黄仁勋的棋局，已经不只是AI算力

黄仁勋今天在中国台北做了两件事：把 CUDA 塞进了笔记本，把万亿参数推理搬到了桌边。

这不是英伟达在和云厂商抢生意。AWS、Azure、Google Cloud 是英伟达最大的几个客户，每年向它采购数百亿美元的 GPU。英伟达不会跟自己的金主动刀。

真正发生的事是：英伟达在扩张收费口。以前 AI 算力只有一条路——买英伟达的 GPU 放进云厂商的数据中心。现在多了两条：RTX Spark 笔记本，DGX Station 桌面机。无论你选哪条，英伟达都在路口等着。黄仁勋管自己叫"基础设施公司"，这句话的意思是：AI 跑在哪里不重要，重要的是英伟达铺了路。

CUDA 第一次进了背包

英伟达三十年真正的护城河不是 GPU，是 CUDA。750 万开发者在上面工作，PyTorch、TensorRT、TensorRT-LLM、llama.cpp，主流 AI 框架的最优路径全在这里。二十年建成，没有任何一家公司复制过。

麻烦是 CUDA 一直被关在数据中心里。云端写的代码带不进轻薄本，高通 Snapdragon X 做了很多，就是没有 CUDA，苹果 M 系列是另一个世界。

RTX Spark 拆掉了这道墙。20 核 ARM CPU 加 Blackwell GPU 的 6144 个 CUDA 核，128GB 统一内存，AI 算力 1 PetaFLOP，塞进 14 毫米厚的笔记本。英伟达已与 100 家 Windows 软件商谈妥，TensorRT、PyTorch CUDA 后端、TensorRT-LLM 原生支持。在数据中心写了三年 CUDA 的工程师，拿起 RTX Spark 笔记本，理论上不需要改一行代码。

高通碰上的麻烦不是算力输了，是叙事失守了。Snapdragon X 花三年把 Windows on ARM 的口碑做起来，能效比终于接近苹果——唯一没拿下的是 AI 开发者。那批人一直站在场外，等一台能跑 CUDA 的 Windows 笔记本。

英伟达带着 CUDA 来了，他们等到了。

Snapdragon X 不是没有筹码。美国 800 美元以上 Windows 笔记本市场它占了 10%，80 多个 OEM 设计在跑，X2 Elite 今年上半年发布，NPU 直奔 80 TOPS，先发优势是真实的。但没有 CUDA，高通在 AI 开发者那里永远只能是备选项。

桌边开了第二个收费口

另一个产品的逻辑完全不同，目标客户也不一样。

DGX Station for Windows 基于 GB300 Grace Blackwell Ultra 芯片，本地跑最高 1 万亿参数模型，支撑数百个 AI agent 并行，定价 8 万到 12.5 万美元，Q4 上市，华硕、戴尔、技嘉、惠普、MSI、超微出货。

这台机器的买家不是个人消费者，是那些 AI 推理需求足够稳定、数据足够敏感、不想每个月给云厂商开大额账单的企业。金融机构的风控模型、律所的合同审阅、医疗机构的影像分析——这类工作负载每天密集运行，用云端 B300 专用实例按小时计费，10 万美元的桌面机 4 到 6 个月就能回本，之后全是节省。

注意英伟达选的 OEM 合作方：华硕、戴尔、惠普、超微，全是企业级渠道的主力，不是消费品牌。目标客户写在配置清单里。

DGX Station 还有一个隐性优势是纯粹的数据合规。云端推理意味着数据要出本地网络，金融监管对客户数据的跨境流动越来越严，医疗数据的隐私规范也在收紧。对这类企业，"数据不出门"不是锦上添花，是硬性要求。他们不是因为算便宜才买 DGX Station，是因为别无选择。

这是英伟达在企业算力市场开的第二个收费口——第一个是云厂商数据中心里的 GPU，第二个是企业自己桌边的 GPU。两个口都是英伟达的货，两笔钱都进英伟达的账。

云厂商的处境，不是"被抢"，是"被多了一个选项"

英伟达是云厂商最大的硬件供应商，双方不是竞争关系。DGX Station 卖出一台，英伟达收一笔硬件钱；云厂商的数据中心扩容，英伟达收更多 GPU 款。两件事可以同时发生，而且大概率会同时发生——AI 推理市场每年 40% 以上的速度在增长，总盘子够大，容得下本地化和云端同时膨胀。

真正受影响的，是那些原本"只能上云"的场景开始有了本地选项。对云厂商来说，这压缩的不是营收规模，而是议价空间——当企业采购负责人拿着 DGX Station 的报价坐到谈判桌上，云厂商的价格弹性就没有以前那么足了。

AWS 和 Google 这两年也在押注自己的推理芯片——AWS Trainium、Google TPU——部分原因正是为了减少对英伟达的依赖。DGX Station 的出现进一步复杂化了这个局面：云厂商既要向英伟达采购 GPU，又要在推理层面跟英伟达自家的桌面硬件竞争。这个结构性矛盾不会在一两个季度内爆发，但随着本地推理规模的扩大，云厂商和英伟达之间从纯粹的供应商关系，会慢慢走向更复杂的竞合。

微软夹在中间最难受。它是 RTX Spark 最核心的合作方，和英伟达一起把 Windows 改造成 AI agent 操作系统，Surface Laptop Ultra 是第一台 RTX Spark 笔记本，两家站在一条战线上。但微软的 Azure 是全球最大 AI 云服务之一，现在需要跟合作伙伴自家的桌面机去竞争部分推理工作负载。这个矛盾短期不会撕裂，但值得看它怎么演。

苹果的护城河，比 RTX Spark 更深

RTX Spark 发布时苹果被直接点名，媒体几乎一致的解读是：冲着 M5 来的。

不全对。苹果的护城河不在芯片性能。M5 Max 内存带宽 153GB/s，跑超过 24GB 参数量的大模型有架构优势，但更深的壁不在这里——Final Cut Pro 没有 Windows 版，Logic Pro 没有 Windows 版，创意工作流在 macOS 上积了十几年，一块更快的 GPU 换不动它。

Adobe 宣布重构 Photoshop 和 Premiere Pro 支持 RTX Spark，是英伟达在创意侧最重的一手牌，但软件重构到用户真正迁移，中间有漫长的习惯替换。

英伟达短期能从苹果身上撬动的，只有 AI/ML 开发者——这批人本来就在 Windows 和 Linux 上用 CUDA，RTX Spark 给了他们一台更便携的机器，不是从苹果手里抢人。苹果真正需要认真对待的版本是 2028 年 Rubin Spark 成熟之后，不是今天秋天。

英伟达自己藏着的那道题

规格表里有一行英伟达没有大声说：RTX Spark 集成 GPU 性能对标 RTX 5070。

英伟达靠独显赚了三十年钱，Gaming FY2026 全年 160 亿美元，同比增长 41%。如果 RTX Spark 真到了 RTX 5070 的性能水平，高端笔记本买家以后可能不再需要一张独立显卡——那张"显卡"被整合进 SoC 了，英伟达还是在收那笔钱，只是换了形式。

短期独显仍有功耗和绝对性能的上限优势。但苹果 2020 年推 M1 时所有人都说独显不会死，三年后搭 Intel 独显的 MacBook 从货架上消失了。英伟达在主动选这条路，赌 AI PC 带来的增量市场足够大，能填上独显收缩的坑。不一定错，但代价比发布会上看起来的高。

该盯什么

秋季是真正的验证窗口。第一批 RTX Spark 笔记本的价格上架，开发者在真实设备上跑起 CUDA，故事才会从 Computex 舞台走进财报。

最重要的两个数字：OEM 定价和 Windows ARM 兼容性测试结果。定价预期 1400 美元起，超过 1800 美元需求预期就会滑坡；兼容性如果走高通入场时的轨迹，还要 12 到 18 个月才能成熟，这段时间高通的市场积累不会停着等。

中期看高通 X2 Elite 的跑分数据和 DGX Station 的首批企业客户公告——前者告诉你高通的反击力度，后者告诉你企业本地化推理的真实需求规模。若云厂商开始主动下调推理定价来应对 DGX Station，那说明竞争压力已被内部确认，定价逻辑的重新评估会来得更早。

资产上，NVDA 是主线，收费口从一个变成三个，TAM 在扩张，秋季 OEM 定价是近期分水岭。QCOM 是最直接的压力标的，AI 开发者叙事受损，但消费端有韧性，X2 Elite 窗口内有反弹空间。云厂商短期不受影响，中期承压的是议价权而非营收体量，两件事不是一回事。MSFT 双面下注，净效应看推理规模化速度。ARM 和联发科是确定性受益的小标的。