NVIDIA 的三層護城河：當限制變成優勢，黃仁勳如何鎖定 AI 時代

本文整理自 Morgan Stanley TMT Conference 2026 年 3 月播出的單集。

{{< youtube xv7UVAfyebk >}}

---

限制是 NVIDIA 最好的朋友

當 Morgan Stanley 分析師問到 AI 經濟面臨的種種限制，記憶體短缺、電力許可困難、甚至電工不足，黃仁勳的回答出人意料：「我喜歡限制。」

這不是場面話。他的邏輯是這樣的：在一個資源充裕的世界裡，企業可以隨便嘗試各種方案，反正試錯成本不高。但當土地稀缺、電力受限、供應鏈吃緊的時候，你沒有浪費的餘裕。你必須做出最好的選擇，而且只能選一次。

黃仁勳把這個邏輯推到極致。如果一家公司的資料中心只有 1 吉瓦的電力配額，而且這個容量明年就要開始產生營收，你不會拿來「隨便試試」。你會選一個你確定能交付最高 tokens per watt 的架構，一個你確定能快速部署的合作夥伴，一個你確定有完整供應鏈支撐的方案。他直白地說，這三個條件同時滿足的，只有 NVIDIA。

他還提出了一個有趣的對比：對雲端服務商和軟體公司的 CEO 來說，選錯運算架構的後果，和他自己選錯晶圓代工廠沒什麼兩樣。因為所有東西都是受限的，每一個選擇都會直接影響營收。這把原本是技術部門的決策，拉高到了 CEO 必須親自過問的層級。

資產負債表就是武器

黃仁勳在談到供應鏈時，透露了一個被市場低估的戰略優勢：NVIDIA 把大量現金拿來「鎖定」整條供應鏈。

他說得非常具體：記憶體、晶圓、封裝、系統組裝、連接器、線纜，從銅到多層陶瓷電容，全部都已經預先鎖定產能。所以當微軟執行長納德拉（Satya Nadella）來找他說「幫我搞定幾吉瓦的算力」，黃仁勳的回答是「沒問題」。能說出這句話的底氣，來自於他已經把上游的每一個環節都安排好了。

這個策略的核心是信任循環。當黃仁勳去找一家 DRAM 工廠說「蓋新產線吧，我保證會用」，這個承諾幾乎等同於銀行擔保。供應商敢投資擴產，是因為 NVIDIA 的訂單規模和財務實力已經提供了足夠的安全感。反過來，NVIDIA 能向客戶承諾大規模部署，也是因為供應鏈早就到位。這是一個正向飛輪，資產負債表越強，供應鏈越穩，客戶越放心下大單，營收越高，資產負債表更強。

黃仁勳用一句話總結了這個態勢：「在所有東西都稀缺的環境下，這對我們來說太棒了。」

CUDA 生態系：33 年的複利效應

談到 NVIDIA 的長期競爭力，黃仁勳回到了他 33 年前創業的起點。加速運算（accelerated computing）本質上就是專有的。NVIDIA 的指令集不同、架構不同、微架構不同，和任何競爭對手都不相容。這不是缺陷，是設計。

為了讓開發者不需要直接面對這些底層差異，NVIDIA 花了幾十年建構 CUDA 生態系。從分子動力學到流體力學、從生物學到化學、從深度學習到機器人學，一個領域接一個領域地打通。黃仁勳說，從外面看起來好像「所有東西都被加速了」，但實際上是他一個一個領域慢慢做起來的。33 年的時間複利，讓 NVIDIA 在所有重要的計算領域都建立了生態系統。

現在 NVIDIA 正在把這個生態系進一步擴展。他投資的每一家 AI 新創公司，都是建立在 CUDA 之上。這不只是財務投資，而是在培養 CUDA 生態系的下一代成員。每多一家公司用 CUDA，生態系就更厚實，護城河就更深。

300 億美元投資 OpenAI：最後一次的機會

黃仁勳在這場談話中確認了 NVIDIA 對 OpenAI 的投資規模：300 億美元。這筆投資是 OpenAI 1,100 億美元融資輪的一部分，其他主要投資者包括 Amazon（500 億美元）和 SoftBank（300 億美元）。

有意思的是黃仁勳對這筆投資的定性。他說投資 1,000 億美元「大概不可能」，因為 OpenAI 即將上市。他的原話是：「這可能是我們最後一次有機會投資這樣一家具有重大意義的公司。」言下之意，一旦 OpenAI 在年底 IPO，NVIDIA 就沒有理由再以私募方式注入大量資金。

錢只是其中一部分。黃仁勳透露了一個市場可能還沒充分消化的訊息：NVIDIA 已經將 OpenAI 的算力容量從原本獨家的 Azure，擴展到 Oracle 雲端基礎設施（OCI），現在又擴展到了 AWS。他說 NVIDIA 正在「拼命」為 AWS 上架更多容量，好讓 OpenAI 能取得更多算力。

這個動作的戰略意義很大。OpenAI 從 Azure 獨家走向多雲架構，而 NVIDIA 在中間扮演的角色是算力容量的「擴展者」和「部署者」。不管 OpenAI 的工作負載跑在哪朵雲上，底層都是 NVIDIA 的 GPU。

Meta 超智慧實驗室：又一個「淨新增」的巨量需求

黃仁勳順帶提到了另一個推升需求的新變數：Meta 超智慧實驗室（Meta Superintelligence Labs，MSL）。這個 2025 年 6 月成立的新部門，目標是建造超越人類智慧的 AI 系統。

黃仁勳強調的重點是：MSL 是 Meta 之上的「淨新增」。NVIDIA 和 Meta 的合作由來已久，但 MSL 代表的是一整塊全新的需求。他的說法是，MSL「會需要幾百萬顆 GPU」。在 NVIDIA 的需求輪廓中，本來就已經極度飽滿的訂單量，因為 MSL 的出現又被往上推了一層。

今年 2 月，Meta 已經和 NVIDIA 簽署了多年期合作協議，計劃部署數百萬顆 Blackwell 和下一代 Rubin GPU。Meta 今年在資料中心基礎設施上的支出預計達到 650 億美元，其中包括一座擁有超過 130 萬顆 NVIDIA GPU 的超大規模設施。

物理 AI：兩年後的主角

在談話尾聲，黃仁勳把話題帶向了一個大多數人還沒充分關注的領域：物理 AI。

他的論點是：目前所有的 AI 討論都是「建築物裡面的事」。但世界上最大的產業都在建築物外面。要讓 AI 進入實體世界，它必須理解物理法則，包括因果關係、重力、碰撞、慣性、物體恆存性（你把東西藏到椅子後面，它沒有消失）。

黃仁勳宣稱 NVIDIA 在物理 AI 的每一個前沿都處於領先地位。他列舉了四個模型家族：Cosmos 是全球下載量最大的物理 AI 模型，用於模擬物理世界；Alpamayo 是自駕車 AI 模型，今年 CES 發布的 Alpamayo 1 是首個開源的大規模推理視覺語言動作模型；GROOT N2 是人形機器人基礎模型，目前在多個機器人排行榜上排名第一；在數位生物學領域，NVIDIA 的 BioNeMo 平台和 Proteina 模型也處於前沿位置。

他特別提到了 NVIDIA 和禮來藥廠（Eli Lilly）共同宣布的 AI 聯合創新實驗室，雙方將在五年內投資最高 10 億美元，設在南舊金山，讓禮來的科學家和 NVIDIA 的 AI 工程師共同工作。合作範圍涵蓋藥物發現、臨床開發、製造和商業營運，包括機器人和生產線的數位孿生。

黃仁勳給出了一個時間預測：兩年後，agentic AI 的話題會大致告一段落，因為大家都已經在用了。到那時候，物理 AI 將成為接下來十年的核心議題。

我的觀察：護城河的本質是時間

如果要用一句話總結黃仁勳在這場談話中展示的 NVIDIA 競爭策略，那就是：他把「時間」變成了最強的武器。

CUDA 生態系花了 33 年建立，不是任何競爭者能在短期內複製的。供應鏈的信任關係花了數年積累，不是砸錢就能買到的。從分子動力學到機器人學，一個一個領域打通加速運算，不是發布一顆新晶片就能追上的。

更值得注意的是，黃仁勳正在用同樣的策略佈局下一個十年。投資 OpenAI 是鎖定當下最大的 AI 應用平台，培養 AI 新創是擴展 CUDA 生態系，發展物理 AI 模型是搶佔下一個戰場的制高點。每一步都在加寬護城河，而且每一步都需要時間才能發揮效果。

對競爭對手來說，挑戰不在於追上 NVIDIA 現在的技術水準，而在於追上它 33 年來在生態系、供應鏈、客戶關係上累積的複利。黃仁勳很清楚這一點，所以他才會說限制是他「最好的朋友」，因為在資源有限的世界裡，客戶只會選最確定的選項。而 33 年的積累，就是最大的確定性。