本报告导读：
　　CUDA是英伟达构建的加速计算平台，凭借易用性、弹性扩展与深厚生态构筑了高耸的软硬件协同壁垒。但推理负载占比攀升、ROCm与自研DSA加速分流，正推动其护城河从静态走向动态演进，国产替代亦在推理赛道打开现实突破口。
　　投资要点：
　　CUDA是英伟达开发的一套软件平台，让开发者能够用普通编程语言直接调用GPU的计算能力。开发者可使用C++、Python、Fortran等语言及PyTorch等框架，将GPU加速灵活集成至软件栈各层级。截至2025年，NVIDIA开发者计划已汇聚600万名开发者，CUDA生态涵盖超400个库、600个AI模型、3700个GPU加速应用，累计下载量突破5300万次。
　　CUDA核心技术源于简单易用、弹性扩展、生态深厚三大内核。其一，以类C/C++语法配合线程块、共享内存与同步屏障，将并行编程简化为单线程逻辑，大幅降低开发门槛；其二，模块化架构实现硬件透明的弹性扩展，同一程序在跨代GPU上自动性能饱和；其三，近20年积累的完整软件栈覆盖多语言、加速库、调试工具与集群管理，深度绑定全球数百万开发者与主流深度学习框架。
　　CUDA护城河由平台通用性、软件生态、装机规模、架构迭代与性价比共同构成。通用性覆盖AI与科学计算全场景，远超TPU等专用芯片；主流框架深度绑定其完整软件栈，迁移成本高昂；全球数亿块GPU装机构成“装机-适配-聚集”飞轮，2025年英伟达服务器GPU市占率约97%；可编程性使其成为算法创新的首选平台，持续拉开代际差距；每美元性能领先叠加深度优化服务，形成“用了难离"的锁定效应。
　　CUDA护城河稳固，但正从“静态"转向“动态演进”。推理占算力消耗的比重由2023年约1/3升至2026年约2/3，其负载静态、成本敏感，是CUDA壁垒薄弱环节。ROCm 7推理性能较上代提升约3.5倍，获OpenAI、Meta合计近两千亿美元订单验证，但开发者基数不足CUDA十分之一；大规模推理部署中ASIC较通用GPU的TCO优势达40%-65%，谷歌TPU已训练出Gemini 3并对外供应，DSA正从“内部降本工具”升级为“可对外销售的CUDA替代品”。国产替代双轨提速，2025年英伟达在中国AI加速卡出货份额约55%，Bernstein预测2026年将萎缩至8%、华为升至50%；推理对先进制程依赖较低，是国产替代最现实的突破口。CUDA长期护城河仍在，但替代方案正加速放量。
　　风险提示：国产化进度不及预期风险、国际地缘政治冲突加剧风险、市场竞争加剧风险、技术迭代与商业化落地不及预期风险