英伟达那条被业界谈论了二十年的护城河，最近开始出现一些细微的裂缝。裂缝不是来自竞争对手的芯片，而是来自人工智能本身——它正在悄悄改写驱动自己运转的那层软件。

CUDA这个名字，在芯片行业几乎等同于英伟达的灵魂。它是资深高管伊恩·巴克多年带团队打磨出来的成果，里面塞满了现成的代码模板、调试工具，还有一套能让成千上万个芯片像一支军队那样协同作战的软件层。

过去二十年，真正让开发者离不开英伟达的，不是某一块具体的芯片，而是这套让人用着顺手、离了就难受的生态。各家公司在上面垒了数百万行代码，跑着各种复杂的工作流，想换个平台？光是迁移成本就够让人打消念头。

但风向在变。前谷歌大脑的研究员创办了一家叫Infinity的初创公司，用AI编码代理在10个小时内给另一家芯片初创公司复刻了一套类似CUDA的软件。10个小时，这数字本身就很有意思——过去需要数年积累的东西，现在压缩进了一个工作日。

护城河的宽度是不是该重新量一量了？当然，这只是个例，但类似的压力不只来自小公司。谷歌、亚马逊、微软这些云巨头，围绕自己的芯片做软件已经有些年头了，OpenAI和Anthropic也拿出了能自动生成系统软件的模型。DeepSeek的创始人更是直说，代码智能体和自研的编程语言让AI软件的开发变得简单了不少。

更大的变量藏在市场本身的切换里。AI正在从训练阶段往推理阶段走，企业的关注点不再是"谁跑得最快"，而是"谁跑得最划算"。

这意味着专用芯片的需求会涨，也意味着跨平台软件的需求在跟着涨——如果能随便切换芯片而不用重写代码，CUDA最让竞争对手头疼的那个锁定效应，也就不那么可怕了。有韩国AI芯片公司的人判断，到了推理这个环节，CUDA已经不再是决定性因素，开源的天下正要开始。

英伟达当然没闲着。公司方面的说法是，AI转向推理和智能体工作负载之后，全栈优化的需求只增不减，而这恰恰是他们的主场。

也有人说，AI编码代理最后可能不是削弱CUDA，反而是帮它加固——智能体生成代码的速度再快，验证那一步才是真正的瓶颈，而CUDA手里握着最成熟的验证工具生态。人工智能写出来的代码，终归要有人去检查、去优化，这一层能力不是生成速度能直接替代的。

不过这种说法也并非所有人都买账。有行业人士觉得，编码代理带来的改变是渐进的，远没到颠覆的程度。芯片软件是个小众领域，顶尖工程师主导，能用来训练AI的范例本来就少，跟应用开发那种满地都是公开代码的情况完全不是一回事。

而且写代码在软件开发里只是一小部分，真正吃功夫的是后面的优化——那才是决定一颗芯片能不能跑出性价比的关键。

英伟达的护城河没有消失，但它正在换一种形态存在。从代码积累转向验证工具，从锁定效应转向全栈能力。真正的赛点在于速度——是竞争对手先追上来，还是英伟达先跑进下一个没人去过的地方。

有人说得挺实在，这家公司没闲着，也没坐着等。对于一家在过去二十年里一次次证明过自己的企业来说，唱衰它或许还太早。但AI正在用自己的方式改写承载AI的底层软件，这件事本身就值得多看一眼。