黄仁勋离开后,英伟达的优势如何延续

AI 编程可能降低芯片迁移成本,英伟达还要应对供应链信任、资本布局和创始人接班问题。

JXJenny XiaoInvité · Leonis Capital
Chaîne
硅谷101
Publié
17 nov. 2026
Vidéo
38:35
Lecture
10 min
Diapositives
1
Original
chinois simplifié
Ouvrir sur YouTube
En faisant défiler, la vidéo se réduit en bas à droite et continue. Les sous-titres suivent votre langue de lecture.
Langue de lectureDisponible en 2 langues
Cet article n’est pas encore disponible en français ; il s’affiche dans l’original en chinois simplifié.
RÉSUMÉ

En 30 secondes

黄仁勋辞去英伟达 CEO 后,芯片行业受访者认为 AI 编程可能逐渐降低向其他硬件迁移的成本,但现有实验还不能代表完整系统迁移。节目判断,英伟达的竞争优势也来自机柜级系统整合、长期供应链合作与开发者生态。与此同时,芯片供应商对客户的投资引出需求和融资风险问题;高度依赖创始人的决策与客户关系,也给继任者留下考验。

  1. 1三天适配实验有明确边界节目引用 Anthropic 据称在 AMD GPU 上进行的单项提示词处理实验,同时提醒这不能代表一个完整 AI 系统的跨平台迁移。
  2. 2竞争可能从单卡转向整个计算系统嘉宾认为,芯片、网络、调度、散热与供应链整合,将越来越影响数据中心的实际能力。
  3. 3开发者生态也是未来算力需求的入口Yiwen 认为开放模型工具让小团队更容易使用熟悉的平台;英伟达拟收购 Hugging Face 仍在监管审查中。
  4. 4投资客户让算力需求更难独立衡量受访投资者担心,战略投资、云服务采购和芯片销售之间的资金流可能推高估值或掩盖真实需求。
  5. 5围绕创始人建立的决策体系面临接班考验节目称 60 多位高管曾直接向黄仁勋汇报;扁平化带来速度,也需要继任者承接跨领域决策。
  6. 6非核心业务的人才争夺不只取决于薪酬陈茜认为,研究自主权、产品主导权和股票回报预期都会影响员工是否留下。

À retenir

  1. AI 辅助芯片适配的单项实验不能直接等同于完整 AI 系统的迁移。
  2. 受访者认为,英伟达的系统整合和供应链协作可能比单一软件壁垒更加重要。
  3. 节目指出,芯片供应商投资客户,使评估独立算力需求和交易风险更复杂。
  4. 扁平决策和创始人亲自维护客户关系带来效率,也增加交接难度。
TEXTE INTÉGRAL

Lire le texte remanié, chapitre par chapitre

Transcription seule
01

创始人离开时,英伟达面临哪些考验

节目从 AI 工具、供应链和组织接班分析黄仁勋辞职后的变化。

黄仁勋辞去英伟达 CEO 并离开董事会之后,陈茜提出的问题不只是继任人选:一家将芯片、软件、供应链和客户关系紧密结合的公司,如何在创始人离开后继续运转?

陈茜说,科技界有人担心英伟达最需要黄仁勋的时刻,他却离开了。嘉宾认为,AI 编程工具正在降低客户适配其他芯片的成本,可能逐步改变 CUDA 的竞争优势。

02

AI 编程会削弱 CUDA 的迁移壁垒吗

嘉宾认为适配其他芯片可能更快,但节目提醒单项推理实验不能等同完整系统迁移。

CUDA 是英伟达的并行计算平台,让开发者能够使用 GPU 处理通用计算任务。即使竞争芯片在性能或价格上有优势,迁移已有软件和工程经验仍然需要时间和投入。

节目引用一份据称来自 Anthropic 的路演材料:过去接入新芯片平台可能需要几十名工程师和数月,而 Claude Mythos 帮助团队在约三天内将特定推理任务适配到 AMD GPU。节目强调,这个实验只涉及一个模型的一项提示词处理任务,不能等同于完整系统迁移,还需要进一步验证。

一位受访者预计,编程智能体会逐步减轻对稀缺底层工程师的依赖,CUDA 不会一夜之间失效,但它作为迁移壁垒的作用可能随时间减弱。他认为,计算内核、算子库和系统调度都可能由 AI 更快地针对不同硬件生成或适配。

嘉宾还设想从应用到汇编、推理服务和运行时调度的端到端定制软件栈。如果每种模型或应用都能更容易地产生专用软件,传统通用生态的优势就可能受到挑战;这仍是他对技术方向的判断。

03

竞争从单卡延伸到系统与供应链

嘉宾认为芯片、网络、散热和长期产能协同可能成为更重要的竞争力。

如果 CUDA 的优势减弱,嘉宾认为系统整合会更加重要。英伟达不仅做 GPU,也在发展 CPU、网络和软件,并通过 Dynamo 等工具协调推理任务;竞争可能从单卡性能转向整机柜乃至数据中心。

嘉宾举例说,推理中可拆分预填充和解码,也可将部分缓存卸载至存储层;CPU 与 GPU 结合也是异构系统。液冷、供电和光互连等技术虽非英伟达发明,但其产品要求和迭代节奏推动供应链加速应用。

受访者提到 Vera Rubin 系统中的多种芯片、Mellanox 带来的网络能力以及光电路交换等方向。他认为黄仁勋有能力召集不同供应商推进激进的技术路线,也担心换帅后相关投入和扩张决策可能放慢。

陈茜引用黄仁勋谈与台积电长期合作的说法,强调双方关系建立在数十年的技术协作和信任之上。节目称英伟达在 2025 年成为台积电最大客户,并占用了大量先进封装产能。

节目认为,对晶圆厂这样投资巨大、回报周期长的企业而言,长期需求的可信度与当期订单规模同样重要。一位嘉宾担心,黄仁勋离任可能改变合作伙伴对未来需求的判断。

同一位受访者推测,台积电未来在分配先进制程和封装产能时,可能给具备潜力的其他客户更多机会,包括随着软件生态和性能改善的 AMD。这是对未来分配的判断,并非已公布的产能安排。

节目转向开源模型、自动驾驶、机器人和量子计算等布局。陈茜认为,它们目前对营收的贡献有限,但黄仁勋希望在下一轮加速计算需求出现前建立算力生态和标准。

04

开源生态为何对芯片厂商重要

Yiwen 介绍英伟达的开放模型战略与拟收购 Hugging Face 的意义,交易仍受审查。

Yiwen 用能源、芯片、基础设施、模型和应用五层描述 AI 产业链。她说,英伟达通过投资、收购与合作,已参与多个层级,而拟收购 Hugging Face 是理解其开发者布局的一个例子。

Hugging Face 集中托管模型、权重、数据集和应用,是开发者寻找及部署开放模型的重要平台。Leonis Capital 合伙人 Jenny Xiao 认为,拟议收购显示英伟达希望成为开放 AI 生态的核心参与者,而不仅是芯片供应商。

Yiwen 说,这笔拟议交易仍在接受监管审查,并非定局。英伟达此前支持开放权重模型,也推出 Nemotron、机器人和物理世界相关模型与工具;其商业利益之一是扩大使用计算资源的开发者群体。

在 Yiwen 看来,大型模型实验室和云厂商有资源探索多云和非英伟达芯片,小公司及个人开发者则更需要新模型能在熟悉的硬件上迅速运行。成熟的适配工具有助于英伟达接触这些未来客户。

一位受访者认为,Hugging Face 的统一接口与社区可能进一步巩固英伟达的开发者关系,但这取决于竞争对手追赶的速度。他认为 AMD 和 TPU 供应商相对更重视大客户,开发者社区支持仍有差距。

Yiwen 解释,Hugging Face 的 Hub 汇集权重,Transformers 等工具库提供较统一的调用方式,减少更换模型时重复处理代码的工作。平台让英伟达有机会更早参与从发现模型到选择算力的过程。

Yiwen 说,一些开放模型研究者对黄仁勋离任后的美国开放生态感到担忧;但开放路线也符合英伟达扩大硬件需求的商业逻辑,因此管理层变化不必然意味着这条路线消失。

05

跨产业投资扩大需求,也带来融资疑问

节目讨论投资对象、算力购买和芯片供应之间的联系,以及投资与担保的风险。

节目进一步梳理英伟达跨模型、应用、算力、芯片和能源的投资及合作。Yiwen 引述 Jenny Xiao 的分析说,Hugging Face 将给这张布局图增加分发环节;被收购公司、股权投资对象和供应合作伙伴之间的关系并不相同。

节目引用截至 2026 年 7 月的投资数字,并提到 Thinking Machines Lab 与英伟达的投资及部署合作。Yiwen 的判断是,英伟达正更早地参与 AI 项目成长,以及这些项目所需的基础设施。

节目梳理英伟达与 AI 实验室的关系
DIAPOSITIVE 1 / 1节目梳理英伟达与 AI 实验室的关系图中展示了节目提到的研究型 AI 公司与英伟达之间的联系;各家公司的交易和合作形式并不相同。

这种布局也引出需求是否被重复放大的问题:芯片供应商投资模型公司,模型公司购买云服务,云服务商再购买芯片。一位财务投资者担心,战略投资可能推高估值,也让外界更难判断独立的最终需求。

Yiwen 引述媒体报道说,黄仁勋与首席财务官、临时 CEO Colette Kress 曾对支持数据中心项目的融资担保风险存在分歧。她提出的问题是,新的管理层是否会保持过去积极的投资和生态建设方式。

节目提到一项据报道与 OpenAI 数据中心融资有关的担保方案,以及 Kress 对风险和回报的顾虑。嘉宾认为,如果英伟达减少对生态伙伴的资金支持,部分公司的融资与扩张可能受影响;接替者的策略仍有待观察。

06

扁平化管理如何交给继任者

大量高管直接汇报创始人可以加快决策,也使接班依赖跨领域能力。

陈茜接着分析公司的管理方式。她说,过去有 60 多位高管直接向黄仁勋汇报,技术、产品和商业决策高度集中;员工还通过定期的“最重要五件事”邮件,让管理层直接了解项目进展。

在节目看来,这种扁平结构减少层级并加快决策,但依赖一个同时理解多个领域的人。陈茜担心,如果组织没有自然培养出能承接这些跨领域决策的人,原来的效率优势也会成为继任风险。

一位受访者认为,黄仁勋同时离开 CEO 职位和董事会,会影响市场对公司的估值预期,即便短期业务数字未必立刻改变。他提出的估值折价只是个人判断,而非可确定的结果。

07

最重要的客户关系如何延续

节目认为技术支持、生态和管理层参与共同构成销售体系。

陈茜说,英伟达的销售不只是推销芯片:销售人员、工程师和管理层一起理解客户问题、协助解决问题并培育开发者生态。受访者认为,黄仁勋熟悉产品并能引导客户理解其价值,是公司最重要的销售者之一。

节目回顾英伟达早期销售团队的发展,以及它从显卡供应商向企业计算平台的转变。陈茜举出向 OpenAI 交付早期 DGX 系统、后来与大型客户和各国政府讨论 AI 基础设施的例子。

她认为,英伟达逐渐从卖芯片发展为卖计算平台,并参与培育产业需求。接任者面临的挑战,是如何承接黄仁勋与客户、供应链和政府建立的关系,而这些关系不会因职位交接而自动转移。

08

人才和股权激励的变化

新领域研究者的职业选择、股票回报以及创始人离开都可能影响留人。

在人才方面,陈茜区分了 GPU、网络和计算系统等核心业务,与机器人、世界模型及医疗等新领域。后者与平台有关,却未必是主要营收来源;对研究者来说,创业或加入专注实验室可能意味着更直接的产品主导权。

陈茜说,英伟达曾通过收购和技术授权获取外部团队,但买到团队不等于能长期留住人才。顶尖研究者除了薪酬和算力,还可能看重研究自主权,以及自己的工作是否直接决定产品方向。

股票激励也存在两面性:过去股价上涨让一些员工积累了足以退休或创业的财富,而新员工则要面对未来回报不确定。陈茜认为,公司可能需要更有竞争力的薪酬、技术自主权和发展机会。

她说,一些人留在英伟达的原因之一,是希望与黄仁勋共事;他的离开可能改变人才流动。嘉宾猜测部分员工可能创业或加入其他公司,但没有给出确定的人数。

09

董事会控制与创始人的个人影响

节目讨论治理结构,并回顾黄仁勋在公司历史中的作用。

节目还讨论公司治理。陈茜说,黄仁勋持股比例有限,英伟达上市时并未建立让创始人保有超级投票权的双重股权结构;一位嘉宾认为,这使他无法单凭持股控制董事会决策。

陈茜回忆自己多次参加英伟达 GTC、采访黄仁勋以及制作有关公司历史的节目。她说,自己尊重的是其长期坚持、技术判断和凝聚工程师的能力;对于风波中仍待厘清的指控,她没有在本期作出定论。

节目最后回到英伟达长期面对的竞争:客户与合作关系会变化,公司需要持续推进。陈茜表示,她希望黄仁勋未来仍能继续自己的事业。

Sur la même chaîne

1:53:56ZH
硅谷101· 12 nov. 2026数据中心延期:AI 需求、社区成本与硬件风险Invité : Ethan Xu, Christina Xu, Bruce Liu, Rob Li, Elizabeth Yang, Steven, Steve · Anime : 陈茜, Richard, Yiwen从业者讨论审批与电价如何影响算力供应,投资人分歧在于需求能否兑现;当地居民则关注住房、交通和补偿。Infrastructure et déploiementEnergyInvesting+1
1:02:07ZH
硅谷101· 11 nov. 2026灵光 2.0:私人助手要先解决问题,再谈入口与收费Invité : 莫林剑 · Anime : 陈茜蚂蚁灵光 CTO 莫林剑谈长期目标、超级应用生态、支付安全和主动提醒的边界。Agentic commerceProduct Design
42:06EN
硅谷101· 5 nov. 2026Data-Center Power, Financing and Compute: A Panel with Yixing Xu, Alex Yeh and Bruce LiuInvité : Yixing Xu, Alex Yeh, Bruce Liu · Anime : Christina XuBuilders and an investor discuss transmission constraints, delivery delays, lease mismatches and the economics of selling compute.Infrastructure et déploiementEnergyAI cost & performance+2
1:32:16ZH
硅谷101· 2 nov. 2026MaxInsights 袁宇光:如何生产机器人第一视角训练数据Invité : 袁宇光 · Anime : 陈茜从头戴设备、全球采集网络到模型评估与部署,袁宇光解释机器人数据生意的扩张及质量挑战。RoboticsData quality & curationScaling Laws+1
4 diapositives19:20ZH
硅谷101· 29 oct. 2026许晋诚:机器人如何通过触觉、数据与执行理解物理世界帕西尼创始人介绍触觉传感、数据工厂和灵巧手如何共同支持物理 AI。RoboticsMultimodal AIModèles et entraînement
11 diapositives29:44EN
硅谷101· 27 oct. 2026Harry Wang: AI, Two-Dimensional Semiconductors, and the Future of Chip ManufacturingA semiconductor researcher explains materials, yield, AI-controlled experiments, and a proposed feedback loop between models and chips.SemiconductorsAI for science