本期是通俗易懂大模型第十二期，感谢大家持续关注。

最近，受中美GS战的影响，英伟达的日子不好过，4月17日英伟达跌近7%，市值蒸发1.3万亿元。英伟达CEO黄仁勋时隔三个月，于4月17日再次到访中国，与何立峰副总理会谈，明确表明希望继续与中国保持良好合作。

虽然受GS战影响，英伟达在中国市场的未来发展具有许多不确定性，但英伟达在当今世界在AI芯片领域依旧是当之无愧的龙头，甚至可以说是处于垄断地位。

对此许多人不清楚，为何英伟达这么牛，不就是一个显卡么，用别家的不行么？

针对这个问题，在第九期的时候，我们就重点讲了什么是CPU、GPU、算力，也提到了一下英伟达的CUDA软件生态构建了开发者护城河显卡，使得目前在市场上一家独大，本期我继续用最通俗易懂的语言给大家详细讲一讲。

1、先说一下英伟达的CUDA是什么？

按照惯例先说一下官方解释：CUDA，英文全称为Compute Unified Device Architecture（中文直译为计算统一设备架构），是英伟达开发的并行计算平台和编程模型，核心功能是让开发者通过GPU（显卡）进行通用计算，而不仅是图形渲染。

是不是有点不太理解，下面用通俗易懂的语言给大家解释一下：

实则，可以理解为，CUDA是英伟达为自家显卡设计的“任务分发助手”，通过任务拆分+并行执行的机制，将GPU的计算潜力释放到极致。CUDA让CPU（像指挥官）把大量重复计算任务拆解成小块，分发给GPU（像无数小工）并行处理，让它们同时开工，最终实现计算加速。

为了更便于大家理解，这里列举一个快递分拣场景的例子：

• CPU 是快递分拣调度员，负责规划分拣路线、协调流程（复杂逻辑）。
• GPU 是成百上千的分拣工人，每人处理一个小包裹（简单重复任务）。
• CUDA 就是一套让调度员快速分配包裹、工人高效协作的操作系统。

二、CUDA为何能垄断显卡市场？不用CUDA，用别家的产品不行么？

先说结论，CUDA的垄断 = 技术早熟 + 生态闭环 + 用户惯性。就像你明知微信有缺点，但周围人都在用，你也只能接着用。目前不用CUDA的替代方案要么性能打折，要么生态残缺，短期内无法动摇英伟达的垄断地位。

为什么会这样呢？主要有以下缘由：

1、英伟达先发优势与构建的生态壁垒

英伟达2006年推出CUDA，比AMD和英特尔早布局十余年。早期通过免费工具包、高校合作培养开发者，形成庞大用户基础。

英伟达前后累计投入超百亿美元构建和优化用户生态，仅2023年就有400万开发者使用CUDA。这就使得开发者习惯了CUDA的编程工具和优化方案，就像用惯了微信后很难换成其他社交软件一样。

2、英伟达将软件、硬件进行了深度绑定

英伟达显卡与CUDA工具链（如编译器、调试器）高度集成，CUDA只能运行在NVIDIA显卡上，而NVIDIA通过长期技术迭代，把显卡硬件设计得和CUDA软件完美配合。例如，RTX 4090显卡有16384个CUDA核心，专门为并行计算优化。也就是你要用我的显卡，必须用我的CUDA，用别家的不行。

并且，英伟达还将软硬件的性能优化到最佳，CUDA针对英伟达显卡进行了深度优化，让其他厂家难以复制也难以达到。这一点很厉害，不仅仅深度绑定，还将性能拉到了别人难以企及的高度，别人看不惯英伟达的垄断，但又PK不过它。

3、由CUDA迁移到其他平台成本极高，形成开发者强依赖

目前CUDA的库（如cuDNN、cuBLAS）已经和主流AI框架（PyTorch、TensorFlow）深度集成，主流AI框架（如PyTorch）默认支持CUDA，如果一个AI公司用CUDA开发了模型，想换成其他平台需要重写代码、重新适配硬件，相当于把房子拆了重建，成本极高。

这样对于用户来讲，只要前期用了英伟达的显卡，再想替换其他的厂商产品，前期的投入基本都白费了，得从头再来。

4、英伟达的竞争对手目前一个能打的都没有，基本没有成熟的替代方案

AMD的OpenCL虽然推出HIP方案，开源免费也支持多种显卡，但需开发者重写代码、编程复杂，且性能落后30%以上，远远不如CUDA。

第三方兼容方案远远还不够成熟，列如英国公司SpectralCompute开发的SCALE工具包，能让AMD显卡运行CUDA程序，但需要替换底层库，且目前仅支持部分应用。类似“翻译器”，虽然能用，但会让性能损失约20-30%。

英特尔、谷歌等公司想搞开源生态替代CUDA，但目前连技术标准都没定完。

这就像一群人说要造新手机系统挑战安卓，但连应用商店都没建好，现阶段这种局面，根本无法跟英伟达抗衡。

三、对于中国来讲未来挑战与机遇是什么？如何打破英伟达的垄断？

4月20日有一条新闻，说英伟达的GeForce RTX 5090D显卡对中国市场进行了出口管制，暂停该显卡在中国的销售。

这对于中国人工智能产业是一种“算力卡脖子”行为，也就是中国想买，人家还不卖，这对于中国来讲面临着必定的挑战，也带来了机遇。

第一，说一下面临的挑战：

• CUDA生态已形成类似iOS的闭环体系，全球超过2000万开发者依赖其工具链（如cuDNN、TensorRT等），中国AI企业若另起炉灶需重构整个软件栈。
• 国产GPU（如华为昇腾、壁仞）虽在算力上能追赶，但驱动层与CUDA不兼容，软件生态难以在短时间内复用，还有很长的路要走。
• 中国90%以上AI工程师仅掌握CUDA编程，底层硬件指令（如PTX）和异构计算开发能力稀缺，要打破英伟达的垄断，高端技术人才的培养迫在眉睫。

其次，再说一下中国的机遇：

正如美国前两年制裁华为一样，经过几年的努力，华为还是冲破了美国的围追堵截，这就应了一句话：凡是打不倒咱们中国人的，就必定会被有力的反击。显卡这一关信任也是一样的。

那具体如何逐步打破英伟达的垄断情况呢：

• 底层技术搞创新，突破 CUDA 抽象层，就像 DeepSeek 团队通过 PTX 编程直接控制英伟达 GPU 的硬件指令，做到了比 CUDA 更细致的优化，给未来适配国产 GPU 攒下了技术方面的储备。
• 基于开源指令集构建AI芯片生态（如Wormhole系列），单卡算力达262T，性价比超英伟达A100芯片10倍。
• 中国占全球AI芯片采购量25%，抓住国产替代政策风口，以市场需求为牵引，扩大内需，支撑独立生态孵化。列如中国计划2025年前将政府采购中国产AI芯片比例提升至70%，倒逼生态完善。

总结来看，CUDA的垄断源于技术先发优势+生态闭环+市场需求的三重叠加，短期内难以被颠覆。对于中国来讲，突破CUDA垄断需在 底层技术攻坚（如PTX级编程）、开源生态共建（RISC-V+AI）、政策市场协同 三方面发力。

尽管短期内难以完全替代CUDA，但信任通过差异化竞争（如低功耗场景优先突破）和算力基建“去英伟达化”，可能在5-10年内形成独立生态。