2026年5月，美國《連線》雜志的專欄作家 Sheon Han 做了一件自虐的事。

他想親自試試CUDA，英偉達那套讓全球AI產業跑起來的底層軟件平臺。他不寫代碼，只是想理解一下，為什么整個AI世界都被這套東西綁住了。

一天之后，他寫了一句話：

"It ruined my afternoon." 它毀了我一個下午。

一個三行PyTorch就能搞定的矩陣乘法，在CUDA里寫了幾十行。每一行都在跟顯存搬運、線程分配、緩存命中率較勁。不是"能不能跑"的問題，是"差幾個百分點就多燒幾億美元"的問題。

有意思的來了。

這幾年硅谷最流行的一句話是：軟件不再是護城河。

AI讓寫代碼變得太容易了。Cursor、Claude Code、Replit、codex，一個不會編程的人花一個下午，就能搓出一個登錄頁、一個儀表盤、一個小型SaaS。過去需要一個工程團隊排期兩個月的東西，現在幾輪對話就出來了。

功能會被復制。界面會被復制。工作流會被復制。連創業公司的路演稿、官網文案、冷啟動郵件都能被復制。

那個Sheon Han，寫CUDA寫到崩潰的人，就是來論證這個觀點的。但他可能連自己都沒意識到，他恰好證明了一個完全相反的東西：

軟件不是護城河，但真正硬的軟件非但沒有貶值，反而更貴了。

AI 時代真正的護城河，不是會做別人做不到的東西，而是愿意鉆進別人不愿意鉆進去的地方，并且在那里待足夠久。

英偉達提示我們，從CUDA到企業權限，二十年臟活為什么比所有新功能都值錢。對公司如此，對個人也是如此。

一、AI沒有消滅護城河，它只是暴露了那些裸泳的玩家

AI最擅長的事情，是生成一個"看起來像"的東西?？雌饋硐裎恼?，看起來像代碼，看起來像設計，看起來像產品原型。

但現實不按"看起來像"收費。

銀行轉賬不是看起來像就行。醫療系統不是看起來像就行。企業內部的權限和審計鏈條不是看起來像就行。訓練一個大模型的數據中心也不是"反正能跑"就行。慢5%，成本多幾億美元。錯一個邊界條件，集群崩給你看。

所以情況不是"軟件貶值了"這么簡單。

情況是：AI消滅的是表層代碼的稀缺性，卻在底層系統上制造了更深的稀缺性。

表層：頁面、API、自動化腳本、內容生成器。AI讓這些變成液體：生成快、復制快、貶值快。這層代碼正在經歷一場"寒武紀大爆發"式的通脹。人人能寫，等于人人寫的都不值錢。

底層：性能調優、硬件適配、權限架構、部署管道、故障恢復、合規審計、集群調度。這些東西AI能幫你，但不能替你承擔后果。寫一個"能跑"的kernel，AI十分鐘給你。寫出一個在大規模集群上穩定到99.99%、能兼容三代GPU架構、能讓PyTorch和TensorFlow都無縫對接的kernel，是二十年臟活堆出來的。

CUDA恰好站在底層。

這也是為什么站在樓上看，英偉達像一個悖論：所有人都在說軟件不是護城河，可它偏偏靠一套軟件守住了AI時代最值錢的位置。

這個悖論的解，就在于CUDA到底是什么。

二、CUDA不是魔法，它是二十年沒人愿意干的活

這里要交代一個人。

Ian Buck。這個名字大多數人不熟。他2000年代初是斯坦福的博士生，喜歡打游戲，因為在游戲里接觸到GPU，開始琢磨一件事：這些本來用來渲染圖像的芯片，能不能拿來干點別的，比如做科學計算。

他寫了一個叫Brook的編程語言，被英偉達挖走，然后和一個叫John Nickolls的人一起，做出了CUDA。

2006年發布。

這個時間點很重要。那時候AI革命還沒影子。深度學習是學術圈里的小眾話題。GPU的主要客戶是游戲玩家。沒有哪個投資人會問英偉達"你們軟件生態建設得怎么樣"。

CUDA在很長一段時間里是一件賠本生意：沒有市場，沒有收入，沒有看得見的回報。

但黃仁勛的判斷很簡單：這件事如果我們不做，沒有人會做。

他用二十年的時間，在上面堆了幾十億美金，養了一個龐大的軟件工程師團隊（英偉達的軟件工程師人數超過硬件工程師），把CUDA從一層薄薄的編程接口，堆成了一張密不透風的工業地基。

今天這張地基上長著什么？

PyTorch在上面。TensorFlow在上面。幾乎所有深度學習框架都在上面。幾百萬開發者的技能棧在上面。全球所有云計算廠商的GPU實例在上面?？茖W計算、氣候模擬、藥物研發、自動駕駛的底層計算在上面。

這不是"寫了一套好軟件"能概括的。

這是二十年里，無數開發者踩坑、修bug、寫文檔、調性能、適配新硬件、遷移舊框架、優化庫函數之后，結成的一張網。每一件事單獨看都不性感：調一個性能瓶頸，不性感；修一個兼容問題，不性感；為矩陣乘法少耗一微秒反復試參數，不性感；跟硬件團隊、框架團隊、云廠商來回磨合，不性感。

但這些不性感的東西疊在一起，就變成了別人繞不過去的路。

Sheon Han那篇文章里寫了一句很到位的話：寫作CUDA代碼，是"grindsome enterprise"，一項磨人的苦役。

所以他才崩潰了一個下午。

但這句話恰好解釋了為什么CUDA是護城河：正因為它是磨人的苦役，所以才沒人愿意從頭再來一遍。

AMD不是沒試過。它的ROCm對標CUDA，砸了多年錢，bug多到它的Reddit社區讀起來像一個互助安慰小組。Intel也不是沒試過，oneAPI推了又推，市場幾乎沒反應。Google有TPU但走的是另一條路，和CUDA生態沒那么重合。AWS的Trainium想繞過英偉達，結果在跟Cerebras搭異構集群的時候，跨芯片傳輸KV緩存，還是得走英偉達的NIXL軟件。

用《連線》雜志的話說："每年都有人試圖抽干英偉達的護城河，結果是自己淹死在里面。"

這不是英偉達的代碼寫了什么別人寫不出的魔法。

是它占了二十年的時間，而這個時間別人沒法壓縮。

三、最硬的護城河，通常不是秘密，是時間

這里有一個重要的區分。

很多人談護城河，喜歡找"秘密"。有沒有別人不知道的技術？有沒有獨家數據？有沒有一張別人拿不到的牌？

這些當然有價值。但AI時代一個危險的變化是：很多"秘密"會迅速貶值。

你今天會的技巧，明天模型就學會了。你今天寫出的功能，下個月別人就能克隆。你今天覺得復雜的工作流，下個季度可能就被封裝成了模板。

靠"我會一個別人不會的東西"來建立壁壘，會越來越不可靠。

真正更穩的，是"我在這里待得比你久"。

不是日歷上的時間。是痛苦被反復處理之后的時間。

你花了二十年，每天都在解決真實的問題：性能不夠，調。兼容性出問題，修?？蚣苌墸w移。新硬件發布，提前適配。開發者不會用，寫教程。出了事故，復盤修好。客戶不滿意，反復溝通。競爭對手出現，持續優化。

這里面每一件事，別人不是"做不了"。是"不想做二十年"。因為二十年太長了，長到大多數公司會換CEO、換戰略、換優先級、換賽道。

但如果你真的做了二十年，你得到的不再只是一個產品。

你得到的是一種默認位置。

開發者默認學CUDA，因為教程最多。研究者默認用CUDA，因為框架最穩。云廠商默認配英偉達芯片，因為客戶要求。投資人默認投CUDA生態公司，因為確定性最高。

默認位置才是真正的護城河。它不靠任何一道墻，它靠的是：別人進入這個位置的代價太高，高到不劃算。

這個邏輯不只在CUDA成立。

四、分發、權限、上線、組織：四種新的底層摩擦

如果AI確實會讓"做出來"這件事大幅貶值，那么價值會往哪里遷移？

往四個方向：分發、權限、上線、組織。

每一個方向，都在重復CUDA的故事。它們一開始看起來都不像護城河。

1、分發的護城河

產品更容易做出來之后，真正稀缺的，從產品本身變成了"誰會看見"、"誰會信"、"誰會反復用"。

Evan Spiegel，Snapchat的創始人兼CEO，在最近一次訪談里說了一句很重的話："十五年前我們就學會了，軟件不是護城河。這是今天所有人借AI才發現的事。"

Snapchat做的Stories、AR濾鏡、滑動導航，所有這些功能都被Meta抄走了。但他們活下來了，因為他們建立的不只是功能，更是圍繞創作者、開發者和用戶之間的生態關系。

在AI讓產品構建成本歸零之后，分發的稀缺性只會更尖銳。過去技術圈看不起營銷：技術人才站在高處，銷售和市場人員在泥地里打滾。現在風向變了。誰已經占住用戶的默認入口，誰已經嵌進用戶習慣，誰已經擁有可重復的觸達路徑，誰就有了別人很難復制的位置。

而這種位置，通常在早期要忍受大量不被看見。發很多沒人看的內容，做很多被拒絕的銷售，聽客戶講一堆混亂需求，在一線承受冷臉和誤解。分發在早期是嚴重的低地位工作，所以做的人少；做的人少，所以一旦建立，就是護城河。

2、權限的護城河

AI agent真正進入企業，不是模型聰明就夠了。

企業要問的是：它能看什么？能改什么？能不能訪問代碼庫？能不能動客戶數據？能不能自動發郵件？能不能開工單？能不能調支付？出錯以后誰負責？

這些問題沒有一個性感。但它們決定了AI能不能從玩具變成生產系統。

Anthropic可能是目前把這個邏輯執行得最清晰的公司。他們的產品Claude Code和Cowork，在不到一年內從零做到25億美元年化收入，企業訂閱在2026年前兩個月翻了四倍。財富十強里有八家是他們的客戶。

Anthropic明白一件事：模型能力接近之后，企業真正稀缺的，從"更聰明的模型"變成了"可以信任地讓模型進入真實工作流"。

權限不是功能。權限是信任結構。而信任結構，像CUDA一樣，是在長期摩擦中建成的。

Anthropic把自己的模型放進了客戶的代碼庫、工單系統、基礎設施配置。每多一個客戶愿意開放權限，Anthropic就多一層"上下文資本"：模型越了解這個組織的運作方式，替換它的代價就越高。這是一種全新的鎖定機制：以前的SaaS鎖定靠數據，AI時代的鎖定靠上下文。

3、上線的護城河

很多AI產品死在從demo到生產的路上。

演示時驚艷，真實使用時一地雞毛。數據格式不統一，權限系統不兼容，老系統沒人敢碰，流程責任不清，用戶不按你想象的方式使用，模型輸出不穩定，出了錯還不知道怎么追溯。

這些東西不像發布會上的功能那么好講。但它們才是企業軟件真正的戰場。

這也是為什么Palantir有意思。Palantir最核心的能力，不是某個算法，而是一種叫"前出部署"的運作方式：工程師直接嵌入客戶現場，坐在政府機構或大企業的辦公室里，理解他們的混亂流程，把臟數據洗干凈，把政治關系翻譯成技術方案。

這種工作在大多數公司里是"售前"或"交付"，地位不高。但Palantir把它變成了公司敘事的主角。因為它知道：能在真實組織里讓系統跑起來的能力，比做出來一個漂亮demo的能力稀缺一百倍。

4、組織的護城河

這就是最后一層，也是很多人漏掉的一層。

很多公司口頭上知道臟活重要，但組織結構不承認。

嘴上說客戶重要，內部升職卻獎勵遠離客戶的人。嘴上說上線重要，內部地位卻給做新概念的人。嘴上說安全重要，預算里永遠排最后。嘴上說運營重要，英雄故事里只有產品和技術。

結果：真正靠近現實摩擦的人，拿不到權力。真正理解客戶痛苦的人，進不了決策層。真正知道系統會在哪里壞掉的人，只能在出事以后背鍋。

這樣的公司很難有護城河。因為它把護城河所在的位置，安排成了組織里的低地位位置。

厲害的公司相反。它會重新定義什么叫高地位。

英偉達讓CUDA團隊在公司內部拿到了極高的地位和資源，盡管CUDA在很長一段時間里不直接產生收入。Palantir讓"前出部署"工程師成為公司敘事的中心，盡管這類工作在別處叫"售前"。

黃仁勛在Dwarkesh Patel的訪談里說了一句很能說明問題的話："去找另一支ASIC團隊，告訴他們'我敢把整個生意押在你身上，你每一年都會在，你的成本每一年都會下降一個數量級，我可以像依賴時鐘一樣依賴你'——找得到嗎？找不到。"

這就是組織護城河的本質：把對的事做出來，和讓做對的事的人被長期獎勵，是兩種能力。大多數公司有第一種，沒有第二種。

五、低地位護城河：最深的河，是自尊的河

最近看到一個很有意思的概念，叫"低地位護城河"（Moat of Low Status）。

這個概念不復雜：很多事情，別人并非做不到，只是不愿意做。并非能力不夠，只是一開始做的時候太難看、太笨、太慢、太丟人，太不像一個聰明人應該做的事。

她舉的例子是跳舞。一個人想學跳舞，最難的并非動作本身，是第一次站上舞池時那種尷尬。你知道自己跳得不好，別人也看得出來。你還沒進入"會跳舞的人"的身份，卻已經暴露在"正在學跳舞的人"的狼狽里。

很多人卡在這里。身體完全可以，但自尊受不了。

寫歌也一樣。一個人幻想自己有音樂天賦，可以幻想十年。但真正寫出第一首完整的爛歌，只需要一天。問題是那首歌太爛了。爛到它會戳破你的幻想。你必須承認，自己不是什么"還沒開始的天才"，只是一個"已經開始但水平很差的人"。

商業世界里，護城河的建造邏輯完全一樣。

最好的機會，經常藏在最高大上的地方的反面。藏在一開始顯得很土、很臟、很不體面、很沒技術含量的地方。

調kernel是這樣。查日志是這樣。陪客戶上線是這樣。做權限邊界是這樣。寫沒人想讀但所有人都需要的文檔是這樣。為一個矩陣乘法的性能反復試參數是這樣。在一線聽客戶的混亂需求、被拒絕、被冷臉、被不理解，也是這樣。

這些事不性感，所以做的人少。做的人少，所以如果你愿意長期做，你就占住了別人占不住的位置。

而且最妙的地方在于：你不需要比別人聰明，你只需要比別人能忍受"看起來不聰明"的時間更長。

英偉達在CUDA上忍受了將近二十年不被看好、賠錢、沒市場的日子。Snapchat在AR眼鏡上投入了十二年，至今還沒到盈利拐點。Palantir在政府合同的泥潭里一蹲就是十幾年。

這些公司不比別人更聰明，只是比別人更能待在別人的自尊不愿意待的地方。

六、別把自己訓練成表層軟件生產者

如果把這套邏輯拉回到個人身上，結論會讓很多人不舒服，但忠言逆耳。

未來最危險的位置，是表層軟件生產者。

這個位置的特點是什么？你每天在做的事，是在AI的輔助下，把一些需求翻譯成代碼、頁面、內容、自動化流程。你做得比純手工快很多，甚至可能比昨天的自己快十倍。

但問題不在這里。問題在于：所有人都有這個能力。或者很快就會有。

當一個人花一下午就能用Cursor搓出一個SaaS的時候，"我能用AI寫代碼"這句話就不再具有任何區分價值。就像今天沒人會因為"我會用搜索引擎"而覺得自己有競爭力一樣。

那什么位置是安全的？

靠近系統的硬邊界。

性能是硬邊界。安全是硬邊界。權限是硬邊界。合規是硬邊界。分發是硬邊界。行業知識是硬邊界。組織執行是硬邊界。客戶信任是硬邊界。生產系統的穩定性是硬邊界。

這些地方有一個共同點：AI可以幫你，但不能替你承擔后果。

AI可以寫代碼，但不能替你承擔系統宕機的責任。AI可以寫營銷文案，但不能替你獲得用戶信任。AI可以生成方案，但不能替你處理組織內部的阻力和政治。AI可以總結行業資料，但不能替你理解一個客戶為什么遲遲不簽合同。AI可以寫安全檢查清單，但不能替你在事故發生后解釋為什么權限設計錯了。

越靠近后果，越靠近價值。

這句話可能比"學習AI"更重要。因為AI的強項是讓很多事情看起來更容易。降低啟動成本，降低表達成本，降低試錯成本。但它無法消滅現實世界的后果。錢會真的轉走。數據會真的泄露。機器會真的停機?？蛻魰娴牧魇?。

誰愿意靠近這些后果，誰就可能擁有新的護城河。

這和你是不是最會用AI的人沒關系。和你能不能在最關鍵的地方說"這個我來負責"有關系。

護城河不在城墻上，在泥地里

Sheon Han被CUDA折磨了一下午之后，在文章里寫了一段話。大意是：一般的研究者甚至寫不出一行C++，真正好的GPU kernel工程師全世界也沒幾個，而且很多都在英偉達。

他說這話的時候，可能以為自己在描述一個技術稀缺性的問題。

但他描述的，其實是AI時代最核心的結構性規律：

當"能做出來"這件事被AI打通之后，價值會從"生成"大規模遷移到"負責"。而負責，永遠需要人鉆進那些不優雅、不快速、不省力的地方，并在哪里待得足夠久。

CUDA不是唯一的答案。CUDA只是一個樣本。

就像企業AI的權限系統是樣本，Palantir的前出部署是樣本，Snapchat的分發和生態是樣本，黃仁勛三十年不求成本中心短期回報的經營判斷是樣本。

它們共同揭示的東西是一樣的：

AI不會消滅護城河。AI只是讓護城河從城墻上搬到了泥地里。

城墻上站滿了人，泥地里人不多。

選擇哪條路，是每個人自己的事。

經叔最近做了一個網站:https://budongjing.com

人肉篩選挖掘的硬核優質內容及深度原創，重點關注科技、文化、財富、權力四大要素以及它們之間的互動與影響。網站定價1999元/年，目前內測優惠價1299元/年，感興趣的讀者可以加經叔微信訂閱。

另外，歡迎加入經叔的知識星球。在這里，我們拒絕無用的焦慮，只談底層的邏輯與實戰的干貨。我會結合最新的AI前沿動態、深度的商業創新分析（如一人企業的構建）和獨特的文化思潮（如麥克盧漢的媒介洞察），幫助大家把握時間窗口。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由