每 Gigawatt 賺多少？Stratechery 用這個指標重新看 Nvidia 和 AI 基礎建設
Nvidia 財報很無聊，但「每 Gigawatt 產值」這個新指標很有意思
> Meta Shift
Nvidia 又創新高，但這次不一樣
Nvidia 最新一季財報出來，又是一堆漂亮數字，市場反應卻很平靜 — 這本身就說明一件事：市場已經把「Nvidia 很強」完全 price in 了。
Ben Thompson 在 Stratechery 的分析裡講了一句話我覺得滿準的：「remarkable and boring — two sides of the same coin.」表現驚人，但大家看到都覺得理所當然。這種感覺上一次出現是 Apple 在 iPhone 全盛期的季報，每次都創高，但投資人已經開始在問「然後呢？」
但他這篇分析有一個我覺得真正有價值的東西，不是財報數字本身，而是他引入了一個新的衡量指標：Dollars Per Gigawatt，每 Gigawatt 算力能產出多少美元的商業價值。
這個切角比單純看 GPU 出貨量或資料中心 capex 更有洞察力。因為 GPU 出貨量告訴你「有多少算力進場」，但不告訴你這些算力有沒有被有效利用、有沒有轉化成真實的商業產出。就像你看一個球隊買了多少球員，但不看上場時間跟得分效率，根本不知道這支隊有沒有在贏。
更有趣的是，Thompson 把這個框架拿來分析整個 AI 基礎建設的投資邏輯，以及開源生態、還有 Hugging Face 被收購的意涵 — 這三件事放在一起，其實有個共同的主線。
商業模式拆解：Nvidia 賣的到底是什麼
表面上 Nvidia 賣 GPU，但實際上它賣的是整個 AI 算力的基礎設施標準，護城河在 CUDA。
這個已經講爛了，但值得再強調一次：CUDA 生態的黏性不是技術上有多難取代，而是整個訓練 pipeline 的慣性太深。從研究員的論文到工程師的 production code，全部都假設你在 CUDA 上跑。你要換掉它，不是換一個 library，是要重訓整個組織的肌肉記憶。
從財報角度看，Nvidia 的 Data Center 業務是主力，佔整體營收的絕大多數。目前公開的數字，Nvidia 2025 財年的 Data Center 營收達到了約 $115 億美元單季（來源：Nvidia 官方財報），全年破 $1000 億美元大關是可以預期的事。
用 Dollars Per Gigawatt 這個框架來看 Nvidia 的生意模式，會發現它其實是在做一件事：確保「每 Gigawatt 算力」對應的基礎設施建設，都需要流過它的 supply chain。不管是 Microsoft、Google、Amazon 還是 Meta 在蓋資料中心，Nvidia 都在裡面分一杯羹 — 而且是最大的那杯。
客戶結構上，Nvidia 現在的主要買家是三個層級：
- Hyperscaler（AWS、Azure、GCP）— 大量採購，為自己的 AI 服務備料
- 主權 AI（各國政府在蓋自己的 AI 基礎建設）— 這是新的成長引擎，估計未來幾年會持續擴大
- Enterprise（各大企業自建 on-premise 算力）— 相對小但在成長
定價上，H100 一顆的市場價一度衝到接近 $40,000 美元，即使 H200、B100 陸續推出，也沒有看到明顯的價格競爭壓力，因為需求端完全消化得掉。
競爭格局：誰在挑戰 Nvidia，誰在輸
| 玩家 | 策略 | 現況 |
|---|---|---|
| AMD | 靠 MI300X 搶 inference 市場 | 有進展，但 CUDA 生態壁壘太高 |
| Google TPU | 自用為主，不對外銷售 | 封閉生態，影響力有限 |
| Intel Gaudi | 打低價牌 | 幾乎沒有聲音 |
| 自研晶片（Apple、Meta） | 特定用途最佳化 | 不是通用算力，不直接競爭 |
老實說，短期內 Nvidia 的競爭格局非常穩。唯一的威脅是 AMD 在 inference 上的追趕 — 因為 inference 不像 training 那樣對 CUDA 生態的依賴那麼深，替換成本相對低一些。
但 Thompson 的分析有個更有趣的觀點：Nvidia 真正在防的不是技術競爭，而是「算力商品化」。如果 GPU 變成大宗商品，像 DRAM 一樣誰便宜買誰的，Nvidia 的 margin 就完了。所以它做的每一步 — 推 NIM、推 CUDA 新功能、幫客戶做 full stack solution — 都是在讓自己的產品跟生態系繼續綁在一起，避免純硬體的 commoditization。
這讓我想到當年 Intel 的 Wintel 聯盟，靠著跟 Microsoft 的生態系綁定，把競爭對手攔在門外。Nvidia 現在的 CUDA + ecosystem 玩的是類似的遊戲，只是這次它一個人就搞定了。
Hugging Face 被收購：放進 Dollars Per Gigawatt 框架看
這裡是 Thompson 這篇文章最有意思的地方。
Hugging Face 據報導正在進行新一輪談判，估值在 $45 億美元左右（來源：據報導，具體條款未公開）。被誰收購、以什麼條件，目前還不確定，但把它放進 Dollars Per Gigawatt 的框架來分析，邏輯就很清楚了。
Hugging Face 是現在 open source AI 生態的核心 hub — 所有人的 model 都往上丟，所有人的 training pipeline 都在上面找資源。它的商業模式是 hosted model inference + enterprise tier，但真正的價值不在 ARR，而在它佔據了開源 AI 生態的分發節點。
用 Dollars Per Gigawatt 來想：如果 AI 基礎建設的算力是 Gigawatt，那 Hugging Face 控制的是「這些算力跑什麼模型、怎麼被開發者發現和使用」。這個位置的戰略價值，遠大於它現在帳面上能賺到的錢。
這也是為什麼有人願意付高價買它 — 不是買現金流，是買生態系的入口。
但這裡有個矛盾：Hugging Face 之所以有這麼高的生態系價值，是因為它「開放」、「中立」。一旦被某家大公司收購，開發者社群的信任會不會流失？這個問題沒有答案，但值得觀察。上一個類似的案例是 GitHub 被 Microsoft 收購，當時也有人說開發者會出走，結果 GitHub 反而越來越強。但 AI 生態的社群比 Git 社群更分裂、更意識形態化，這次不一定會一樣。
Meta 判讀：這是什麼量級的 shift
這算是一個 Meta Shift，但不是那種一夜之間翻盤的劇情，而是緩慢但確定的結構性重組。
幾個訊號加在一起看：
- Nvidia 財報「boring」的感覺，代表「AI 基礎建設大投資」這個 meta 已經被市場充分消化
- Dollars Per Gigawatt 這個指標被提出來，代表市場開始問更深一層的問題：「這些投資有沒有效率？」
- Hugging Face 被收購，代表開源生態的戰略價值已經被大公司看見，要開始整合進各自的 supply chain
類比到電競，這個感覺像是某個版本剛開始大家都在 rush 強力英雄，現在 meta 成熟了，開始看 team composition 和 win condition。Nvidia 是那個版本 OP 的英雄，但強隊開始問的是「我的整體 team comp 效率怎麼樣」。
歷史對照：2010 年代的雲端基礎建設投資也有過類似的周期。一開始大家搶著買伺服器、買頻寬，後來開始問「unit economics 怎麼樣」，然後才是雲端服務的真正商業化。AI 現在大概在這個循環的轉折點附近。
投資者角度：Nvidia 現在的 P/E 還是偏高，但如果 Dollars Per Gigawatt 這個指標持續上升，代表 AI 投資的 ROI 在改善，那整個 AI 基礎建設的 capex 就有繼續燒的理由，Nvidia 的需求就不會掉。反過來說，一旦這個指標開始停滯，就是危險訊號。
工程師該怎麼看這件事
幾個實際的影響：
技術選型上，Dollars Per Gigawatt 這個思維提醒你：在 inference 優化上投入的工程時間，直接影響你的 AI 功能的 unit cost。用 vLLM、做 quantization、選對 model size — 這些不是「nice to have」的優化，是商業上的核心問題。
Hugging Face 的動向值得持續追蹤。如果它被某家特定公司收購，很可能會影響 model 的可及性和 API 的定價策略。現在你的 pipeline 有多依賴 Hugging Face Hub？這個問題值得想一下，至少要有 fallback 計畫。
職涯方向上，「AI infra 效率」這個賽道正在變熱 — 不是做 AI 應用，而是讓 AI 應用跑得更便宜、更快、更穩。MLOps、inference optimization、cost engineering，這些技能的市場需求未來幾年只會往上走。
Nvidia 繼續強，這沒有懸念。但真正的問題是：誰能把這些算力轉化成真實的商業價值 — 這才是接下來幾年的主戰場。
延伸閱讀
Waiting7777
WoW Arena 冠軍轉前端，用電競 meta 思維拆解技術趨勢。
相關文章
AI監管+3AI 大老們喊了幾年「管管我們吧」，然後呢？一份帶點諷刺的時間軸
從「說一套做一套」的角度切入：AI 高管喊監管不是新鮮事，但每次都有具體的時機背景。整理這條時間軸背後的商業動機 — 喊監管，往往是為了鞏固自己的護城河。
2026年9月18日 · HW SHU · 5 分鐘閱讀
繼續閱讀 →SnapAI Agents+13Snap 又在推 AR 眼鏡 AI 功能了 — 這次有機會嗎？
從「Snap 為什麼還在賭 AR 硬體」的角度切，分析 Specs + AI 這個策略對 Snap 的商業意義，以及在 Apple Vision Pro 和 Meta Ray-Ban 夾擊下，這條路還走不走得通。
2026年9月18日 · HW SHU · 6 分鐘閱讀
繼續閱讀 →AI Agents工作流程+5設計師用 AI Agent 自己刻網站了 — 工程師的邊界在哪裡？
從「設計師用 AI 直接幹工程師的活」這個角度切入——這不只是工具使用心得，而是職涯角色邊界正在模糊的真實案例。
2026年9月16日 · HW SHU · 7 分鐘閱讀
繼續閱讀 →這篇文章對你有幫助嗎？
每週一篇 — 技術趨勢背後的商業邏輯
AI 產業在變什麼、工程師該注意什麼——拆清楚寄到你的信箱。