當華爾街在計算 Nvidia (NVDA) 每季賣出多少張 H100 顯卡時，資深的科技投資人更在意的是另一件事：客戶是否還有「跳槽」的選擇權？
根據 PatentPC 與多家研調機構的數據，Nvidia 在 AI 加速器市場的市占率高達 80% 以上。這驚人的壟斷地位，並非僅靠硬體效能，而是建立在一道耗時 17 年打造的軟體高牆——CUDA 生態系。
本文將解析 CUDA 如何綁架開發者，以及這道護城河正面臨哪些來自 Google、Amazon 與開源社群的挑戰。
本文重點速覽
-
CUDA 是隱形壟斷：Nvidia 的市占率 80% 不只來自晶片快，更因為全球數百萬 AI 開發者都習慣用 CUDA 寫程式。轉換平台的時間成本極高，這是對手難以跨越的壁壘。
-
專利與生態雙重鎖定：根據 PatentPC 報告，Nvidia 在 GPU 與 AI 相關專利數量的壓倒性優勢，強化了 CUDA 的排他性，讓開發者與企業難以繞過。
-
雲端巨頭的「去 CUDA 化」行動：雖然目前市場依賴 CUDA，但 Google (TPU)、Amazon (Trainium) 正透過自研晶片與 PyTorch/Triton 等開源軟體，試圖在「推論 (Inference)」階段打破 Nvidia 的壟斷。
1. 數據說話：80% 市占率背後的真相
根據 PatentPC 與 Jon Peddie Research 等機構的近期數據顯示，在資料中心 AI 加速器領域，Nvidia 掌握了約 80% ~ 90% 的市場份額，剩餘的殘羹剩飯才由 AMD (Instinct系列) 與 Intel (Gaudi系列) 分食。
為什麼 AMD 的晶片硬體規格（如記憶體頻寬）有時甚至優於 Nvidia，但市占率卻始終拉不起來？
答案就是 CUDA (Compute Unified Device Architecture)。
什麼是 CUDA？
它不是硬體，它是 Nvidia 在 2006 年推出的平行運算平台與編程模型。簡單來說，它是讓工程師能指揮 GPU 做事的「語言」。
-
先發優勢：Nvidia 耕耘了近 20 年，累積了龐大的函式庫 (Libraries)。
-
人才壟斷：現在大學裡的 AI 課程，教的都是基於 CUDA 的架構。全球數百萬名 AI 工程師，幾乎都是「原生 CUDA 使用者」。
2. 護城河有多深？誰被 CUDA 綁架了？
要理解 CUDA 的護城河，我們必須看兩大類使用者的依賴程度：
A. 獨立開發者與學術界 (依賴度：極高)
對於研究人員或新創公司來說，「時間就是金錢」。
目前 GitHub 上絕大多數的開源 AI 模型與程式碼，都是針對 CUDA 優化的。如果為了省錢買 AMD 的卡，工程師可能要花好幾個禮拜去解決軟體相容性問題 (Debug)。
-
結論：只要 CUDA 還是開發首選，Nvidia 的卡就是剛需。
B. 雲端巨頭 CSP (依賴度：高，但在鬆動)
Microsoft、Google、AWS 雖然大買 Nvidia 顯卡，但那是因為他們的客戶 (租用算力的企業) 指名要 Nvidia。
-
現況：為了滿足客戶，CSP 必須提供 Nvidia GPU。
-
變數：CSP 為了省錢，正在推動「自研晶片」。
3. 誰在攻擊護城河？潛在的侵蝕風險
雖然 CUDA 看似無敵，但市場上已經出現三股勢力正在嘗試「填平」這條護城河。投資人必須密切觀察這些技術的發展：
挑戰 1：雲端巨頭的 ASICs (自研晶片)
Google 的 TPU、AWS 的 Trainium 和 Inferentia、微軟的 Maia，這些都是針對特定 AI 任務設計的專用晶片 (ASIC)。
-
優勢：Google 內部的 AI 模型 (如 Gemini) 訓練與推論，早已大量使用自家的 TPU，完全不需要 CUDA。
-
影響：這會吃掉 Nvidia 在「超大型科技公司內部運算」的市占率。
挑戰 2：PyTorch 2.0 與 Triton (軟體抽象層)
這是最致命的威脅。Meta 開發的 PyTorch 和 OpenAI 開發的 Triton，正在成為新的標準。
-
目的：讓開發者只要寫好 Python 程式碼，底層不管是跑在 Nvidia、AMD 還是 Intel 的晶片上，都能自動轉換。
-
意義：一旦軟體能完美跨平台，硬體就會變成「大宗商品 (Commodity)」，Nvidia 的溢價能力將會下降。
挑戰 3：UXL 基金會 (反 Nvidia 聯盟)
由 Intel、Google、Arm、Qualcomm 組成的 UXL 基金會，致力於開發一套開源軟體 (基於 OneAPI)，目標是讓電腦程式碼可以在任何機器上運行，擺脫對 CUDA 的依賴。
4. 投資觀點與總結 (表格比較)
CUDA 的護城河短期內依然固若金湯，但長期的裂痕已經出現。
| 比較項目 | 訓練 (Training) | 推論 (Inference) | 投資啟示 |
|---|---|---|---|
| Nvidia (CUDA) 優勢 |
絕對統治 (90%+) 訓練新模型需要極高算力與穩定性，沒人敢冒險換掉 Nvidia。 |
強勢但可被替代 (70%) 模型訓練好之後，只要能跑得動，客戶對硬體品牌忠誠度較低。 |
短期 (1-3年)：Nvidia 營收無虞，因為訓練需求仍大於推論。 長期：需關注推論市場是否被 ASIC 瓜分。 |
| AMD (ROCm) 現況 |
追趕中 軟體相容性已有進步，MI300 系列開始獲得微軟等客戶採用。 |
具競爭力 性價比高，適合大規模部署。 |
若 AMD 能證明 ROCm 穩定性，股價有補漲空間。 |
| 自研晶片 (ASIC) 現況 |
封閉系統為主 Google TPU 主要自用，不對外販售。 |
快速成長 成本最低，將是未來 AI 應用落地的首選。 |
雲端巨頭 (Google/Amazon) 的資本支出效率會提升，對 Nvidia 毛利率構成壓力。 |
如何購買 Nvidia 的股票？
想買 Nvidia 超簡單，只要有一個美股帳戶就搞定！
推薦你使用 口袋證券，不僅有超優惠的手續費，使用「台幣也能交易美股」，不用另開銀行戶，無論是新手或老手，都能輕鬆投資！
👇點擊下方了解手續費👇
🔥 口袋證券手續費率超划算！
📌 電子下單：交易總額 0.12%（最低3美金）
📌 美股存股：交易總額 0.1%（最低0.1美金）
📌 人工下單：交易總額 1%（最低50美金）
-
用 5 分鐘開口袋證券帳戶，填資料、驗身份。
-
直接下單買 Nvidia：
-
打開App「下單匣」，輸入「NVDA」下單（可選擇市價單或限價單）。
-
想要更輕鬆的存股？到 App 內「口袋存股」，搜尋「NVDA」設定扣款金額和頻率，一鍵搞定！
-
⚠️ 小提醒：美股採「圈存」制，下單前請確認口袋錢包有足夠餘額喔！
給投資人的結論
Nvidia 的 80% 市占率，在未來 2-3 年內因「AI 模型訓練」的剛性需求，難以被撼動。
但隨著 AI 進入「推論應用期」 (大家開始用 AI 而不是只在造 AI)，以及 PyTorch 等軟體讓跨平台變容易，Nvidia 的護城河寬度可能會慢慢收窄。
投資 NVDA，現在買的是它的「效能壟斷」，未來要看的是它能否轉型成「AI 雲端服務 (NIMs)」來維持軟體黏著度。
常見問題 (FAQ)
Q1：什麼是 CUDA？為什麼它這麼重要？
CUDA 是 Nvidia 開發的一種軟體平台，讓工程師可以用程式碼指揮 GPU 進行複雜運算。因為它最早推出、功能最完整，全球數百萬工程師都學它，導致現在所有的 AI 軟體幾乎都依賴它運作。
Q2：AMD 的晶片不能跑 CUDA 的程式嗎？
不能直接跑。AMD 有自己的平台叫 ROCm (HIP)，雖然它提供工具可以把 CUDA 程式碼「翻譯」過來，但這個過程常會出現 Bug 或效能打折。這就是為什麼大家還不敢大規模換用 AMD 的原因。
Q3：Google 和 Amazon 自研晶片會打敗 Nvidia 嗎？
在「通用市場」很難，但在「自家資料中心」會取代一部分。Google 做 TPU 是為了自己用，不對外賣卡；Nvidia 則是賣卡給全世界。所以兩者是局部競爭，Nvidia 仍保有廣大的企業與開發者市場。
Q4：投資 Nvidia 最大的風險是什麼？
不是 AMD 超越它，而是 「軟體不再依賴硬體」。如果有一天，透過 PyTorch 或 OpenAI 的軟體，讓 AMD 的卡跑起來跟 Nvidia 一樣順，那 Nvidia 就不能再賣這麼貴了，毛利率會從現在的 75% 大幅下滑。
