算力过剩时代，Nvidia 的真正护城河是什么？
过去数年，关于 Nvidia 的主流叙事是这样的：AI 浪潮初期，Nvidia 是唯一能提供旗舰级 GPU 的厂商，行业大规模扩张让它赚得盆满钵满。近几年，亚马逊、谷歌等超大规模云厂商开始自研芯片，Nvidia"独家供货"的格局被打破，投资者开始质疑其优势能维持多久。
这个叙事框架基本成立，但正在被颠覆。Nvidia 股价在 2023 年初至 2025 年中期间市值增长 10 倍，随后一年多进入温和调整期，正是 GPU 竞争担忧的反映。然而，本周三财报发布后，一个新叙事正在成形：Nvidia 的护城河早已超出 GPU 本身。
数据中心规模扩张，协同复杂度成为新瓶颈
随着 AI 部署规模向千兆瓦（gigawatt）级别迈进，数据中心的运行协调正变得前所未有的复杂。尽管"算力商品化"的讨论不绝于耳，但在超大规模场景下保持峰值效率依然极度困难——且部署规模越大、速度越快，难度越高。
Nvidia 显然看到了这个机会。该公司正在推出 Vera Rubin 架构，将 Rubin GPU 与一系列配套单元整合为完整机架，包括 Vera CPU、Groq 3 LPX 推理加速器，以及存储与网络专用机架。这些组件与 Rubin GPU 本身一样高度专业化，但它们的职责不是加速 Token 计算，而是确保 GPU 之外的一切运转同样高效——如果 GPU 是引擎，这些配套单元就是整辆车的其余部分。
Vera CPU：解决数据协同的专精选手
Vera CPU 的核心任务，是解决大规模数据协同问题。Nvidia 存储技术副总裁 Jason Hardy 在接受采访时表示：
"Vera 的重要性在于，单一服务器或计算平台能承载的内存容量是有限的。"
随着数据中心算力规模不断扩大，内存容量也在同步扩张——这也是美光等厂商在第二轮基础设施浪潮中获利丰厚的原因。然而，如何在正确的时间将数据传输到 GPU，远非易事。随着各厂商拼命压低"每瓦 Token 数"，才逐渐意识到这种流量调度的关键程度。
Hardy 透露，在涉及 Vera CPU 加速的操作中，性能提升可达 3 倍以上："有了 Vera CPU 的加速，闪存的性能可以被充分释放，不再成为瓶颈。"
竞争的新战场：系统级效率
这一趋势并非 Nvidia 独有。OpenAI 在自研 Jalapeño 芯片时，一个核心设计思路就是尽可能减少数据搬运：让整个工作负载保留在一个互联系统内，从而规避数据移动带来的延迟与能耗。
"我们设计 Jalapeño 的目标是最小化数据移动和通信延迟。Jalapeño 的大域（large domain）设计使整个工作负载保持在单一互联系统内，最大程度减少数据移动，并确保完整请求从始至终保持高速与高效。"
两种路径殊途同归：不约而同地将竞争焦点从"更多的处理器周期"转向"更智能的流量调度与系统协同"——这为基础设施层面开辟了全新的竞争维度。
Nvidia 的新护城河：系统完整性
这一战略转型对 Nvidia 而言并非自动利好：它仍需在芯片层面与竞争对手和超大规模云厂商正面交锋。但竞争的焦点已经转移到另一个层级——在这个层级，仅仅研发一款可替代的 GPU 远远不够，关键在于能否让整个系统高效运转。
至少在目前初期阶段，Nvidia 看起来拥有相当的领先优势。
评论