英偉達開始販售AI造鏟技術
原文作者：Ada，深潮 TechFlow
舊金山，聖荷西會議中心，GTC 現場。
英偉達首席科學家 Bill Dally 坐在台上，對面是谷歌的 Jeff Dean。兩人談到一半，Dally 拋出一個數字：「此前移植一個包含約 2500 至 3000 個單元的標準單元庫，需要 8 名工程師組成的團隊耗時約 10 個月。」
他停了一下。
「現在僅需單卡 GPU，跑一個晚上。」
台下沒有驚呼，因為聽懂這句話的人都明白意味著什麼。8 名工程師 10 個月的工作，被一顆自家產的 GPU 一夜之間取代。而且 Dally 還補充道：跑出來的結果在面積、功耗、延遲這三項指標上，匹配甚至超越人類設計。
隔天就有新聞解讀成「英偉達用 AI 設計 GPU」。
但這件事的真相，遠比新聞標題更值得玩味。
英偉達內部到底在跑什麼？
英偉達內部運行的並非黑箱，而是歷經多年打磨的多套工具鏈。
NB-Cell 是一套基於強化學習（Reinforcement Learning）的系統，專注於標準單元庫遷移——這正是芯片設計中最繁重、最耗時的環節之一。Prefix RL 則針對進位前瞻鏈（carry-lookahead chain）中長期存在的佈局難題，實現了突破性優化。Dally 表示，該系統生成的物理佈局「是人類永遠無法想到的」，關鍵性能指標相較人工設計提升約 20% 至 30%。
此外還有兩套內部大語言模型：Chip Nemo 和 Bug Nemo。英偉達將從 G80 到 Blackwell 兩十年間所有 GPU 的 RTL 程式碼、架構文件與設計規格全部輸入訓練。Dally 將此形容為「把英偉達二十年的工程肌肉記憶蒸餾成一個模型」——新進工程師上崗，等同直接對接資深專家的集體經驗。
那麼，「AI 可以設計 GPU」了嗎？
恰恰相反。Dally 的原話是：「我很希望有一天能直接說『給我設計一顆新 GPU』，但我們距離那一步還很遠。」
英偉達並未用 AI 從零設計出一顆 GPU；但它正在做一件更根本的事：重塑整個產業的設計基礎設施，讓全行業未來都繞不開它的技術棧。
20 億美元切入 EDA 核心腹地
2025 年 12 月 1 日，英偉達以 20 億美元戰略入股 EDA 三巨頭之一的 Synopsys，並簽署聯合開發協議——將英偉達加速計算棧深度嵌入 Synopsys 全流程 EDA 工具鏈。Blackwell 架構與下一代 Rubin GPU，已明確規劃與 Synopsys.ai 平台深度整合。
Synopsys 的地位無需多言：全球每一顆先進製程晶片——蘋果 M 系列、AMD MI 系列、Google TPU——其設計階段幾乎全部依賴 Synopsys 或 Cadence 的工具。這兩家與西門子 EDA（原 Mentor Graphics），共同壟斷全球芯片設計底層軟體市場。你可以不用高通晶片、不必採用台積電產線，但幾乎無法脫離這三家的 EDA 工具。
入股 Synopsys 僅三個月後，英偉達陸續宣布與 Cadence、Siemens、達索系統（Dassault Systèmes）展開合作，推動它們全面基於 NVIDIA GPU 開發 AI 驅動的晶片設計工具。
公佈的基準測試數據極具衝擊力： • Synopsys PrimeSim 在 Blackwell 上提速達 30 倍； • Proteus 加速 20 倍； • Sentaurus 在 B200 上相較 CPU 加速 12 倍； • 聯發科使用 H100 將 Cadence Spectre 提速 6 倍； • Astera Labs 採用 Synopsys + NVIDIA 方案，使晶片驗證效率提升 3.5 倍。
其中一個細節尤為關鍵：Cadence 的 Millennium M2000 平台明確標註——「專為 EDA 市場打造，獨家基於 NVIDIA Blackwell」。
「獨家」二字極富深意。過去 EDA 工具可自由運行於 Intel 或 AMD 的 CPU 上；未來若想獲得最高效能，則必須採用英偉達 GPU——工具本身仍開放，但效能天花板已被硬性綁定。
飛輪效應的真實結構
外界普遍理解的英偉達飛輪是：銷售 GPU → 支撐 AI 公司訓練大模型 → 大模型驗證 GPU 不可替代性 → 更多客戶購買 GPU。
這個飛輪已足夠強大。但在它之下，還隱藏著第二層更深的飛輪：
英偉達用自研 AI 工具設計下一代 GPU，拉開代際設計效率差距；同時將整個產業的 EDA 工具鏈逐步遷移至自身硬體平台。競爭對手不僅要追趕產品，連用來追趕的「工具」，也必須向英偉達租賃。
AMD 近期股價重挫的背後，正折射出這層焦慮。儘管英偉達與 Synopsys 公開聲明「投資不附帶任何採購 NVIDIA 硬體之義務」，市場心知肚明：所有加速版 EDA 功能首發均僅支援英偉達平台；AMD 與 Intel 的工程團隊，只能選擇一條「為最大競爭對手平台深度調優」的路徑。
想像一下：AMD 工程師欲設計一顆對標 Blackwell 的 GPU，打開 Synopsys 工具——該工具在 NVIDIA GPU 上運行最快。他唯有兩個選擇：忍受慢一倍的設計週期，或購置大量英偉達 GPU 來設計「用以擊敗英偉達」的晶片。
賣鏟子的生意仍在繼續，只是模式已然改變。
國產 GPU 的現實困境
在此背景下，一組數據尤顯清醒：
英偉達 2025 財年淨利潤突破 700 億美元之際，中國 GPU「四小龍」——摩爾線程、沐曦、壁仞、燧原——正密集衝刺 IPO。
摩爾線程招股書顯示：2022 至 2024 年三年累計淨虧損達 50 億元；2025 年上半年再虧 2.71 億元；截至 6 月 30 日，累計未彌補虧損為 14.78 億元。管理層預估最早 2027 年方能實現合併報表盈利。沐曦稍好，三年累計虧損逾 30 億元；壁仞最為嚴峻——三年半累計虧損超 63 億元，2025 年上半年營收僅 5890 萬元，尚不及摩爾線程同期 7.02 億元的十分之一。
研發投入強度更觸目驚心：摩爾線程 2022 年研發費用佔營收比例高達 2422.51%，2024 年仍維持在 309.88%——即一年研發支出是營收的三倍以上。這已非企業經營，而是靠一級市場融資與科創板窗口持續「輸液續命」。
工具層面更是關鍵瓶頸。華大九天 2022 年 IPO 招股書指出，其 EDA 工具僅「部分支援 5nm 先進製程」；概倫電子雖宣稱支援 7nm/5nm/3nm 節點，但僅覆蓋點工具（point tool），遠未達全流程能力。
華大九天創始人劉偉平坦言：「國產 EDA 對先進工藝的支撐仍存在明顯不足，尤其在當前 7nm、5nm、3nm 等節點。目前國產 EDA 可穩定支援 14nm 水平，雖已掌握 7nm 工藝技術，但與實際應用的深度融合，仍需全產業鏈協同推進。」
換言之：先進製程全流程 EDA，國產方案基本不可用。現有國產 GPU 公司仍高度依賴 Synopsys 與 Cadence。2025 年特朗普政府一度擬對所有關鍵半導體軟體實施出口管制（雖未實質落地），但 7nm 以下先進製程 EDA 工具至今仍處於美國嚴格管制狀態——許可證何時被切斷，主動權完全掌握在他國手中。
資本市場反應卻極度魔幻：沐曦上市首日股價報 829.9 元，單日暴漲 692.95%；摩爾線程上市後股價一度躍居 A 股第三，僅次於貴州茅台與寒武紀；媒體按當時股價估算，其總市值高達約 3595 億元。
數字背後的真實業務是：一群仍在持續燒錢虧損、且必須依賴受管制境外工具鏈才能進行晶片設計的公司，卻在二級市場被定價為「國產英偉達」的接班人。
而這些公司賴以生存的設計工具，正快速融入英偉達生態。20 億美元戰略入股 Synopsys、Cadence Millennium M2000 「獨家基於 NVIDIA Blackwell」的標籤，已使「追趕」本身成為一則邏輯悖論。
貫穿設計到製造的完整 AI 技術鏈
回到 GTC 那場對談。
Dally 全程表現謙遜。「AI 還遠遠不能自主設計晶片」——這句話英偉達已連續講述四年以上。但每年表述都在遞進：四年前是「AI 可輔助設計」，三年前是「AI 可自動化特定環節」，今年則是「一晚完成 8 人 10 個月工作」。每年向前推進一步，同時留下一句「距離終極目標仍很遠」。待三年後回望，上一輪的「很遠」早已實現，而新的「很遠」，已被設定在所有對手尚未觸及的技術高地。
英偉達過去十二個月所做之事，本質只有一件：將 AI 深度植入晶片產業鏈中價值最高、護城河最深的關鍵環節，並逐層向全行業輸出這些工具。
• 設計前端：由 Chip Nemo 這類內部 LLM 主導； • 設計中端：標準單元庫遷移與版圖優化，交由 NB-Cell、Prefix RL 等 AI 引擎接管； • 整個 EDA 工具鏈：透過 Synopsys 的 20 億美元入股與 Cadence 的「獨家 Blackwell」協議，全面綁定 NVIDIA GPU； • 製造端光刻計算：cuLitho 已獲台積電（TSMC）正式採用。
從晶片設計到晶圓製造，每一個核心環節，英偉達皆以 AI 重新定義。而所有環節最終指向同一終點：若想使用效能最高的工具，就必須選購英偉達 GPU。
對所有志在打造一顆可擊敗 Blackwell 的晶片的競爭者而言，最尷尬的現實已然降臨： • 設計這顆晶片所需的 EDA 工具，最快版本僅能在英偉達 GPU 上執行； • 製造這顆晶片所需的光刻模擬，最高效演算法庫由英偉達提供； • 訓練用於晶片設計的 AI 模型，所仰賴的算力，仍是英偉達 GPU。
你要擊敗的對手，正向你出租擊敗它所需的全部工具。租金按年支付，合約逐年升級。
