前幾天，一個炒股的朋友跑來問我：“英偉達(dá)是不是不行了？像是四面楚歌了。谷歌有TPU，OpenAI有Triton，華為有昇騰，AMD也在后面追著喊‘兄弟，等等我’?！?/p>

我說你先別急著替英偉達(dá)寫悼詞。你這問題，暴露了一個常見毛病：很多人把“護城河”理解成知識產(chǎn)權(quán)、渠道、品牌、規(guī)模、網(wǎng)絡(luò)效應(yīng)、用戶認(rèn)知——這些都對，但在硬科技領(lǐng)域，它們往往只是“表面那層漆”。真正能擋人的，是一種不體面、沒有浪漫氣息、寫出來甚至有點像在給加班洗白的東西：工程積淀。

工程積淀是什么？

它不是某個天才的靈光一現(xiàn)，更不是一紙專利。它更像是：你在一條路上走了二十年，沿途遇到幾十萬個坑。每個坑都不大，但都很貴、很煩、很臟。你填完一個坑，前面又冒出一個坑。你一邊填坑一邊罵街，一邊還得保證車?yán)^續(xù)跑。最后這條路就成了高速公路——別人也想走，但他們要先把二十年的坑補齊。

這類東西有兩個特點：數(shù)量巨大，無法預(yù)測。

所以它很難被“鈔能力”瞬間復(fù)制。錢能買人，能買設(shè)備，能買流量，但買不到“曾經(jīng)踩過的坑”。這就像健身：你可以買蛋白粉，買私教，買器械，但你買不到別人已經(jīng)流過的汗。你甚至可以買到別人的汗——也沒用。

我們可以通俗地叫它“微創(chuàng)新”，但是它有兩個特點：數(shù)量巨大，無法預(yù)測。這意味著這類創(chuàng)新，幾乎只能通過實踐和時間長出來。英偉達(dá)如此，ASML、ARM也是如此。就像ARM一樣，指令集理論大家都知道，但是，要性能，要穩(wěn)定，要低功耗，只有ARM做得到。

英偉達(dá)的護城河里，最硬的兩塊石頭，大概是：CUDA和NVLink（以及它背后的整套集群網(wǎng)絡(luò)能力）。

先說CUDA。

CUDA最大的優(yōu)勢不是“先進(jìn)”，而是“習(xí)慣”。習(xí)慣這東西很要命。你要讓全世界工程師換生態(tài)，就像你要讓全世界改用一種新筷子——它也許更符合人體工程學(xué)，但大家已經(jīng)用舊筷子夾了二十年花生米。CUDA經(jīng)過二十年積累，形成了一套從編譯器、驅(qū)動、庫、算子到框架適配的“工程宇宙”。你以為你在買顯卡，其實你在買一個東西：跑起來的確定性。

工程師最怕的不是難，而是“難還沒意義”。他愿意為模型效果熬夜，但不愿意為了裝驅(qū)動熬夜。你讓他調(diào)參，他眼睛發(fā)光；你讓他配環(huán)境，他就會思考人生是不是該出家。

你隨便找個開源項目，很多都是PyTorch+CUDA。用英偉達(dá)，通常是：gitclone，pipinstall，回車，然后你就可以去泡咖啡——有時候連咖啡都不用泡，報錯會幫你醒腦。

不用英偉達(dá)呢？你會獲得一個“深度參與工程史詩”的機會：

第一天：裝驅(qū)動。

第二天：編譯依賴。

第三天：某個算子沒實現(xiàn)。

第四天：你寫了個替代版本，速度慢得像在用算盤訓(xùn)練大模型。

第五天：老板問你“為什么還沒結(jié)果”，你說“我在和宇宙進(jìn)行兼容性談判”。

這時候你會明白：英偉達(dá)賣的不是卡，是不折騰的權(quán)利。

再說NVLink和網(wǎng)絡(luò)那一套。

很多人看GPU只看單卡算力，這就像評價一個軍隊只看單兵格斗。訓(xùn)練大模型不是單挑，是群毆，而且是那種“上萬個人要同時聽懂同一句口令”的群毆。單卡再猛，如果集群通信像村口小路堵車，你照樣跑不動。英偉達(dá)靠NVLink，再加上Mellanox那套網(wǎng)絡(luò)交換能力，把大量GPU變成一個能協(xié)同工作的整體。它不是簡單把顯卡堆在一起，而是給它們裝了神經(jīng)系統(tǒng)。

AMD這些年單卡確實追得很兇，這很好。但大規(guī)模集群這事，像寫一本長篇小說：你不能只寫好開頭就宣布自己贏了?！都t樓夢》最難的從來不是開篇，是你寫到八十回還能不崩。

那么，對手們有沒有機會？當(dāng)然有。世界又不是只有一個主角，主角也會掉頭發(fā)。

谷歌TPU很強，但它的強有點像“自家廚房的神鍋”——特別適合谷歌的菜系。你在外面想買一口回來做飯，往往沒那么順。它更多是體系內(nèi)優(yōu)勢，不是“廣泛可得、隨手可用”的大眾生態(tài)。

OpenAI的Triton很有野心，想做一種“萬能翻譯官”，讓你寫一次代碼，到處都能跑。聽起來很美，像世界語。問題是：理想世界里大家講世界語，現(xiàn)實世界里大家講英語——因為英語已經(jīng)形成了偷懶的規(guī)模優(yōu)勢。工程師的信仰不是“公平”，是“省事”。他寫代碼是為了跑模型，不是為了參與語言學(xué)實驗。

AMD的策略是“便宜大碗”。這也對，甚至很可能越來越對。但它現(xiàn)在經(jīng)常給人的感覺是：你買到的是一臺發(fā)動機很猛的車，變速箱、維修體系、加油站網(wǎng)絡(luò)還在建設(shè)中。你問銷售：“這車怎么樣？”他告訴你：“馬力真大?！蹦阍賳枺骸澳俏夷軓男录悠麻_到吉隆坡嗎？”他沉默了一下，回答說：“理論上可以。”

這就是工程積淀的殘酷：有些路必須一步一步走。

你可以加快，但不能跳過。就像生孩子——哪怕你是世界首富，雇最好的醫(yī)生，甚至雇十個孕婦，你也沒法在一個月里把孩子生出來。時間這東西很討厭，但它同時也是最可靠的護城河：它不接受辯論，只接受發(fā)生過。

有人說，AI芯片終將商品化。拉長時間看，大概率是對的。

但還有個更大的事實經(jīng)常被忽略：訓(xùn)練側(cè)被擠壓，反而會把推理側(cè)抬起來；而推理側(cè)的需求很可能遠(yuǎn)超訓(xùn)練側(cè)。工業(yè)制造、具身智能、電動汽車、軍事防務(wù)、家庭智能中心……這些不是“互聯(lián)網(wǎng)應(yīng)用”，它們更像把現(xiàn)實世界一寸一寸搬進(jìn)計算里。你可以把它叫“物理世界自動化”。這塊蛋糕足夠大，大到你很難只用“訓(xùn)練芯片會不會商品化”來判斷輸贏。

所以，我更愿意這么收束：英偉達(dá)的護城河，表層是CUDA、NVLink、生態(tài)慣性；深層是它二十年“填坑”的復(fù)利——而黃仁勛的厲害之處在于，他一直知道自己在填的不是某個坑，而是一條路。

你要短期打敗英偉達(dá)，不只是做出一張更快的卡。你得做出一種新的人類：不怕裝驅(qū)動，不怕編譯，不怕報錯，最好還喜歡寫算子。如果真有這種人類出現(xiàn)，英偉達(dá)才算遇到天敵。

但我懷疑，人類進(jìn)化沒那么快。

（作者魯漫為產(chǎn)品經(jīng)理，科技行業(yè)工作者）