Jensen Huang——Nvidia 的护城河能否延续？

摘要

• Jensen 认为，ASIC 威胁集中在单一客户身上。 “Anthropic 是一个独特案例，并非趋势。没有 Anthropic，TPU 增长从何而来？100% 都是 Anthropic。”Trainium 也是同样的逻辑。切换的经济性本来就很薄：ASIC 毛利率约65%，Nvidia 约70%（“你到底省下了什么？”）；他还向 TPU 和 Trainium 发起挑战，要求它们登上 Dylan 的 InferenceMAX——“没人愿意来。”
• 护城河在供应链，而硬件瓶颈不会持续太久。 已披露的采购承诺约1000亿美元（SemiAnalysis 报道为2500亿美元），此外还有 Jensen 亲自向供应商 CEO 做宣讲、由此释放的隐含上游资本开支。针对“AI 已经占到 N3 产能60%”的质疑，他给出绝对判断：EUV 和晶圆厂扩产“在两三年内很容易做到。你只需要一个需求信号”；真正更持久的约束是能源，以及“水管工和电工”。
• 针对 CUDA 护城河正在被侵蚀的论点，Jensen 给出的答案是 TCO，而不是锁定效应。 超大规模云厂商自己写 kernel，OpenAI 的 Triton 栈也在取代 cuBLAS/NCCL；但 GPU“就像 F1 赛车”，需要 Nvidia 配备的工程师，他们经常带来2倍、3倍甚至50%的模型提速，并且“直接转化为收入”——“全球无出其右的最佳性能/TCO。”
• 他承认，自己的战略失误是没有充分意识到 Anthropic 确实没有其他选择。 “我没有深入理解这一点：一家 VC 根本不会投50亿至100亿美元……这是我的失误。”这让 Anthropic 落入 Google/AWS 手中。如今，市场传闻 Nvidia 将向 OpenAI 投入最多300亿美元、向 Anthropic 投入100亿美元，Jensen 表示：“我不会再犯同样的错误。”
• 在中国问题上，Jensen 把话说到了最大音量。 出口管制等于放弃全球第二大市场和全球50%的 AI 开发者，只为一家公司的利益。中国生产全球60%的主流芯片，可能更多；Huawei 刚刚在创纪录的一年里出货了“数百万”颗芯片，能源充裕足以弥补7nm 的差距（“7nm 芯片本质上就是 Hopper”）；“如果有一天 DeepSeek 率先在 Huawei 上发布，那将是对我们国家极其糟糕的结果。”
• Dwarkesh 的反驳被完整保留在记录中。 Anthropic 的 Mythos Preview 发现了数千个高严重性漏洞，其中包括一个存在27年的 OpenBSD 零日漏洞——算力是网络攻防能力的输入。Jensen 认为浓缩铀类比“很糟糕”，并将这种框架称为“失败者心态”；双方的分歧没有解决。
• 可交易的新信息包括 Nvidia “加入 Groq”，并将 Groq 纳入 CUDA 生态。 目标是服务高溢价、低延迟、高 ASP 的 token 市场——“拓展帕累托前沿”；路线图为 Vera Rubin → Vera Rubin Ultra → Feynman，同时要求其他 ASIC 团队证明自己也能让 token 成本“每年下降一个数量级”；产能分配从不竞价，而是按采购订单 FIFO 排队，需求暴涨时也不会提价。
• 软件商品化逻辑被倒转了。 代理和工具调用者不断增加，因此工具实例“很可能会暴增”——包括 Synopsys Design Compiler、布图规划器等；“工具调用会让软件公司腾飞”。之所以还没发生，只是因为“代理还不够擅长使用工具”。

精读

1. 电子流入，token 流出——中间环节不会商品化

• Dwarkesh 开场提出看空逻辑：Nvidia 向 TSMC 发送 GDS2 文件，SK Hynix、Micron、Samsung 提供 HBM，台湾 ODM 负责组装机架——“Nvidia 本质上是在做软件，制造由别人完成”；如果 AI 让软件商品化，Nvidia 是否也会被商品化？Jensen 没有回避这个框架，反而顺势概括：“输入是电子，输出是 token，中间是 Nvidia”——而这一转换“远未被充分理解，旅程也远未结束。我怀疑它会发生。”
• 其运营哲学可以浓缩为一句话：“做到必要的最多，做到可能的最少”——凡是 Nvidia 不必亲自做的事情，就交给覆盖 AI “五层蛋糕”的“可能是全球最大合作伙伴生态”。Nvidia 必须亲自完成的部分，“事实证明，难得离谱”。
• 对于软件估值崩塌，Jensen 看到的是“与人们所看到的相反”：代理和工具使用者呈指数增长，因此“工具实例很可能会暴增”——Synopsys Design Compiler、布图规划器、设计规则检查器。“工具调用会让软件公司腾飞”；之所以还没有发生，只是因为“代理还不够擅长使用工具”。

2. 供应链护城河靠 CEO 布道，而不只是合同

• 已披露的约1000亿美元采购承诺（SemiAnalysis 报道未来规模为2500亿美元）只是显性部分。隐性护城河在于 Jensen 亲自撬动的上游资本开支：“让我告诉你这个行业会有多大……让我和你一起把逻辑推演一遍。”供应商选择为 Nvidia 而不是其他公司投资，是因为“他们知道我有能力买下他们的供给，再通过下游卖出去”；而且“如果一个架构的业务流失率很低，没人会为它建设供应链。”
• GTC 的本质是基础设施教育：主题演讲刻意做得“有一点折磨人……像是在上课”，因为整条产业链都必须“像我推演问题一样，系统性地推演它”。
• 最能说明这种布道奏效的案例是 Sanjay 和 Micron：5年前他们就相信这一判断，并在 LPDDR 和 HBM 上“真正加倍下注”——“这显然给公司带来了巨大的好处。”

3. 每个瓶颈都是2-3年问题——能源和水管工除外

• Dwarkesh 用数据发起反击：Nvidia 是 TSMC 最大的 N3 客户，按 SemiAnalysis 数据，AI 今年占 N3 产能60%，明年占86%——“既然你已经是大多数，怎么还能翻倍？”Jensen 的回答是绝对的：EUV 和逻辑制程扩产“在两三年内很容易做到。你只需要一个需求信号。你能造1个，就能造10个；能造10个，就能造100万个。”只要 TSMC 被说服，ASML 就会跟上。
• CoWoS 就是证明：过去两年他们“把所有人都调来猛攻它”，CoWoS 和 HBM 从专用技术变成了“主流计算技术”。如今 Nvidia 会提前数年预判瓶颈：通过 Lumentum 和 Coherent 布局硅光子，与 TSMC 共同开发 COUPE，并将专利授权出去以保持供应链开放，还引入双面探针等新型测试设备。
• 真正让他担心的是下游：能源政策——“没有能源，就不可能创造一个产业”——以及最难的瓶颈：“水管工。水管工和电工。”他的反末日寓言是：10年前人们说不要去当放射科医生——“猜猜我们现在缺什么？放射科医生。”
• Nvidia 是否会在2030年前把产品回移到 N7、释放先进制程产能？他说“没必要”——把现代数值计算和封装技术移植到老制程上，需要“没有人负担得起的研发投入”。“我们负担得起向前押注。”不过，假设产能此后永远不再增长：“当然，我会在一瞬间这么做。”

4. TPU 是另一种动物——可编程性才是复利优势

• 面对排名前三的模型中有两个（Claude、Gemini）在 TPU 上训练，Jensen 表示：“我们做的是完全不同的东西。”加速计算覆盖分子动力学到粒子物理，设计目标是让其他人运营，并且存在于每一朵云中——“我们的市场触达远大于任何 TPU 或 ASIC 可能达到的范围。”
• Dwarkesh 转述 AI 研究员朋友的观点：AI 无非是“可预测的矩阵乘法一遍遍重复”——TPU 的脉动阵列恰好适配收入正在增长的工作负载；既然如此，为什么要为 warp 调度器牺牲 die 面积？Jensen 的反驳是，新型 attention 机制、混合 SSM、扩散-自回归融合都需要通用可编程性，而“发明新算法的能力，才是真正推动 AI 快速进步的东西”。
• 协同设计的证明点是：摩尔定律每年带来约25%的提升，但 Blackwell 相对 Hopper 公布的能效提升达到35倍——“没人相信。后来 Dylan 写文章说我有所保留，实际上是50倍。”这只有在处理器、互联结构（NVLink）、网络（Spectrum-X）、库和算法同时改变的情况下才可能实现：“没有 CUDA，我甚至不知道该从哪里开始。”
• 为什么不做 wafer-scale 并行或 Dojo 式项目？“我们可以做……只是没有更好。我们在模拟器里把所有方案都跑过了，结果可以证明更差。”但工作负载变化确实会触发调整：“最近我们加入了 Groq，并将把 Groq 纳入 CUDA 生态。”如今 token 价值足以支撑一个高溢价、低延迟市场，因此 Nvidia 会通过更快响应、更低吞吐的推理产品“拓展帕累托前沿”。

5. 自己写 kernel 的客户，能让70%毛利率持续吗？

• Dwarkesh 提出最尖锐的结构性问题：60%的收入来自5家超大规模云厂商，而它们有能力、也确实在绕开 CUDA——OpenAI 的 Triton 栈“下沉到 CUDA C++，而不是使用 cuBLAS 和 NCCL”，并能编译到其他加速器。如果最大的客户都负担得起绕过护城河，竞争是否会退化为“每美元规格”竞争？70%以上的毛利率还能维持吗？
• Jensen 的类比是：CPU 是凯迪拉克，Nvidia 的 GPU“就像 F1 赛车”——任何人都能开到100英里时速，但要逼近极限则需要专业能力。Nvidia 配备的实验室工程师经常带来2倍、3倍或50%的模型提速，而在已部署的 Hopper/Blackwell 集群中，这些提升“会直接转化为收入”。
• 他公开发起 TCO 挑战：“Nvidia 的计算栈是全球无出其右的最佳性能/TCO……没有任何一家公司”能击败它。InferenceMAX 对所有人开放，MLPerf 也是另一个基准——“TPU 不会来，Trainium 不会来……没人愿意来”；他还“欢迎 Trainium 展示它一直宣称的40%优势”。
• 他纠正了客户集中度的前提：超大规模云厂商采购的 Nvidia 产能，大部分服务的是外部客户，而非内部使用（OCI 的全部、AWS 的大部分，以及 Azure 的全部）。飞轮效应来自“数亿块 GPU”装机量、可编程性、丰富的生态，以及最高的每瓦 token 产出——当数据中心功率为1GW 时，这决定了 token 收入上限。

6. 遗憾：Anthropic 因 Nvidia 开不出支票而投向他人

• 如果 Nvidia 在纸面 TCO 上胜出，Anthropic 为什么刚刚还签下数GW 的 Broadcom/Google TPU 合同？Jensen 的回答是：“Anthropic 是一个独特案例，并非趋势。没有 Anthropic，TPU 增长从何而来？100% 都是 Anthropic。”Trainium 也完全一样。他还指出了被取消的 ASIC 墓地：“做出比 Nvidia 更好的东西，没那么容易。”
• 他保留了原话中带有保留、未经修饰的自我检讨：“我没有深入理解这一点：他们确实没有其他选择；一家 VC 根本不会向一家 AI 实验室投入50亿至100亿美元……这是我的失误。”Google 和 AWS 投资了 Anthropic，而 Nvidia 从未在公司外进行过这种规模的投资。如今，市场传闻 Nvidia 将向 OpenAI 投入最多300亿美元、向 Anthropic 投入100亿美元，他表示：“我不会再犯同样的错误。”
• 为什么要资助每一家基础模型实验室，而不是押注赢家？Nvidia 的60家早期3D 图形公司竞争者如今只剩 Nvidia 一家，尽管它最初的架构“完全错了……所有人都会认为我们已经出局。但我们走到了今天。”他从这份谦逊中提炼出的规则是：“不要挑赢家。要么让他们各自照顾好自己，要么把所有人都照顾好。”

7. Nvidia 为什么不会成为超大规模云厂商——以及新云 tension

• 同一套哲学回答了“为什么不自己做云”的问题：如果 Nvidia 没有打造 CUDA（20年，其中大部分时间都在亏钱）、CUDA-X 或 cuLitho，“没人会做……这一点我完全确定”。云业务则相反：“如果我不做，就会有人出现来做。”
• Dwarkesh 指出其中的矛盾：Jensen 否认在扶持新云，却又表示 CoreWeave（据报道有63亿美元的后盾融资、已投资20亿美元）、Nscale 和 Nebius 如果没有 Nvidia 就“不可能存在”。Jensen 的解释是：这些公司必须自己想要存在，并带着计划和专业能力前来；Nvidia 可以提供投资帮助它们起步，但“我们更愿意与融资行业的所有人合作，而不是自己成为融资方”。

8. 不竞价、不提价，以及值得押上全部筹码的路线图

• 面对稀缺 GPU 的分配，Nvidia 从不把货给最高出价者——“这是糟糕的商业做法……如果我给你报了一个价格，我们就按这个价格来。就这样。需求冲上天，那就冲上天。”实际系统是先做预测，再按采购订单 FIFO 排队；如果客户的数据中心还没准备好，则进行调整。Larry/Elon 晚餐会上苦求 GPU 的传说也被直接否认：“他们从来没有乞求 GPU。他们只是下了一张订单。”
• Nvidia 把可靠性本身当作产品：与 TSMC 合作约30年，而且“Nvidia 和 TSMC 没有法律合同。总会有某种粗略的公平。”路线图节奏是今年 Vera Rubin、明年 Vera Rubin Ultra，之后是 Feynman，再之后还有一款尚未命名的产品；他要求其他 ASIC 团队证明自己也能让 token 成本“每年下降一个数量级”。从一块显卡走到“1000亿美元的 AI 工厂，完全没问题”。“如今世界上只有我们这一家公司可以这么说。”

9. 中国已经拥有算力——Jensen 反对放弃中国

• Dwarkesh 为出口管制提出了最强版本的论据：Anthropic 的 Mythos Preview 在每个主流操作系统中都发现了“数千个高严重性漏洞”，其中包括一个存在27年的 OpenBSD 零日漏洞——如果中国实验室拥有训练这类模型、并运行“数百万个实例”所需的芯片，这难道不是接近武器能力的技术？
• Jensen 的反驳从现实出发：Mythos 使用的是“相当普通”的算力，而中国“到处都有”。中国生产全球60%的主流芯片，可能更多，拥有全球50%的 AI 研究人员，还有充裕能源，包括“幽灵数据中心……完全通电”。Huawei 刚刚迎来历史上最好的一年，出货量“非常多。数百万。数百万远多于 Anthropic 的数量。”他的结论是：“中国无法拥有 AI 芯片的说法完全是胡说。”
• 替代逻辑是：在五层蛋糕中，底层能源可以与芯片形成替代——“如果你的瓦数完全充足……你还在乎每瓦性能干什么？”针对 EUV 才能制造先进 HBM 的说法，Jensen 表示，可以用硅光子把 HBM2 组装在一起，“就像我们用 NVL72 把它们组装在一起一样”。用 Jensen 的话说，Dwarkesh 关于 EUV 的前提“就是错的”。
• 更深层的判断是：摩尔定律每年带来约25%的提升，但算法可以带来10倍提升——“AI 的大部分进步都来自算法进步”，因此中国庞大的研究者群体才是根本资产。最糟糕的场景是：“如果有一天 DeepSeek 率先在 Huawei 上发布，那将是对我们国家极其糟糕的结果”——开源模型在外国技术栈上完成优化，再扩散到全球南方。

10. “我无法理解那种失败者心态”——一场没有结论的交锋

• Dwarkesh 用浓缩铀类比算力，Jensen 直接驳回：“这是一个糟糕的类比。一个不合逻辑的类比。”随后他指责对方从极端出发：“你的论证始于极端……这些极端情况很幼稚。”Dwarkesh 坚持认为，任何边际算力都能帮助训练具备攻防能力的模型；Jensen 承认其潜在代价，但重新定义真正的成本：放弃芯片层。
• 市场数学很简单：中国约占全球科技产业的40%，拥有全球一半的 AI 开发者；放弃中国“是对我们国家的伤害……只为一家公司的利益”。生态系统不是汽车：“x86 交易之所以存在是有原因的，ARM 如此稳固也有原因。”他反复提到的先例是：类似政策曾导致“美国电信产业基本上被排除在全球市场之外”。
• 当 Dwarkesh 以 Tesla 和 iPhone 为例，认为 Nvidia 无论如何都会失去中国份额时，Jensen 回应：“你面对的不是一个醒来后发现自己是失败者的人。那种失败者心态、那种失败者前提，我无法理解。”光刻也不是宿命——Blackwell 在3年内晶体管仅提升约75%，相对 Hopper 的性能却达到50倍：“架构很重要。计算机科学很重要。”
• 他的收尾预言被设定为一个标记：几年后，当美国希望把自己的技术栈出口到印度、中东和非洲时，“我希望我们能再次进行同样的对话。我会把今天的对话原原本本告诉你：你的政策……毫无正当理由地让美国放弃了全球第二大市场。”如果失去它，那就失去它。但“我们为什么要主动放弃？”他的坚持是：“我们始终应该拥有这里最好的技术……并且最先拥有。”