輝達的護城河正在從 GPU 向外延伸至整個資料中心系統

這是輝達算力版圖演進的一個關鍵轉折點，值得企業主管重新理解「輝達的優勢究竟建立在什麼上」。

過去兩年，市場對輝達的主要疑慮是：亞馬遜、Google 等超大型雲端業者已陸續推出自家 AI 晶片，輝達在 GPU 市場的壟斷地位正在鬆動。這個故事基本上是真的——輝達股價從 2025 年中高點後的走勢確實趨於保守，反映的正是投資人對 GPU 競爭的擔憂。但本週輝達財報之後，市場開始意識到：這家公司的優勢早就不只是 GPU 本身了。

真正的戰場已經移到「資料中心系統整體效率」這一層。當 AI 運算規模擴張到千兆瓦（gigawatt）等級，讓 GPU 全速運轉只是第一步，更難的是讓 GPU 周圍的每一個環節不成為瓶頸。輝達現在賣的 Vera Rubin 架構，不只是 Rubin GPU，還包括 Vera CPU、Groq 3 LPX 推理加速器、以及儲存與網路相關的配套機架。這些組件各有分工，但核心邏輯只有一個：讓數據在對的時間送到 GPU 手上，同時把 tokens-per-watt 推到最高。

輝達儲存技術副總裁 Jason Hardy 的說法直接點出問題所在：伺服器或運算平台能放的記憶體有上限，資料能不能在對的時間點到達 GPU，決定了整個系統的實際效率。他表示，Vera CPU 在相關操作上帶來最高三倍的效能提升，讓快閃記憶體得以發揮完整潛力而不被卡住。這個數字說明了為什麼記憶體廠商如 Micron 能在這波基建熱潮中賺到錢，也說明了「資料搬運效率」已經是資料中心競爭的下一個主戰場。

OpenAI 自研的 Jalapeño 推理晶片採取的是截然不同的策略：從設計源頭就把需要搬動的資料量降到最低，讓整個工作負載在同一顆整合晶片內完成。方法不同，但背後的邏輯完全一致——都在解決「資料移動太慢、太耗能」這個核心問題。這也告訴我們，AI 基建競爭的焦點已不再只是「誰的 GPU 算得快」，而是「誰能讓整個系統跑得最順」。

對輝達而言，這不是一場已經贏定的戰役。在這個新的系統層競爭上，它同樣會面對其他晶片商和雲端巨頭的挑戰，就像 GPU 市場正在發生的一樣。但關鍵在於：輝達在這個層面的布局比外界意識到的早得多，而且目前看起來領先幅度相當顯著。對企業主管來說，這意味著未來採購 AI 基建時，單純比較 GPU 規格越來越不夠用——整個系統的資料調度能力，才是決定實際效益的關鍵變數。