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 Xiao게스트 · Leonis Capital
채널
硅谷101
게시일
2026년 11월 17일
영상
38:35
읽기
10분
슬라이드
1
원문
중국어(간체)
YouTube에서 열기
스크롤하면 영상이 오른쪽 아래로 작아져 계속 재생됩니다. 자막은 읽기 언어를 따릅니다.
읽기 언어2개 언어로 읽을 수 있음
이 글은 아직 한국어 번역이 없어 중국어(간체) 원문으로 표시합니다.
요약

30초 요약

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。

핵심 정리

  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。
전문

챕터별로 다듬은 전문 읽기

원본 자막만 보기
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
슬라이드 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。

같은 채널의 다른 글

1:53:56ZH
硅谷101· 2026년 11월 12일数据中心延期:AI 需求、社区成本与硬件风险게스트 Ethan Xu, Christina Xu, Bruce Liu, Rob Li, Elizabeth Yang, Steven, Steve · 진행자 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。인프라와 배포EnergyInvesting+1
1:02:07ZH
硅谷101· 2026년 11월 11일灵光 2.0:私人助手要先解决问题,再谈入口与收费게스트 莫林剑 · 진행자 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· 2026년 11월 5일Data-Center Power, Financing and Compute: A Panel with Yixing Xu, Alex Yeh and Bruce Liu게스트 Yixing Xu, Alex Yeh, Bruce Liu · 진행자 Christina XuBuilders and an investor discuss transmission constraints, delivery delays, lease mismatches and the economics of selling compute.인프라와 배포EnergyAI cost & performance+2
1:32:16ZH
硅谷101· 2026년 11월 2일MaxInsights 袁宇光:如何生产机器人第一视角训练数据게스트 袁宇光 · 진행자 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
슬라이드 4장19:20ZH
硅谷101· 2026년 10월 29일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 AI모델과 학습
슬라이드 11장29:44EN
硅谷101· 2026년 10월 27일Harry 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