刚刚我注意到一件非常重要的事情，在现代芯片制造行业。GTC 会议上有一场激烈的讨论会，英伟达的比尔·达利谈到了改变了我们对芯片设计思维的事情。

故事始于一些令人震惊的数字——以前，传输一个包含数千个单元的标准单元库需要一个由8名工程师组成的团队工作整整10个月。现在？一个GPU处理器整夜工作，任务就完成了。效率和能耗方面甚至比人类设计还要优越。

但事实比新闻标题更深刻。英伟达没有使用随机的黑箱——这里有经过多年开发的先进工具。NB-Cell软件依赖强化学习，内部有两个大型语言模型，名为Chip Nemo和Bug Nemo，经过训练，涵盖了从G80到Blackwell的所有英伟达历史。这意味着一个新员工只需一键，就能获得20年专业工程师的经验。

但最聪明的部分在于策略的后续。到2025年12月，英伟达在Synopsys投资了20亿美元——这是全球最大的芯片设计工具公司之一。他们签署协议，将英伟达的技术深度整合到Synopsys的全部工具中。不久之后，Cadence和其他公司宣布，他们正在开发由人工智能支持的GPU设计工具。

令人震惊的数字？Synopsys的工具在Blackwell上快30倍，比其他工具快20倍，在其他处理器上快12倍。差异非常巨大。

这里出现的是真正的问题。过去，芯片设计工具在Intel和AMD处理器上表现相当。未来完全不同——如果你想用最快的工具，你只能购买英伟达的显卡。想象一下，你是竞争公司的一名工程师，试图设计一款超越Blackwell的芯片——你打开最快的设计工具，发现它只在英伟达处理器上高效运行。要么接受设计周期变慢一半，要么购买大量英伟达显卡，设计一款目标是击败英伟达的芯片。

策略比这更广泛。英伟达覆盖了从设计到制造的整个生产链，全部由人工智能驱动。Chip Nemo负责前端设计，NB-Cell负责中间优化，EDA工具与20亿美元的投资紧密结合，甚至制造中的光学计算也在英伟达的处理器上进行。

令人痛心的讽刺是：任何想要击败英伟达的竞争对手都会发现，他们所需的所有工具都被英伟达拥有或优化。你想击败的对手，反而会提供你所有尝试所需的工具。

而试图进入GPU市场的中国本土公司？情况要糟得多。大多数仍在使用授权的Synopsys和Cadence工具，每年亏损数十亿，但市场仍将它们视为“本土英伟达”，估值巨大。估值与现实之间的差距令人震惊。