英伟达铺就AI经济的铁轨——没有人能开辟平行轨道

当任何研究团队决定训练语言模型、机器人系统或医学影像分类器时，他们都面临同样的结构性约束：购买英伟达的计算资源，否则项目延期。这不是偏好问题——而是嵌入二十年CUDA优化之中的基础设施依赖。

英伟达并非仅靠更快的芯片赢得AI时代。它赢在构建了每个严肃AI开发者默认使用的软件层。CUDA——将GPU硅片映射到AI框架的编程模型——已像TCP/IP之于互联网通信一样嵌入机器学习工作流。切换成本真实且高昂：基于CUDA构建的框架、库和工具链不易移植，而受过相关训练的人才也不会廉价地重新培训。

Blackwell架构，英伟达当前一代旗舰，正在超大规模云服务商中扩展，这些云服务商运营着全球最大的AI工厂。微软Azure、谷歌云和亚马逊云服务已承诺数千个Blackwell单元。驱动这一需求的推理和训练工作负载并未接近天花板——它们正进入工业规模部署紧随成功实验之后的阶段。

除了数据中心，英伟达正在进军两个相邻价值链。在游戏领域，DLSS平台将AI增强渲染转变为标准管线功能而非高级附加组件——将GPU升级周期锚定于软件能力，而不仅仅是原始硅片。在汽车领域，DRIVE Thor系统级芯片将英伟达定位为下一代自动驾驶和驾驶辅助系统的中央计算平台，这一市场在十年以上的时间跨度内增速超过消费级图形。

NVDA在纳斯达克交易。该公司拥有超大市值，并在最近多个季度中成为标普500总回报率的最大单一贡献者之一。分析师对Blackwell爬坡周期的共识指向至少到2027财年的持续营收超预期表现。

基础设施的玩法并不新鲜：拥有其他人必须在其上构建的层。新鲜的是英伟达同时在硬件、软件和工业AI中执行这一策略——其规模之大，使得切换成本不是以美元衡量，而是以年为单位。这种复合锁定才是市场正在定价的东西。不是芯片。

标签: business-en1, 英伟达, 半导体, AI基础设施, NVDA, 黄仁勋