随着 AI 数据中心规模继续扩大，市场对英伟达护城河的讨论也在变化。外媒 TechCrunch 评论称，投资者过去更关注 GPU 是否会被云厂商自研芯片削弱，但在最新财报后，市场开始把注意力转向另一个问题：谁能把整套 AI 系统高效运转起来。
竞争焦点转向系统
文章认为，AI 算力部署正走向更高功率和更大集群，单看 GPU 已不足以解释竞争格局。数据中心越大，数据、存储、网络和计算之间的协同越复杂。GPU 仍是核心部件，但真正决定效率的，越来越多是 GPU 之外的系统能力。
这也是英伟达当前叙事变化的核心。即便亚马逊、谷歌等大型云厂商持续推进自研芯片，英伟达仍在围绕 GPU 外围建立更完整的基础设施组合。文章将其概括为：如果 GPU 是发动机，那么其余系统就是整辆车。
Vera Rubin覆盖更多环节
TechCrunch 提到，英伟达正在推进 Vera Rubin 架构。该架构并不只包含 Rubin GPU，还配套 Vera CPU，以及面向存储、网络等环节的机架级系统。文章认为，这些产品的意义在于，它们并非直接负责生成 token，而是尽量减少 GPU 之外的性能损耗。
其中，Vera CPU 被描述为数据调度的重要一环。英伟达存储技术副总裁 Jason Hardy 表示，单台服务器或单一计算平台可容纳的内存有限，因此如何在合适时间把数据送到 GPU，正成为系统效率的关键。
数据移动成新战场
文章援引 Hardy 的说法称，在部分相关操作中，Vera CPU 带来的加速效果可达到约 3 倍。这意味着闪存等硬件资源可以被更充分利用，系统瓶颈也有机会下降。
文章还提到，类似问题并不只存在于英伟达体系内。OpenAI 此前介绍 Jalapeño 芯片时，也把减少数据移动和通信延迟列为重点目标。其思路是尽量让完整工作负载停留在一个互联系统内，以减少跨模块传输带来的损耗。
在 TechCrunch 看来，这说明 AI 基础设施竞争正在进入新阶段。企业比拼的不再只是处理器算力，还包括数据如何流动、存储如何配合、网络如何避免堵塞。换句话说，竞争层级正在从“谁有更强 GPU”，转向“谁能让整套系统以更高效率运行”。
文章认为，这一变化并不意味着英伟达已经锁定胜局。它仍要面对其他芯片厂商和大型云服务商的竞争。但在当前阶段，英伟达在系统整合和调度能力上仍显得领先，这也是市场重新评估其 AI 优势的重要原因。
