黃仁勳播客實錄：輝達的護城河，比晶片深得多

影片標題：Jensen Huang： – Will Nvidia’s moat persist?

影片作者：Dwarkesh Patel

編譯：Peggy，BlockBeats

編者按：當外界仍在討論「輝達的護城河是否來自供應鏈」時，這場對話認為，真正難以複製的，並非晶片本身，而是將「電子轉化為 Token」的整套系統能力——即從計算架構、軟體體系到開發者生態的協同運作。

本文編譯自 Dwarkesh Patel 與 Jensen Huang（黃仁勳）的對談。Dwarkesh Patel 是當下矽谷最受關注的科技播客主持人之一，主理 YouTube 頻道 Dwarkesh Podcast，以深度研究型訪談見長，長期對話 AI 研究者與科技產業核心人物。

右側為 Dwarkesh Patel，左側為 Jensen Huang

圍繞這一核心，這場對談可以從三個層面來理解。

其一，是技術與產業結構的變化。

輝達的優勢並不止於硬體性能，而在於 CUDA 所承載的開發者生態，以及圍繞計算棧形成的路徑依賴。在這一體系中，算力不再是唯一變數，演算法、系統工程、網路與能效共同決定了 AI 的推進速度。這也引出一個重要判斷：軟體不會因 AI 而被簡單「商品化」，相反，隨著 Agent 的普及，工具調用將呈指數級增長，軟體的價值反而被進一步放大。

其二，是商業邊界與策略選擇。

面對不斷擴張的 AI 產業鏈，輝達選擇「做必要的一切，但不做全部」。它不進入雲端運算，也不進行過度垂直整合，而是透過投資與生態扶持放大整體市場規模。這種克制，使其既保持了關鍵控制力，又避免成為生態的替代者，從而將更多參與者納入其技術體系之中。

其三，是關於技術擴散與產業格局的分歧。

對話中最具張力的部分，並不在於具體結論，而在於如何理解「風險」本身。一種觀點強調算力領先所帶來的先發優勢，另一種則更關注技術擴散過程中生態與標準的長期歸屬。相較於短期能力差距，更關鍵的問題或許在於：未來的 AI 模型與開發者，究竟運行在哪一套技術體系之上。

換句話說，這場競爭的終局，不只是「誰率先做出更強的模型」，而是「誰定義了模型運行的基礎設施」。

在這個意義上，輝達的角色，已不再只是晶片公司，而更接近 AI 時代的「底層作業系統提供者」——它試圖確保，無論計算能力如何擴散，價值生成的路徑，仍然圍繞自身展開。

以下為原文內容（為便於閱讀理解，原內容有所整編）：

TL;DR

·輝達的護城河不在「晶片」，而在「從電子到 Token 的整套系統能力」。核心不是硬體性能，而是把計算轉化為價值的全棧能力（架構 + 軟體 + 生態）。

·CUDA 的本質優勢不是工具，而是全球最大 AI 開發者生態。開發者、框架、模型全部綁定在同一技術棧上，形成難以替代的路徑依賴。

·AI 競爭的關鍵不只是算力，而是「計算棧 × 演算法 × 系統工程」的組合。架構、網路、能效、軟體協同帶來的提升，遠超單純製程進步。

·算力瓶頸是短期問題，供給會在 2–3 年內被需求訊號驅動補齊。真正的長期約束不是晶片，而是能源與基礎設施。

·AI 軟體不會被商品化，反而會因 Agent 爆發帶來工具使用的指數級增長。未來不是軟體變便宜，而是軟體調用次數暴漲。

·不做雲是輝達的核心策略：做「必要的一切」，但不吞掉整個價值鏈。透過投資與生態扶持，而不是垂直整合，放大整體市場規模。

·真正的戰略風險不是對手獲得算力，而是全球 AI 生態不再基於美國技術棧。一旦模型與開發者遷移，長期技術標準與產業主導權將隨之轉移。

訪談內容

輝達護城河在哪裡：供應鏈，還是「電子到 Token」的控制權？

Dwarkesh Patel（主持人）：

我們已經看到，很多軟體公司的估值出現了下滑，因為大家預期 AI 會把軟體變成一種標準化商品。還有一種可能略顯天真的理解方式，大致是這樣：你看，從設計檔案（GDS2）交給台積電，台積電負責製造邏輯晶片、晶圓，建構開關電路，然後再和 SK 海力士、美光、三星生產的 HBM 一起封裝，最後送到 ODM 去組裝成整機機架。

註：HBM（High Bandwidth Memory，高頻寬記憶體）是一種專門為高效能計算和 AI 設計的先進記憶體技術；ODM（Original Design Manufacturer，原始設計製造商）是指不僅負責生產，還負責產品設計的代工廠商

所以，從這個角度看，輝達本質上是在做軟體，而製造是由別人完成的。如果軟體被商品化了，那輝達也會被商品化。

Jensen Huang（黃仁勳，輝達 CEO）：

但歸根結底，總得有一個過程，把電子轉化為 token。從電子到 token，並讓這些 token 隨時間變得更有價值，這種轉化我認為很難被完全商品化。

從電子到 token 的轉化，本身就是一段非常非凡的過程。而讓一個 token 更有價值，就像讓一個分子比另一個分子更有價值一樣，是讓一個 token 比另一個 token 更有價值。

在這個過程中，包含了大量的藝術、工程、科學和發明，才讓這個 token 具備價值。

顯然，我們正在即時地觀察這一切發生。所以這個轉化過程、製造過程，以及其中涉及的各種訊號，其實遠遠沒有被完全理解，這段旅程也遠未結束。所以我不認為那種情況會發生。

當然，我們會讓它變得更高效。事實上，你剛才描述問題的方式，其實就是我對輝達的一個心智模型：輸入是電子，輸出是 token，中間這一段就是輝達。

我們的工作，是在「盡可能做必要的事情，同時盡可能少做不必要的事情」，以實現這種轉化，並讓它具備極高的能力。

我說的「盡可能少做」，是指凡是我們不需要自己做的部分，我們就會和別人合作，把它納入我們的生態。如果你看今天的輝達，我們在上游供應鏈和下游供應鏈，可能都擁有規模最大的合作生態之一。從計算機廠商、應用開發者，到模型開發者——你可以把 AI 看作一個「五層蛋糕」。而我們在這五個層級上都有生態佈局。

相關閱讀：《輝達黃仁勳最新文章：AI 的「五層蛋糕」》

所以我們盡量少做，但我們必須做的那一部分，其實是極其困難的。而我不認為那一部分會被商品化。

事實上，我也不認為企業軟體公司本質上是在做「工具製造」。不過現實是，今天大多數軟體公司確實是工具提供者。

當然也有例外，有些是在做工作流系統的編碼與固化，但很多公司本質上是工具公司。

比如 Excel 是工具，PowerPoint 是工具，Cadence 做的是工具，Synopsys 也是工具。

Jensen Huang：

而我看到的趨勢，恰恰和很多人的看法相反。我認為 agent 的數量會指數級增長，工具的使用者數量也會指數級增長。

各種工具的調用實例數量也很可能會激增。比如 Synopsys Design Compiler 的使用實例，很可能會大幅增長。

會有大量 agent 使用 floor planner、版圖工具、設計規則檢查工具。

今天，我們受限於工程師的數量；而明天，這些工程師會被大量 agent 支援，我們將以前所未有的方式去探索設計空間。當你用上今天這些工具時，這種變化會非常明顯。

工具的使用會推動這些軟體公司實現爆發式增長。這種情況之所以還沒有發生，是因為現在的 agent 還不夠擅長使用工具。

所以，要麼這些公司自己去建構 agent，要麼 agent 本身變得足夠強，能夠使用這些工具。我認為最終會是兩者的結合。

Dwarkesh Patel

我記得在你們最新的揭露中，你們在邊界元件、記憶體、封裝等方面有接近 1000 億美元的採購承諾。而 SemiAnalysis 的報告認為，這個數字可能會達到 2500 億美元。

一種解讀是，輝達的護城河在於你們鎖定了未來多年這些稀缺元件的供給。也就是說，別人可能也能做加速器，但他們能拿到足夠的記憶體嗎？能拿到足夠的邏輯晶片嗎？

這是不是輝達未來幾年的核心優勢？

Jensen Huang：

這是我們能做到、但別人很難做到的一件事。我們之所以能在上游做出巨大的承諾，一部分是顯性的，也就是你提到的這些採購承諾；另一部分是隱性的。

比如，上游很多投資其實是我們的供應鏈夥伴做的，因為我會對他們的 CEO 說：讓我告訴你這個行業會有多大，讓我解釋為什麼會這樣，讓我和你一起推演，讓我告訴你我看到的是什麼。

透過這樣的過程——傳遞資訊、激發願景、建立共識——我在和上游不同行業的 CEO 對齊，他們才願意去做這些投資。

那為什麼他們願意為我投資，而不是為別人？因為他們知道，我有能力買下他們的產能，並透過我的下游把它消化掉。正是因為輝達的下游需求和供應鏈規模如此之大，他們才願意在上游進行投資。

你看 GTC，大會的規模讓很多人感到震撼。它本質上是一個 360 度的 AI 宇宙，把整個行業聚在一起。大家聚在一起，是因為他們需要彼此看見。我把他們聚在一起，讓上游看到下游，下游看到上游，同時讓所有人看到 AI 的進展。

更重要的是，他們可以接觸到 AI 原生公司和新創企業，看到正在發生的各種創新，從而親眼驗證我所說的那些判斷。

所以我花了很多時間，直接或間接地向我們的供應鏈和生態夥伴解釋眼前的機會。很多人會說，我的 keynote 不像傳統發布會那樣一個接一個宣布產品，而是有一部分聽起來像是在「上課」。而這其實正是我的目的。

我需要確保整個供應鏈——無論上游還是下游——都理解：接下來會發生什麼、為什麼會發生、什麼時候發生、規模會有多大，並且能夠像我一樣系統性地去推理這些問題。

所以你剛才說的那種「護城河」，確實存在。如果未來幾年這個市場達到萬億美元規模，我們有能力去建構支撐它的供應鏈。就像現金流一樣，供應鏈也有流動和週轉。如果一個架構的業務週轉不夠快，沒有人會為它建立供應鏈。我們之所以能維持這樣的規模，是因為下游需求極其強勁，而且大家都能看到這一點。

正是這一點，讓我們能夠以現在這樣的規模去做這些事情。

Dwarkesh Patel

我還是想更具體地理解一下，上游能不能跟得上。過去很多年，你們的收入基本是逐年翻倍，提供給全球的算力規模甚至是三倍增長。

Jensen Huang：

而且是在這個體量下繼續翻倍。

Dwarkesh Patel

對。所以如果你看邏輯晶片，比如你們是台積電 N3 製程最大的客戶之一，在 N2 上也是主要客戶之一。

根據一些分析，今年 AI 可能會佔 N3 產能的 60%，明年甚至可能達到 86%。

註：N3 指的是 TSMC 的 3 奈米（3nm）製程節點（process node），可以理解為台積電當前一代最先進的晶片製造工藝之一

那在你已經佔據這麼大比例的情況下，你怎麼還能繼續翻倍？而且是每年都翻倍？我們是不是進入了一個階段，AI 算力的增長必須因為上游限制而放緩？有沒有辦法繞開這些限制？我們到底要怎麼做到每年建出兩倍的晶圓廠？

Jensen Huang：

在某些時刻，瞬時需求確實會超過整個行業的供給，無論是上游還是下游。而且在某些情況下，我們甚至會被水管工的數量限制住——這是真的發生過的。

Dwarkesh Patel ：

那明年的 GTC 應該邀請水管工了。

Jensen Huang：

對，這其實是個好現象。你希望處在這樣一個市場裡：瞬時需求是大於整個行業總供給的。反過來當然就不太好了。

如果兩者差距太大，某一個具體環節、某一個元件成為明顯瓶頸，整個行業就會一擁而上去解決它。比如說，我注意到現在大家已經不太討論 CoWoS 了。原因是過去兩年，我們對它進行了極大規模的投入和擴展，翻了好幾倍。

現在我覺得整體已經處在一個比較好的狀態。台積電也已經意識到，CoWoS 的供應必須跟上邏輯晶片和記憶體的需求增長。所以他們在擴展 CoWoS，同時也在擴展未來的先進封裝技術，而且是按照和邏輯晶片同樣的節奏在擴展。

這非常重要，因為過去 CoWoS 和 HBM 記憶體都更像是「特種能力」，但現在已經不是了。現在大家已經意識到，它們是主流計算技術的一部分。

同時，我們現在也更有能力去影響更大範圍的供應鏈。在過去，在 AI 革命剛開始的時候，我現在說的這些判斷，其實五年前就已經在講了。

當時有些人相信並投入了，比如美光的 Sanjay 團隊。我至今還記得那次會議，我當時非常清楚地講了未來會發生什麼、為什麼會發生，以及今天這些結果的預測。他們當時選擇大幅加碼，我們也和他們建立了合作關係。在 LPDDR、HBM 等多個方向上，他們都進行了投入，這對他們來說顯然帶來了很大的回報。也有一些公司是後來才跟上的，但現在大家都已經進入這個階段了。

所以我認為，每一代技術、每一個瓶頸，都會得到大量關注。而現在，我們已經在提前幾年「預取」這些瓶頸。比如我們和 Lumentum、Coherent，以及整個矽光（silicon photonics）生態的合作。過去幾年，我們實際上重塑了整個生態和供應鏈。

在矽光方面，我們圍繞台積電建立了完整的供應鏈，與他們合作開發技術，發明了很多新的技術，並把這些專利授權給供應鏈，保持生態的開放。我們透過發明新技術、新工作流程、新測試設備（包括雙面探測等），投資相關公司、幫助它們擴產，來為供應鏈做準備。

所以你可以看到，我們是在主動塑造這個生態，讓供應鏈能夠支撐未來的規模。

Dwarkesh Patel：

聽起來有些瓶頸比其他的更容易解決。比如說，相比擴展 CoWoS 更難的那些

Jensen Huang：

我剛才其實舉的是最難的那個例子。

Dwarkesh Patel：

哪個？

Jensen Huang：

水管工。對，是真的。我剛才說的是最難的那個——水管工和電工。原因在於，這也讓我對一些「末日論者」的說法有點擔憂，他們總是在談工作會消失、崗位會被替代。如果我們因此勸人不要去做軟體工程師，那未來就真的會缺軟體工程師。

類似的預測，十年前也出現過。當時有人說：「無論你做什麼，都不要去當放射科醫生。」你現在還能在網上找到那些影片，說放射科會是第一個被淘汰的職業，世界將不再需要放射科醫生。但現實是，我們現在反而缺放射科醫生。

Dwarkesh Patel：

好，那回到剛才的問題：有些環節可以擴展，有些不行。那具體來說，邏輯晶片的產能怎麼翻倍？畢竟真正的瓶頸在這裡，記憶體和邏輯都是限制因素。那 EUV 光刻機呢？你怎麼做到每年把它的數量也翻一倍？

Jensen Huang：

這些都不是做不到的事情。確實，快速擴產不容易，但在兩到三年內把這些事情做到，其實