前几天有个炒股的朋友，跑过来问我，是不是英伟达不行了？感觉四面楚歌了：谷歌的NPU，OpenAI的Triton, 华为的昇腾甚至还有AMD的追赶。这让我意识到，好多股票大做手们，并没有真正理解工业时代，高科技企业的护城河是什么。
我们太习惯把知识产权、科学理论、渠道、品牌、规模、网络效应、用户认知当做护城河，这当然没错，但在科技领域，还有更重要的。我编造了一个词，叫“工程积淀”，就是由几十万几百万“微小的、枯燥的、代价昂贵的坑”填出来能力场，我们可以通俗的叫它微创新，但是它有两个特点：数量巨大，无法预测。这意味着这类创新，几乎只能通过实践和时间长出来。英伟达如此，ASML、ARM也是如此。就像ARM一样，指令集理论大家都知道，但是，要性能，要稳定，要低功耗，只有ARM做得到。
英伟达，就这样的无法跳过实践和时间的护城河，至少有两个：
- CUDA： 经过 20 年的积累，CUDA 的算子库（cuDNN, cuBLAS）几乎是“物理极限”的代名词。无论多冷门的数学模型，CUDA 里都有现成的、优化到极致的代码。
- NVLink: 如果你想训练一个超大规模模型（如 GPT-5），一块显卡是不够的，你需要上万块。显卡与显卡之间的数据传输速度决定了训练效率。英伟达通过 NVLink 和收来的 Mellanox（网络交换机） 技术，把成千上万个芯片连成一个整体，就像一个巨型大脑。AMD虽然在单卡上算力接近，但是大规模集群通信差距还是很大。
想象一下生态的“懒人引力”。搞AI算法的工程师，那是全世界最聪明、也最“懒”的一群人。他们的目标是把论文变成模型，而不是去调试驱动程序。 现在的局面是：你在Github上随便找个开源项目，99% 是基于 PyTorch + CUDA 写的。如果你用英伟达，代码 git clone 下来，Enter 一敲，跑起来了，你可以去喝咖啡了。 如果你为了省钱买了别的卡，好家伙，你得先当两天“环境配置工程师”，再当三天“Bug 调试员”，最后发现某个生僻算子不支持，还得自己手写。对于年薪百万的算法大牛来说，时间就是最大的成本，英伟达卖的不是卡，是“不折腾”的权利。
那么，对手们真的毫无机会吗？
谷歌的 TPU 很强，但那是自家后院种的菜，只供自己吃（Google Cloud），你买不到卡回家装机；OpenAI 的 Triton 确实想做“万能翻译官”，试图绕过 CUDA 的壁垒，让代码在谁家硬件上都能跑。但这就像是搞“世界语”，理想很丰满，但大家还是习惯说英语（CUDA）。
AMD 现在的策略是“我便宜大碗”，硬件参数确实追上来了，好比给你了一辆法拉利的引擎（GPU），但配的是拖拉机的变速箱（软件栈 ROCm）。虽然他们正在拼命补课，但那个“几百万个坑”的工程积淀，是无法通过“钞能力”在一夜之间填平的。
这就是“工程积淀”最残酷的地方：有些路，必须一步一步走。
这就好比生孩子，无论你哪怕你是世界首富，雇了最好的医生，甚至雇了十个孕妇，你也无法在一个月内把孩子生下来。英伟达现在享受的，是它过去二十年，在那无数个无人问津的寂寞夜晚里，一行行代码、一次次报错、一个个客户现场调试出来的“时间复利”。
所以，回答我朋友的问题：英伟达会被追上吗？ 当然会，科技界没有永恒的王权。但这个过程不是“四面楚歌、一夜崩塌”，而是一场漫长的攻城战。
当下的英伟达，正坐在用二十年时间挖出来的护城河边上，看着城外挥舞着钞票和PPT的对手们，淡淡地说了一句： “想超车？行啊。但我踩过的那些坑，麻烦你们先挨个跳一遍。”
发表回复