如果你只看一条 2026 年关于 AI 算力的视频，CNBC 的这条《How Nvidia GPUs Compare To Google's And Amazon's AI Chips》值得放进你的清单。它看似在做一个"芯片参数对比"的技术评测，实际讲的是一个更狠的商业命题：全世界最赚钱的硬件公司，正被它最忠实、花钱最猛的客户，从内部一点点掏空。
黄仁勋的英伟达在 AI 这一轮里几乎封神——数据中心单季营收数百亿美元，毛利率长期压在 70% 以上，H100 / Blackwell 一卡难求。但这条视频把镜头对准了一个被多数人忽略的反讽：买英伟达 GPU 买得最多的，恰恰是 Google、Amazon、Microsoft、Meta 这些"超大规模云厂商（hyperscaler）"。而它们，正在一款接一款地推出自研的 AI 芯片——Google 的 TPU、Amazon 的 Trainium、Microsoft 的 Maia、Meta 的 MTIA。
这不是 AMD 或 Intel 在正面进攻，而是客户叛变。它戳中了一个对所有平台型 / 供应链型生意都成立的底层逻辑：当一个供应商把毛利抽得太狠，那个被抽血最多的大客户，就同时拥有了动机和资源，去自己造一个替代品。 这篇文章把这条视频拆开，并补上视频没讲透的那一层商业原理。
| 项目 | 内容 |
|---|---|
| 视频标题 | How Nvidia GPUs Compare To Google's And Amazon's AI Chips |
| 频道 | CNBC |
| 时长 | 15 分 59 秒 |
| 播放量 | 约 195 万次（截至 2026 年 7 月） |
| 发布背景 | CNBC 围绕"芯片主导权竞赛"系列的同期长片之一 |
| 核心主题 | 英伟达 GPU 与 Google、Amazon 自研 AI 芯片的横向对比，及其背后的商业博弈 |
视频在表层上做的是"硬碰硬"的规格对比：英伟达的 GPU（H100、Blackwell 等）对垒 Google 的 TPU、Amazon 的 Trainium，比算力、比能效、比生态。但贯穿全片的潜台词是——真正的挑战者根本不在英伟达的"竞争对手名单"里，而在它的"客户名单"里。
【视频观点】CNBC 反复强调一个事实：这些云厂商一边以百亿规模采购英伟达 GPU，一边把自研芯片塞进自家云服务里，把同一批推理 / 训练负载从英伟达硬件上挪走。
这一点很反直觉。我们习惯认为，颠覆英伟达的应该是 AMD、Intel 这种"同行"。但同行打不过，是因为英伟达有 CUDA 十几年攒下的软件护城河（这本身又是一个值得单独深挖的故事）。而客户走的是另一条路：它们不打算在通用 GPU 上和英伟达比，而是绕开通用，去做"专用的便宜货"——专为一个特定任务（比如推理）优化的 ASIC。这是降维，不是正面硬刚。
视频点名了这一支"自研芯片联军"，我把它整理成一张对位表：
| 公司 | 自研芯片 | 定位 | 典型用途 |
|---|---|---|---|
| TPU（Tensor Processing Unit，已迭代到 Trillium / Ironwood 等代次） | 训练 + 推理 | Gemini 系列模型的训练与推理 | |
| Amazon (AWS) | Trainium（训练）/ Inferentia（推理） | 训练 + 推理 | Trainium2 承接 Anthropic 等客户算力 |
| Microsoft | Maia 100 | AI 加速 | Azure 上跑 OpenAI 等负载 |
| Meta | MTIA（Meta Training and Inference Accelerator） | 训练 + 推理 | 自家推荐与生成式 AI |
| OpenAI | 在研自研芯片（公开报道） | 推理为主 | 降低对外部供应与毛利的依赖 |
【视频观点】视频特别花篇幅讲 Google 和 Amazon，因为这两家是"既能卖又能自用"——TPU 不仅喂 Gemini，还通过 Google Cloud 卖给外部客户；Trainium 同样挂在 AWS 上对外出租。等于它们在英伟达的地盘上，开了一家竞品店。
【我的延伸】OpenAI 的入局值得单独留意。当一个模型公司自己下场造芯片，意味着"客户"的定义进一步泛化——任何被英伟达高毛利卡住脖子的下游，都可能成为下一颗定制芯片的发起者。
这是整条视频背后最锋利的一刀，也是我最想为你讲透的机制。
英伟达的毛利率长年在 70% 以上（视频与公开财报口径）。这个数字在硬件界是惊人的——要知道，绝大多数半导体公司毛利率在 40%–55% 区间。70%+ 的毛利意味着：客户每买 1 块钱的英伟达 GPU，就有 7 毛多落进了英伟达口袋。
【我的延伸分析】对普通客户来说，这没什么。但对 Google、Amazon 这种年采购额以百亿美元计的玩家，这 70% 毛利等于每年几百亿美元的现金，正源源不断地流向一个供应商。而它们自己，恰恰拥有三样东西： - 动机：省下的就是利润，这笔账非常直接； - 规模：它们的 AI 负载大到足以摊薄一颗芯片几千万到上亿美元的设计与流片（tape-out）成本——ASIC 只有在"量大"时才划算，而 hyperscaler 的量是全行业最大的； - 人才：它们早已挖空了芯片设计的人才池。
于是出现一个死循环：英伟达卖得越贵、客户买得越多，客户自己造芯片的回报率就越高。 七成毛利，不是英伟达的勋章，而是悬在它头顶、驱动叛军的发条。
【视频观点 + 外部佐证】视频强调，英伟达在"训练"上仍然难以撼动，但在"推理（inference）"上正被快速蚕食。多个 2026 年的行业研究口径一致指出：推理已占到 AI 算力需求的约三分之二。
这是一个被严重低估的结构性事实。理解它，你就理解了为什么"客户叛变"现在才真正致命：
换句话说，英伟达守住了"贵但通用"的训练山头，却把"便宜而海量"的推理平原，拱手让给了自研芯片。而平原，才是钱真正流向的地方。当一个垄断者丢掉了"量"的战场，毛利率再高，也挡不住总盘子被稀释。
视频没有唱衰英伟达——它同时把英伟达"为什么还稳"讲清楚了。我把它归纳为三道护城河：
训练侧的不可替代性：截至 2026 年，训练下一代前沿大模型，业界仍普遍认为英伟达 Blackwell 系列 + CUDA 是风险最低、生态最成熟的选择。换芯片意味着重写工具链、重新踩坑，没人敢在百亿训练上冒险。
CUDA 的软件锁定：十几年沉淀的 CUDA 生态，让"换硬件"的成本不仅是钱，更是几百万行代码、成千上万开发者的肌肉记忆。这条护城河深到可以单独写一篇长文。
整机与网络的全栈化：英伟达早就不是只卖一颗 GPU 了——NVLink 互联、Mellanox/InfiniBand 网络、GB200 NVL72 这类整机系统，让客户买的不再是"芯片"，而是一整套"系统"。系统的复制难度，远高于单颗芯片。
【我的延伸】这是英伟达最聪明的一步棋：它知道单颗芯片迟早被专用 ASIC 在某些场景超越，所以拼命往"系统"层面爬——让客户即使想换，也得连着一整套互联、网络、软件一起换。 这是把"切换成本"做厚的经典打法。
这是我看完这条视频后，最想留给你的一条"认知升级"，它超出了视频本身的表述。
【我的延伸分析】英伟达的故事，本质上是一个经典的经济学命题：垄断租金是自我消解的。 当一个供应商凭借护城河，向最大的客户收取超额利润时，它同时也在为这些客户"融资"去研发替代品。客户每多付一份超额利润，就多一份推翻你的弹药。
这不是英伟达独有的剧本，而是一条放之四海皆准的商业规律。在零售业里它叫自有品牌（private label）：沃尔玛、Costco、Amazon Basics，都是把卖得最好的品牌品类，变成自有品牌，反向挤压品牌商的毛利。在产业里它叫前向 / 后向一体化：下游巨头向上游延伸，把供应商变成被替代者。
【我的延伸】所以判断一个高毛利的 B2B 生意"安不安全"，有一个很犀利的测试题：你最大的客户，有没有动机、规模、资金，去把你这一环自己做掉？ 如果三个都有，那你的高毛利，本质上是一张"有期限的提款卡"——它在为你的替代者输血。英伟达之所以仍稳，不是因为这道题答得轻松，而是因为它用 CUDA + 整机系统，把"自己做掉"的成本抬到了天价。但这只是延后，不是消除。
flowchart TD
A["英伟达凭借 CUDA + GPU<br/>收取约 70%+ 超额毛利"] --> B["Hyperscaler 客户<br/>年采购百亿级美元"]
B --> C{"被抽走的现金流<br/>= 叛军融资"}
C -->|动机| D1["省下毛利 = 直接利润"]
C -->|规模| D2["负载量大<br/>能摊薄 ASIC 流片成本"]
C -->|人才| D3["已掌握芯片设计能力"]
D1 & D2 & D3 --> E["自研 ASIC<br/>TPU / Trainium / Maia / MTIA"]
E --> F{"切入哪个战场?"}
F -->|"训练(约1/3)<br/>偶发·重生态"| G["英伟达仍主导<br/>CUDA + Blackwell 难撼"]
F -->|"推理(约2/3)<br/>持续·重成本"| H["ASIC 高效低价<br/>英伟达被持续蚕食"]
H --> I["总盘子被稀释<br/>高毛利也难保增长"]
I -.反馈回流.-> A
J["英伟达的反制:<br/>NVLink + 网络 + 整机系统<br/>抬高'切换成本'"] -.对冲.-> H
style A fill:#ffe0e0
style E fill:#fff3cd
style H fill:#d4edda
style I fill:#f8d7da
给投资者：别只看 GPU 份额，要看"推理份额"和"客户自研率"。 判断英伟达的长期故事，不能只盯"AI GPU 市占率 80%+"这种历史指标，而要追踪两个前瞻变量：一是英伟达在推理算力里的份额变化，二是各大云厂商财报里自研芯片占总 AI 算力的比例。当这两个数字开始稳步下滑，那才是真正的故事转折——而不是某一代芯片被 AMD 追平这种噪音。
给创业者 / 做 B2B 生意的人：用"客户三问"给毛利做压力测试。 如果你正在一个高毛利的供应链环节里，请诚实回答：我最大的三个客户，是否同时具备（1）替换你的动机、（2）足够摊薄替代方案的规模、（3）自建的能力或可雇佣的人才？三题全中，你的护城河就在被自己抽干。对策不是降价，而是学英伟达——把单点优势升级成系统级锁定（软硬件+生态+切换成本），让"自己做掉"的总成本高到不划算。
给求职者 / 职业规划者：去"叛军"那边，机会更多。 从职业选择看，英伟达依然是顶级雇主，但"自研芯片联军"——Google TPU、AWS Annapurna Labs（Trainium 团队）、Meta Silicon、以及 OpenAI 的芯片项目——正处于高速扩张期，岗位机会、晋升空间、技术影响力的天花板都更高。当一个行业的格局从"一家独大"切向"群雄割据"，人才红利会从垄断者流向挑战者。 这是未来 2–3 年芯片设计、编译器、AI 系统软件方向最值得关注的机会带。
英伟达最危险的敌人不在对手名单上，而在客户名单上——七成毛利越收越狠，就等于在给那些每天给它烧钱的大客户，融资去自造一颗替代它的芯片。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
curl + DuckDuckGo 与 curl + YouTube 搜索页解析（ytInitialData / oEmbed） 完成视频发现与元数据核验RBmOgQi4Fr0，约 195 万播放、15:59、CNBC 官方频道，已用 oEmbed 复核标题与作者youtube_transcript.py 因云端 IP 被限未取到，按任务约定基于视频信息 + 多源佐证完成分析[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。