遊戲至勝：四十年科技霸權的隱藏算術(6.5章-11章)

間章：全面性的消亡

上一章結尾問了一個問題：如果 Proton 壞了——不是壞在表層，而是壞在 DirectX 翻譯層與 GPU 驅動之間那個接縫——還有人修得了嗎？

我想用一個私人經歷來回答。不是為了懷舊，而是為了定義一個正在消失的物種。

I.

2000 年前後，我在大學讀 EEE——傳統的電子及電機工程，加上 Computer Engineering 的雙主修。第一個學期，我們接到一個 assignment：用一顆 Motorola HC11 微控制器、一顆可變電阻、一條 RCA 輸出線，做一台撞磚頭遊戲機。

沒有函式庫。沒有 framework。沒有作業系統。

HC11 直接 bit-bang 出時序訊號，透過一顆簡單的 DAC 轉成類比，把像素一個一個推到 RCA 輸出上。可變電阻那端的類比訊號經過 ADC 取樣，轉換成球拍的位置。程式最後燒進一顆容量以 KB 計的 EEPROM 裡。

一個學期。一個人。從零做出一台完整的遊戲機。

這個 assignment 要求你同時理解的東西包括：類比電路（可變電阻的分壓與 ADC 的參考電壓）、數位時序（PAL/NTSC 的水平與垂直同步信號）、微控制器的暫存器配置（HC11 的 Timer Output Compare 怎麼產生精確的中斷週期）、以及在幾 KB 的記憶體裡用組合語言寫出碰撞偵測和畫面更新邏輯。它橫跨了類比、數位、韌體、應用——四層，全部裸露，全部要你自己用手接起來。

這不是天才的訓練。這是那個時代的基本功。

同一個時期，世界其他角落的工程師也在做類似的事。John Carmack 在直接寫 VGA 記憶體和 CPU 流水線。黃仁勳在設計 GPU 的指令排程。寫 Proton 的那些 Mesa/RADV 開發者，當時正在 Linux 社群裡編譯核心、寫驅動、搞清楚每一層 stack 的行為。我們不認識彼此，但我們受的是同一種訓練——被迫橫跨硬體與軟體的全部層次，因為那個年代不存在幫你隔開它們的抽象層。

今天一個 CS 畢業生四年讀完，他識 React、識 Python、識 PyTorch。他可以用 Cursor 在一個下午搭出一個完整的 web app。但他不知道 interrupt 是什麼。不知道 memory-mapped I/O 怎麼運作。不知道為什麼 Python 慢——不是那種「聽過直譯語言比較慢」的知道，是從來沒有被迫在一顆只有幾 KB RAM 的晶片上，用每一個 clock cycle 都要算著花的方式寫過程式，所以「慢」這個字對他而言始終是抽象的。

他不是不聰明。他只是從未被迫穿透過任何一層。

以前的工程教育是全面性的基礎；現在的工程教育是徹底的分工與深造。這兩件事本身不矛盾——但沒有前者，後者的每一步都缺全局觀。 你可以在某一層做到世界頂尖，但你看不見自己那一層跟上下游之間的接縫。而所有最關鍵的 bug——Proton 的 shader 翻譯失敗、CUDA 的 kernel 效能瓶頸、台積電的製程與晶片設計之間的 co-optimization——全部藏在接縫裡。

接縫不屬於任何一層。它只對看得見全局的人可見。

II.

這種「跨層次工程師」的消亡不是全球均勻發生的。它在亞洲發生得更快、更徹底。

這不是一個關於基因或文化宿命的判斷。是產業結構的問題。

台灣的半導體產業建立在代工模式上。張忠謀在 1987 年創立台積電時，核心主張是「我們只做製造，不做設計」。這個模式讓台灣成為全球晶片製造的心臟——第八章會詳細展開——但它同時定義了一整代台灣工程師的工作方式：接規格、做製程、交晶圓。執行力世界一流，但工程師的訓練目標是精準執行 spec，不是挑戰 spec 背後的架構假設。一個台積電的製程工程師可以把 7nm 的良率推到極限，但他的工作範圍不包括質疑「這顆晶片的架構本身應不應該長這樣」。那是客戶的事。

日本的工程師文化更極端。工匠精神加上終身僱用制，培養出的是深度驚人但極度垂直的專才。一個 Sony 的影像感測器工程師可以在 CMOS 感測器領域做到全球頂尖，但他的整個職業生涯可能都不會碰到系統軟體、不會碰到 AI 框架、不會碰到自己那顆感測器被裝進手機之後的軟體生態。他的深度是真實的，但他的視野被組織結構鎖死了。

韓國是財閥模式。三星同時做晶片、做手機、做面板、做記憶體——理論上最有條件培養跨層次的人。但財閥的決策是 top-down 的。工程師的角色是執行上級的戰略判斷，不是從第一性原則出發提出替代方案。當三星的半導體部門試圖在先進製程上追趕台積電，失敗的原因不是韓國工程師不夠聰明——是組織結構不允許底層工程師對 top-down 的製程策略提出根本性的質疑。

中國大陸的情況更複雜，但底層邏輯類似。應試教育的產出是標準答案導向的人——他們擅長在已知框架內優化，不擅長質疑框架本身。互聯網巨頭的高薪虹吸了最聰明的畢業生，而這些公司的工作方式是「用現成 framework 快速出產品」，不是「從底層重新設計 stack」。

美國不是因為文化優越才培養出跨層次的人。是因為風投加上 startup 生態，鼓勵——甚至要求——創辦人從第一性原則出發重新思考問題。一個 YC 的 demo day 上，投資人不想聽「我用 TensorFlow 做了一個 app」；他們想聽「現有的 stack 哪裡是錯的、我從哪一層開始重建」。這個篩選機制，跟技術教育無關，跟產業結構的激勵機制有關。

但這裡必須誠實面對一組反例——而且是對本書論點至關重要的反例。

黃仁勳，台灣出生。Lisa Su，台灣出生。張忠謀，中國大陸出生。

這三個人分別定義了 AI 運算霸權、高效能晶片設計、以及全球半導體製造的格局。他們全部是亞洲血統。

但他們三個，全部是離開亞洲之後，在美國的產業環境裡，成長為跨層次的工程師和領導者的。

不是「亞洲人不行」。是亞洲本土的產業結構，不培養這種人。

黃仁勳如果留在台灣，他可能成為一個優秀的 IC 設計工程師，在台積電或聯發科做到資深。但他不會有機會創辦一家公司、親手定義一種新的運算架構（CUDA）、然後用遊戲玩家的錢養它十年——因為台灣的產業結構沒有這個位置。Lisa Su 如果留在台灣，她可能成為一個頂尖的半導體研究員。但她不會有機會接手一家瀕死的公司（AMD），從 CPU 架構到 GPU 設計到主機合約全部重新佈局——因為台灣沒有這種規模的整合型半導體設計公司給她操盤。

這個結構性觀察的含義是冷酷的：如果亞洲想孕育下一代的黃仁勳，要改的不是 STEM 教育的技術內容，是產業結構本身——鼓勵跨層次思考、容忍從底層挑戰架構的異見、允許工程師在不同層次之間自由移動。這個改變，比教任何一門課都難。

III.

但亞洲的結構性問題只是更大危機的一個切面。真正讓我恐懼的，是一個全球性的趨勢：抽象化本身正在消滅培養跨層次工程師的土壤。

每一層新的抽象，都是一次便利的勝利和一次理解力的損失。

DOS 時代，你要玩遊戲，先得改 config.sys、算記憶體怎麼分。那個過程逼你理解作業系統的記憶體管理。Windows 時代，你不用改了——DirectX 幫你做。你的便利增加了，但你失去了碰觸記憶體管理的那個入口。Framework 時代，你連 DirectX 都不用碰了——Unity 和 Unreal 把繪圖管線包起來。你離硬體又遠了一層。AI 時代，你連 framework 都不用完全理解了——Cursor 幫你寫程式碼、Hugging Face 幫你呼叫模型、ChatGPT 幫你 debug。

每一層都合理。每一層都提高了生產力。但四十年的層層疊加之後，站在最上面的人，跟地基之間已經隔了幾十層。他看得見自己腳下那一層，看不見地基。

LLM 是這個趨勢的極致形態。一個會 prompt engineering 的人，可以在不理解反向傳播、不理解 GPU 記憶體排程、不理解 transformer 的注意力機制為何有效的情況下，用 AI 做出以前需要十年訓練才做得到的事。表面上，這是史上最大的生產力解放。骨子裡，這是「不需要理解底層就能做事」的環境，達到了歷史上的最高強度。

而「不需要理解底層就能做事」的環境，不會培養出需要理解底層的人。

這不是假設。反例已經在眼前。

Andrej Karpathy 識寫 C、識 GPU kernel、識 PyTorch 內部、識做研究、識教學。他的「nanoGPT」示範了一件事：從零砌一個語言模型，不靠任何框架、不靠任何高階 API，用最低階的方式把每一層都攤開來。這種能力，跟二十年前一個學生用 HC11 從零做一台遊戲機，是同一種能力的當代版本。

Jim Keller，CPU 架構師，職業生涯橫跨 DEC Alpha、AMD K8、Apple A4/A5、AMD Zen、Tesla 自駕晶片、Intel。他的價值不在於他在任何一層做得比別人好——而在於他看得見從電晶體到應用程式之間的整條路徑，知道在哪一層做什麼取捨。

這兩個人有一個共同點：他們都是從底層一路爬上來的。 不是先學 API 再選擇性地往下挖，是從硬體開始，一層一層往上堆。那種視野不是後天補課補得回來的——它是在特定環境裡、用特定的學習路徑、在特定的年代才長得出來的。

AI 時代最大的機會窗，不是給會用 API 的人——他們多到溢出來。是給能從第一性原則重新設計整個 stack 的人。 下一個真正的架構突破——不是在現有 transformer 上加層數，而是重新設計運算架構本身——需要的是一個同時理解晶片設計、記憶體層級、編譯器優化、分散式系統、以及機器學習理論的人。

這種人，我們的教育體系和產業結構每年培養出幾個？

答案在遞減。

IV.

我寫這本書寫到一半的時候，最強烈的情緒不是懷舊。是恐懼。

恐懼的不是技術變遷——技術永遠在變，每一代工程師都要重新適應。恐懼的是一種更深層的斷裂：培養出能看見全局的工程師的那條路徑，正在被它自己的成果堵死。

本書前六章記錄的每一場戰役——DOS 的記憶體魔術、DirectX 的鎖定效應、Xbox 的 OS 防衛戰、世嘉的救命錢、Wintel 的盲區、Valve 的越獄行動——它們有一個共同的前提：在每一個關鍵時刻，都有一個看得穿整個 stack 的人做出了決定性的判斷。 Carmack 看得穿硬體與軟體之間的效能接縫。Newell 看得穿封閉平台的長期代價。黃仁勳看得穿 GPU 在遊戲之外的運算潛力。

接下來的第七章要講的，就是黃仁勳如何用遊戲玩家的錢養了十年的平行運算研發，等到 AI 來認領。那個豪賭之所以成功，正是因為他是本章定義的那種人——一個看得見硬體指令集、軟體 API、以及科研應用三個層次之間接縫的人。

但如果這種人不再被培養出來——不是因為他們不存在，而是因為整個環境不再製造讓他們生長的土壤——那麼本書後半段記錄的這些故事，就不會再有續集。

不是因為科技停止進步。而是因為進步的方式會改變。未來的進步會發生在每一層的內部——更快的模型、更大的資料集、更精細的框架——但不會發生在層與層之間的接縫。因為沒有人在那裡。

這本書記錄的是過去四十年的科技史。但它真正在問的是：當工具愈來愈強、工具背後的原理愈來愈隱形，還有人會停下來問「為什麼」嗎？

如果還有——接下來的故事會繼續發生。

如果沒有——你正在讀的就是最後一代的科技霸權故事。

第七章：CUDA 豪賭與遊戲玩家的「R&D 稅」

2026 年春天，一個剛拿到碩士學位的機器學習工程師，正在為他的第一份工作做技術選型。任務很簡單：訓練一個中等規模的語言模型。他打開 PyTorch，寫了幾行程式碼，呼叫了 torch.cuda.is_available()，確認 GPU 在線，然後開始訓練。

他沒有想過那行程式碼底下發生了什麼。

PyTorch 呼叫了 cuDNN——NVIDIA 的深度神經網路加速函式庫。cuDNN 呼叫了 cuBLAS——NVIDIA 的線性代數函式庫。cuBLAS 編譯成 PTX 中間碼，再被 NVIDIA 驅動程式即時翻譯成 SASS——那張 GPU 的原生機器指令。整條管線從第一行 Python 到最後一個電晶體的開關，每一層都印著同一個商標。

他的主管說：「公司預算吃緊，AMD 的 GPU 便宜四成。能不能換？」

他試了。把 torch.cuda 改成 torch.hip。第一個錯誤出現在 cuDNN 的某個卷積核心——AMD 的對應物 MIOpen 不支援那個特定的資料排列格式。他繞過去了。第二個錯誤出現在多 GPU 通訊——NVIDIA 的 NCCL 函式庫在 AMD 上沒有對等品，AMD 自己的 RCCL 效能差一截，某些拓撲下直接掛掉。他花了三天追蹤問題，發現是驅動程式層的一個 race condition，AMD 的 ROCm 團隊在 GitHub 上標記為「已知問題，預計下一版修復」。

兩週後，他跟主管說：「換不了。」

他把這件事當成一個工程問題——AMD 的軟體還不夠成熟，再等兩年或許就好了。

不是。

AMD 的 ROCm 不是「還不夠成熟」。它已經追了十年，依然追不上。不是因為 AMD 的工程師比 NVIDIA 的差，是因為他們面對的不是一道鎖，是一座四層深的監獄。而你——每一個用 PyTorch 訓練過模型的人——從讀碩士的第一天起，就住在裡面。

上一章講了一道鎖怎麼被撬開。DirectX 鎖了 PC 遊戲三十年，Valve 用 Proton 把它繞過去了。讀完那一章，你可能覺得：鎖都能撬開，只要有人夠執著。

這一章要打碎那個幻覺。

I. 作案動機

2003 年，一個叫 Ian Buck 的史丹佛大學博士生，發表了一樣東西。不是一張顯示卡，不是一款遊戲——是一個程式語言。

它叫 Brook。

Buck 在史丹佛圖形實驗室裡觀察到一個事實：GPU 裡面有幾百個小核心，每一個都能做浮點運算，合起來的算力遠超當時最快的 CPU。但這些核心只認得繪圖 API——它們被硬體設計綁死在「畫像素」這一件事上。如果能把它們拿來算別的東西——矩陣乘法、物理模擬、蛋白質摺疊——那會怎樣？

Brook 就是他給出的答案：一個讓程式設計師用類似 C 的語法，把通用運算任務丟到 GPU 上面跑的語言。概念很漂亮，但有一個致命問題：Brook 必須把所有運算任務偽裝成圖形渲染指令——因為當時的 GPU 硬體只認得繪圖 API。你想算一個矩陣乘法？你得先假裝它是一塊三角形的紋理，然後用 OpenGL 的 shader 去「渲染」它。效率低，限制多，能做的事少。

Buck 靠 Brook 拿了學位。然後黃仁勳親自邀請他加入 NVIDIA。

2004 年，Buck 進了 NVIDIA。黃仁勳看了 Buck 的研究，看到的不是一篇學術報告——他看到的是一條縫。GPU 裡面有幾百個小核心，每一個都能做浮點運算，但硬體設計強迫它們只能畫圖。如果把這個限制拿掉——讓那些核心可以做任何運算——GPU 就會從一張繪圖卡變成一台超級電腦。

但拿掉限制的代價很大。它意味著重新設計 GPU 的整個架構：指令集要改、記憶體模型要改、執行緒排程器要改。而這些改動不會讓遊戲跑得更快——遊戲只需要畫圖，不需要通用運算。換句話說，改了之後，遊戲玩家拿不到任何好處，但 NVIDIA 要為這些改動付出巨額的研發成本。

黃仁勳讓 Buck 帶一支團隊，把 Brook 的概念直接燒進下一代 GPU 的硬體裡。不是用軟體模擬，不是用 shader hack——是在矽晶片上刻出真正的通用運算單元，讓每一個核心都能執行任意的 C 語言程式碼。

2006 年 11 月 8 日，GeForce 8800 GTX 上市。代號 G80。599 美元。128 個串流處理器，6.81 億個電晶體，90 奈米製程。

遊戲玩家看到的是：史上第一張支援 DirectX 10 的顯示卡，畫質的跳躍讓人目瞪口呆。

遊戲玩家沒看到的是：那 128 個串流處理器裡面，每一個都被重新設計過——它們不只能算像素，還能算任何東西。矩陣乘法、傅立葉轉換、流體力學模擬、分子動力學——只要你能寫成並行程式碼的問題，都可以丟上去。

七個月後，2007 年 6 月 26 日，NVIDIA 發佈 CUDA Toolkit 1.0——一套讓程式設計師直接用 C 語言在 GPU 上寫通用運算程式的開發工具。

沒有玩家注意到。沒有遊戲媒體報導。對 99% 的 GeForce 8800 GTX 用戶來說，CUDA 是一個不存在的東西。他們花 599 美元買了一張顯示卡，為的是玩遊戲，不是跑科學計算。

但他們的 599 美元裡面，有一部分被拿去分攤了通用運算核心的研發成本。

每一張賣出去的 GeForce，都內建了玩家用不到但科研界日後會用到的硬體。NVIDIA 沒有跟任何人解釋這件事。它不需要。它只需要繼續賣遊戲顯示卡——賣得越多，通用運算的研發成本被攤得越薄，風險就越低。

間章定義過一種人——看得穿硬體指令集、軟體 API、以及上層應用三個層次之間接縫的人。黃仁勳就是這種人的原型。他看得見 GPU 繪圖核心跟通用運算之間的那條縫。他下的賭注是：先讓遊戲玩家幫我養這條縫，等有一天，有人會來認領。

但這裡要停下來問一個問題：NVIDIA 不是 Valve。

上一章特別指出，Valve 能扛住 Steam Machine 失敗後繼續投資 Linux，是因為它是私人公司——沒有股東、沒有華爾街分析師每季度問你 ROI 在哪裡。但 NVIDIA 在 1999 年 1 月就已經上市了。它是一家 NASDAQ 掛牌的公眾公司。CUDA 的研發成本讓 NVIDIA 的市值從大約 80 億美元跌到不足 15 億美元。華爾街的反應不是質疑，是沉默——那是比質疑更可怕的東西。

黃仁勳憑什麼扛得住？

答案，要從第四章埋下的一條線說起。

第四章的結尾講過：NVIDIA 在 2001 年為初代 Xbox 供應了 GPU——代號 NV2A，基於 GeForce 3 架構。那是 NVIDIA 第一次嘗到主機市場的味道。味道很苦。微軟在合約裡鎖死了晶片價格，要求 NVIDIA 逐年降價。黃仁勳拒絕。雙方的關係從冷淡到仲裁，最終在 2003 年 2 月和解。但和解不是和好。2003 年 8 月，微軟宣佈 Xbox 360 的 GPU 改用 ATI。

NVIDIA 被踢出了客廳。

從商業教科書的角度看，這是一場失敗。主機 GPU 是一條長達七到十年的穩定訂單管線——第八章會展開這一點。失去微軟這個客戶，等於失去一條幾千萬台出貨量的長期飯票。

但事後看，被踢出去，是黃仁勳職業生涯裡發生過的最好的事。

原因有三。

第一，主機 GPU 是一份吃力不討好的差事。 主機廠要求你把晶片做成半客製化的 SoC，塞進它們設計的機殼裡，按照它們的散熱預算跑，然後年年降價。你的頂級工程師不是在追求下一代架構的突破——他們在替微軟省成本。如果 NVIDIA 還在做 Xbox 360 的 GPU，2004 到 2006 年那些本該設計 CUDA 核心的工程師，很可能被鎖在為微軟壓縮成本的苦差事上。

第二，PC 顯示卡的利潤結構，比主機 GPU 好得不是一個等級。 微軟嫌一顆主機晶片幾十美元太貴。但 PC 玩家願意花 599 美元買一張 GeForce 8800 GTX——那是主機 GPU 單價的十幾倍。微軟不肯給的利潤，遊戲玩家雙手奉上。這些利潤，就是 CUDA 燒了十年而 NVIDIA 不會倒閉的真正原因。黃仁勳把 CUDA 的研發成本藏在每一張 GeForce 的毛利裡——玩家看不見，華爾街也不夠懂硬體設計，不知道那些「通用運算核心」是遊戲玩家用不到的東西。「R&D 稅」不只是一個比喻。它是黃仁勳瞞天過海的財務手段。

第三，失去客廳，迫使黃仁勳去想一個他本來不需要問的問題：GPU 除了畫遊戲，還能做什麼？ 如果 NVIDIA 還有微軟的長期飯票，這個問題可能永遠不會被認真對待。但飯票沒了。黃仁勳必須為 GPU 找到遊戲以外的第二條命。Ian Buck 的 Brook，就是那條命的起點。

這裡有一個諷刺到令人窒息的迴旋。

2002 年，微軟為了在每顆 Xbox 晶片上省幾美元的成本，跟 NVIDIA 鬧翻。那幾美元乘以幾千萬台 Xbox，大約是幾億美元的爭議。微軟覺得自己贏了——用更便宜的 ATI 晶片做了 Xbox 360，賣得比初代好。

二十年後，2023 年，微軟向 NVIDIA 下了一筆訂單。不是幾億美元——是幾十億美元。幾萬張 H100 和後續的 B200，用來訓練它投資了一百三十億美元的 OpenAI 的大型語言模型。每一張卡的售價，是當年那顆 Xbox GPU 成本的幾百倍。

當年微軟嫌貴踢走 NVIDIA 省下的那筆錢，如今連本帶利，全部嘔了回來。而且是跪著嘔的——因為 CUDA 的四層鎖意味著，微軟就算想換供應商，也換不了。

微軟是 CUDA 壟斷的間接催生者。 它踢走了 NVIDIA，逼黃仁勳退回 PC，退回 PC 讓 NVIDIA 賺到養 CUDA 的利潤，CUDA 長成了四層深的監獄，而微軟自己，成了這座監獄裡最大的一個囚犯。

這個「有一天」，他等了六年。

II. 武器鍛造

CUDA 不是一個 API。

第二章的 DirectX 是一個 API。它做一件事：讓遊戲程式設計師可以用一組統一的函式呼叫，驅動不同廠商的 GPU 畫圖。DirectX 是一層——一層介面，夾在遊戲引擎跟 GPU 驅動之間。

CUDA 不是一層。CUDA 是四層疊在一起的一座塔。每一層都有自己的鎖，每一把鎖都獨立運作，合起來構成一座幾乎不可能逃離的監獄。

第一層：硬體指令集。

NVIDIA 的 GPU 有自己的原生指令集——PTX（Parallel Thread Execution）是中間表達層，SASS 是最底層的機器碼。當你寫一段 CUDA 程式碼，編譯器把它變成 PTX，然後 NVIDIA 的驅動程式在執行時把 PTX 翻譯成你那張特定 GPU 型號的 SASS。

這跟 x86 CPU 的道理一樣：你的程式碼最終要變成那顆晶片聽得懂的指令。但差別在於，x86 的指令集是公開的——Intel 和 AMD 都實作同一套指令集，所以你的程式在兩家的 CPU 上都能跑。NVIDIA 的 PTX 和 SASS 是專屬的。AMD 的 GPU 有完全不同的指令集架構。你沒有辦法把一段已編譯的 CUDA 程式拿到 AMD GPU 上跑，就像你不能把一張 CD 塞進錄音機裡播放。

第二層：運算函式庫。

一個 AI 研究員不會自己寫矩陣乘法的 GPU 核心程式——太慢、太容易出錯、而且已經有人做過了。他會呼叫 cuBLAS——NVIDIA 的線性代數加速函式庫。訓練神經網路？cuDNN——NVIDIA 針對深度學習優化的卷積、正規化、激活函數加速庫。做傅立葉轉換？cuFFT。做稀疏矩陣運算？cuSPARSE。多 GPU 之間的通訊？NCCL。

每一個函式庫背後，都是一支幾十到幾百人的工程團隊，針對 NVIDIA 每一代 GPU 的微架構，花了五年、十年做極致優化。同一個矩陣乘法呼叫，在 cuBLAS 上跑的版本，會根據你的 GPU 型號、矩陣大小、資料型態，自動選擇最佳的演算法——這些演算法是工程師用手一個一個調出來的，不是程式自動生成的。

AMD 有對應的函式庫嗎？有。rocBLAS、MIOpen、rocFFT——名字都對得上，功能大致對得上。但它們起步晚了將近十年，而且它們要追的對象每一年都在繼續跑。cuBLAS 在 2026 年已經經歷了十幾個主要版本的迭代。rocBLAS 要追的不只是今天的 cuBLAS，還包括 cuBLAS 未來三年的路線圖。

追，但追不上。因為 NVIDIA 有一個 AMD 沒有的東西：全世界的 AI 研究員每天都在用 cuBLAS 跑實驗，回報 bug、要求功能、貢獻效能資料。 這個回饋迴路是 rocBLAS 買不到的——因為用 rocBLAS 的人太少。

第三層：框架綁定。

PyTorch。TensorFlow。JAX。

2026 年全球 AI 研究界使用的三大框架。它們全部是先寫 CUDA 後端，再補 AMD 支援。

這句話看起來像是一個排程問題——先做哪個後做哪個。不是。這是一個深度綁定的問題。PyTorch 的核心運算子——那些做前向傳播、反向傳播、梯度更新的底層函式——最初是用 CUDA 寫的。它們不是呼叫一個抽象的 GPU API 再適配到 CUDA——它們直接用 CUDA 的記憶體模型、CUDA 的執行緒層級、CUDA 的同步原語來寫。AMD 的後端是事後加上去的，本質上是一個翻譯層，把 PyTorch 的 CUDA 呼叫翻譯成 AMD 的 HIP 呼叫。

翻譯能做到多少？基本功能可以。但邊界情況——某個罕見的 tensor 形狀觸發了 cuDNN 裡一條 NVIDIA 獨有的快速路徑、某個分散式訓練策略依賴 NCCL 的某個特定行為、某個自訂的 CUDA kernel 用了 NVIDIA 獨有的指令——這些地方就會斷。

一個 AI 研究員寫的訓練程式碼裡，有十幾個隱含的 CUDA 依賴。不是他自己寫的——是 PyTorch 替他呼叫的。他在程式碼裡寫 model.train()，PyTorch 替他呼叫了 cuDNN 的卷積核心、cuBLAS 的矩陣乘法、NCCL 的梯度同步。他根本不知道自己在用 CUDA——就像第六章 Steam Deck 的玩家不知道自己在用 Linux。差別在於，Steam Deck 的玩家可以不在乎底下是什麼；AI 研究員在想換 GPU 的那一刻，才發現自己被鎖在哪裡。

第四層：知識綁定。

這是最深的一層，也是最不容易被看見的一層。

全球大學的 GPU 計算課程——用 CUDA 教。教科書——用 CUDA 寫範例。學術論文的實驗程式碼——放在 GitHub 上，用 CUDA 實作。Stack Overflow 上關於 GPU 加速的問答——CUDA 的回答比 ROCm 多五十倍。一個博士生從入學第一天起，他學的並行運算語言就是 CUDA，他讀的論文附的程式碼就是 CUDA，他問問題得到的回答就是 CUDA。

五年之後，他畢業了。他進了一家 AI 公司。他的思考方式——怎麼切分資料、怎麼安排執行緒、怎麼最小化記憶體搬運——全部是用 CUDA 的心智模型鍛造出來的。你跟他說「換 AMD」，他需要的不只是換一套工具鏈——他需要重新學一套思考方式。

而他不會。因為他的同事也都用 CUDA。他的論文審稿人也用 CUDA。他的下一份工作面試也問 CUDA。

這就是知識鎖定。它不靠任何合約、不靠任何專利、不靠任何商業條款。它靠的是一整個世代的工程師，在同一套工具裡長大。

四層鎖。硬體指令集、函式庫生態、框架綁定、知識綁定。每一層都獨立運作，每一層都有自己的護城河。你撬開了第一層（做出自己的 GPU 指令集），第二層還在（沒有對等的函式庫）。你追上了第二層（花十年寫出對等的函式庫），第三層還在（框架的核心程式碼依然先寫 CUDA）。你說服了框架開發者同等對待你（第三層），第四層還在——一百萬個已經用 CUDA 思考的 AI 工程師，不會因為你做了一套好工具就跟著你走。

這座監獄沒有明確的一道門。它是由四道互相加強的牆圍起來的。

III. 為什麼撬不開

讀完上一章，你可能覺得：CUDA 再難撬，也不過是另一個 DirectX——找到一個夠執著的工程師，花幾年時間做翻譯層，總能繞過去。

不能。

因為 DirectX 和 CUDA 的鎖，深度完全不同。

DirectX 鎖住的是一層——一層繪圖 API。它的行為雖然龐雜，但本質上是一組輸入輸出的對應關係：遊戲發出某個 Direct3D 呼叫，預期螢幕上出現某個結果。這組對應關係大部分有文件記載，剩下的可以逆向工程。DXVK 的開發者 Philip Rebohle——一個人——就能啟動這場反擊。因為他只需要做一件事：觀察 DirectX 的行為，用 Vulkan 複製出來。繁瑣，但可行。

CUDA 鎖住的不是一層。是四層。

AMD 試過翻譯。它做了 HIP——一套工具，可以把大部分 CUDA 原始碼自動轉換成 AMD 的程式碼。表層的轉換確實能做。但碰到 cuDNN——一個沒有原始碼的二進位函式庫——HIP 就斷了。你沒有辦法翻譯一個你看不到內部的東西。AMD 只能自己從頭寫一個功能對等的 MIOpen，然後花幾年時間追趕 cuDNN 每半年一次的更新。

更深的問題是：即使 AMD 在函式庫層面追上了——假設 MIOpen 有一天真的跟 cuDNN 一樣快——PyTorch 的核心開發者也不會因此就把 AMD 後端升級為一等公民。因為 PyTorch 的主要貢獻者在 Meta。Meta 的 GPU 叢集用的全是 NVIDIA。PyTorch 的每一個新功能，都是先在 NVIDIA GPU 上開發、測試、優化，然後才有人——通常是 AMD 自己的工程師——花幾週把它適配到 ROCm 上。

你追的不是一個靜止的靶。你追的是一個每天都在跑的靶，而且跑道上的裁判、觀眾和記者全都在替那個靶加油。

Valve 用 Proton 撬開了 DirectX 的鎖。但那是因為 DirectX 只鎖了一層——一層 API，行為可以逆向、可以翻譯。CUDA 鎖住的不是一層。它鎖住了硬體指令集、運算函式庫、AI 框架、以及全世界每一間大學的 GPU 計算課程。四把鎖疊在一起，每一把都比 DirectX 更深。這道鎖，到今天為止，沒有人撬得開。

這裡有一個諷刺到殘忍的對比。

NVIDIA 的閉源策略，在兩個戰場得到了完全相反的結果。

上一章說過：Valve 選擇 AMD 而不是 NVIDIA 做 Steam Deck 的晶片夥伴，正是因為 NVIDIA 的 Linux GPU 驅動是閉源的——Valve 的工程師沒辦法修改它、沒辦法針對 Proton 做深度優化、沒辦法在翻譯層和驅動層之間做端到端的整合。NVIDIA 的閉源策略，讓它輸掉了 Linux 遊戲硬體這個戰場。

但同一套閉源策略——CUDA 生態的閉源——讓 NVIDIA 贏了 AI。

差別在哪裡？差別在鎖的深度。

DirectX 只鎖一層 API。你把 GPU 驅動打開（AMD 做到了），翻譯層就能直接跟硬體對話，閉源驅動反而變成障礙。但 CUDA 鎖四層。AMD 的驅動再怎麼開源，也碰不到驅動上面那三層——函式庫、框架、知識體系。開源在驅動層的勝利，對 CUDA 的四層監獄毫無意義。

開源 vs 閉源不是道德判斷。是策略。 要看你鎖的是什麼、鎖得多深。DirectX 鎖得淺，所以開源社群翻譯得了。CUDA 鎖得深到四層，開源在最底層再怎麼贏，上面三層依然紋風不動。

IV. 相認

六年。

從 2006 年 CUDA 隨 GeForce 8800 GTX 降生，到 2012 年一個 27 歲的烏克蘭裔加拿大博士生把它引爆——六年。

Alex Krizhevsky 在多倫多大學讀博士。他的指導教授是 Geoffrey Hinton——一位幾十年來堅持「神經網路終將復興」的異類。Hinton 的另一個學生是 Ilya Sutskever——日後共同創辦 OpenAI、再出走創辦 Safe Superintelligence 的那個 Ilya Sutskever。

Krizhevsky 之前就已經用 CUDA 寫過一個卷積神經網路程式叫 cuda-convnet，在小規模資料集上跑。現在他想做一件更大的事：用深度神經網路挑戰 ImageNet——一個包含超過一千五百萬張標記照片的巨型圖像辨識資料集。傳統的機器學習方法在這個資料集上的最佳準確率已經停滯了好幾年。

他的訓練設備是兩張 NVIDIA GTX 580——那時候的消費級遊戲顯示卡，每張 3GB 視訊記憶體（GTX 580 的特規版本——標準版只有 1.5GB，但 Krizhevsky 需要更多記憶體來塞下六千萬個參數），零售價大約 500 美元。他把這兩張卡裝在一台桌上型電腦裡，放在他父母家的臥室裡。

2012 年 9 月 30 日，他和 Sutskever、Hinton 三人組成的 SuperVision 團隊，把結果提交到 ImageNet 大規模視覺辨識挑戰賽。

他們的模型——後來被叫做 AlexNet——把 top-5 錯誤率從第二名的 26.2% 壓到 15.3%。

差距不是幾個百分點。是十個百分點。在一個全球頂尖實驗室激烈競爭了好幾年、每年進步不到一個百分點的比賽裡，一支三人團隊，用兩張遊戲顯示卡，在一間臥室裡，把所有人甩開了十個百分點。

整個計算機視覺領域在那一天改變了方向。

但真正改變的不是學術界。真正改變的，是黃仁勳的公司。

AlexNet 證明了一件事：深度神經網路不只是理論上有效——它在大規模資料集上碾壓了所有傳統方法。而讓它碾壓的關鍵硬體，是 GPU。不是 CPU、不是 FPGA、不是任何客製化的 AI 加速器——是兩張在百思買花一千美元就能買到的遊戲顯示卡。

NVIDIA 從一家「遊戲顯示卡公司」，在那一個秋天，變成了一家「AI 基礎設施公司」。

它不需要轉型。它不需要重組。它不需要開發新產品。因為它六年前就已經把硬體做好了——每一張 GeForce 裡面都有 CUDA 核心，每一張都能跑通用運算。AlexNet 只是替那些沉睡了六年的核心，找到了它們一直在等的主人。

遊戲玩家交了六年的 R&D 稅。在 Krizhevsky 臥室裡按下「開始訓練」的那一瞬間，這筆稅的帳單，結清了。

V. 結案陳詞

這個 pattern 又出現了。

第二章是原型：微軟用 DirectX 的便利吸引遊戲開發者 → 開發者被鎖進 Windows → 消費者跟著被鎖。

第六章是反擊加新鎖定：Valve 用 Proton 撬開微軟的牆 → 在原地蓋了 Steam 的牆。

這一章是第五次變奏，也是鎖定最深的一次。

便利的入口：更漂亮的遊戲畫質。每一代 GeForce 都比上一代快，遊戲玩家心甘情願地掏錢升級——599 美元、699 美元、999 美元、最後到 RTX 4090 的 1,599 美元。他們買的是畫質。他們不知道自己買的每一張卡裡面，都有一組跟遊戲無關的通用運算核心，正在替 NVIDIA 的下一盤棋鋪路。

鎖定的對象：AI 研究員。他們不是被 NVIDIA 的業務員說服的。他們是被自己的論文指導教授、被教科書、被 Stack Overflow、被 PyTorch 的 import torch 說服的。他們甚至不覺得自己做了選擇——CUDA 不是一個他們選擇使用的工具，CUDA 是他們成長的環境。你不會說自己「選擇了空氣」。

被鎖住的最終對象：全球每一家想做 AI 的科技公司。Google、Meta、Amazon、Microsoft、每一家中國科技巨頭、每一個 AI 新創——它們全部被鎖住了。不是因為 NVIDIA 的 GPU 最好（雖然確實最好），而是因為整個 AI 生態——從教育到框架到函式庫到硬體——全部是繞著 CUDA 長出來的。你可以造一張更快的 AI 晶片。但如果全世界的 AI 工程師都不會用它，它就是一塊昂貴的矽。

代價，要等十幾年後才顯形。

2024 年，NVIDIA 的市值突破三萬億美元。H100 GPU——訓練 ChatGPT 和 Claude 的那張卡——全球缺貨。科技公司排隊用幾十億美元的訂單，向黃仁勳買那張卡。一張 H100 的售價在兩萬五千到四萬美元之間，取決於型號和供需。這個價格裡有多少是 GPU 硬體成本？有多少是 CUDA 生態的壟斷溢價？

沒有人拆得清。因為 CUDA 的四層鎖，已經讓 NVIDIA 的 GPU 和 AI 生態融為一體。你買的不是一張卡——你買的是整個生態的入場券。而這個生態的入場費，是遊戲玩家從 2006 年開始、一張一張顯示卡地替你預付的。

VI. 贓物仍在被瓜分

回到開篇那個年輕的機器學習工程師。

他試著把公司的 GPU 叢集從 NVIDIA 換成 AMD，花了兩週，放棄了。他把這件事當成一個技術問題——「AMD 的軟體還不夠成熟。」

但他錯了。這不是成熟度的問題。這是一個在他出生之前就被設計好的系統的問題。

2006 年，當黃仁勳決定在 GeForce 8800 GTX 裡塞入通用運算核心的那一天，這個年輕工程師的命運就已經被決定了。他的大學教授會用 CUDA 教他寫並行程式、他的第一份工作會要求他用 PyTorch 訓練模型、他的 PyTorch 底下會呼叫 cuDNN 和 cuBLAS——而他永遠不會知道，這整條管線之所以存在，是因為十八年前有一群追求極致畫質的遊戲玩家，替一家他們不認識的公司，分攤了一筆他們不知道存在的研發成本。

他今天付的每一分 GPU 租金、他的公司向 NVIDIA 下的每一筆 H100 訂單、全球 AI 產業向黃仁勳繳的每一元壟斷溢價——都是 2006 年那個決定的延遲帳單。

但帳單不只是錢。帳單還有另一面。

每一張 NVIDIA GPU——不論是 GeForce、Quadro、Tesla、還是 H100——都是一塊矽晶片。它要有人製造。它的電路要有人刻。它的電晶體要有人用光刻機、蝕刻液、幾百道精密工序，在一片十二吋的矽晶圓上實現。

2026 年，製造這些晶片的公司只有一家。它不在矽谷、不在東京、不在首爾。

它在新竹。

第八章：唯一的軍工廠——台積電的終極壟斷

2025 年秋天，一位 NVIDIA 的供應鏈經理坐在新竹科學園區附近的一間咖啡廳裡，等待他的台積電窗口回覆一封郵件。郵件的內容很簡單：下一批 B200 AI 晶片的排產日期能不能提前兩週。

他等了三天。答案是不能。

不是因為台積電不願意，是因為產線上排在 NVIDIA 前面的，還有 Apple 的 A19 Pro、AMD 的下一代 EPYC 伺服器處理器、Qualcomm 的旗艦手機晶片、以及幾家他不被允許知道名字的客戶。每一家都在催。每一家都覺得自己的晶片最重要。而全世界能夠製造這些晶片的工廠——能用三奈米製程、在十二吋晶圓上刻出幾百億個電晶體、良率高到可以商業量產——只有一間。

就這一間。

不在矽谷。不在東京。不在首爾。不在柏林。

在新竹。

上一章講了一座四層深的軟體監獄——CUDA 鎖住了硬體指令集、函式庫、框架、以及全世界的 AI 工程師。那座監獄是無形的，是程式碼寫出來的。

這一章要講一座有形的監獄。它的牆不是程式碼，是矽、是光、是幾百道精密到奈米等級的製造工序。這座監獄的名字叫台積電。而建造它的磚頭——那些讓台積電學會製造超大晶片的製程經驗——有很大一部分，是遊戲玩家買單的。

I. 一個不舒服的事實

在展開論點之前，先把一件事講清楚。

台積電先進製程的首發客戶，不是遊戲。是 Apple。

2018 年 9 月，Apple A12 Bionic 成為第一款大規模量產的台積電 7 奈米晶片。2020 年，A14 Bionic 首發 5 奈米。2022 年，A16 Bionic 首發 4 奈米。2023 年，A17 Pro 首發 3 奈米。每一次製程換代，衝在最前面的都是 iPhone。

2023 年台積電的客戶營收佔比：Apple 佔 25%，NVIDIA 佔 11%，AMD 佔 7%。最大的客戶是 Apple，不是任何一家跟遊戲有關的公司。

這個事實必須誠實承認。本書的論點不靠浮誇支撐。

但數字只說了一半的故事。Apple 是台積電最大的客戶、最忠實的首發夥伴——這一點毫無爭議。然而，台積電之所以能成為地球上唯一一間有能力量產最先進晶片的工廠，靠的不是某一家客戶。靠的是一整個客戶組合——而這個組合裡面，遊戲扮演的角色，比營收數字所暗示的深得多。

II. 四種晶片，四種考卷

要理解遊戲對台積電的真正貢獻，先要理解一件半導體業內人人知道、但很少對外人解釋的事：不是所有晶片都一樣難做。

台積電的每一個新製程節點——比如從 7 奈米跳到 5 奈米——都像是一間剛建好的考場。考場蓋好了，但要驗證它能不能用，你需要考生進來考試。不同的考生，考的是不同難度的卷子。

手機 SoC 是基礎卷。

Apple 的 A 系列晶片，die 面積大約 110 平方毫米。小晶片、低功耗、年度更新。它對台積電的要求是：證明這個新節點可以做到——電晶體能動、良率夠高、功耗達標。這是首發實驗。Apple 願意付最高的價錢搶第一批產能，台積電用 Apple 的訂單回收新節點的建廠成本。雙方各取所需。

遊戲 GPU 是極限卷。

NVIDIA 的 RTX 4090——2022 年的旗艦消費級顯示卡——搭載一塊 608 平方毫米的 die，760 億個電晶體，功耗 450 瓦。同一個 5 奈米家族的製程，Apple 拿來做一塊手掌大的手機晶片，NVIDIA 拿來做一塊比 Apple 晶片大五倍半的怪物。

大 die 的製造難度不是線性增長——是指數增長。晶圓上的缺陷分佈是隨機的，die 面積越大，碰到缺陷的機率越高。一片十二吋晶圓上能切出的大 die 數量更少，每一顆的成本更高。要讓 608 平方毫米的 die 達到商業量產的良率，台積電的工程師必須把整個製程的控制精度推到極限——每一道光刻曝光、每一次蝕刻深度、每一層金屬連線的對準——全部不能有差池。

Apple 的 A 系列晶片驗證了「這個節點可以做手機 SoC」。NVIDIA 和 AMD 的遊戲 GPU 驗證了「這個節點可以做到最極端的東西」。 前者是入場考試，後者是壓力測試。

沒有壓力測試，台積電就不知道自己的製程在極端條件下會怎樣。

主機 SoC 是耐力卷。

PlayStation 5 的核心是一顆 AMD 的客製晶片——Zen 2 CPU 加上 RDNA 2 GPU，台積電 7 奈米生產。Xbox Series X 也是——同樣的架構、同樣的代工廠、同樣的製程。連上一章提過的 Steam Deck，裡面的 AMD Aerith APU 也是台積電 7 奈米。

三台機器，同一條生產線。

主機的獨特之處在於它的產品週期。一代遊戲主機的壽命是七到十年。主機廠在整個生命週期裡不會換晶片供應商——你不可能在 PS5 上市三年後跟 Sony 說「我們改用 Samsung 做」。這意味著台積電從 Sony 和微軟手上拿到的，是一份超長期、超穩定、可預測的訂單。

PS5 至今累計出貨超過六千萬台。Xbox Series X/S 超過三千萬台。Steam Deck 約五百六十萬台。每一台裡面都有一顆台積電 7 奈米的晶片。

iPhone 是年度更新——每年九月放量、隔年三月開始走低。這個節奏創造了明顯的產能波峰與波谷。而主機訂單填充的，恰好是 iPhone 淡季的那些產能空窗。它讓台積電的 fab 利用率全年維持在高水位——而高利用率，是台積電能夠持續投入天文數字的資本建設新節點的前提。

AI 訓練晶片是收割卷。

NVIDIA H100，2022 年推出，驅動了 ChatGPT 的訓練。台積電 N4 製程——5 奈米的改良版。die 面積超過 800 平方毫米。功耗超過 700 瓦。一張卡的售價在兩萬五千到四萬美元之間。

H100 是怎麼被造出來的？

它用的 N4 製程，是台積電在 5 奈米世代累積的量產經驗的結晶。而 5 奈米的大 die 量產良率——那個決定「這顆 800 平方毫米的晶片能不能商業化」的數字——是 NVIDIA 用 RTX 30 系列和 RTX 40 系列遊戲顯示卡驗證出來的。

遊戲 GPU 先來，壓力測試做完了，大 die 的製程細節都調好了。AI 晶片後來，直接站在遊戲 GPU 趟過的路上。

四種考卷，四種貢獻：

• Apple：首發實驗——「這個節點可以動。」

• 遊戲 GPU：壓力測試——「這個節點可以做到極限。」

• 主機 SoC：長期訂單——「這條產線值得繼續養。」

• AI 晶片：收割——「遊戲驗證過的大 die 製程，現在拿來做更大的 die。」

拿掉遊戲，這個循環少了兩塊——壓力測試和長期訂單。少了壓力測試，台積電不知道自己的製程能推多遠。少了長期訂單，台積電的 fab 利用率撐不住，下一代節點的投資決策就會猶豫。

AI 晶片不是從天上掉下來的。它是站在遊戲 GPU 的肩膀上，長出來的。

III. 信任的護城河

但光有客戶組合還不夠。地球上有第二間晶圓廠可以做先進製程嗎？

有。Samsung。Intel 也在試。

Samsung 的先進製程技術，論紙面規格，跟台積電差距不大。Samsung 的 3 奈米 GAA（Gate-All-Around）電晶體甚至比台積電更早量產。Intel 在 Pat Gelsinger 手上推出了 Intel 18A 製程，對外宣稱性能追上台積電 N3。

但 2026 年的現實是：全世界最先進的 AI 晶片、最先進的手機處理器、最先進的遊戲 GPU——幾乎全部由台積電製造。Samsung 和 Intel 在先進製程的市佔率加起來，不到台積電的零頭。

為什麼？

不是因為 Samsung 和 Intel 的工程師比台積電差。是因為台積電有一條其他公司不可能複製的護城河。

這條護城河的名字叫信任。

Samsung 的問題，行業內叫「球員兼裁判」。Samsung 是全球最大的記憶體晶片廠、全球第二大手機品牌、同時又經營晶圓代工業務。一家 fabless 晶片公司——比如 Qualcomm——把自己最先進的晶片設計圖交給 Samsung 代工，它心裡會想一個問題：Samsung 的半導體部門看了我的設計，會不會把關鍵資訊透露給 Samsung 的手機部門？Samsung 的手機部門正在跟我的客戶競爭。

Samsung 信誓旦旦說兩個部門之間有防火牆。但信誓旦旦不是護城河。

Intel 的問題比 Samsung 更深。Samsung 的問題是「球員兼裁判」——利益衝突。Intel 的問題，是前科。

2003 年，AMD 推出了 Athlon 64 處理器。從純技術的角度看，Athlon 64 碾壓了 Intel 同期的 Pentium 4——更高的每時脈指令數、更低的功耗、更先進的 64 位元架構。那是 x86 處理器歷史上，AMD 唯一一次在效能上全面領先 Intel 的時期。

按照正常的市場邏輯，消費者應該用腳投票，AMD 的市佔率應該飆升。

沒有。

因為 Intel 用了另一套邏輯。

Intel 向全球最大的 PC 品牌廠——Dell、HP、Lenovo、Acer、NEC——提供巨額的「排他性回扣」。交易很簡單：你全部用 Intel 的 CPU，我給你幾億美元的補貼；你膽敢進一顆 AMD 的貨，補貼全砍。

Dell 是最極端的案例。從 2003 年到 2006 年，Intel 向 Dell 支付了大約 43 億美元的排他性補貼。這筆錢佔 Dell 營業利潤的比例從 2003 年的 10% 一路攀升到 2006 年的 38%。到了 2007 年第一季度，它佔到了 76%。換句話說——Dell 超過四分之三的利潤來自 Intel 的補貼，而不是來自賣電腦。 Dell 從一家電腦公司，變成了 Intel 的補貼提款機。

作為交換，Dell 在那幾年間，沒有出過一台 AMD 的桌上型電腦。零。

不是因為 AMD 的產品不好——所有評測都證明 Athlon 64 更快。是因為 Dell 算過一筆帳：用 AMD 的晶片每台電腦或許能省幾十美元的零件成本，但一旦 Intel 砍掉每年十幾億美元的補貼，Dell 的財報會直接崩盤。

2006 年，Dell 終於開始賣 AMD 的電腦。Intel 立刻報復——砍掉補貼。Dell 的下一季營業利潤暴跌。

2009 年，歐盟委員會對 Intel 開出 10.6 億歐元的反壟斷罰款——當時歐盟史上最高的單一企業罰款。同年，Intel 向 AMD 支付 12.5 億美元和解金。美國聯邦貿易委員會（FTC）也在 2009 年提起訴訟，2010 年 Intel 簽下和解令，承諾停止一切排他性回扣行為。

這段歷史跟台積電有什麼關係？

關係深到骨子裡。

Intel 在 2000 年代初期，用渠道霸凌維持了 x86 市場的壟斷地位。它不是靠技術贏——它的 Pentium 4 在效能上輸給了 Athlon 64。它是靠幾百億美元的補貼和威脅，堵死了 AMD 的銷售通路。

這套打法短期有效。但它有一個致命的副作用——它讓 Intel 以為自己不需要在製造上全力以赴。

為什麼要費心追趕製程技術？反正 OEM 廠商全部被回扣鎖死了，就算 AMD 做出更好的晶片也賣不出去。為什麼要考慮分拆製造業務、擁抱 fabless 模式？反正「設計加製造全包」的 IDM 模式一直運作得好好的——靠的不是製造效率，是渠道控制。

Intel 的回扣案掩蓋了 IDM 模式正在從內部腐爛的事實。 就在 Intel 忙著用回扣堵死 AMD 的 2003 到 2007 年間，台積電正在悄悄做一件事：從「便宜的代工廠」升級為「比 Intel 更先進的代工廠」。2018 年，台積電的 7 奈米量產時，Intel 的 10 奈米還在難產。同一年——Intel 的製程優勢，這家公司維持了二十多年的核心護城河，正式翻轉。

回扣買來的安全感，最終讓 Intel 錯過了半導體製造的時代轉換。

而這段歷史還有另一個後果。

2009 年，就在 Intel 回扣案爆發的同一年，AMD 做了一個絕望的決定——把自己的晶圓廠分拆出去，成立 GlobalFoundries。 AMD 不是想分拆。它是被逼的。Intel 的回扣戰把 AMD 逼到破產邊緣，AMD 已經養不起自己的晶圓廠了。分拆是求生。

諷刺的是，這個絕望的求生決定，反而成了 AMD 日後崛起的前提。

甩掉晶圓廠之後，AMD 變成了一家純設計公司——fabless。它可以自由選擇代工廠。2014 年，一個叫 Lisa Su 的新任 CEO 做了一個關鍵決策：把 AMD 最先進的晶片全部交給台積電。Zen 架構、RDNA 架構、PS5 的 SoC、Xbox Series X 的 SoC、Steam Deck 的 APU——全部由台積電製造。

Intel 用回扣把 AMD 逼到破產 → AMD 被迫甩掉晶圓廠 → AMD 擁抱台積電 → 台積電拿到 AMD 的訂單後客戶組合更多元、製程經驗更密集 → 台積電的正向循環轉得更快 → Intel 自己的製程反而被台積電超越。

Intel 的回扣案，是台積電崛起故事裡最大的一個幫手。 它做了兩件事：一，讓 Intel 自己在 IDM 的舒適圈裡麻痺到錯過製程轉換；二，把 AMD 逼成 fabless，替台積電送去了一個日後會供應三大主機心臟的超級客戶。

這就是「霸道」與「王道」的差別。Intel 靠的是威脅和回扣——「你不用我的晶片，我就砍你的補貼。」台積電靠的是信任和服務——「你把最核心的設計交給我，我絕不跟你競爭。」

二十年後，Intel 想轉型做代工（IDM 2.0），去敲 NVIDIA、AMD、Apple 的門，問它們願不願意把晶片交給 Intel 製造。

它們看了看 Intel 的前科——一家曾經用 43 億美元的回扣買斷 Dell、用威脅壓制整個 OEM 產業鏈的公司——然後禮貌地說：不了，謝謝。

Intel 說會公平對待代工客戶。但一家有霸凌前科的公司說「我現在是好人了」，跟一家從第一天起就沒有過利益衝突的公司相比——你會信誰？

台積電的天才，在於張忠謀在 1987 年做了一個看起來最笨的決定：不做自己的產品。

台積電是純代工——Pure Foundry。它不設計任何晶片、不賣任何終端產品、不跟任何客戶競爭。Apple 把 A 系列的設計圖交給台積電，不擔心台積電拿去做自己的手機。NVIDIA 把 GPU 的設計圖交過去，不擔心台積電拿去做自己的顯示卡。AMD、Qualcomm、Broadcom、MediaTek——全球所有 fabless 晶片公司，都可以毫無顧慮地把自己最核心的智慧財產權，交到台積電手上。

因為台積電跟它們之間，沒有任何業務重疊。零。

這個商業模式聽起來不像什麼高深策略。但它的效果是：全球所有想做最先進晶片的公司，全部匯聚到同一間代工廠。 匯聚帶來多元化，多元化帶來製程經驗的密度，製程經驗的密度帶來良率優勢，良率優勢帶來更多客戶——正向循環，越轉越快。

Samsung 和 Intel 要追的，不只是台積電的技術。他們要追的，是三十年來全球 fabless 生態對台積電累積的信任。你不能用一張投影片追。你不能用一個季度追。你甚至不能用十年追——因為信任不是一項可以研發的技術，它是一種不可逆的生態關係。

IV. 遊戲的隱形帳單

現在可以把這一章的核心論點串起來了。

2024 年初，一個 AI 研究實驗室——可能在舊金山、可能在倫敦、可能在北京——拿到了一批新到貨的 NVIDIA H100 GPU。工程師把它們裝進機架、接上網路、開始訓練一個大型語言模型。

他們不會想過以下這條線：

1. H100 是用台積電 N4 製程生產的。 N4 是 5 奈米家族的改良版。

2. 5 奈米的大 die 量產良率，是 NVIDIA 用 RTX 30 和 RTX 40 系列遊戲顯示卡驗證出來的。 RTX 4090 的 608 平方毫米 die、760 億個電晶體——在同世代的所有晶片裡，它是台積電 5 奈米製程面對的最極端壓力測試。

3. 遊戲玩家付了 1,599 美元買一張 RTX 4090。 那筆錢的一部分，變成了 NVIDIA 向台積電支付的代工費，變成了台積電優化大 die 良率的工程經費，變成了 H100 得以量產的製程基礎。

4. 同一時期，Sony 和微軟每年向台積電下數千萬顆主機 SoC 的長期訂單。 這些訂單填充了台積電 7 奈米 fab 的產能利用率，讓台積電有穩定的現金流去投資下一代節點。PS5 和 Xbox Series X 的每一台出貨，都是台積電通往 3 奈米、2 奈米的墊腳石。

5. 當台積電的 3 奈米製程成熟到足以量產 AI 晶片時，它的大 die 製程經驗、它的客戶多元化護城河、它的 fab 利用率基礎——全部都有遊戲的指紋在上面。

這不是比喻。這是資金流、工程經驗、產能規劃三條線的真實交匯。

第七章的結論是：每一個買 GeForce 的遊戲玩家，都是 AI 革命的共同出資人——他們的錢養了 CUDA 這座軟體監獄。

這一章的結論是同一句話的另一半：他們的錢，同時養了台積電這座實體軍工廠。

NVIDIA 在遊戲市場收到的每一分錢，都變成台積電進化下一代製程的研發基金。遊戲玩家買單的不只是 CUDA 的軟體鎖定——他們買單的，還有 AI 晶片賴以存在的矽基礎。兩個獨立的機制，同一群受害者，同一批受益者。

V. 結案陳詞

那個 pattern 又出現了。第六次。

第二章的原型：微軟用 DirectX 的便利吸引開發者 → 開發者被鎖進 Windows → 消費者跟著被鎖。

這一章的變奏：遊戲驗證先進製程 → AI 晶片借用遊戲的製程經驗 → 遊戲玩家成為 AI 革命的共同出資人。

但這一次的變奏有一個關鍵差異——鎖不在 API 層，不在軟體層。鎖在物理層。

DirectX 的鎖是程式碼寫出來的——所以 Valve 可以用另一堆程式碼繞過去。CUDA 的鎖是四層軟體生態疊出來的——所以 AMD 追了十年還追不上。

台積電的鎖，是結構性的。

它鎖住的東西不是一套 API，不是一個框架，不是一個知識體系。它鎖住的是三十年來全球 fabless 生態對一間公司的信任、幾十個客戶在同一條產線上累積的製程經驗、以及「不跟客戶競爭」這個簡單到不像護城河的商業模式所創造的不可逆生態關係。

Samsung 追不上。不是因為它的工程師差——Samsung 的半導體團隊是世界頂尖的。是因為它球員兼裁判的身份，讓 Apple、NVIDIA、AMD 這些最高價值的客戶不敢把最先進的設計交給它。少了這些客戶，Samsung 的先進製程就少了壓力測試、少了多元化經驗、少了正向循環。

Intel 追不上。不是因為 Pat Gelsinger 的願景錯了——IDM 2.0 的邏輯在紙上說得通。是因為 Intel 同時經營 CPU 設計和晶圓代工的利益衝突，讓外部客戶信不過它的優先級。下一章會講 Gelsinger 的故事——一個技術正確但體制不允許他執行的悲劇。

追不上的原因不是技術差距。追不上的原因是信任差距。而信任差距，是用時間長出來的東西——你花錢買不到，花時間追未必追得上，因為跑在前面的人也在繼續累積信任。

第六章的鎖是淺的——一層 API，撬得開。第七章的鎖是深的——四層軟體生態，撬不開。這一章的鎖是結構性的——它不是某個人設計出來的，它是一整個產業在三十年裡無意中長出來的。你甚至不知道該撬哪裡。

三種鎖，三種深度。到目前為止，只有最淺的一種被撬開過。而撬開它的人——Valve——自己又蓋了一道新牆。

這就是科技霸權的真實面貌。它不是一場可以翻盤的牌局。它是一層一層疊上去的地質結構——最表面的那層偶爾會被風雨侵蝕，但底下的岩床，紋風不動。

VI. 贓物仍在被瓜分

回到開篇那位 NVIDIA 的供應鏈經理。

他等了三天，台積電的回覆是：排產日期無法提前。前面排著 Apple、排著 AMD、排著 Qualcomm、排著幾家他不被允許知道名字的客戶。

他把這件事當成一個產能管理問題——「台積電太忙了，明年擴廠就好。」

不是。

台積電「太忙」不是產能的問題。是結構的問題。全世界所有想做最先進晶片的公司，全部被集中到同一間工廠——不是因為沒有選擇，而是因為唯一的選擇，在三十年裡，用一個不跟你競爭的商業模式、用遊戲 GPU 的壓力測試、用主機 SoC 的長期訂單、用 Apple 的首發實驗——一塊磚一塊磚地，蓋成了一座沒有任何人能複製的要塞。

而這座要塞裡面，最容易被忽略的那幾塊磚——壓力測試 GPU 的 608 平方毫米 die、填充淡季產能的主機晶片——都有遊戲的名字刻在上面。

他向台積電下的那份 B200 訂單、他的公司向全球 AI 實驗室賣的每一張卡、全球 AI 產業為了一塊矽晶片排隊付出的每一分溢價——都可以追溯到一條同樣的線：

有人想玩更好的遊戲。

那份帳單還沒結清。而且，帳單的金額正在失控地膨脹。因為台積電要繼續造下一代——2 奈米、1.4 奈米——需要的資本支出已經飆升到一年超過三百億美元。這筆錢的一部分，會從 NVIDIA 賣遊戲顯示卡的營收裡來。會從 AMD 的主機合約裡來。會從每一個花 1,599 美元買 RTX 5090 的玩家口袋裡來。

這些玩家不知道自己在替什麼買單。

他們只知道新卡跑起來更快了、光線追蹤更漂亮了、幀率更高了。他們在社群裡討論性價比、討論功耗、討論要不要等下一代。

他們不知道自己的錢，正在養一座軍工廠。而那座軍工廠裡造出來的東西，正在重塑人類文明的方向。

但帳單不只是錢。帳單還有另一面。

台積電造的每一顆晶片——不論是給 iPhone、給 PlayStation、給 Steam Deck、還是給 H100——都需要有人設計。設計 GPU 架構的是 NVIDIA 和 AMD。設計主機 SoC 的是 AMD。而 AMD 之所以能同時設計 PS5 的晶片、Xbox Series X 的晶片、Steam Deck 的晶片——三大平台的心臟全部出自同一家公司——是因為一個人在十年前做了一個讓所有人嘲笑的決定。

那個人叫 Lisa Su。那個決定，是放棄 AMD 自己的晶圓廠，全面擁抱台積電。

那是下一章的故事。

第九章：CEO 的生死時速——Lisa Su vs. Pat Gelsinger

2024 年 12 月 1 日，Pat Gelsinger 從 Intel CEO 的位置上「退休」了。

退休是官方措辭。業界所有人都知道真相：董事會給了他兩個選項——自己走，或者被推走。他選了前者。

三年前，Gelsinger 帶著救世主的光環回歸 Intel。他是 Intel 史上最年輕的副總裁、80486 處理器的首席架構師、公司第一任技術長——一個從十八歲起就在 Intel 工作、技術底子深到骨髓的人。他在 VMware 做了九年 CEO，把公司市值翻了幾倍，然後在 2021 年 2 月回到 Intel，宣佈要用 IDM 2.0 戰略重建 Intel 的製造霸權。

他做了所有教科書上應該做的事：砸幾百億美元建新晶圓廠、成立 Intel Foundry Services 對外接客、發佈激進的製程路線圖追趕台積電。方向完全正確。

結果：2024 年 8 月，Intel 宣佈裁員一萬五千人——佔總員工數 15%。同年 12 月，Gelsinger 被請走。Intel 的股價在他任期內從大約 55 美元跌到 20 美元出頭。

同一個時間軸上，另一個人在做完全相反的事。

2014 年 10 月 8 日，Lisa Su 接任 AMD 的 CEO。當時 AMD 的股價不到 3 美元。公司背著 22 億美元的債務。2015 年全年淨虧損 6.6 億美元。華爾街的分析師不是在討論 AMD 能不能翻身——他們在討論 AMD 什麼時候會申請破產。

十年後，2024 年，AMD 的市值一度超越 Intel。

兩個 CEO。技術底子旗鼓相當。一個把瀕死的公司救活了。一個把曾經的帝國送進了加護病房。

差別不在智商。不在努力。不在願景。

差別在體制。

I. 安眠藥

上一章講了台積電的護城河——信任、中立、不與客戶競爭。它提到 Intel 在 2000 年代初用排他性回扣鎖死 OEM 廠商——也就是 Dell、HP、Lenovo 這些向 Intel 買晶片、組裝成品牌電腦賣給消費者的品牌廠——間接加速了自己在製造端的衰落。

但回扣案只是故事的上半場。

2009 年，歐盟開出 10.6 億歐元罰款，Intel 也向 AMD 支付了 12.5 億美元和解金。排他性回扣——「你敢買 AMD 的貨，我就砍你的補貼」——這種赤裸裸的渠道霸凌，表面上停了。

但 Intel 沒有停手。它只是換了一套玩法。

新玩法叫 MDF——Market Development Funds，市場開發基金。業界更熟悉的名字是「Intel Inside 貼紙計畫」的升級版。

運作方式很簡單。Intel 不再說「你不准買 AMD 的貨」。它說：「如果你今年出的筆電有八成用 Intel 的 CPU，而且在廣告上貼我的貼紙，我就『贊助』你幾千萬美元的廣告費和研發補貼。」

差別在哪裡？差別在律師看不出破綻。排他性回扣是違法的——你綁死客戶的選擇。MDF 是合法的——你只是「獎勵」客戶的忠誠。結果完全一樣：OEM 廠商被鎖在 Intel 的生態裡。但方式從黑社會收保護費，進化成了合法的商業綑綁。

為什麼 OEM 廠商會買帳？

因為他們的毛利太薄了。

Lenovo、HP、Dell、Acer——全球前幾大 PC 品牌廠的硬體毛利率，通常在 3% 到 5% 之間。Intel 每年批出去的 MDF 補貼，有時候相當於一家 OEM 廠商某個季度的全部純利。在這種財報壓力下，哪個 CEO 敢大幅度轉用 AMD？轉了，產品或許便宜一點，但 Intel 的 MDF 一砍，下一季的盈虧表會直接翻紅。

MDF 不是回扣。MDF 是一張鋪在 OEM 毛利結構上的安全網——只要你乖乖用 Intel，這張網就接住你。你一跳，網就消失。

但 MDF 只是第一層。Intel 還有第二層更深的綑綁，而這一層，幾乎沒有人在公開場合談論。

II. 一條龍

當一家 OEM 要開發一台新的 Intel 筆電時，Intel 不只賣一顆 CPU 給它。

Intel 會派出一支工程師團隊——有時候是幾十個人——進駐 OEM 的研發部門。這支團隊會幫 OEM 寫好大部分的 BIOS 參考代碼。它會幫你搞定最難搞的電源管理——ACPI 裡面那些 sleep state 的切換、處理器動態調頻的微調、不同周邊裝置的喚醒順序。它會幫你調校散熱——風扇曲線、CPU 和 GPU 的功耗分配、在纖薄機身裡面壓住溫度的每一個細節。它甚至會幫你驗證 WiFi 的穩定性、測試 Thunderbolt 的相容性。

這套服務有一個行業名稱：Intel Reference Validation Platform。更白話的叫法是「一條龍方案」。

如果你是 Lenovo 的產品經理，你要出一台 Intel 筆電：Intel 派人來幫你寫 BIOS、幫你調散熱、幫你測周邊、幫你拿 Intel Evo 認證——這個認證意味著 Intel 會幫你打廣告——然後還給你一筆 MDF 補貼。從研發到行銷，Intel 幾乎把整條路幫你鋪好了。你的工程師只需要做機構設計和最後組裝。研發週期短、Bug 少、上市快。

現在，你要出一台 AMD 的筆電。

AMD 會給你 AGESA——它的基礎韌體初始化代碼。AGESA 做的事情是讓 CPU 核心、記憶體控制器和基本周邊可以啟動。但 AGESA 之上的所有東西——BIOS 的完整實作、電源管理的精細調校、散熱設計的驗證——你的工程師得自己來。

AMD 沒有 Intel 那種規模的客戶支援團隊。它沒有資源派幾十個人進駐你的研發部門幫你收拾 BIOS 的邊界情況。它也沒有一個等同於 Intel Evo 的行銷認證計畫——至少在早期的 Ryzen 時代沒有。

出一台 Intel 機，研發成本低、週期短、Bug 少、還有補貼。出一台 AMD 機，要用多一倍的 R&D 資源，還沒有補貼。

在商言商，OEM 的 BIOS 團隊和散熱團隊，自然會全面向 Intel 傾斜。不是因為 Intel 威脅他們。是因為 Intel 讓他們的日子太好過了。

這就是 Intel 在 PC 時代的真正護城河。不是技術最好——第八章已經說了，Intel 的製程從 2018 年起就被台積電超越。是服務最周到。 MDF 綁住 OEM 的財報，一條龍綁住 OEM 的工程團隊。兩條繩子加在一起，就算 Intel 的 CPU 性能落後，OEM 也不敢大規模跳船。

但這條護城河有一個致命的副作用。

它是一顆安眠藥。

當 Intel 發現只要每年批幾千萬 MDF 給 Lenovo、HP，再派一隊工程師幫他們搞定底層韌體，OEM 就會乖乖出 Intel 筆電——這種「鎖死渠道」的快感太容易了。太舒服了。它讓 Intel 內部的高層產生了一個致命的錯覺：「就算我們的製程落後一點，靠渠道和補貼一樣可以贏。」

2014 年，Intel 的 14 奈米製程量產。按照原計劃，10 奈米應該在 2016 年跟上。

沒有。

10 奈米難產了。2016 年跳票。2017 年跳票。2018 年跳票。Intel 的桌上型處理器在 14 奈米上停留了五年——業界戲稱為「14nm+++」。在這五年裡，台積電從 16 奈米做到 7 奈米再做到 5 奈米。Intel 的製程領先優勢——它維持了二十多年的核心護城河——在 2018 年正式翻轉。

但 Intel 的財報沒有崩盤。

因為 OEM 被 MDF 和一條龍綁住了。就算 Intel 的 10 奈米難產，OEM 也不敢大規模轉用 AMD——轉了就失去 Intel 的工程支援和行銷補貼。Intel 的市佔率下滑的速度，遠比它的技術衰退速度慢。

這是最危險的狀態。 一家公司的技術已經在衰退，但渠道控制力讓它的財報看起來還行——像一個心臟病患者跑完了半程馬拉松，因為腎上腺素和止痛藥讓他感覺不到疼痛。他覺得自己還能跑。觀眾覺得他還在領先。

但心臟已經壞了。

III. 谷底的自由

2014 年 10 月，Lisa Su 坐進 AMD CEO 的椅子時，她面對的不是安眠藥。她面對的是一張病危通知書。

股價 2 美元出頭。債務 22 億。年度虧損超過 6 億。晶圓廠在 2009 年已經分拆出去（GlobalFoundries）——被 Intel 的回扣戰逼到養不起。CPU 業務被 Intel 碾壓——AMD 的推土機（Bulldozer）架構是公認的技術災難，IPC 效能遠落後於 Intel 的 Haswell。GPU 業務被 NVIDIA 壓制。華爾街在倒數計時。

但 Lisa Su 有一樣 Pat Gelsinger 永遠不會有的東西。

她有全面放權的董事會。

AMD 已經到了谷底。沒有什麼可以再失去的。董事會沒有利益集團要保護——因為沒有利益可以保護了。沒有華爾街分析師關心 AMD 下一季的毛利率——因為所有人都已經放棄了。

谷底，意味著自由。

Lisa Su 用這份自由做了三件事。

第一件：All-in Zen。

2012 年，在 Lisa Su 接任 CEO 之前，AMD 從 Apple 挖來了傳奇處理器架構師 Jim Keller。Keller 在 Apple 設計了 A4 和 A5 晶片——iPhone 4 和 iPad 2 的心臟。更早之前，他在 AMD 設計了 K8 架構——就是 2003 年碾壓 Intel Pentium 4 的 Athlon 64 的核心。

Keller 回到 AMD，帶來了一個從頭設計的全新架構概念——代號 Zen。

Lisa Su 接任後，把公司的研發資源全面壓在 Zen 上面。不是「加大投入」——是 All-in。砍掉分散注意力的產品線，把有限的工程師集中到一個賭注上。

2017 年 3 月 2 日，第一代 Ryzen 處理器上市。Zen 架構的 IPC 效能比上一代推土機架構提升了 52%。一夜之間，AMD 在桌上型 CPU 市場重新變成了值得認真對待的對手。

第二件：繞過 OEM 泥沼，直取主機市場。

這是 Lisa Su 戰略眼光最鋒利的地方。

她非常清楚一件事：在 PC 筆電市場跟 Intel 打正面戰，是自殺。AMD 沒有錢派 MDF，也沒有龐大的工程團隊去幫 OEM 寫 BIOS。Intel 的一條龍服務加上行銷補貼，把 PC OEM 的底層架構綁得死死的。AMD 就算做出更好的 CPU，OEM 也不敢大規模採用——轉換成本太高。

所以她去了一個 Intel 的 MDF 和一條龍都碰不到的地方。

Sony。微軟。後來是 Valve。

主機廠不是 OEM。它們不靠 Intel 的 MDF 活。它們有自己的 BIOS 團隊——Sony 和微軟的硬體工程能力本身就是世界頂級。它們不需要 Intel 派人來幫忙寫韌體。它們要的是一樣很純粹的東西：高效能的矽晶片。不是一條龍服務，不是行銷補貼——就是一顆性能夠強、功耗夠低、價格合理的客製化 SoC。

而 AMD 有一個 Intel 和 NVIDIA 都沒有的獨特優勢：它同時擁有高效能 CPU（x86）和高效能 GPU（Radeon）的設計能力。 它可以把 CPU 和 GPU 整合在同一顆晶片上，做成一個完整的 SoC。主機廠只需要跟一家供應商打交道。

PS5 用 AMD Zen 2 + RDNA 2。Xbox Series X 用 AMD Zen 2 + RDNA 2。Steam Deck 用 AMD Zen 2 + RDNA 2。三大遊戲平台的心臟，全部出自同一家公司。

這些半客製化（Semi-Custom）訂單做了兩件事。

首先，它們讓 AMD 活了下來。在 Zen 架構還沒有上市的 2014 到 2016 年，AMD 的 PC 業務在失血。是主機合約提供了穩定的、可預測的營收——讓 AMD 的工程師有飯吃、讓 Zen 架構的研發可以繼續燒錢。

其次，它們完美繞過了 Intel 佈下的 OEM 泥沼。Sony 和微軟不在乎 Intel 給了 Lenovo 多少 MDF。它們只在乎那顆晶片跑不跑得動《戰神》和《Halo》。

Lisa Su 沒有試圖去撬開 Intel 的鎖。她繞過了整座牆。

第三件：全面擁抱台積電。

上一章的結尾提過這個決定。AMD 在 2009 年被迫分拆晶圓廠之後，變成了 fabless 公司。Lisa Su 做了一個關鍵選擇：把 AMD 最先進的晶片全部交給台積電。

這個決定在 2014 年看起來不太起眼。但它的長期效果是毀滅性的——對 Intel 而言。

因為 AMD 的晶片從此可以使用台積電最先進的製程節點。當 Intel 在 14 奈米上停滯了五年的時候，AMD 的 Zen 2 已經用上了台積電的 7 奈米。到了 Zen 4，AMD 用的是台積電 5 奈米。Intel 在製程上的落後，被 AMD 借台積電之力轉化成了產品上的領先。

谷底的自由，讓 Lisa Su 可以做三件在繁榮時期不可能做的事：把所有資源壓在一個賭注上（Zen）、把戰場搬到對手碰不到的地方（主機）、把製造交給全世界最好的代工廠（台積電）。

AMD 的復活，不是因為 Lisa Su 比 Pat Gelsinger 聰明。是因為谷底給了她全面放權的體制——而富貴給了 Gelsinger 一座動不了的帝國。

IV. 動不了的帝國

2021 年 2 月 15 日，Pat Gelsinger 回到 Intel。

他看到了所有問題。製程落後台積電至少兩代。PC 市佔率被 AMD 蠶食。資料中心市場——Intel 最賺錢的業務——正在被 AMD EPYC 和 NVIDIA 的 AI GPU 夾擊。IDM 模式從護城河變成了拖累。

他的藥方——IDM 2.0——在邏輯上完全正確：重建製造能力、對外開放代工業務、用一張激進的製程路線圖追趕台積電。

問題是，開藥方容易。讓病人吞藥，難。

Gelsinger 面對的第一堵牆：華爾街。

建一座先進製程的晶圓廠，資本支出以百億美元計。回報周期至少五到七年。而華爾街的時間尺度是一個季度。每一次 Intel 的財報電話會議，分析師問的第一個問題都是：「你花了這麼多錢建廠，什麼時候能看到回報？」Gelsinger 的答案是「幾年後」。華爾街的反應是拋售。

Lisa Su 在 2014 年也面對過華爾街的壓力。但差別是：AMD 的股價已經跌到 2 美元，華爾街已經放棄了，沒有人在乎它下一季的毛利率。Gelsinger 接手的是一家股價 55 美元的公司——華爾街有期望，有期望就有失望的空間。

Gelsinger 面對的第二堵牆：內部利益集團。

Intel 有超過十萬名員工。一條龍的 OEM 服務團隊——幫客戶寫 BIOS、調散熱、做認證的那支龐大隊伍——是 Intel 渠道控制力的基石。MDF 部門管著每年幾十億美元的行銷預算。晶圓廠有幾萬名製造工程師。每一個部門都有自己的預算、自己的 KPI、自己的政治勢力。

當 Gelsinger 要裁員一萬五千人來省錢時，他發現了一個殘酷的現實：該裁的人裁不動，能裁的人不該裁。

那支服侍 OEM 的一條龍團隊——能裁嗎？一裁，OEM 就會抱怨服務品質下降，然後加速轉向 AMD。MDF 部門——能砍嗎？一砍，OEM 失去補貼，更有理由上 AMD 的船。

但 Gelsinger 必須省錢。華爾街在看。

結果，刀刃揮向了阻力最小的地方——沒有政治庇護的工程師。那些默默研發下一代架構的核心工程師、那些在先進封裝技術上耕耘的研究團隊——他們沒有 OEM 客戶幫他們喊話，沒有行銷預算替他們遊說董事會。他們被裁了。

Intel 裁掉的，是它最需要的人。留下的，是讓它感覺最安全但正在失去意義的人。

這不是 Gelsinger 的個人失敗。這是體制的結構性困局。Intel 養了幾十年的一條龍服務團隊和 MDF 體系——那套讓 OEM 乖乖用 Intel 的機制——已經變成了一個動不了的機構。它太大、牽涉的利益關係太深、砍任何一塊都會引發連鎖反應。

Lisa Su 不需要面對這個問題。AMD 在 2014 年根本沒有一條龍服務團隊——因為它窮到養不起。它沒有 MDF 預算——因為它沒有錢。它沒有需要保護的利益集團——因為所有人都在同一條船上，船在沉。

AMD 的弱點變成了它的優勢。沒有包袱，才能跑。

Intel 的優勢變成了它的枷鎖。包袱太重，連動都動不了。

V. 結案陳詞

那個 pattern 又出現了。第七次。

但這一次的變奏跟之前不一樣。

之前的每一次變奏——DirectX、Steam、CUDA、台積電——鎖住的是外部的人。微軟鎖住了遊戲開發者。NVIDIA 鎖住了 AI 研究員。台積電鎖住了全球的 fabless 晶片公司。

這一次，鎖住的是自己。

Intel 用 MDF 和一條龍服務鎖住了 OEM 廠商——表面上是鎖別人，實際上是把自己也鎖進了一套必須持續供養的體制裡。OEM 依賴 Intel 的補貼和工程支援，Intel 依賴 OEM 的忠誠來維持市佔率和財報。雙方互相綁定，誰也走不開。

當 Intel 的製程開始落後，這套互相綑綁的體制沒有發出警報——反而把警報靜音了。OEM 不跳船，所以財報還行。財報還行，所以高層以為製程落後不是致命的。高層以為不致命，所以修復製程的緊迫性被降低了。等到問題大到無法忽視，已經晚了五年。

便利吸引 OEM → OEM 被 MDF 和一條龍綁定 → Intel 自己也被綁定 → 綑綁掩蓋了製程衰退 → 衰退積累到崩盤。

當年鎖住別人的人，最後把自己鎖住了。

Pat Gelsinger 不是一個無能的 CEO。他是一個在錯誤的體制下、握有不足夠的實權、試圖撬動一個動不了的帝國的工程師。他的悲劇不在於他看不到問題——他看到了所有問題。他的悲劇在於，他回來的時候，MDF 和一條龍已經運轉了二十年。利益結構已經固化。要改變它，不是換一個 CEO 就夠的——需要的是把整台機器拆掉重建。而華爾街不會給你拆掉重建的時間。

Lisa Su 的勝利也不是因為她個人比 Gelsinger 強。是因為歷史在 2014 年給了她一張空白的棋盤——Intel 的回扣戰把 AMD 逼到破產邊緣，逼掉了晶圓廠，逼散了舊體制，逼走了所有包袱。她在廢墟上重建，不需要跟任何利益集團搏鬥。

科技史的勝利者不是最聰明的人。是在對的體制下、握有足夠實權、敢於押上一切的人。

Gelsinger 的智商和技術視野，跟 Lisa Su 不相上下。但他回到的那間公司——被 MDF 餵養了二十年的 Intel——已經不是一間可以被一個人拯救的公司了。

VI. 贓物仍在被瓜分

2025 年，AMD 的 Zen 架構同時供應三大遊戲平台——PS5、Xbox Series X、Steam Deck。三大平台的心臟，全部出自 Lisa Su 在 AMD 最黑暗的年代佈下的棋子。

如果沒有 Intel 的回扣戰把 AMD 逼到絕路，AMD 不會分拆晶圓廠。如果不分拆晶圓廠，AMD 不會擁抱台積電。如果不擁抱台積電，AMD 的 Zen 晶片不會用上業界最先進的製程。如果 Zen 晶片用的是 GlobalFoundries 的落後製程，它就不會有碾壓 Intel 的性能——Sony 和微軟也不會把三大主機的心臟全部交給它。

Intel 的回扣戰→ AMD 被逼到破產邊緣 → AMD 甩掉晶圓廠 → AMD 擁抱台積電 → AMD 用台積電的製程做出更好的晶片 → AMD 拿下三大主機合約 → 三大主機的長期訂單反過來餵養台積電的正向循環。

Intel 在二十年前用幾十億美元的回扣做了一件事：它把 AMD 打成了一家更危險的公司。

但帳單不只是 Intel 的。帳單還有另一面。

當微軟和 Sony 把遊戲主機的心臟全部交給 AMD 的時候，他們同時也把一樣東西交給了 AMD——籌碼。談判桌上的籌碼。兩大主機巨頭的硬體命脈，握在同一家公司手裡。

這個局面，在兩大巨頭決定「不再認真做遊戲」的時候，會變成什麼？

那是下一章的故事。

第十章：最後一根救命稻草——當巨頭親手拆毀自己的壓力測試場

2026 年 2 月 23 日，Phil Spencer 退休了。

在微軟待了三十八年。Xbox 品牌最後一位被玩家信任的代言人，把辦公室的鑰匙交了出去。接替他的人叫 Asha Sharma——微軟 CoreAI 產品部門的前總裁。一個 AI 高管，接手了一個遊戲部門。

同一天，Xbox 總裁 Sarah Bond 也離開了微軟。

兩年前——2024 年 1 月——微軟剛花完 690 億美元完成人類商業史上最大宗遊戲收購，買下了 Activision Blizzard。三個月後裁了 1,900 人。五月，關了 Tango Gameworks——《Hi-Fi Rush》的開發商，一款拿了年度遊戲提名的作品，工作室連慶功的時間都沒有就被解散。同一天關了 Arkane Austin——《Prey》和《Dishonored》系列的創作者。九月，再裁 650 人。2025 年七月，又一波：The Initiative 關閉、《Perfect Dark》重啟版取消、《Everwild》取消、Turn 10 裁掉近半數員工。

Seamus Blackley——2001 年第一台 Xbox 的共同創造者，第三章出場過的那個人——在社群媒體上用了一個詞：palliative care。

安寧療護。

一台主機，從第三章的誕生到安寧療護，走了二十五年。一條從 OS 防衛武器到 AI 祭品的弧線，在 Spencer 退休那天畫上了句號。

但 Xbox 不是唯一一台正在被拆的機器。

太平洋另一邊，Sony 在做同一件事——只是用的藉口不同。

I. 兩種拆法

微軟拆 Xbox 的方式，是明拆。

第三章解釋過 Xbox 的基因：它是一面牆，不是一座城。牆的功能是擋住入侵者——Sony 的 PS2 威脅 Windows 的客廳側翼，所以蓋茲造了一台主機來堵。二十五年後，Satya Nadella 判斷客廳不再是需要防守的戰場。AI 才是。

於是牆被拆了，磚頭搬去蓋另一面牆。

690 億買來的 Activision 遊戲上架 PlayStation。Xbox 獨佔遊戲一款一款開放。硬體團隊裁員。工作室一間一間關門。每一步都有清晰的商業邏輯：遊戲部門的資源，正在被系統性地轉移到 AI 基礎設施上。

2025 財年，微軟的資本支出超過 1,000 億美元——幾乎全部投向 AI 資料中心。它向 OpenAI 投了 130 億美元。OpenAI 承諾向微軟購買 2,500 億美元的 Azure 雲端服務。這些數字的量級，讓 Xbox 二十五年來的全部虧損看起來像零用錢。

Nadella 的邏輯很簡單：Xbox 每年創造的營收，跟 AI 可能創造的營收相比，不在同一個數量級。一個正在萎縮的遊戲硬體市場，跟一個可能重塑人類生產力的 AI 平台相比，資源該往哪裡放？

從 CEO 的角度看，這個決定無懈可擊。從本書的角度看，這個決定正在拆掉一塊看不見的磚。

但 Sony 的拆法更值得細看。因為 Sony 拆的不是一面牆——它拆的是一座城。

II. 十四天

2024 年 8 月 23 日，Sony 發行了一款叫《Concord》的遊戲。

英雄射擊類型。全價 40 美元。開發商 Firewalk Studios——Sony 在 2023 年 4 月剛花錢收購的工作室。開發週期超過八年。研發成本的報導從 2 億美元到 4 億美元不等，業界普遍估計至少超過 2 億。

上市後，Steam 上的同時在線玩家峰值不到 700 人。PS5 和 PC 合計銷量估計約 25,000 份。

十四天後——2024 年 9 月 6 日——Sony 把《Concord》從所有數位商店下架，全額退款。

2024 年 10 月 29 日，Sony 宣佈永久關閉 Firewalk Studios。174 名員工全部裁撤。遊戲不會重新上線，不會修改重推。

超過 2 億美元的研發投入。25,000 份銷量。十四天壽命。

這不是一次商業失敗。這是一份驗屍報告。

而《Concord》不是意外。它是一個系統性決策的必然產物。

III. 服務性遊戲的海市蜃樓

要理解《Concord》為什麼存在，要先理解 Jim Ryan。

Ryan 在 2019 年接任 Sony Interactive Entertainment 的 CEO。2022 年，他宣佈了一個激進的戰略轉向：Sony 要在 2025 財年之前推出超過十款「服務性遊戲」——live-service games。

服務性遊戲的商業邏輯，對華爾街來說像毒品一樣誘人。

傳統單機遊戲的營收模式是一次性交易：玩家付 70 美元，開發商收錢，故事結束。如果要再賺一筆，就得從頭開發續作——又是三到五年的研發週期、又是幾億美元的投入、又是一次賭博。

服務性遊戲的營收模式是經常性收入：遊戲免費或低價發售，然後靠賽季通行證、虛擬貨幣、角色外觀——所謂的「微交易」——持續抽水。一款成功的服務性遊戲可以連續收割五年、十年。《Fortnite》一年的營收超過很多 3A 大作的終身營收總和。

Ryan 看到的是報表上的數字。他沒看到的是報表背後的墓地。

服務性遊戲市場的殘酷之處在於：它是贏者通吃。 一個玩家一天只有那麼多時間。他已經在打《Fortnite》、已經在打《Apex Legends》、已經在打《Valorant》——全部免費。你要他放下手上的遊戲，花 40 美元買一款全新的、他完全不熟悉的英雄射擊遊戲？他為什麼要？

但 Ryan 在 2022 年不在乎這個問題。他在乎的是華爾街怎麼看 Sony 的營收結構。一次性交易 vs. 經常性收入——在資本市場的語言裡，前者叫「不可預測」，後者叫「高品質營收」。把更多營收從一次性轉成經常性，本益比會上去，股價會上去。

這裡又出現了那個 pattern。只是這一次，便利不是給玩家的，是給華爾街的。

Ryan 在 2022 年下了指令。Sony 旗下的工作室開始被要求做服務性遊戲。不是建議，是指令。

Naughty Dog——《The Last of Us》的創作者——被要求做一款《The Last of Us》多人線上遊戲。投入了幾年開發，最終取消。

Insomniac——《Spider-Man》的開發商——做了一款叫《Spider-Man: The Great Web》的線上遊戲。取消。

Bend Studio——《Days Gone》的開發商——提交了續作企劃。被拒。團隊被調去支援其他項目的服務性遊戲開發。

Bluepoint Games——Sony 在 2021 年收購的工作室，以《Demon's Souls》重製版聞名——被要求做一款線上《God of War》。最終項目取消，2026 年 2 月 Sony 宣佈關閉 Bluepoint。

Japan Studio——Sony 在東京的創始工作室，PlayStation 品牌的搖籃——2021 年 4 月被關閉。 前 PlayStation 高管吉田修平後來透露，他因為拒絕執行 Ryan 的指令而被撤職。

一間一間。一個一個。

Sony 花了三十年建立的第一方工作室生態——世界上最強大的單機遊戲開發網絡之一——在三年內被系統性地拆解。不是因為這些工作室做不出好遊戲。是因為它們做的遊戲類型，不是華爾街想看到的營收結構。

Ryan 在 2024 年 3 月退休。他的服務性遊戲戰略的成績單，到那時已經很清楚了：Concord 崩盤、多款項目取消、數間工作室關閉或重組。唯一的亮點是《Helldivers 2》——但那是一款在戰略轉向之前就已經在開發的遊戲，不是 Ryan 的功勞。

Ryan 有實權。Ryan 有方向。Ryan 的方向已經被證明是錯的。

但這裡要停下來，問一個讓人不舒服的問題。

Ryan 真的輸了嗎？

從玩家的角度看，是。從 PlayStation 品牌的角度看，是。但從華爾街的角度看——Jim Ryan 是一個教科書級別的成功 CEO。

Ryan 在任期內做了幾件資本市場極度歡迎的事。第一，他把 Sony Interactive Entertainment 的權力核心和總部從東京搬到了加州聖馬特奧——一個完美的美式科技公司化改造。他的薪酬結構高度依賴與業績掛鉤的股票期權，只要財報上的營收創新高，他個人就賺得盆滿缽滿。第二，他強力推動 PlayStation 獨佔遊戲移植 PC——玩家覺得這是「背叛」獨佔承諾，但華爾街看到的是「一份資產，賺兩次錢」。一魚兩吃，利潤即時翻倍。第三，他在 2024 年 3 月精準離場——完美避開了五個月後《Concord》的光速崩盤，還在臨走前用裁員九百人和關閉倫敦工作室來「執靚盤數」。

Ryan 留下了一個臃腫的服務性遊戲爛攤子。但他自己帶走了幾輩子都花不完的財富。

這不是道德批判。這是結構性觀察。在上市公司的治理邏輯裡，Ryan 完美履行了他對股東的受託責任——在任期內最大化了股東價值。至於 PlayStation 的靈魂、Japan Studio 的消亡、Concord 的兩億美元灰飛煙滅——這些不在股東價值的計算公式裡。

而這裡藏著一個更深的對比。

1999 年，站在 PS2 發佈會舞台上的那個人——久多良木健——和 Jim Ryan 是完全相反的物種。久多良木健是工程師。他親手設計了 Emotion Engine 晶片，用浮點運算的數據逼蓋茲造出 Xbox（第三章的故事）。他用技術浪漫定義遊戲生態，用硬體的極限去追問「遊戲還能變成什麼」。他最後也失敗了——PS3 的 Cell 處理器設計過於激進，開發難度之高把整個第三方嚇跑——但他的失敗是一個工程師的失敗：賭在技術上，輸在技術上。

Ryan 不賭技術。Ryan 賭報表。他眼中的 PlayStation 不是一個硬體平台，是一條營收管線。他不在乎 Japan Studio 做的《重力異想世界》或《ICO》有多少藝術靈魂——他在乎的是這些遊戲的「活躍用戶數」和「利潤率」。當數字不達標，工作室就關。當華爾街說經常性收入好，全部工作室就轉做服務性遊戲。

久多良木健沒有搞死 Sony 的財務。Ryan 也沒有搞死 Sony 的財務。Ryan 搞死的，是 PlayStation 的靈魂——他把一個工程師建立的硬體王國，變成了一個庸俗的美式內容分發平台。

而最冷的事實是：在資本市場的語言裡，「搞死靈魂」不是一個 KPI。沒有分析師會在財報電話會議上問你：「你的平台還有靈魂嗎？」

IV. 三面鏡子

現在把三個 CEO 放在一起。

Pat Gelsinger。Lisa Su。Jim Ryan。

第九章的結論是：科技史的勝利者不是最聰明的人，是在對的體制下、握有足夠實權、敢於押上一切的人。

這個結論是對的。但不完整。

因為它只回答了「為什麼有人贏」。它沒有回答「為什麼有人輸」——而輸的方式，不止一種。

Gelsinger 的失敗：沒有實權。 第九章已經詳細分析過。Intel 的 MDF 體系和一條龍服務團隊已經固化成利益集團。Gelsinger 看到了所有問題，但他動不了那台機器。華爾街不給他時間，董事會不給他刀。他的藥方完全正確——IDM 2.0、重建製造、追趕台積電——但病人拒絕吃藥。

Ryan 的失敗：有實權，方向錯。 Ryan 在 Sony 的權力不受挑戰——他能關掉 Japan Studio、能撤換吉田修平、能命令 Naughty Dog 做線上遊戲。沒有利益集團能阻擋他。但他把整個公司推向了一個 Sony 的基因不支持的方向。Sony 的護城河是單機敘事遊戲——《The Last of Us》《God of War》《Uncharted》《Ghost of Tsushima》。服務性遊戲需要的能力——即時營運、社群管理、賽季內容的持續生產——是 Sony 從未建立過的肌肉。Ryan 讓一群馬拉松選手去打拳擊。

Nadella 的豪賭：有實權，方向未定。 Nadella 是三人中權力最大的——他掌控一家市值超過三萬億美元的公司，董事會完全信任他。他把 Xbox 的資源搬去 AI 的邏輯，從商業角度看無懈可擊。但 AI 的投資回報周期是未知的。1,000 億美元的年度資本支出，如果 AI 的商業化速度比預期慢三年呢？如果 OpenAI 的技術被 Google 或 Anthropic 超越呢？如果 AI 泡沫破裂呢？

Gelsinger 的藥方對，但體制不讓他吃。Ryan 的體制讓他做任何事，但他開的藥方是毒藥。Nadella 的體制讓他做任何事，他開的藥方可能是對的——但帳單要五年後才知道。

三種失敗模式。三面鏡子。但它們映出的是同一個影像。

V. 同一個病根

微軟拆 Xbox。Sony 拆工作室。表面上看，兩家公司做的事完全不同——一個在追 AI，一個在追服務性遊戲。

但如果你退後一步，看清楚它們的決策邏輯，會發現驅動這兩個決定的是同一個資本市場的咒語。

把一次性交易變成經常性收入。

微軟的版本：把賣遊戲主機（一次性硬體交易）變成賣 Game Pass 訂閱（經常性月費）再變成賣 AI 雲端服務（經常性企業合約）。每一步都讓營收結構在華爾街眼中變得「更高品質」。Nadella 把 Turn 10 Studios——ForzaTech 引擎的開發團隊，Xbox 僅存的底層技術尖兵之一——腰斬了近半數員工，同一時間用省下來的錢去買 NVIDIA 的 GPU 建 AI 資料中心。因為 AI 的市夢率高，華爾街喜歡看。

Sony 的版本：把賣 70 美元的單機遊戲（一次性購買）變成賣服務性遊戲的微交易（經常性消費）。Ryan 把單機工作室拆骨，逼所有團隊轉做服務性遊戲。因為經常性收入的本益比高過一次性買斷，華爾街喜歡看。

兩條路，同一個目的地：向華爾街交保護費。

這不是比喻。上市公司的 CEO 對股東有受託責任——最大化股東價值。如果華爾街認為經常性收入比一次性交易值更高的本益比，那所有 CEO 都有義務把營收結構往那個方向推。不推的 CEO 會被換掉——第九章的 Gelsinger 就是活生生的例子。

Nadella 沒有「錯」。Ryan 沒有「錯」。他們都完美履行了作為上市公司 CEO 對股東的責任。 但代價是，他們親手拆毀了第七章和第八章描述的那條隱形供應鏈。

而這正是最得人驚的地方：在資本邏輯下，摧毀科技基石竟然是一種「最理性、最賺錢」的行為。

這個邏輯有一個致命的盲區。

它假設遊戲只是一種商品——一種可以被重新包裝、重新定價、重新分配的營收來源。它不關心遊戲在更大的科技生態裡扮演什麼角色。

本書花了九章解釋那個角色。

第七章：遊戲玩家的錢養了 CUDA。每一張賣出去的 GeForce 裡面，都有玩家用不到的通用運算核心，替 AI 革命分攤了十年的研發成本。

第八章：遊戲 GPU 是台積電先進製程的壓力測試場。608 平方毫米的 RTX 4090 die——比 iPhone 晶片大五倍半——逼迫台積電把 5 奈米製程的良率推到極限。沒有這場壓力測試，H100 不可能量產。

第八章還講了另一件事：主機 SoC 是台積電的隱形壓艙石。PS5 和 Xbox Series X 的訂單——長達七到十年、數千萬台出貨——填充了台積電 iPhone 淡季的產能空窗，讓 fab 利用率維持在高水位。這是台積電敢於投入天文數字建設下一代節點的前提之一。

遊戲不是一種商品。遊戲是一座壓力測試場加一個 R&D 資金池。 拆掉它的代價，不會出現在今年的財報上。代價要等五年、十年才會顯形。

而微軟和 Sony 正在同時拆。兩個 CEO 都在向華爾街交保護費。保費的名目不同——一個叫 AI，一個叫服務性遊戲——但被拆掉的磚頭，來自同一面牆。

VI. 結案陳詞

那個 pattern 最後一次出現了。第八次。也是最危險的一次。

因為前七次變奏，鎖住的是別人——消費者、開發者、AI 研究員、OEM 廠商。拆牆的也是別人——Valve、AMD、開源社群。

這一次，拆牆的是業主自己。

微軟在拆 Xbox。Sony 在拆工作室。兩家公司都在用同一個理由：我們要把資源投向更有價值的地方。微軟說那個地方叫 AI。Sony 說那個地方叫服務性遊戲。

但它們拆掉的東西——每年幾千萬台主機的長期晶片訂單、推動 GPU 極限效能的消費級硬體市場、逼迫台積電把良率推到極端的壓力測試需求——這些東西不在它們的資產負債表上。它們拆掉的，是一條從遊戲玩家的口袋到 AI 晶片的矽之間的隱形供應鏈。

第八章的邏輯是這樣的：遊戲玩家花 1,599 美元買 RTX 4090 → NVIDIA 用這筆錢向台積電下大 die 訂單 → 台積電用這些訂單磨練大 die 良率 → 良率成熟後拿去造 H100 → H100 驅動全球 AI 訓練。

這條鏈的起點是遊戲。如果主機市場萎縮——如果 Xbox 變成一個品牌標籤而不是一台硬體——那條鏈就少了一段。主機 SoC 的長期訂單萎縮，台積電的產能平衡器鬆動。消費級 GPU 市場如果被雲端串流侵蝕，NVIDIA 在遊戲端的營收下降，分攤 R&D 稅的基數就縮小——每張 AI 卡的成本會上升。

沒有人在微軟或 Sony 的董事會上問過這個問題。因為這條鏈太長了。從 Xbox 的裁員到台積電的產能規劃，中間隔了太多層。而華爾街只看下一季。

便利吸引華爾街（更高的本益比）→ 華爾街的壓力鎖住 CEO 的決策空間 → CEO 拆掉遊戲資產來餵 AI 或服務性遊戲 → 遊戲作為壓力測試場和 R&D 資金池的功能被削弱 → 削弱的代價五到十年後才顯形 → 但那時拆掉的東西已經回不來了。

前七次變奏，pattern 的代價是可逆的——至少理論上可逆。微軟可以重新投資 DirectX。NVIDIA 可以開源 CUDA（雖然它不會）。台積電可以接新客戶。

這一次不可逆。 你可以三年內建一座晶圓廠，但你不能三年內重建一個被解散的遊戲工作室的創作文化。你可以花錢僱回工程師，但你僱不回一支在同一個 IP 上磨了十年的團隊之間的默契。Japan Studio 關了就是關了。Tango Gameworks 被 Krafton 撿走了。Arkane Austin 散了。Bluepoint 散了。這些團隊的能力——做出《Prey》《Hi-Fi Rush》《Demon's Souls》《Bloodborne》這種會被 hardcore 玩家奉為神作、會驅動硬體銷量、會逼迫 GPU 和 CPU 把效能推到極限的遊戲——不是用錢買得回來的。

遊戲是科技演進的壓力測試場。而壓力測試場正在被它的業主親手拆毀。不是因為外敵入侵，是因為業主覺得這塊地拿來蓋別的東西更值錢。

VII. 贓物仍在被瓜分

回到 2026 年 2 月 23 日。Phil Spencer 退休。Asha Sharma 接任。

一位遊戲記者在報導裡寫了一句話：「Xbox 的靈魂已經離開了大樓。」

但靈魂從來就沒有在那棟大樓裡住過。

第三章已經說過了：Xbox 從第一天起就不是為了玩家造的。它是為了擋住 Sony 對 Windows 的威脅。一面牆，不是一座城。住在牆後面的人——那些買了 Xbox、充了 Game Pass、信任了獨佔承諾的玩家——他們的投資從來就不在微軟的資產負債表上。

Spencer 知道這件事嗎？可能知道。但他待了三十八年，撐到最後一刻，然後把鑰匙交給了一個 AI 高管。

Sony 的情況更複雜。因為 PlayStation 確實曾經是一座城——一座有居民、有文化、有歸屬感的城。Japan Studio 的開發者、Naughty Dog 的編劇、Bluepoint 的工匠——他們不是籌碼，他們是居民。Jim Ryan 用華爾街的邏輯拆了這座城的幾道牆，然後退休了。留下來的人正在收拾殘局。

但收拾殘局不等於重建。

因為拆掉的不只是工作室。拆掉的是一種信號——信號告訴全世界的遊戲開發者：在大型平台商眼裡，你的作品只是一個營收類型。如果你的營收類型不是華爾街偏好的那種，你就是可以被替換的零件。

這個信號的長期效果，比任何一次裁員都深。因為它改變了人才的流向。最優秀的遊戲開發者會問自己：我要不要把職業生涯押在一家隨時可能因為華爾街的偏好而關閉我工作室的公司身上？

答案越來越多是「不要」。而這些人去了哪裡？有些去了獨立開發。有些去了 AI。有些離開了這個產業。

他們帶走的——對硬體極限的理解、對即時渲染的直覺、對六十幀以下一切皆不可接受的執念——恰好是第七章和第八章描述的那條隱形供應鏈的起點。

沒有人在意。因為帳單要十年後才到。

這是本書最後一條因果鏈。也是唯一一條還在發生中的。

微軟用 690 億美元買下了 Activision Blizzard，然後把它的遊戲送上競爭對手的主機。Sony 花了超過 2 億美元做了一款活了十四天的遊戲。兩家公司用不同的方式，做了同一件事：把遊戲當作手段而不是目的，把玩家當作籌碼而不是顧客。

第三章的結尾寫過這句話。那時它是一個預告。現在它是一份結算。

而結算的帳單上，金額最大的那一行，不是 690 億，不是 2 億，不是 1,000 億的 AI 資本支出。

金額最大的那一行，是一個還沒有人算得清的數字：當全球最大的兩家遊戲平台商同時決定「遊戲不是核心業務」的時候，他們同時拆掉的壓力測試場、R&D 資金池、和長期晶片訂單，會對未來十年的半導體供應鏈和 AI 基礎設施造成多大的缺口？

沒有人問這個問題。

但台積電在新竹的工程師，可能已經感覺到了。

那是終章的故事。