英伟达CUDA 的护城河还在，但我们要关注水位是否下降

过去 CUDA 最强的地方，是迁移成本高。开发者熟悉 CUDA，框架依赖 CUDA，底层库围绕 CUDA 优化。企业一旦长期积累代码和模型部署流程，就很难换到 AMD、TPU、Trainium 或昇腾上。

这种锁定类似传统软件平台。用户不是不知道有替代品，而是替代成本太高。

AI agent 的出现会逐渐改变这个逻辑——但要分场景说，不能一刀切。

先说会先松动的一端：推理。 推理对软件栈的容错更高，迁移的工程闭环相对短，AI coding agent 已经能实质性降低适配成本。"换硬件做推理"这件事，对很多客户来说正在从"不可能"变成"麻烦但可做"。

再说短期仍然锁死的一端：前沿大模型训练。 这里真正的难点从来不是改代码语法，而是大规模分布式训练下的数值稳定性、通信效率、故障恢复、性能不退化——这些恰恰是 AI agent 目前最不擅长、也最难验证的部分。把一整套训练栈迁到 ROCm 或 TPU 上、并且大规模跑稳不掉性能，今天仍然要顶级工程团队和很长时间。这一端的锁定，短期没有松。

所以更准确的说法是：CUDA 的护城河不是整体在塌，而是从推理侧开始渗水，训练侧仍然密封。

护城河最怕的不是水一下子干了，而是水位慢慢下降。一开始大家还觉得没什么，等到客户真的可以跨过去，市场才会突然意识到原来的溢价给高了。

CUDA 现在就是这种状态：它还很强，但从"结构性锁定"变成了"高摩擦粘性"。结构性锁定可以支撑垄断级溢价，高摩擦粘性只能支撑领先者溢价。这两种溢价不是一个级别。