有个专家说:要想做出一款和英伟达芯片一样先进性能的人工智能芯片，难度非常大。
难度更大的还有英伟达的CUDA生态，这是其它芯片厂商难以超越的技术壁垒。

比如英伟达的H100芯片，使用了全球最顶尖的制造工艺、先进的封装技术、高带宽显存，每一项都是卡脖子的技术。

像amd和英特尔这些芯片制造商，做了几十年芯片，和英伟达同代的产品依然有着明显的差距。

所以客观的说，硬件难，生态更难，硬件是你可以看得见，摸得着的技术门槛，而生态则是看不见的技术。

我为什么说英伟达的cuu da生态比信频更难以追赶呢？

原也很简单，芯片就像游戏机的主机，cu da生态就是游戏机里面的游戏软件、开发工具、玩家社区。

你就算能造出性能和ps5一样的主机，但海南短时间造出上千款游戏，你也改变不了玩家和开发者的使用习惯，自然就没有人买账。

换到英伟达芯片上面依旧适用，很多厂商之所以购买英伟达芯片，一方面是英伟达芯片性能比较先进，另一方面就是英伟达背后有CUDA生态。

CUDA生态早在2007年就发布了,全球大量的程序员，科研工程师都是用CUDA做项目,公司招人也优先招会CUDA的。

如果换其他新的生态，相当于让其他工程师重新编写代码，这个时间和人力成本高到离谱，所以很多公司都不愿意使用其他公司的新的生态。

它不是一个单一软件，而是一整套工具包，从底层的编译器，调试工具到各种优化到极致的基础算法库，再到医疗，自动驾驶，工业仿真等各个行业的现成解决方案。

开发者拿过来就能直接做自己的业务，不用从零开始写底层代码。所以很多企业都会优先选择英伟达的芯片，也只有英伟达的芯片才支持cu da生态

言外之意就是你要想使用CUDA生态上的各种工具，你就必须购买英伟达的芯片，没有第二种选择.

用CUDA的开发者越多，基于CUDA的软件模型教程也就越多,使用cuu da的用户也就越多。企业用起来就比较省心，省钱，省时间。所以会有更多的企业选择英伟达芯片，英伟达挣了钱又能投入更多的钱优化生态

而其他企业，就算你的硬件性能强一点，也会陷入一个比较尴尬的时期:光有性能比较强劲的芯片，但是没有丰富的像CUDA一样的生态，也就没有多少人使用。

一款芯片就算纸面性能比h100高10%，但生态不完整，软件适配差，实际可能只能跑出40%的性能，真实体验反而更差。

像现在绝大多数人工智能模型开源项目行业软件默认只支持cuda换别的芯片，很多代码直接用不了，要花几个月甚至几年改代码做适配，这个成本远比购买芯片高得多，对企业来说，芯片不是越便宜越划算，而是整体的开发时间成本低才是最重要的

假如你是一家企业负责人，你是喜欢直接购买英伟达的芯片，可以使用英伟达的cu da生态呢？
还是愿意。花钱购买其他企业的芯片，然后没办法用c da生态，还需要浪费大量的时间和金钱去重新编写代码，你会怎么选择呢？

制造顶级AI芯片本身就非常难，再加上英伟达的coda形态形成了技术壁垒，所以其他企业很难短时间达到英伟达的成就。