AI帝国的飞轮：聊一聊英伟达垄断背后的新逻辑……

元

新兴产业研究组2025年03月26日约 10 分钟

图片 | 来自网络

原创整理 | TOP创新区研究院，FTA Group

转载引用请注明出处。内容仅供交流学习，不做任何商业用途，不代表任何投资建议。

如有侵权请联系后台删除。

每年三月中下旬，GTC的开发者大会，早已变成科技圈的“AI春晚”。这时候，英伟达CEO黄仁勋总会身披标志性的黑皮衣登场，讲讲接下来一年算力世界的剧本。

今年的春晚，英伟达发布了Blackwell Ultra AI芯片，性能比上一代有显著提升，预计在2025年下半年量产；又甩出了下一代Rubin GPU平台，定档2026年亮相，连带着2027年的Rubin Ultra和2028年的Feynman，三年路线图一口气铺开，摆明了要锁定未来AI市场；还有机器人领域的重磅——Isaac GR00T N1开源模型，号称要让机器人也能像人一样干活。

从芯片到软件再到机器人，英伟达是要把AI时代的基础设施牢牢垄断在自己手里。

而这，才是真正的重点。

因为这个“垄断”，跟我们过去理解的那种垄断——靠价格、靠封锁、靠行政，甚至靠平台——都不一样，它靠的是“最优路径诱导”，让整个生态系统主动滑进它定义的轨道。

那么问题来了：

AI时代的现代垄断结构，究竟长成什么样？

它是怎么搭起来的？又有没有可能被打破？

这篇文章有点长，

我们不聊皮衣、不聊技术，就聊聊背后那套系统结构的控制逻辑。

ChatGPT背后

不只是9万美元一颗的芯片

ChatGPT每一次输出、大模型每一次训练背后，都离不开那一块块价值高达9万美元的英伟达芯片。

但，如果我们仅仅将英伟达的成功归因于“性能领先”，未免过于肤浅——这就像以为罗马帝国之所以强大，仅仅是因为士兵更高大，而忽略了其隐秘而强悍的制度性结构。

真正让英伟达建立起垄断飞轮的，不是芯片本身，而是它在2006年推出的 CUDA 编程平台。

表面上，它只是为了方便程序员在英伟达GPU上写代码。

但其实，它是一种生态系统的种子代码。

其中最关键的“种子”种在了2016年，那年还是非营利机构的OpenAI接收了英伟达的捐赠，这是“世界上第一台专为人工智能设计的超级计算机”，其核心组件包括8个基于Volta架构的V100 GPU。

当然，这只是一笔区区12.9万美元的技术赞助。

但是，命运的齿轮开始转动了。

几年后，GPT系列成功，行业标准也就被写进了CUDA的语法里，训练流程、算子接口、资源调度，全都围绕CUDA 构建。

OpenAI的胜利路径，很快成为整个行业的“默认路径”。

全球AI创业者和实验室纷纷接入CUDA，不是因为它最便宜、最优越，而是它最“主流”、最兼容OpenAI的成功方式。

英伟达好风凭借力，在AI崛起的关键时刻，

也悄然将CUDA从“选项”变成了“标准”。

而CUDA和其衍生工具（如PTX、Run:AI、Omniverse）构建的已不只是工具链，而是一套从底层执行逻辑到上层调度策略的完整操作系统。

一旦你使用CUDA，就必须用其编译器、遵循其张量并行模型设计；用Run:AI，就必须在其定义的资源调度规则中优化算力；用PTX，就要接受其底层线程分配和执行方式。也就是说，从底层硬件编程到上层应用开发、调试、优化以及集群管理的各个层面，都由英伟达定义。

今天的CUDA不再是工具，而是一整套控制结构。

英伟达控制的不是某个产品，而是整个AI工程世界的“运行方式”。

如果在Windows 平台下运行 AI 框架，Nvidia 控制的是“中间三层”，AI软件栈最核心的执行与接口层，图源：docs.nvidia.com

这就好比微软当年用Windows控制PC行业。你可以换键盘、换鼠标，换不了操作系统。

同理，在AI时代，你可以换厂商，但你绕不过CUDA的接口。

经济学上有个经典的说法：

“当一个生态的迁移成本远高于留存成本时，生态就被锁定了。”

这正是CUDA厉害的地方——它让用户产生了路径依赖，而且这种依赖不再只是硬件层面的“兼容”，而是把整个AI工程师的思维方式全都吞进了自己的结构中。

四大巨头

互锁成超级飞轮

而且，这不仅仅是英伟达一家的垄断，而是四家公司共同织就的闭环——

一个看似分工明确，实则层层反嵌的超级生态飞轮。

当然这场飞轮的核心是英伟达。

它本身并不生产芯片，却定义了芯片。设计权掌握在它手中，制造则交由台积电（TSMC）完成。

台积电是这个生态的物理中枢，全球95%的先进AI芯片出自台积电，仅来自英伟达的订单年收入就高达76亿美元。

如果说英伟达是战场上的战略指挥官，那TSMC就是唯一的军工厂。

而芯片性能要真正释放，还得靠海力士(SK Hynix)提供的高带宽内存（HBM）。海力士长期生存在三星的阴影下，但幸运地凭借2019年突破性的封装设计，解决了AI训练的过热瓶颈问题，一跃成为AI内存唯一的王者。现在它和英伟达是命运共同体：海力士超过80%的HBM3E配给英伟达，而英伟达有接近一半的GPU依赖海力士封装，谁也离不开谁。

再往上溯，就是给军工厂提供装备的ASML——全球唯一能造出EUV光刻机的荷兰公司。这玩意儿一台3.8亿美元，贵过波音飞机，只有ASML能造TSMC一年有13%的资本支出砸在它身上，ASML赚了钱，再反哺TSMC升级产线。

彭博供应链分析根据财报数据画过一张图，图中，微软、亚马逊、谷歌是金主，把巨额资金倒进英伟达换GPU，比如，微软将近一半的资本支出都花在了购买英伟达的 GPU 上，英伟达再把钱给台积电、SK Hynix造芯片，台积电拿到钱又去找ASML买设备，ASML再把利润用来做更先进的研发。

这四家公司看似独立，却是彼此交错、相互嵌套，每一个节点既是依赖者，也是控制者，看似互补，实则互锁，

是一种资本耦合 + 系统锁定的“高频共振结构”。

这也是英伟达跟Intel的根本区别：

Intel是传统制造商，一体自研自产；英伟达是“超级Fabless”玩家，不碰生产，只靠架构设计和接口标准，把全产业链反绑在自己定义的结构上，它不拥有任何工厂，却控制了工厂的运行逻辑。

财务数据上，英伟达、TSMC、ASML 和SK Hynix四家公司合计市值已超过4万亿美元，相当于一个法国的GDP总量，英伟达一家便占了标普500指数的约6%。

你以为只是买了ChatGPT的会员，

实际上你是在资助一个结构型垄断系统。

越想逃离

越被绑定

此外，我们也看到了一个令人迷惑的现象：

一方面，越来越多的大厂对英伟达怨声载道：芯片贵、交付慢、不透明，

纷纷表示要逃离英伟达的垄断：比如微软在扶持AMD，让它开发MI300加速器；亚马逊投入自研的Trainium芯片；谷歌则靠TPU体系试图构建自己的飞轮。

但另外一方面，我们看到大厂们加码投入、疯狂抢购GPU，采购量一个比一个狠，部署速度一个比一个快。

为啥会这样？

其实答案很简单：

去依赖=换系统。

而换系统，不是换个供应商这么轻松，是一场整体系重构。

你要换芯片？那训练框架要重写，算法调用要重构，资源调度要改，工程师要重新培训，连数据中心的冷却方案都可能推倒重来。

这不是从A切到B，这是从高铁退回驴车，甚至轮子都要重新造。

那请问，在切换的时候，你就能让自己原来那套体系突然“嘎”了？

当然不能！因为所有的竞争者还在用原来的系统，为了不落后，你一边“逃离”，一边还得“加码”。

这样一来，你要花三倍甚至十倍的成本去维护“两套系统”，以确保过渡期“不断电”，确保没有算力不足、部署延迟、竞争落后等问题，确保自己仍然在牌桌上。

所以在短期内，看上去你在摆脱英伟达，实则这个逃离的过程反而制造了更大的短期算力需求，更强的性能保障焦虑，于是，买得更多、部署得更深、绑定得更紧。

赫希曼在其经典著作《退出、呼吁与忠诚》里早就讲过这类困局：当退出的代价高于留下的痛苦，大多数人会选择原地踏步。

所以，像英伟达这种垄断，不靠行政命令维持，而是靠“退出的痛”自我加固。

现在这些科技公司不是“还没意识到被垄断”，而正是“越清醒，反而越深陷”。因为他们知道，真正危险的不是现在买英伟达，而是“现在不买英伟达、但还没准备好替代系统，先死在了半路上”。

从某个角度来讲，这甚至不是商业层面的策略，

而是技术资本主义垄断的一种宿命：

19世纪末到20世纪，工业时代。我们看到钢铁大王、铁路大亨、石油帝国，这一阶段是“集中资产控制”——

企业要实现垄断地位，要不有工厂(产能)、要不有石油、钢铁(资源)、要不有铁路(物流)，这是物理控制的逻辑。

到了个人电脑与互联网时代，平台开始兴起，比如微软的Windows，谷歌的Search，Apple的iOS生态，谁离用户近，并且能控制用户的接口与体验，谁就能获得垄断地位，这是认知接口的控制逻辑。

第三阶段，也就是现在的英伟达，进入了“结构执行层控制”的垄断阶段：

它不控制用户，也不控制制造，但它定义了系统怎么跑、怎么调度、怎么构建。

这正是英伟达所在的新垄断维度——

英伟达只是告诉你一条“最快的捷径”，然后你就自动滑入它设好的轨道，甚至忘了，自己曾经有过选择权。

这才是AI科技帝国的统治方式，不是强迫你跪下，而是让你自己走进笼子，再反锁门。

三条路径

用系统对抗系统

面对英伟达主导的算力帝国，任何一个挑战者，其目的不是搞出一个性能对标、价格更低的替代品，而是需要花时间，从底层建一套逻辑不同、结构可控、自我进化的新系统，而且系统之间的各个要素得协调得起、撑得住、滚得动。

对于中国而言，受限于芯片供应链的“卡脖子”困境，我们被迫承担起这个“挑战者”的角色。

诺贝尔经济学奖得主、心理学家和计算机科学家赫伯特·西蒙讲过“近似可分系统Near Decomposability”这个概念：

越是复杂系统，越要靠松耦合的模块拼起来；越是追求一体化，越容易崩，只有系统之间“松绑但不脱钩”，才能抵御结构性冲击。

自然界和人类设计的系统都倾向于通过模块化和松耦合来应对复杂性。

这个概念，也正是中国版AI系统最该吸收的底层智慧。

我们的机会不在“赢在一个环节”，而在“织出一张网”，这张网要从芯片设计，到制造工艺、从内存封装，到软硬结合，再到模型训练，一路延伸到平台部署与行业应用。

这不是一个点挑战中心，而是一群子系统各自自转、彼此勾连。

而在目前，我们能看到了三种雏形，

每一种都是一条不同的挑战路径：

第一条，算法调度型突围，

代表是DeepSeek。

DeepSeek不靠最强芯片，而是通过算法优化来弥补差距：改PTX指令、压缩训练流程、适配旧GPU，用软件弥补硬件短板。

当然，这不是靠预算堆出来的，而是用工程师精神撕出结构缝隙的打法。

咱们可以理解为“软件定义算力”：不是谁家芯片跑得最快，而是谁能把现有算力榨到极致。

这种路径的优势在于跨平台适配能力强，尤其适合资源受限但需求刚性的市场，如中小企业或特定行业应用。

第二条，生态一体化路径，

代表是阿里与百度。

阿里和百度走的不是单点“出奇制胜”的路线，而是在打造一个从算力到应用的完整闭环。它们提供端到端的解决方案：从算力到训练平台，从API到企业部署，全部打包好，用户点一点就能用。你不需要理解模型结构，不需要知道是哪块GPU在算，结果能跑出来、能上线就行。

这种“系统即服务”的模式类似于水电煤气的普及化逻辑——

企业不再关心底层技术，只关注效率提升和成本节约。如果说英伟达通过CUDA统治了“工程师接口”，阿里和百度则瞄准了“用户接口”，英伟达面向开发者，我们则服务于用户。这种路径的潜力在于快速渗透千行百业，构建用户粘性。

第三条，底层协同式链路，

代表是寒武纪、中芯、昇腾等组合

这一路径不追求短期内对标英伟达H100的极致性能，而是聚焦于打造一套90%性能+100%可控的“本土系统”。例如：寒武纪：专注于AI芯片设计，其NPU在国内特定场景已有应用；中芯国际：作为制造环节，其工艺目前以14nm为主，7nm刚起步，能满足中端需求；昇腾：华为的AI芯片（如昇腾910B）搭配CANN（Compute Architecture for Neural Networks）软件框架，形成较完整的软硬一体生态。

这一组合的优势在于链条短、可控性强，避免关键环节断供，适合政务、工业、城市管理等本土刚需场景，可以将其视为中国版的“备用操作系统”——不求与英伟达正面交锋，但能在关键时刻自给自足、不掉线。

这三条路径，不是平行赛道，而是三种结构逻辑，可以混合搭建。

真正的目标，不是用它们哪一条“打败英伟达”，

而是能不能用它们共同织出一个结构有弹性、产业有冗余、路径有替代的新飞轮。

因为只有能主导系统的，

才是真正的帝国。

我们总在问谁能造出更强的芯片。但真正决定游戏规则的，从来不是跑得最快的人，而是那个能画路线图、建规则本、定义接口标准的人。

英伟达靠的不是资产，而是结构。

然而，结构可以是钥匙，也可以是锁链

我们可能推不倒旧飞轮，可能“造不出另一个英伟达”，但我们可以——

把结构打碎重构，用另一套结构，另起一个飞轮。

元宇宙与人工智能三十人论坛

因微信公众号整改，没有加“星标⭐️ ”的订阅号有时无法收到消息

1.为防止错过最新资讯，请将元宇宙与人工智能三十人论坛设为星标⭐️

2.点击“赞”和“在看”，提高我们相遇的几率。

3.精彩文章，请点击文末左下角“分享”给好友。

了解更多关注

来自同一个声音

亚马逊正式宣战星链：5000颗卫星、手机直连，太空互联网的“双雄对决”正式开打

黑色星期二！全球芯片股遭血洗，AI信仰遭遇“压力测试”

全球信息情报中心

“中国向南”：第23届中国-东盟博览会参展公告