黃仁勳於近期上美國知名作家 Dwarkesh Patel 的 Podcast，訪談標題以輝達的護城河是否繼續維持為題。在訪談中黃仁勳從商業利潤的角度出發，從第一原理（First Principles）、能源經濟學以及全球軟體生態權力結構，提出了一套極具穿透力且反直覺的深度觀點。兩人更針對美國對中晶片禁令進行辯論。究竟這篇訪談說了哪些內容？面對其他廠商的競爭輝達的優勢可以繼續嗎？就讓股感透過本文帶你了解。
AI 真的會把 NVIDIA 商品化嗎？
對談一開始，Patel 就拋出一個很尖銳的問題：如果軟體會被 AI 商品化，那麼 NVIDIA 會不會也只是「替別人做軟體」的公司，終有一天被價格戰吞沒？畢竟 NVIDIA 的產品不是單靠自己從頭做到尾，而是仰賴台積電製造邏輯晶片、仰賴記憶體廠供應 HBM、仰賴台灣 ODM 組裝整機，再把這些東西整合成 AI 算力。
黃仁勳的答案很明確：他不認為這件事會發生。原因不是因為 NVIDIA 只是「硬體更強」而已，而是因為 NVIDIA 做的其實是把電子轉化成代幣（token），也就是把原始算力轉化為真正有價值、可被使用、可被放大、可持續增值的 AI 能力。這個過程不只是工程問題，更是科學、藝術、發明、軟體與系統設計的總和。
在黃仁勳的描述裡，NVIDIA 並不是單純的晶片公司，而是一個位於整個 AI 轉換鏈核心的系統公司。它的任務，是用盡可能少的干預，促成這個從「電子」到「代幣」的轉化。這也是他反覆強調的企業哲學：能合作就合作，能借力就借力，自己不必做的事情就讓生態系去完成，但真正最難的那一段，NVIDIA 必須親自處理。
NVIDIA 的護城河是技術還是供應鏈？
Patel 接著把焦點拉到供應鏈。NVIDIA 已經在代工、記憶體與封裝環節做出驚人的採購承諾，外界甚至認為，NVIDIA 的護城河之一，就是它先把未來幾年的稀缺產能「鎖住」了。換句話說，競爭對手就算有意做加速器，也未必能同時拿到足夠的晶片、記憶體與封裝資源。
黃仁勳承認，這確實是別人很難做到的事，但他把這件事描述得比外界想像得更深。他認為真正的關鍵，不只是下訂單，而是讓上游也相信這個產業會繼續高速成長。NVIDIA 之所以能讓台積電、記憶體廠、封裝廠與其他供應商願意提前擴產，不只是因為它會買貨，而是因為它能清楚描繪未來需求，並把上下游串成一個共同相信的故事。
他談到 GTC 時，語氣像是在描述一個 AI 世界博覽會。上游的材料、製造、封裝，下游的雲端、模型、應用、新創，全都在那裡彼此看見彼此。GTC 以不只是單純的產品發表會，而是整個生態系的集體動員。黃仁勳要做的，不只是推銷 NVIDIA 的晶片，更是讓整個產業理解：AI 的需求不是一時爆紅，而是會持續推升晶片、記憶體、封裝、光通訊、電力、散熱、系統整合的全面成長。
也就是說，NVIDIA 的護城河不只是供應鏈優勢，而是它能夠主動塑造供應鏈。它不只是被動等產能，而是把需求變成投資，把投資變成供給，把供給變成更大的需求。這種飛輪一旦轉起來，就不是單一競爭者可以輕易複製的。
算力到底有沒有上限？瓶頸是晶圓廠，還是水管工？
Patel 進一步追問：如果 NVIDIA 的營收和算力供給一直以驚人的速度成長，那上游真的跟得上嗎？尤其在 N3、N2 這類先進製程的產能被 AI 幾乎吃滿之後，未來要怎麼繼續翻倍？是不是 AI 算力終究會被供應鏈限制住？
黃仁勳的回答很有意思。他不認為瓶頸是永久性的。任何一個時點，需求都會大於供給，這是正常現象。真正重要的是，當瓶頸出現時，產業會不會迅速投入資源去擴張。他回顧了 CoWoS、HBM、矽光子等領域，認為過去幾年之所以能快速解瓶頸，就是因為整個產業都意識到這些曾經被視為「特製品」的技術，現在已經變成主流運算基礎設施。
黃仁勳甚至把最難的瓶頸直接點名成「水管工」和「電工」。他的意思很直白：很多人喜歡把 AI 看成演算法、晶片或模型競賽，但真正決定產業能不能擴張的，往往是基礎工程人力、電力、基礎建設與施工能力。晶片可以兩三年內擴產，CoWoS 可以兩三年內擴產，但如果沒有足夠的能源與施工能力，再多晶片也只是擺設。
這段對話的核心，其實是在反駁一種過度悲觀的思維：不是所有瓶頸都會永久卡住產業。只要需求信號夠強，產業就會想辦法把瓶頸一個一個打通。AI 的世界不是靜態的，它是一場持續擴張中的工程戰。
TPU、ASIC 與 GPU：NVIDIA 的真正優勢是什麼？
談到競爭對手時，主持人把問題聚焦在 Google 的 TPU，以及各種為 AI 特化的 ASIC。畢竟，如果 AI 的主要工作是矩陣乘法，那麼像 TPU 這類專門為此設計的架構，看起來似乎比通用型 GPU 更有理論優勢。再加上大型模型公司如 Anthropic、Google、OpenAI 都逐漸有能力自行寫內核、優化堆疊，那 CUDA 的重要性是否正在被稀釋？
黃仁勳的反應很堅定：AI 不只有矩陣乘法。真正推動 AI 前進的，不只是今天的訓練工作負載，而是下一代架構、注意力機制、混合 SSM、擴散模型、自回歸模型、後訓練、強化學習等等。這些東西都需要一般可編程的架構，而不是只能處理某一類固定計算的硬體。
他認為 NVIDIA 的優勢正在於「可編程性」與「協同設計」。CUDA 不只是讓模型能跑，而是讓新演算法更容易被發明、更容易被試錯、更容易被落地。真正讓 AI 快速進步的，不是單一硬體規格，而是硬體、軟體、庫、通訊、系統和模型之間的共同演化。Blackwell 能比 Hopper 強出數十倍，靠的不是摩爾定律單獨完成，而是新模型、新並行策略、新內核、新系統設計一起推動。
在他看來，TPU、ASIC 也許在某些場景非常強，但它們無法像 NVIDIA 一樣同時覆蓋雲端、研究、工程、科學、工業、機器人、醫療與高性能運算。NVIDIA 的市場不是只有 AI，而是整個加速運算世界。這才是它真正的護城河。
CUDA 還重要嗎？還是超大規模業者已經不需要它了？
Patel 提出另一個很現實的質疑：NVIDIA 的大客戶，尤其是超大規模業者，本來就有能力自己寫內核、自己做堆疊、自己優化性能。他們不一定需要完整依賴 CUDA。既然如此，CUDA 是否只是對中小客戶有用，對真正的大客戶卻不再那麼關鍵？
黃仁勳並不否認大型客戶的技術能力，但他強調，CUDA 的價值不只在「能不能自己寫」，而在於整體生態的豐富度、可移植性與安裝基礎。大型客戶可以自己優化，但他們仍然會想要一個生態最成熟、工具最多、框架支援最完整的平台。因為開發者要的不是只跑在自己機器上的最佳答案，而是可以擴散到各處、可以跨雲端、可以跨機群、可以跨產業的軟體。
他認為 NVIDIA 的地位恰恰來自這種「無處不在」。從 A100 到 H100、從雲端到本地、從 AI 新創到企業級應用，CUDA 讓模型與軟體能夠盡可能被重複使用。這代表一旦某個團隊開發了一套工具，它就不在只是服務自己，而是可以變成整個市場的基礎能力。
黃仁勳還提到，NVIDIA 的工程師會直接協助大型 AI 實驗室做性能優化，甚至能把模型速度再推高幾倍。這顯示他的觀點很務實：就算大客戶會自己做，NVIDIA 仍然是離架構最深、最懂底層、最能榨出性能的人。這種專業不是一朝一夕能被取代的。
為什麼 NVIDIA 不直接變成雲端公司？
談到資本配置時，Patel 問了一個很有趣的問題：既然 NVIDIA 現金流這麼強，為什麼不直接自己做 Hyperscaler，把算力租給市場？如果核心資產是 GPU，自己當雲端商似乎也很合理。
黃仁勳的答案仍然回到那句話：做最必要的事，少做多餘的事。他認為，如果 NVIDIA 不去打造計算平台，不去做 NVLink，不去做 cuLitho，不去花二十年承受 CUDA 的虧損，不去承擔前期風險，那很多基礎技術根本不會有人做。這些事情是 NVIDIA 必須親自做的。
但雲端不同。世界上本來就有很多雲服務商，因此 NVIDIA 沒必要自己再當一個雲端巨頭。他們可以投資像 CoreWeave 這樣的 neocloud，因為這些新型雲端能讓 AI 計算更快被部署、被出租、被放大。NVIDIA 幫助它們存在，是為了讓 AI 生態系更繁榮，而不是為了自己親自下場搶所有生意。
這裡的重點不是「不想賺更多」，而是黃仁勳對角色邊界的判斷很清楚。他要 NVIDIA 成為技術堆疊的核心，而不是變成到處插手的全能巨獸。這種克制，本身就是一種商業策略。
對中晶片禁令：出口管制真的有用嗎？
整場對談最具火藥味的部分，無疑是中國議題。Patel 嘗試從國安角度切入，提出一個尖銳假設：如果中國的公司、研究機構或政府拿到足夠的晶片，能夠訓練出像 Mythos 這種具有強大攻擊能力的模型，是否會對美國構成安全威脅？既然 AI 研究員、算力與晶片都可能被用來開發漏洞發現、網路攻擊與大規模代理人，那美國是否應該更嚴格限制出口？
黃仁勳的立場非常鮮明。他認為把中國完全排除在外，不但不現實，甚至可能是戰略錯誤。中國本身就有龐大的半導體產業、能源基礎設施、研究人員與資料中心能力。即便在先進製程受限的情況下，他們仍然可以透過更多晶片、更大規模的部署、更好的演算法，形成可觀的算力能力。換句話說，單靠出口管制不可能讓這個問題消失。
他還強調，AI 的進步不只來自硬體，更來自電腦科學。當硬體受限時，研究人員反而會更努力尋找演算法突破。這意味著，限制晶片不一定能阻止能力發展，反而可能促使對手更積極地優化自己的堆疊、軟體與模型。
黃仁勳更進一步指出，真正危險的不是中國是否有 AI，而是全球 AI 生態系是否會分裂成兩套標準：一套是建立在美國科技上，另一套是建立在非美國上。對他來說，最糟糕的情況不是「他們有 AI」，而是「他們的 AI 開發者與標準不再依賴美國」。一旦世界各地的模型、框架與應用在別的生態系裡茁壯，美國反而可能失去長期主導權。
這段談話的核心不是單純的立場之爭，而是對全球科技競爭本質的不同理解。看下來主持人 Patel 更關注短期安全風險，黃仁勳則更在意長期技術格局。Jenson 的主張很明確：美國要贏，不是靠封鎖一切，而是靠持續領先每一層。
NVIDIA 的真正敵人是中國？還是「放棄競爭」的心態？
黃仁勳在中國議題上的語氣相當強硬。他不斷重申，NVIDIA 不能接受把全球第二大市場讓出去，因為那不只是失去營收，而是失去影響全球標準的能力。中國擁有大量開發者、研究員與製造能力，若美國選擇退縮，最後可能不是讓對手變弱，而是讓對手更快形成自己的生態系。
他並不否認美國需要保持領先，甚至認為美國應該在算力、能源、研究、模型與應用上全面勝出。但他拒絕的是那種「只要不賣給對手，他們就會消失」的幻想。黃仁勳的邏輯很殘酷，也很現實：市場不會因為政策意志而自動蒸發，技術也不會因為禁令而停止演化。
因此，他主張的是競爭，而不是自我設限。美國要做的，是讓自己的科技堆疊成為全球首選，而不是用恐懼心態把自己困住。這種觀點很符合他一貫的風格：不悲觀、不退縮，直接面對競爭。
如果沒有 AI，NVIDIA 會變成什麼？
訪談最後，Patel 問了一個很有意思的假設題：如果深度學習革命沒有發生，NVIDIA 現在會在做什麼？
黃仁勳的回答幾乎是整場對談的總結。他說，即使沒有 AI，NVIDIA 仍然會很大，因為公司本來就在做加速運算。當通用計算的效率逐漸到頂，很多科學、工程、物理與資料處理工作都需要新的計算方式來突破瓶頸。NVIDIA 的任務，就是用 GPU 與 CPU 的協同設計，去加速那些原本無法有效運算的工作負載。
這也解釋了為什麼他一直強調，NVIDIA 不只是 AI 公司。從運算微影到量子化學，從地震處理到醫學影像，從模擬到資料分析，很多非 AI 領域同樣需要加速運算。AI 讓 NVIDIA 變得更大，但並沒有改變它的本質。它本來就是在解決計算問題，只是 AI 把這個問題推到了更大的舞台上。
從這場對談可以得到什麼啟發？
這場對談最值得注意的地方，不只是黃仁勳如何替 NVIDIA 辯護，而是他如何重新定義「護城河」這個詞。很多人覺得護城河是某個單點優勢，例如：晶片更快、軟體更強、毛利更高。但黃仁勳的觀點更像是一個系統論：護城河不是某一層，而是整個生態系的共振。
他真正想傳達的訊息是，AI 不是一門純粹的軟體生意，也不是單靠硬體規格就能決勝的產業。它需要晶片、能源、製造、供應鏈、雲端、模型、開源社群、開發者與地緣政治的共同配合。誰能把這些元素整合起來，誰就不只是賣產品，而是在定義下一個時代的基礎建設。
換個角度看，這場訪談也提醒我們：當一個產業快速擴張時，真正重要的通常不是「某個技術能不能被複製」，而是「整個系統能不能一起複製」。NVIDIA 的可怕之處，不只是它有最強的晶片，而是它已經把晶片、軟體、供應鏈與市場敘事綁成一個很難拆開的整體。
所以，黃仁勳並不是在回答一個簡單的護城河問題。他其實在說：AI 的競爭，從來不是單點競爭，而是整個人類文明級別的基礎設施競爭。
【延伸閱讀】
