替代者"：50 亿美元入股英特尔、20 亿美元投资定制芯片军火商 Marvell、连亚马逊的 Trainium4 都宣布接入。这步棋的意思是：就算你自研芯片，也得跑在我的路网上（对照组：博通和 AMD 拒绝加入）。再加上 200 亿美元直接买走推理芯片挑战者 Groq——防御属性大于进攻属性的公司史上最大交易。

六、买家结构：54% 与"1 万亿订单"怎么读

利润引擎的两个最需要正确解读的数字：

54%。 FY2027 Q1，前三大直接客户占营收 21%、17%、16%，合计 54%——一年前是 34%；应收账款的 64% 集中在三家手里。两个口径陷阱：其一，"直接客户"含代工整机的中间商，54% 不精确等于"三家公司买走一半"，但 10-K 同时披露部分间接终端客户单家占营收 10% 以上——穿透后并不更乐观；其二，集中度飙升的主因是整机柜销售模式让采购集中于少数有能力部署 GW 级集群的巨头——买家越大越集中，议价力越强，而这几家恰好全部在自研芯片。还有一条藏在 10-K 里的披露直接连着第 03 篇：英伟达自己估计，一家未点名的"AI 研究与部署公司"（市场普遍理解为 OpenAI）通过向英伟达的云客户购买云服务，间接贡献了"有意义金额"的收入——收入集中度的真实水位比表面更高。

1 万亿美元。 2026 年 3 月 GTC 上黄仁勋说"我看到穿越 2027 年、至少 1 万亿美元的订单"，五个月前这个数字是 5,000 亿。"订单半年翻倍"的读法是错的：两个数字时间窗不同（到 2026 年底 vs 穿越 2027），不能算增速；订单可见度不是合同负债，是管理层对框架协议和排产计划的汇总表述，且不定期更新——它是叙事指标，不是财务指标；它回答"现在有多少人排队"，不回答"排队的人付不付得起钱"——2000 年思科的订单簿在崩盘前也是创纪录的。更可靠的近期读数是正式指引：FY2027 Q2 营收指引 910 亿（同比 +95%），按"中国收入为零"假设——短期增长没有争议，争议全在 2027 年之后。

七、五年后，这门生意还剩多少

把全部事实压缩成对未来的判断（注意：以下是基于当前趋势的推演，不是事实）：

份额——三个口径锚点：商用 GPU 市场英伟达仍占约 90% 以上；含大厂自研芯片、按美元价值折算约 75-80%，趋势线每年流失约 3-5 个百分点；按颗数口径，摩根大通预计 2027 年定制芯片将首次超过 GPU。训练端优势更持久（前沿训练基本是英伟达+TPU 双寡头），侵蚀集中在推理端。

毛利率——比份额更关键的观察指标。截至 2026 年中，"推理占比上升→毛利率承压"在报表上尚未发生（连续多季稳在 75%）；但检验期在 2027 年。本仓库此前研究的判断依然成立：护城河不会崩塌，但租金会被慢慢压低——长期毛利率从 75% 向 65-70% 区间下移是中性假设。护城河的形态变化一句话：以前是"唯一的收费桥"（随便定价），以后是"最好的桥"（最快最宽但不唯一）。最好的桥依然是极好的生意，但定价权逻辑不同——这直接决定估值该给多少倍，第 05 篇会回到这里。

时间表——三个再评估窗口：2026 年下半年（替代方案首批 GW 级交付的成色）、2027 年（定制芯片放量+Rubin Ultra 对决）、2028 年（OpenAI 自研全速量产）。

最后做个芒格式的反向实验：给你 1,000 亿美元，能复制英伟达吗？造出对标的芯片——可以，谷歌证明了；造出五层生态和 500 万开发者——不可能，那是 20 年时间乘出来的。但这个实验有个更尖锐的变体：大客户不需要复制整个英伟达，只需要为自己的工作负载翻一段墙。城堡防得住城外的军队，防不住城里最大的几个房东自己拆墙开门——而这几个房东付了城堡一半以上的租金。一位知名投资人 2024 年在雪球上的追问，两年后依然是最好的总结："他们的这种垄断到底能持续多久？对芯片的需求到底能持续多久？如果整不明白，就很难下重手。"前一个问题本篇给了框架，后一个留给第 03 篇。

本篇要点回顾

• CUDA 护城河是五层乘积结构（4,000 工程师 × 500 万开发者 × 20 年）；AI 编程把代码锁定从"墙"压成"坡"，但训练数据偏向 CUDA，生态最大者反而受益最多；
• 数据中心占营收 92%、单季 752 亿、增速连三季加速，且是在中国归零前提下实现；网络业务年化约 590 亿（+142%）是被漏掉的第二引擎；
• 75% 毛利率三根支柱：一年一代的速度、整机柜升维、给客户算总账——报表尚未承压，真正检验期在 2027 年定制芯片放量后；
• 挑战者名单已从"全部失败"变"待检验"：谷歌是唯一完全翻墙者，最凶的对手是占收入一半以上、全部在自研芯片的大客户；2026 下半年是替代方案首次实战检验；
• 前三大直接客户占营收 54%（一年前 34%）、占应收 64%；"1 万亿订单可见度"是叙事指标不是财务指标；
• 中国市场实际归零（每年 200-500 亿美元级 TAM），短缺期是机会成本，供需平衡后是永久损失；
• 五年判断：份额年流失约 3-5 个百分点、毛利率向 65-70% 下移是中性假设——从"唯一的收费桥"到"最好的桥"，生意仍极好，但估值倍数的锚变了。

下期预告

下一篇进入全系列最硬核的部分——英伟达的投资版图、"循环交易"争议，和悬在整个 AI 行业头上的思科之问。

不是转述"英伟达投了 OpenAI 一千亿"这种标题（这个标题本身就是错的），而是回答几个更尖锐的问题：

• "最高 1,000 亿美元投资 OpenAI"宣布五个月后实际交割了多少？答案会让你重新审视所有 AI 大新闻；
• 英伟达一个季度的税前利润里，有 23% 来自投资组合的账面重估——这算什么成色的利润？
• 四大云厂 2026 年资本开支 7,250 亿、三分之一靠发债，OpenAI 承诺了 1.4 万亿采购而年收入只有 250 亿——这次和 2000 年的思科一样吗？
• 如果周期见顶，最先亮的红灯是哪几盏？给你一张可以按季核对的清单。

下周见。

本文是《看懂英伟达》系列第 02 篇。后续 3 篇将陆续推出。 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。