CUDA 護城河還守得住嗎?輝達真正的長期挑戰,不只是黃仁勳風波

CUDA 護城河還守得住嗎:輝達真正的長期挑戰(文章封面)

AI 新知趨勢 / 資料更新至 2026 年 11 月 11 日

10 月 6 日,輝達股價還站在一年來的高點;一個多月後,它已經把 2026 年的漲幅全部吐回去,全球市值排名也從第二掉到第三。最近兩天的急跌,直接導火線是執行長黃仁勳承認婚外情、對象被美方懷疑與中國情報單位有關。

但如果只看八卦,會錯過更重要的問題。網路上有一種說法:輝達真正的危機不在老闆的私生活,而在它最引以為傲的 CUDA 軟體護城河正被一點一點侵蝕,理由有兩個:第一,替 AI 軟體生態出力的工程師,多半來自輝達的大客戶,而這些客戶同時也是競爭對手;第二,用輝達 GPU 訓練出來的 AI 會寫程式,會讓「搬離 CUDA」越來越便宜。

這篇把這個觀點拆成五個說法,逐一拿數據與一手資料查證:哪些成立、哪些需要修正、哪些還有爭議。

30 秒看重點

約 18%

輝達 11 月以來股價跌幅(截至 11/10 午盤),2026 年漲幅全數抹去

逾 4,000 億

美元:風波曝光後兩個交易日蒸發的市值,排名退到蘋果、微軟之後

2,159 億美元

輝達 2026 會計年度營收,年增 65%;生意本身沒有垮

約八成

輝達在 AI 加速晶片的估計市占,仍是絕對龍頭

45% 對 16%

2026 年客製 AI 晶片預估成長率,對比 GPU 出貨成長

資料:Decrypt、中央社、輝達股東會、市場研究機構估計、TrendForce,詳見文末資料來源。

01先把事件說清楚:股價在風波前就已經在跌

「輝達潰敗」這四個字,要先分清楚指的是股價還是生意。生意面,輝達 2026 會計年度營收 2,159 億美元、年增 65%,其中資料中心就佔 1,937 億美元;跌的是股價與市場信心。而股價的下跌,其實分成兩段:

2026 年 10 月 6 日

收盤 239.24 美元,52 週新高

之後一路走弱,10 月成為今年表現最差的月份。

10 月 7 日到 11 月 5 日

一個月跌約 23.5%

同期 S&P 500 只跌約 5.7%。市場擔心美國期中選舉後資料中心投資放緩,11 月 5 日晶片股全面重挫,輝達單日跌 9.3%。

11 月 5 日

眾議院三位委員會主席要求閉門簡報

要求黃仁勳說明與 Megaspeed 高層黃樂(Alice Huang)的往來,以及輝達防範外國間諜的措施。

11 月 8 日(週日)

董事會宣布獨立調查

黃仁勳在給員工的信中承認對婚姻不忠。董事會表示「沒有理由認為國家安全或輝達機密受到損害」,黃仁勳調查期間續任。

11 月 9 日(週一)

收 178.67 美元,跌 4.27%

當天大盤收紅、半導體股普遍反彈,輝達是費城半導體指數成分股中唯一收跌的一檔。

11 月 10 日(週二)

收約 169 美元,再跌約 5.5%

兩天市值蒸發逾 4,000 億美元,被微軟超越,退居全球市值第三。

要記得

目前的指控來自媒體引述未具名的美國情報官員,黃樂是否替中國情報單位工作、是否有任何機密外流,都尚未經證實。輝達表示黃仁勳與客戶高層見面是正常業務,區域雲端客戶拿到的只是一般商業資訊;新加坡內政部也否認曾調查此事。調查結果出來之前,任何結論都言之過早。

所以「這次重挫不是因為國安」的說法,只對了一半。對的部分是:風波前一個月股價已經跌了兩成多,市場對 AI 投資過熱、客戶自製晶片的疑慮早就存在。不對的部分是:11 月 9 日、10 日大盤反彈、輝達獨跌,時間點直接指向這起風波;而國安正是它嚴重的原因,因為分析師擔心,美國政府可能藉此收緊高階晶片的海外銷售限制。

看數據,先看定義

「股價跌兩成」和「公司衰退兩成」是兩回事。前者反映市場對未來的預期與恐慌,後者要看營收、毛利與訂單。輝達本月稍後公布的財報,才是檢驗基本面的關鍵。

02CUDA 本體是輝達的,客戶掌握的是上面那一層

CUDA 是輝達 2006 年推出的平台,讓工程師能用 C/C++ 指揮 GPU 做大量平行運算。二十年下來,它累積了 cuDNN(深度學習)、NCCL(多卡通訊)等大量最佳化函式庫,大學在教、論文在用、企業在招人,這就是所謂的護城河:換平台不只是改程式,還要重新訓練團隊、重新驗證效能。

原觀點說「對 CUDA 函式庫有貢獻的工程師多半來自客戶」,這句需要修正。CUDA 本體是輝達的閉源平台,主要由輝達自己的工程師開發。真正由客戶主導的,是 CUDA 上面那一層:

AI 程式是怎麼跑到晶片上的?應用與模型ChatGPT、Claude、Gemini、企業自己的 AI 服務開發框架PyTorch(Meta)・JAX(Google)・Triton(OpenAI)底層平台CUDA(輝達)・ROCm(AMD)・XLA(Google TPU)晶片硬體輝達 GPU・Google TPU・AWS Trainium・AMD MI450大客戶自己掌握工程師多在這層寫程式換晶片的成本上層框架支援越多晶片換掉下面兩層就越不痛
圖 1 AI 運算的四層技術堆疊(示意)。CUDA 在第三層,多數工程師日常寫程式的框架在第二層
開發框架主導者對換晶片的意義
PyTorch
最多人用的深度學習框架
Meta 開發,現由 Linux 基金會旗下的 PyTorch 基金會管理同一份模型程式可以跑在 GPU、AMD、部分 TPU 上
JAX/XLA
Google 的框架與編譯器
GoogleGemini 系列主要在 TPU 上訓練,不依賴 CUDA
Triton
寫 GPU 核心程式的語言
OpenAI用類似 Python 的寫法產生高效程式,也支援 AMD GPU

資料:各專案官方說明;Triton 支援 AMD 參見 AMD ROCm 技術部落格(2026)。

換句話說,原觀點的精神是對的,只是位置要放準:大客戶貢獻的是「抽象層」,而抽象層越成熟,底下用哪家晶片就越不重要。DeepSeek 就曾為了榨出效能,繞過 CUDA 的標準寫法、直接改寫更底層的 PTX 指令;能做到這件事的團隊,本來就不會被 CUDA 綁死。

付最多錢的客戶,往往也是最不受 CUDA 綁住的客戶。

——產業分析電子報 ARPU,〈The Wrong Nvidia Moat〉

03最大的客戶,正在變成最強的對手

輝達的營收高度集中在少數大型雲端與 AI 公司,而這些公司這兩年動作頻頻:

1

Google 開始對外賣 TPU

Anthropic 承諾使用最多 100 萬顆 TPU,2027 年起再加約 3.5 GW 新一代 TPU 算力;Meta 也簽下數十億美元合約。

2

OpenAI 與 AMD 簽下 6 GW 合約

第一批 1 GW 的 MI450 預定 2026 下半年開始部署,AMD 並發給 OpenAI 最多 1.6 億股的認股權。

3

微軟做 CUDA 轉 ROCm 工具

據報微軟內部已有工具,把 CUDA 模型轉成能在 AMD GPU 上跑的版本,主要用在推論。

4

AWS 自製 Trainium

Anthropic 公開表示採多平台策略,同時使用 Google TPU、AWS Trainium 與輝達 GPU。

2026 年,哪一種 AI 晶片長得比較快?

市場研究機構 TrendForce 對 2026 年出貨成長的預估

客製 AI 晶片(TPU、Trainium 等 ASIC)

+45%

GPU

+16%

※ 長條長度以 45% 為滿格換算。成長率高不代表總量大:GPU 的基數仍遠大於客製晶片。

看懂這個數據

黃仁勳曾在 Podcast 中說,TPU 的成長幾乎全部來自 Anthropic 一家,是「特例,不是趨勢」,也坦承當初沒有早點投資 Anthropic 是策略失誤。換個角度看:只要再多一兩家像 Anthropic 這樣的大客戶分散採購,「特例」就會變成趨勢。

值得注意的是,這些客戶多半是「加買」而不是「換掉」。OpenAI 簽 AMD 的同時,也和輝達簽了至少 10 GW 的合作意向,輝達還表示將投資 OpenAI 最多 1,000 億美元。護城河沒有被填平,而是被架起了好幾座橋。

04AI 寫程式會讓搬家成本變低,但還不會歸零

原觀點的第二個理由:AI 越會寫程式,把 CUDA 程式改寫成其他平台的成本就越低。這個方向有實際證據:

研究或工具做了什麼結果
DRTriton
2026 年學術論文
訓練模型把 PyTorch 程式轉成 Triton 核心程式在 KernelBench 第三級題目正確率 76%,54% 比原始 PyTorch 快
AMD GEAK
AMD 官方 AI 代理
自動產生並最佳化跑在 AMD GPU 上的 Triton 程式在 AMD 自家基準上,平均加速數倍
HIPIFY
AMD 轉換工具
把 CUDA 的 API 呼叫自動換成 AMD 的版本AMD 宣稱約 95% CUDA API 有對應

資料:arXiv 2603.21465、AMD ROCm 技術部落格、AMD 官方遷移指南。基準測試由各自團隊執行,條件不同,不宜直接互相比較。

也有分析師直言,既然 AI 能把老舊的 COBOL 系統翻成 Java,搬離 CUDA 也會越來越容易。

但「變便宜」和「變免費」差很遠。第一,GPU 程式最難的不是寫出來,而是證明它算得對又真的比較快;2025 年初就有 AI 自動寫 CUDA 的專案宣稱加速百倍,後來被發現是 AI 鑽了評測漏洞,團隊公開致歉更正。第二,剩下那一小部分轉不過去的程式,往往正是最關鍵、最吃效能的部分。第三,AI 寫程式這把刀是雙面的:輝達自己也用 AI 加速 CUDA 開發,新功能推出得更快。

要記得

遷移成本下降,最先受惠的是有能力自建團隊、又有足夠採購量去談價的大公司。對一般企業來說,買雲端算力時選哪家晶片,多半由雲端業者決定,自己很少需要碰 CUDA。

05輝達該變成雲端業者嗎?它其實已經試過了

原觀點最後提出:如果美國雲端市場要「天下三分」,輝達應該自己當雲端服務商,而不只是賣晶片。這個想法有它的道理,也有輝達自己的經驗可以對照。

輝達確實是一家「看到機會就全力衝」的公司:2018 年前後的挖礦熱潮帶來大量顯卡需求,退潮後庫存堆積,2022 年還因為沒有充分揭露挖礦對營收的影響,被美國證管會罰款 550 萬美元;2019 年宣布收購網通公司 Mellanox,補齊資料中心網路;2020 年想以 400 億美元收購 Arm,因各國反壟斷審查在 2022 年放棄;2025 年底又以授權加延攬人才的方式,與推論晶片新創 Groq 達成據報約 200 億美元的交易。

雲端也試過。2023 年推出的 DGX Cloud,一台 H100 主機月租高達 36,999 美元,當時靠缺貨撐得住;等到 AWS 等業者大幅降價,優勢就消失了。2025 年起,DGX Cloud 改以內部研發使用為主,輝達轉而推出 Lepton,把各家雲端的 GPU 放到同一個平台媒合,角色從「對手」退回「仲介」。

支持「輝達做雲端」的理由

直接接觸最終客戶,不必看雲端大廠臉色;把晶片、網路、軟體綁成完整服務,客戶更難離開;雲端是長期訂閱收入,比賣硬體穩定。

反對的理由

最大的晶片買家就是雲端大廠,與客戶正面競爭等於逼他們更快自製晶片;雲端要蓋機房、買電、做客服,獲利率遠低於晶片;DGX Cloud 的退場已經證明這條路不好走。

目前輝達選的是第三條路:不自己當雲端,而是賣「整座 AI 工廠」,從晶片、網路、機櫃到軟體一次打包,搭配投資 CoreWeave 這類新興雲端業者,讓客戶最快把算力上線。換句話說,它的護城河正從「CUDA 軟體」轉向「整套系統加上交貨速度」。

但,輝達也沒那麼容易倒

把壞消息排在一起,很容易得出「輝達完了」的結論。持平來看,幾個事實同樣重要:

仍是絕對龍頭

多家機構估計輝達在 AI 加速晶片的市占仍約八成;新一代 Vera Rubin 已進入量產。

營收仍在成長

2026 會計年度營收年增 65%。股價下跌主要反映預期與信心,不是訂單消失。

對手也有瓶頸

AMD、Google 同樣受限於台積電產能、高頻寬記憶體與電力,不是想擴產就能擴。

風波可能促成改革

分析師指出輝達幾乎由黃仁勳一手主導、沒有明確接班人;這次調查可能推動接班與治理制度化。

風險同樣真實:調查結果、國會是否傳喚、美國是否收緊出口管制,以及股東訴訟,都還在發展中。這篇文章不構成投資建議,判斷前請以官方公告與正式財報為準。

五個說法,查證後的判斷

原本的說法查證後判斷
CUDA 護城河沒有想像中強最大客戶已能繞過或分散採購;一般企業仍高度依賴,市占約八成部分成立
CUDA 的貢獻者多來自客戶CUDA 本體由輝達開發;客戶主導的是上層開源框架需要修正
AI 寫的程式會逐步取代 CUDA遷移成本確實在降,但驗證仍難,AI 也同樣幫助輝達方向成立
這次重挫不是因為國安風波前已跌兩成多;但急跌時間點與獨跌指向風波,國安是風險來源過度簡化
輝達應該當雲端業者2023 年試過 DGX Cloud,2025 年轉內部使用、改做媒合平台仍有爭議

資料:本文各章節引用之來源,查證時間 2026 年 11 月 11 日。

我們可以從這件事學到什麼

大公司的新聞常常同時混著八卦、股價和產業結構三種訊號。練習把它們拆開看,是 AI 時代很實用的資訊素養:

1

先分層

這則新聞講的是個人、公司經營,還是整個產業?三者的影響時間長短完全不同。

2

看時間軸

把事件和數據按日期排好,常會發現「原因」其實在事件前就已經出現。

3

找一手來源

董事會聲明、財報、官方公告優先,媒體引述的匿名消息要標記「尚未證實」。

學生

想學 GPU 程式,先把 Python、PyTorch 和平行運算的觀念學好;底層平台會換,觀念帶得走。

上班族

工作上用 AI 工具,不必擔心晶片之爭;但懂得分辨新聞裡的事實、推測與情緒,能少做很多錯誤判斷。

企業主

導入 AI 時避免綁死單一供應商:模型、雲端都保留可替換的彈性,比價與議價空間就會大很多。

這也是探教育一直相信的事:與其追著新聞跑,不如培養自己看懂新聞的能力。點燃學習動機的火把,讓數位科技成為學習的好夥伴,而不是焦慮的來源。

本文重點

  1. 輝達股價在風波前一個月已跌兩成多,婚外情與國安疑雲讓跌勢加速;營收本身仍在成長。
  2. CUDA 本體是輝達的閉源平台;大客戶主導的是 PyTorch、JAX、Triton 等上層框架,這一層讓換晶片變容易。
  3. Google、AMD、微軟、AWS 都在提供 CUDA 以外的選擇,但大客戶多半是加買而非全面換掉。
  4. AI 寫程式讓遷移成本下降,但驗證正確與效能仍難,也同樣幫助輝達自己。
  5. 輝達做過雲端(DGX Cloud)並已退回媒合角色;它的護城河正轉向整套系統與交貨速度。

想一想

如果你是一家中型企業的 IT 主管,明年要採購 AI 算力,你會選擇「全部用最成熟的輝達方案」,還是「刻意分散到兩家以上供應商」?各要付出什麼代價?

資料來源

  1. 中央社(2026/11/11)。黃仁勳出軌拖累輝達重挫逾6% 市值急縮落後蘋果與微軟
  2. Anadolu Agency(2026/11/9)。Nvidia board opens independent probe into foreign intelligence targeting of CEO Jensen Huang
  3. Decrypt(2026/11/10)。Nvidia Erases 2026 Gains as Republicans Threaten Jensen Huang With Subpoena
  4. Trefis(2026/11/6)。What Sent NVIDIA Stock Lower?
  5. The Motley Fool(2026/11/10)。Nvidia Stock Plunges 5.5% as CEO Scandal Overshadows Its Upcoming Earnings Report
  6. VOCO News(2026/11/10)。黃仁勳認婚外情後輝達股價暴跌逾4% 股東集體提告求償
  7. 自由財經(2026/11/10)。輝達最大危機來了?黃仁勳爆醜聞恐丟CEO職位
  8. 經濟日報(2026/11/9)。輝達股價Robinhood夜盤挫3.7% 黃仁勳桃色風暴延燒
  9. Let’s Data Science(2026/11)。House Chairs Ask Nvidia CEO Jensen Huang for Closed-Door Briefing
  10. eeNews Europe(2026/11)。Jensen Huang spy plot allegations and Megaspeed
  11. 旺得富/中時(2026/6/25)。輝達 2026 年股東會:年度營收與資料中心營收
  12. OpenAI(2025/10/6)。AMD and OpenAI announce strategic partnership to deploy 6 gigawatts of AMD GPUs
  13. The Next Web(2026)。Google is building a four-partner chip supply chain to challenge Nvidia in AI inference
  14. Pasquale Pillitteri(2026/4)。Nvidia vs Google TPU: How the AI Chip Competition Is Reshaping the Market
  15. Wccftech(2025/11)。Microsoft Has Reportedly Developed Toolkits to Break NVIDIA’s CUDA Dominance
  16. Tom’s Hardware(2025/9)。Nvidia steps back from DGX Cloud
  17. ARPU。The Wrong Nvidia Moat
  18. Analytics India Magazine(2026)。For NVIDIA, 2026 Is All About Holding Ground
  19. arXiv 2603.21465(2026)。DRTriton: Large-Scale Synthetic Data Driven Reinforcement Learning for Triton Kernel Generation
  20. AMD ROCm 技術部落格。GEAK-Triton v2 Family of AI Agents
  21. AMD。Migrating from CUDA to AMD ROCm: Which Path Is Right for You?
  22. 工商時報(2026/3/17)。輝達 GTC 2026 重點:Vera Rubin 量產、Groq 授權交易

本文封面插圖為 AI 生成的示意圖,內文圖 1 為程式繪製的示意圖。本文僅供學習參考,不構成任何投資建議。


Edit with Tr.Bug

Follow me on:LinkedIn | 探教育TempEDU