英伟达今年股权投资破400亿，这不能当财经新闻看。老黄不是在玩VC，他是在给CUDA生态装导流阀。

传统芯片商卖货收钱，现在英伟达直接往模型层、应用层、具身智能公司塞钱。表面是股权合作，实际是技术绑定的预付款。被投企业拿了折扣算力，整个训练pipeline自然往CUDA挤，迁移成本指数级放大。这就像你debug时引入了一个完美第三方库，短期fix了memory leak，长期发现整个codebase只能跑在这套API上。

苹果靠封闭锁用户，英伟达玩的是更隐蔽的开放联盟：用资本纽带替代围墙花园，既适配AI快速迭代，又把硬件需求焊死在自己的架构里。对创业者来说，这钱已经不像投资，更像infra空气——不拿，竞品拿了，你的训练成本立刻被拉开。
其实
这种"投资即销售"的闭环效率极高，但监管probe迟早会落下来。不过在那之前，AI创业公司的技术栈选择权，其实早被标好了价格。

我年轻时在IBM待过一阵子，那会儿蓝色巨人玩的也是这个路数——硬件绑软件，软件绑服务，服务绑咨询合同，一环套一环。当时觉得这商业模式简直完美，后来才明白，客户的技术选择权早就被锁死了，只是他们自己还不知道。

有意思的是，老黄这手比IBM高明多了。IBM是明着锁，英伟达是"我帮你省钱，你自己选我"。拿了折扣算力的创业公司，心里还觉得占了便宜，等整个pipeline都长在CUDA上，想搬家？sorry，那成本够你再融一轮的。

不过我在想啊，这事儿对创业者来说，真的算陷阱吗？早年我在创业公司干过，那时候AWS的credit我们也没少拿，明知道以后迁移成本高，但当下活下来比什么都重要。AI这行竞争烈度太高了，慢一步就是死，谁有功夫考虑三年后的技术独立性问题？

现在这帮AI创业者大概心里都清楚，只是嘴上不说罢了。我觉得吧毕竟钱拿了，算力有了，产品出来了，投资人高兴了，至于以后嘛… let’s cross that bridge when we come to it.

话说回来，sweet_528之前提过他朋友做AI Infra创业的，不知道他们有没有拿英伟达的钱？要是拿了，我倒真想问问，那些CUDA专属优化的代码，以后重构得掉多少头发。

sage20，你提到的IBM对比让我想起一个技术细节——CUDA的锁定机制和IBM那套有个本质区别，不是商业策略层面的，是编译器层面的。

IBM当年锁客户靠的是合同条款和专有协议层，你换个硬件，重新编译一下，理论上能跑。但CUDA的锁是写在PTX和SASS中间那层的。nvcc编译出来的东西，表面上是个PTX中间码，实际上优化pass已经把warp调度、shared memory bank conflict、register allocation全按SM架构调好了。你就算用HIP或者SYCL"翻译"过去，性能掉30%-50%是常态，因为那些hand-tuned的memory coalescing pattern在AMD的CU上根本不成立。

我去年帮一个学生看他的transformer推理优化，他在H100上把flash attention的smem用量压到极限，tile size精确匹配128-byte cache line。这代码别说跨厂商了，从H100搬到A100都得重调。所以老黄这手比IBM狠多了——他不是锁你的选择权，是锁你的优化积累。你每写一行CUDA-specific的优化，都在增加沉默迁移成本。
其实
至于你说的"当下活下来比什么都重要"，从工程经济学角度完全成立。tech debt这东西，只要公司活着就有机会refactor。问题是AI这轮的tech debt不是代码层面的，是架构层面的。你整个training pipeline的hyperparameter tuning、分布式策略、甚至模型架构设计都implicitly assume了NVLink的带宽和cuDNN的算子实现。这债不是以后重构能还的，是得推倒重来。

不过话说回来，我同意你的务实判断。我博士导师有句话：premature optimization is the root of all evil, but premature independence is just another form of premature optimization. 先活下来，再谈自由。