有人說「高不敢買，跌下來也不敢買」。有人說「AI 就跟 5G 一樣，騙局該結束了」。也有人回覆「我 100% NVDA，一股不賣，奇蹟自來」。

我把這三則並排看。三個人都在看價格——多的看「還會漲」，空的看「已經太貴」，信仰派連看都不看。

他們問的是同一個問題：輝達貴不貴？用的是同一套算法——本益比、營收成長率、跟 AMD 的市占比較。這是分析半導體公司的框架。

但輝達的 AI 晶片毛利率超過 90%。整體毛利率 75%，營業利益率超過 60%。蘋果 46%。英特爾全盛時期 60%。沒有一家賣硬體的公司接近 90%。

90% 毛利率是平台公司的數字。是 Visa 的數字，不是台積電的數字。

我用半導體的尺量這家公司，量到的是一個不存在的輝達。

用錯的框架算出的「太貴」或「還能漲」，結論都沒有意義。

這篇不告訴你該不該買。告訴你的是你量它的時候可能用錯了尺。

你以為護城河是晶片性能，其實是一套 4.75 億美元的軟體鎖

2007 年，輝達在聖塔克拉拉總部的停車場搭了一個帳篷，五十幾個華爾街分析師坐在折疊椅上吃三明治，一邊質問黃仁勳為什麼利潤率在下降。

他們問的全是短期數字。沒有人問他為什麼花了公司四年的研發預算去做一個叫 CUDA 的東西。

CUDA 不是一顆晶片。它是一整套讓 GPU 做通用計算的軟體平台。黃仁勳花了 4.75 億美元打造它，等於把公司三分之一的研發預算燒在一個當時幾乎沒人用的東西上。2007 年 CUDA 只有 13,000 次下載。華爾街的共識是這個平台的價值是「負數」。

輝達的硬體工程師也不高興。一個早期工程師後來回憶：「說服硬體設計師為什麼要為《毀滅戰士》的效能優化很容易，說服他們為什麼要為矩陣乘法優化就難多了。」

為什麼黃仁勳還是做了？因為 2003 年，一個叫 John Nickolls 的平行運算先驅寄了一封信給他，說摩爾定律因為電晶體的物理極限正在死亡，未來屬於平行計算。黃仁勳後來雇了他當 CUDA 的首席架構師。

CUDA 的關鍵決策是：不只放在專業卡上，放在每一張消費級顯示卡上。每個買 GeForce 打遊戲的人，都在不知不覺中補貼了 CUDA 的研發成本。內部叫它「CUDA 稅」。

這解決了軟體平台最大的問題：雞生蛋還是蛋生雞。因為每張遊戲卡都內建 CUDA，全世界的學生和研究員突然有了一台買得起的超級電腦。他們在上面寫的程式碼、建的模型、跑的實驗，全部依賴 CUDA 的函式庫。

到今天，CUDA 生態系有 300 到 500 萬開發者、300 個專業函式庫、3,700 個 GPU 加速應用程式。輝達自己有一萬個工程師專門維護這套軟體。

企業的資訊長面對的選擇是：繼續用 CUDA，還是重寫幾百萬行依賴 CUDA 函式庫的程式碼？答案很明顯。

這就是為什麼「護城河是 GPU 性能」是錯的。AMD 可以做出性能接近的 GPU。但 AMD 沒有 CUDA 生態。Google 可以做 TPU。但 TPU 上面沒有那 300 個函式庫。性能可以追，生態追不了。

Gurley 說護城河在縮小，輝達工程師說在擴大

輝達的工程師不斷重寫底層機器碼壓榨新一代晶片的效能，這些優化會自動回饋到整個 CUDA 生態，開源替代方案跟不上這個速度。一個硬體買家的說法是：輝達贏在軟體。電路追得上，軟體追不上。

你大概會覺得：那 4.75 億美元的軟體鎖，跑在每年都更強的 GPU 上，誰搬得走。

Bill Gurley 搬得走。他管 Benchmark，投過 Uber、Zillow。2024 年的 podcast 裡他拿出一個類比：CUDA 的故事讓他想起 2000 年代初期的企業軟體市場——當時 100% 的新創公司跑在 Oracle 資料庫和 Sun 伺服器上，五年之內全部換成了開源的 Linux 和 MySQL。

Gurley 的論點：開發者正在往堆疊的上層走。今天大部分 AI 開發用的是 PyTorch，不直接寫 CUDA。如果未來所有人都在 PyTorch 層工作，底下是輝達還是別家的晶片，就不重要了。

同一集 podcast，科技業高管 Sunny Madra 加重語氣：「CUDA 的護城河在推論市場不存在。」他指 Grok、Cerebras、SambaNova 在推論的性能和價格上已經超越輝達。

Gurley 這套說法的殺傷力在於：它不需要輝達做錯任何事——只需要開發者停止往底層深挖。

但黃仁勳自己反駁：輝達在推論市場的護城河反而更強。全世界的資料中心已經裝了大量輝達的舊晶片，CUDA 的向後相容讓這些舊晶片可以直接跑推論。

兩邊都聽完，我第一個反應是回頭問：他們在量同一件事嗎？

Gurley 量的是開發者往上層走的趨勢：誰在寫什麼。輝達工程師量的是底層優化的速度：誰跑得快。一個量時間軸的方向，一個量時間軸的斜率。兩個人根本在辯論不同的指標，你得先選你想賭的是哪一個。

然後 Stephen Witt 的書丟出一個讓兩邊都站不穩的東西。他在同一本書裡採訪了兩撥受訪者。一位前輝達研究員說切換 CUDA 是「巨大工程」，開發者試了通常決定「不值得」。另一位受訪者說，有時候「只要改幾行程式碼」就能從 CUDA 移到競爭對手的平台。

同一本書裡的矛盾。連採訪過輝達的人之間都沒有共識。

技術上可以切。商業上沒人敢。資訊長不會拿自己的職位去賭「可能只要改幾行」。這個膠著狀態撐得住的前提是沒有一家大客戶的自研晶片證明自己——哪一天證明了，水壩裂開不需要共識，只需要一個成功案例。

這篇分析還有5個章節：

• 為什麼輝達的 AI 晶片能收 90% 通行費 — 90% 毛利率不是硬體公司會有的數字。把輝達當 Visa 看的估值框架是什麼樣子

• 四個最大的客戶才是威脅 — Google/Meta/Amazon/Microsoft 一邊付通行費一邊修自己的路。囚徒困境什麼時候會打破？

• 你在同一條供應鏈上押了五次，你以為自己很分散 — 台灣投資人的持股表：50% 輝達、10% 台積電、40% VOO。算一下相關性在極端情境下趨近 1 的意思

• 2001 年光纖是對的技術，投資人拿回不到建設成本 10% — Perez 250 年歷史告訴你：建設期的結束不是慢慢減速，是突然停下來

• 你真正在賭的三件事 — CUDA 鎖定、AI 建設期、台灣地緣政治。三件事的順序不能亂，每件事都要自己定義「失效」長什麼樣

→ 完整分析（4 本書 + 5 個 podcast 的交叉比對）在讀角獸

讀角獸——帶著一個問題讀完所有英文來源，找出不同作者互相矛盾的地方，寫成有立場的判斷。更多主題 → ducorn.com