輝達貴不貴？你在同一條 AI 供應鏈上押了五次還沒發現

有人說「高不敢買，跌下來也不敢買」。有人說「AI 就跟 5G 一樣，騙局該結束了」。也有人回覆「我 100% NVDA，一股不賣，奇蹟自來」。

我把這三則並排看。三個人都在看價格——多的看「還會漲」，空的看「已經太貴」，信仰派連看都不看。

他們問的是同一個問題：輝達貴不貴？用的是同一套算法——本益比、營收成長率、跟 AMD 的市占比較。這是分析半導體公司的框架。

但輝達的 AI 晶片毛利率超過 90%。整體毛利率 75%，營業利益率超過 60%（Q4 FY2026 數字；全年回落到 71.1% 仍比任何硬體公司都高）。蘋果 46%。英特爾全盛時期 60%。沒有一家賣硬體的公司接近 90%。

90% 毛利率是平台公司的數字。是 Visa 的數字，不是台積電的數字。

我用半導體的尺量這家公司，量到的是一個不存在的輝達。

用錯的框架算出的「太貴」或「還能漲」，結論都沒有意義。

這篇不告訴你該不該買。告訴你的是你量它的時候可能用錯了尺。

你以為護城河是晶片性能，其實是一套 4.75 億美元的軟體鎖

2007 年，輝達在聖塔克拉拉總部的停車場搭了一個帳篷，五十幾個華爾街分析師坐在折疊椅上吃三明治，一邊質問黃仁勳為什麼利潤率在下降。

他們問的全是短期數字。沒有人問他為什麼花了公司四年的研發預算去做一個叫 CUDA 的東西。

CUDA 不是一顆晶片。它是一整套讓 GPU 做通用計算的軟體平台。黃仁勳花了 4.75 億美元打造它，等於把公司三分之一的研發預算燒在一個當時幾乎沒人用的東西上。2007 年 CUDA 只有 13,000 次下載。華爾街的共識是這個平台的價值是「負數」。

輝達的硬體工程師也不高興。一個早期工程師後來回憶：「說服硬體設計師為什麼要為《毀滅戰士》的效能優化很容易，說服他們為什麼要為矩陣乘法優化就難多了。」

為什麼黃仁勳還是做了？因為 2003 年，一個叫 John Nickolls 的平行運算先驅寄了一封信給他，說摩爾定律因為電晶體的物理極限正在死亡，未來屬於平行計算。黃仁勳後來雇了他當 CUDA 的首席架構師。

CUDA 的關鍵決策是：不只放在專業卡上，放在每一張消費級顯示卡上。每個買 GeForce 打遊戲的人，都在不知不覺中補貼了 CUDA 的研發成本。內部叫它「CUDA 稅」。

這解決了軟體平台最大的問題：雞生蛋還是蛋生雞。因為每張遊戲卡都內建 CUDA，全世界的學生和研究員突然有了一台買得起的超級電腦。他們在上面寫的程式碼、建的模型、跑的實驗，全部依賴 CUDA 的函式庫。

到今天，CUDA 生態系有 300 到 500 萬開發者、300 個專業函式庫、3,700 個 GPU 加速應用程式。輝達自己有一萬個工程師專門維護這套軟體。

企業的資訊長面對的選擇是：繼續用 CUDA，還是重寫幾百萬行依賴 CUDA 函式庫的程式碼？答案很明顯。

這就是為什麼「護城河是 GPU 性能」是錯的。AMD 可以做出性能接近的 GPU。但 AMD 沒有 CUDA 生態。Google 可以做 TPU。但 TPU 上面沒有那 300 個函式庫。性能可以追，生態追不了。

Gurley 說護城河在縮小，輝達工程師說在擴大

輝達的工程師不斷重寫底層機器碼壓榨新一代晶片的效能，這些優化會自動回饋到整個 CUDA 生態，開源替代方案跟不上這個速度。一個硬體買家的說法是：輝達贏在軟體。電路追得上，軟體追不上。

你大概會覺得：那 4.75 億美元的軟體鎖，跑在每年都更強的 GPU 上，誰搬得走。

Bill Gurley 搬得走。他管 Benchmark，投過 Uber、Zillow。2024 年的 podcast 裡他拿出一個類比：CUDA 的故事讓他想起 2000 年代初期的企業軟體市場——當時 100% 的新創公司跑在 Oracle 資料庫和 Sun 伺服器上，五年之內全部換成了開源的 Linux 和 MySQL。

Gurley 的論點：開發者正在往堆疊的上層走。今天大部分 AI 開發用的是 PyTorch，不直接寫 CUDA。如果未來所有人都在 PyTorch 層工作，底下是輝達還是別家的晶片，就不重要了。

同一集 podcast，科技業高管 Sunny Madra 加重語氣：「CUDA 的護城河在推論市場不存在。」他指 Grok、Cerebras、SambaNova 在推論的性能和價格上已經超越輝達。

Gurley 這套說法的殺傷力在於：它不需要輝達做錯任何事——只需要開發者停止往底層深挖。

但黃仁勳自己反駁：輝達在推論市場的護城河反而更強。全世界的資料中心已經裝了大量輝達的舊晶片，CUDA 的向後相容讓這些舊晶片可以直接跑推論。

兩邊都聽完，我第一個反應是回頭問：他們在量同一件事嗎？

Gurley 量的是開發者往上層走的趨勢：誰在寫什麼。輝達工程師量的是底層優化的速度：誰跑得快。一個量時間軸的方向，一個量時間軸的斜率。兩個人根本在辯論不同的指標，你得先選你想賭的是哪一個。

然後 Stephen Witt 的書丟出一個讓兩邊都站不穩的東西。他在同一本書裡採訪了兩撥受訪者。一位前輝達研究員說切換 CUDA 是「巨大工程」，開發者試了通常決定「不值得」。另一位受訪者說，有時候「只要改幾行程式碼」就能從 CUDA 移到競爭對手的平台。

同一本書裡的矛盾。連採訪過輝達的人之間都沒有共識。

技術上可以切。商業上沒人敢。資訊長不會拿自己的職位去賭「可能只要改幾行」。這個膠著狀態撐得住的前提是沒有一家大客戶的自研晶片證明自己——哪一天證明了，水壩裂開不需要共識，只需要一個成功案例。

為什麼輝達的 AI 晶片能收 90% 通行費

如果輝達是晶片公司，它的毛利率應該跟英特爾或 AMD 差不多，大約 40% 到 60%。但它的 AI 晶片毛利率超過 90%。整體毛利率超過 70%，營業利益率 65%。

這不是硬體公司的數字。這是收通行費的平台公司的數字。

想像一下 Visa 和 Mastercard。它們不做任何一筆交易，不承擔任何信用風險，但每一筆刷卡消費都要經過它們的網路，它們從中抽走 1% 到 3%。輝達的位置類似：每一次 AI 模型的訓練和推論，都跑在輝達的 GPU 上。每一次輝達抽走的是 70% 到 90% 的毛利。

更驚人的是，輝達的平均售價一直在漲。一般硬體產品隨時間降價，但輝達最新的 Blackwell GB200 伺服器機櫃要價 200 萬到 300 萬美元一台。客戶當然知道它貴。他們沒有替代品。

一個華爾街分析師說：「AI 領域正在打仗，而輝達是唯一的軍火商。」

但收通行費的公司有一個歷史上反覆出現的問題：當通行費高到一定程度，使用者就會開始找繞路的方法。而輝達的四個最大客戶，恰好是全世界最有能力自己修路的公司。

四個最大的客戶才是威脅

Google 在做 TPU。Meta 在做 MTIA。Amazon 在做 Trainium。Microsoft 在做 Maia。

這四家公司同時是輝達最大的買家和最積極的自研者。Meta 宣布與輝達建立多年合作，購買數百萬顆 Blackwell 和 Rubin GPU（Rubin 目前排程 H2 2026 量產、採 TSMC 3nm + HBM4，Rubin Ultra 2027 Q2 跟進），並且同時蓋了一座專用核電廠來供電。它一邊付通行費，一邊在修自己的路。

為什麼它們還在買？因為 CUDA 的切換成本讓自研晶片短期內只能用在特定工作負載上。Google 的 TPU 針對 TensorFlow 最佳化，但 AI 世界已經標準化到 PyTorch 上了。Amazon 的 Trainium 才剛起步。這些自研晶片可以處理特定任務，但在通用性和軟體生態上跟 CUDA 差距很大。

有人形容這個結構：「AI 巨獸們都陷入了囚徒困境。」每家公司都知道繼續買輝達是在餵養一個壟斷者，但沒有人敢先停，因為先停的人在 AI 競賽裡會落後。

但這個均衡不是永恆的。Gurley 提到一個投資人 Gavin Baker 的觀察：如果全世界的 AI 開發標準化在 PyTorch 上，那專門針對 PyTorch 最佳化的 ASIC（客製化晶片）理論上可以做得比通用 GPU 更好更便宜。

Witt 的報導反駁了這個前提：AI 產業的確已經標準化在 PyTorch 上了，但開發者還是選擇輝達，因為輝達積極地讓 PyTorch 在 CUDA 上跑得最好。

這場辯論的結論不是「誰對」，而是一個時間問題：自研晶片需要多久才能在一個夠大的工作負載上證明自己？一年？三年？五年？如果你打算持有輝達超過三年，你最好有個答案。

你在同一條供應鏈上押了五次，你以為自己很分散

但如果你是台灣投資人，你多了一層風險。

有人分享自己的持股配置：50% 輝達、10% 台積電、40% 其他（VOO、VTI）。

看起來很分散。算一下。

輝達的每一顆 AI 晶片都由台積電製造。台灣生產全球 37% 的邏輯晶片，先進製程的比例更高。積體電路佔台灣出口的三分之一以上。

現在算一下這位投資人的風險敞口：

• 他持有的輝達，100% 依賴台積電製造
• 他持有的台積電，是輝達的獨家代工廠
• 他的薪水大概率來自台灣的科技業或金融業，跟半導體供應鏈高度相關
• 他的勞退基金裡有大量台積電
• 他買的 VOO 裡，輝達是最大持股之一

他沒有分散。他在同一條供應鏈上押了五次。而且這五個押注之間的相關性，在正常時期看起來很低，但在極端情境下會趨近 1。

你沒有分散。你把同一個賭注包裝了五次。

但數字之外還有一層。黃仁勳生在台北，父母是台南人。他在 COMPUTEX 演講時台灣媒體把他當搖滾巨星。牛肉麵店把他的照片印在菜單上。「台灣之光」這四個字讓你在判斷輝達的時候多了一層你不會意識到的偏見。

你知道黃仁勳自己怎麼看台灣風險嗎？

他禁止負責全球供應鏈的副總裁 Deb Shoquist 為台灣可能發生的地緣政治衝突做任何應急計劃。他的原話是：「我不想她花一個腦細胞在這上面，因為她不可能做到。」

Shoquist 自己推測，如果真的發生事情，輝達會嘗試把訂單轉到三星或其他合作夥伴，結果就是「所有人的產品都會降一個等級」。

「降一個等級」是她的話，不是我的。半導體產業的估算是：台積電如果中斷，全球損失以兆美元計，重建產能至少需要十年。

同一個討論串裡，有人說「台積電會被取代，輝達不會」，隔幾樓有人說「全世界巨頭都要仰賴台積電」。兩個人對「誰比較不可替代」的結論完全相反。

但對台灣投資人來說，這個辯論問錯了方向。兩個都持有的時候，風險是乘法不是加法。

2001 年光纖是對的技術，投資人拿回不到建設成本 10%

假設你同意上面所有分析：輝達是平台公司，CUDA 的護城河目前仍然強大，自研晶片短期內追不上。

你可能還是會虧錢。

2001 年，美國的電信公司鋪了大量的光纖電纜。光纖是真正的革命性技術，今天全球的網路基礎設施還是跑在那些電纜上。但泡沫破裂的時候，只有 1% 到 2% 的光纖被「點亮」（實際啟用）。投資人在法院清算中拿回的金額，平均不到建設成本的 10%。

技術是對的。基礎設施是需要的。但建設速度遠遠超過實際需求的增長速度。

經濟學家 Carlota Perez 研究了過去 250 年的五次技術革命，發現一個模式：每次革命都經歷「建設期」（金融資本瘋狂湧入）和「部署期」（技術真正融入經濟）。中間隔著一次崩潰。鐵路是這樣，電力是這樣，網路是這樣。

AI 呢？

Anthropic 的執行長 Dario Amodei 在 2026 年初的一次訪談中說了一件讓我反覆想了很久的事。他說我們「接近指數增長的盡頭」。AI 不會停。他的意思是算力的擴張速度不可能永遠超過 GDP 的增長速度。他預測到 2028 到 2029 年，AI 產業可能每年花數兆美元建設算力基礎設施，然後逐漸達到一個支出的均衡點。

短期來看，輝達的需求是爆發性的（Amodei 自己也承認）。但長期來看，當算力從爆炸式建設轉為穩定運營，輝達的角色就從「軍火商」變成「電力公司」。電力公司還是賺錢，但它們的毛利率是被管制的，股價是穩定的，沒有人會付 40 倍本益比去買電力股。

對沖基金 Elliott Management 在 2024 年夏天寫信給客戶，警告 AI 被「過度炒作」，許多應用「永遠不會有成本效益，永遠無法正常運作，耗電太多，或者被證明不值得信任」。他們的原話是：如果輝達哪怕只出現一個壞的季報，「整個科技板塊會像洩氣的輪胎一樣消風」。

我不是說輝達是泡沫。我是說：「對的公司、錯的時間點」這個風險，歷史上反覆發生過，而且每次發生的時候，當時的人都覺得「這次不一樣」。

你真正在賭的三件事

我不會告訴你輝達該不該買。但如果你決定參與，你要知道自己在賭什麼。

三件事的順序不能亂：先問 CUDA 鎖定還能撐多久（短期變量），再問 AI 建設期有沒有到頂（中期變量），最後問台灣地緣政治（長期尾端風險）。任一個失效，就是離場信號。這是一條決策樹，不是檢查清單——每件事要自己定義「失效」長什麼樣。

第一，你在賭 CUDA 的鎖定效應至少還能維持三到五年。 Witt 的報導說護城河在擴大，Gurley 說在縮小。切換技術上可行但商業上沒人敢做。我自己在看的是 Google TPU 和 Amazon Trainium 的實際部署進度，不看輝達的財報。水壩裂開不需要共識，只需要某家大客戶的自研晶片在一個關鍵工作負載上成功一次。

第二，你在賭 AI 基礎設施的建設期還沒到頂。 Amodei 說短期數兆美元的需求是真的，但增長率遲早會逼近 GDP 天花板。這句話容易讀成「以後會變慢」。Perez 研究 250 年五次技術革命得到的結論不一樣：建設期的結束不會慢慢減速。它會在某個時間點突然停下來。我會看的是超大規模客戶（Google、Meta、Amazon、Microsoft）的資本支出增長率。當增長率開始下降的那一季——不用等它變成負的那一季——就是信號。

第三，如果你是台灣投資人，你在賭台灣地緣政治風險在你的投資週期內不會實現。 這你分析不了。但你能算的是：你的薪水、退休金、和投資組合裡，有多少比例跟台灣半導體供應鏈綁在一起？答案超過 50%，你已經不是在做投資決策了。你是在做一個關於台灣未來的押注。我自己追蹤的是台積電的客戶多元化進度：日本熊本廠已量產、美國亞利桑那廠 Fab 21 Phase 1 的 N4（4 奈米）製程已在 2024 Q4 進入量產（Apple 2026-02 承諾 2026 年採購超過一億顆 Arizona 生產的晶片），Phase 2 的 3 奈米目標 2027 下半年、德國德勒斯登廠時程未定。這些海外廠的量產時程，是目前最具體的地緣政治風險對沖指標。

三個賭注都有離場條件。絕大多數人不會設。

三個問題問不出答案的人，通常會回到開場那句話：「我 100% NVDA，一股不賣，奇蹟自來。」

我自己的做法：這三個信號每季看一次。任一個轉弱，先降部位再找答案。這不是看空的姿態。只是承認邊際資訊變了，不裝看不到。

大多數人做輝達的投資決策時，想的是「它還會不會漲」。

問題在這裡：你在賭什麼？你賭的假設是什麼？如果假設失效，你的離場條件是什麼？

如果你回答不出這三個問題，你持有的不是判斷，是信仰。讀角獸給你的是框架，不是明牌。怎麼用，是你的事。

---

你的投資群組一定也在討論輝達。把這三個問題丟進去，然後數一下有多少人突然安靜。

---

本文讀了這些來源：

書：

• The Nvidia Way: Jensen Huang and the Making of a Tech Giant — Tae Kim
• The Thinking Machine: Jensen Huang, Nvidia, and the World's Most Coveted Microchip — Stephen Witt
• Chip War: The Fight for the World's Most Critical Technology — Chris Miller
• Technological Revolutions and Financial Capital — Carlota Perez

Podcast：

• Acquired: NVIDIA CEO Jensen Huang
• BG2 Pod: Jensen Recap - Competitive Moat — Bill Gurley & Brad Gerstner
• Dwarkesh Podcast: Dario Amodei
• The Information: Is the AI Infrastructure Bubble About to Burst?
• Excess Returns: 46% of the S&P 500 is One AI Bet — Kai Wu

---

追蹤

這篇文章下了三個可驗證的判斷，正在被時間驗證。未來有新事件（hyperscaler capex 財報、Nvidia 季報、自研晶片部署）時，這個區段會自動更新結案結果。對的會留下、錯的也會留下。

三條追蹤中 · 最早預期結案：2028-04（Nvidia AI 泡沫觀察期滿）

CUDA 護城河在擴大還是縮小？

Gurley vs 黃仁勳

• 判斷日：2026-04-24
• 驗證條件：2029-04 前若 Google TPU 或 Amazon Trainium 在至少一家頂級 AI lab（OpenAI/Anthropic/xAI/Meta）的生產環境 inference workload ≥ 60% 算力從 Nvidia GPU 遷出（以該 lab 公開 infra 文件、財報 capex 分配或 CTO 訪談揭露為準）→ Gurley 對；若 2029 前上述 lab 的 Nvidia 佔比維持 ≥ 70% → 黃仁勳對；30-60% 之間 → partial
• 預期結案：2029-04
• 狀態：追蹤中

AI 算力建設期會穩定擴張還是觸頂崩潰？

Amodei vs Elliott Management

• 判斷日：2026-04-24
• 驗證條件：2028-04 前若 Nvidia 任一季 revenue 低於 consensus ≥ 10% 且次季 SOXX ETF 跌 > 20% → Elliott 對；若 Nvidia 持續成長無重大 miss 且 hyperscaler capex 成長到 2028 → Amodei 對
• 預期結案：2028-04
• 狀態：追蹤中

CUDA 鎖定效應還能維持 3-5 年

作者判斷 · 信心 65%

• 判斷日：2026-04-24
• 驗證條件：2029-04 前若至少一家 hyperscaler（GOOG/META/AMZN/MSFT）在 AI infra 財報、10-K 或 CEO 訪談明確揭露「主力 inference 已轉向非 CUDA 平台（算力佔比 ≥ 60%）」→ 判錯（CUDA 鎖定 < 3-5 年）；若 2029 前無該揭露 → 判對
• 預期結案：2029-04
• 狀態：追蹤中

---

這個區段會由站點 automation 每月自動更新。看所有追蹤

---

你可能也想讀：

• 你在思考還是在選擇相信誰 — Mauboussin 追蹤 5500 檔基金發現 71% 的連勝靠運氣。你用什麼框架看輝達？
• SpaceX IPO 該不該買？完整解析 — 同一場內部會議兩個作者記錄版本不同。另一個需要框架而非明牌的投資判斷。