黄仁勋的激烈反应本身就是新闻。
在GTC 2026的一场对话中，当记者问及主要AI公司是否正在多元化、减少对CUDA依赖时，黄仁勋没有正面回应。他直接否定了问题的前提——"你的前提就是错的"。这句话不像是在讲道理，更像是在下判决。而这恰恰暴露了当前AI算力市场的核心张力。
CUDA多元化并非空穴来风。AMD的ROCm生态系统正在赢得更多关注，谷歌的TPU项目已从研究阶段走向规模化部署，Meta和亚马逊也在加速自研芯片计划。微软最近透露正在Azure GPU集群中深化ROCm支持。这些不是边缘玩家的猜测，而是占据全球AI算力采购主体的科技巨头们正在推进的基础设施战略。
黄仁勋的反驳并非没有底气。CUDA代表超过十五年的持续优化积累、庞大的开发者社区、以及cuDNN、cuBLAS、TensorRT等库与硬件的深度整合。这些优势切实存在。当OpenAI或Stability AI的工程师讨论如何正确运行模型训练时，他们实际上在讨论CUDA特定的调优技巧。生态锁定是真实的。
但黄仁勋面对的问题从来不是"CUDA是否足够好"，而是"客户是否有真正的替代选择"。这正是市场格局正在转变的地方。
云厂商控制着部署层。当谷歌在自己的TPU上运行推理服务并向企业客户提供时，这不仅仅是在构建硬件替代方案——而是在从芯片到框架再到API的完整栈上掌握控制权。亚马逊Trainium芯片和Azure AMD GPU集群的情况也是如此。这些公司并非试图让CUDA变得无关紧要，而是在确保一件事：当CUDA变得过于昂贵、供应过于紧张、或者对单一供应商的依赖变得过于危险时，他们手里有牌可打。
黄仁勋对问题前提的激烈否定表明，英伟达感受到了这种压力。如果CUDA的主导地位真的牢不可破，理性的反应应该是冷静自信，而不是指向性地否定问题本身。这种强烈态度恰恰说明，叙事层面的威胁是真实存在的。
英伟达的护城河不仅仅在CUDA。通过联合工程优化、NVLink和NVSwitch的多GPU扩展、GPUDirect存储网络加速，以及多年的数据中心参考架构，英伟达构建了更深的竞争壁垒。CUDA是最显眼的一层，但真正的竞争门槛埋得更深——贯穿整个软件栈，榨取英伟达硬件的极致性能。
这道护城河不会一夜之间消失。但它正在被越来越精准地探测。AMD在某些工作负载上已将性能差距缩小到可接受范围内。云厂商的自研芯片不再是对冲，而是有数十亿美元资本支出支撑的既定战略。人才结构也在转变：掌握CUDA的工程师正被要求将代码移植到替代框架，以配合企业的基础设施多元化策略。
无论哪一方获胜，赌注都极为巨大。若多元化进程停滞，客户将再被困在英伟达生态中一个硬件周期，进一步强化英伟达的定价权和利润主导地位。若多元化成功，英伟达将面临自CUDA成为行业标准以来对其算力霸主地位最严峻的挑战。
黄仁勋的否定态度自信满满。但自信不等于不可撼动。CUDA生态正面临最严峻的考验——不是来自某个单一竞争对手，而是来自行业最大买家们减少对单一供应商依赖的协同行动。这场行动能否成功，取决于云厂商能否执行芯片路线图，以及黄仁勋能否继续给出让客户留下来的理由。
他选择反驳问题的前提而非细节，这一事实本身就说明这场讨论已是英伟达无法回避的议题。