AI股的護城河未必是代碼
若說CUDA是軟件時代的護城河，數據是平台公司的護城河，那麼電力、土地、變電站、輸電接入和數據中心管線，可能就是AI基建時代最現實、也最慢建立的護城河。
CUDA之所以重要，並不只是因為它是一套編程工具，而是因為它把開發者習慣、軟件庫、模型框架、調試工具、硬件優化和雲端部署綁在一起。對工程師而言，能否快速把模型跑起來、能否穩定訓練、能否在不同硬件代際間保留性能，往往比單一晶片參數更重要。這也是Nvidia長期高估值的核心：它賣的不只是GPU，而是一整套加速運算標準。競爭對手可以推出更便宜的晶片，也可以透過開源框架降低遷移成本，但要改變數百萬開發者的工作流程，絕非一兩個產品周期可以完成。
可是，CUDA並非不可挑戰。隨着PyTorch、Triton、OpenXLA、ROCm及各類中間層工具發展，AI軟件棧正在逐步抽象化。大型雲廠商也不願永遠受制於單一供應商，Amazon、Google、Microsoft以至Meta均在不同程度上發展自研晶片或優化自身推理平台。這不代表CUDA護城河會突然消失，而是其邊際壟斷力可能在推理場景逐步被削弱。訓練大模型仍高度依賴成熟生態，但推理任務更重視成本、功耗、延遲和部署密度，未來未必完全由同一套硬件和軟件主導。
軟件可追趕，電力最難快進
生態系統是第二層護城河。雲端平台、伺服器供應鏈、模型公司、企業客戶、開發者社群和合作夥伴，形成一個正反饋循環。Microsoft能把OpenAI模型放進Azure和Office，Alphabet能把Gemini嵌入搜尋、廣告和Android，Amazon能把AI工具賣給AWS客戶，這些都不是初創公司短期能複製的分發能力。AI不是單一產品，而是一場平台戰爭。誰掌握客戶入口，誰就能把算力成本轉化為訂閱收入、雲服務收入或廣告效率提升。
數據則是第三層護城河。高質量數據、用戶行為、專業場景資料、企業工作流數據，都是模型能力的重要來源。互聯網平台曾靠數據飛輪建立廣告優勢，AI時代同樣會重視數據規模與數據質量。不過，通用互聯網文本的稀缺性正在上升，合成數據、授權內容、企業私有數據和垂直行業資料的重要性更高。這意味着單純「有很多數據」已不足夠，真正值錢的是可合法使用、可持續更新、能反映真實業務流程，並能改善模型輸出的數據。
但若問哪一條護城河最難複製，答案未必是CUDA，也未必是數據，而是配電容量。原因很直接：軟件可以招人重寫，模型可以靠資本追趕，數據可以透過合作取得，但電力基建不能用融資新聞即時變出來。AI數據中心需要大量穩定電力，還要有土地、冷卻、水資源、變電站、輸電線路、電網審批和長期能源合約。晶片交付可能以季度計算，數據中心建設以年計算，電網升級則往往以更長周期計算。當所有科技巨頭都搶GPU時，稀缺的是晶片；當GPU逐步交付後，稀缺的可能變成「哪裏能插電」。
這一點正在改變AI股的投資邏輯。過去市場把AI投資機會集中在晶片、伺服器和模型應用，未來則要同時看電力設備、數據中心REITs、變壓器、配電、液冷、天然氣、核電、可再生能源和儲能。AI不再只是軟件故事，而是能源密集型基建故事。若一家雲服務商有足夠現金流，卻沒有足夠電力接入，其增長仍會受限；相反，能提前鎖定數據中心土地、電網容量和低碳電力的企業，可能在下一階段取得更實在的議價能力。
義合控股投資者關係部
（芯片與算力系列之71）
