黄仁勋辞任英伟达CEO后表态愿回归,董事会称无意重新任命
英伟达完成创始人离任后治理重置:Q3营收1158亿美元、订单积压2.5万亿美元,停售H200并设董事会出口管制委员会;美出口管制扩至第三国远程算力,AI基础设施碎片化。Anthropic拟以约1.4万亿美元估值IPO,算力成本进入公开验证。微软Ignite将Office/Copilot升级为智能体工作系统,推跨供应商A
硅谷前沿:
2026年11月12日,英伟达对外公布黄仁勋卸任总裁、CEO及董事职务,同时安排CFO Colette Kress出任临时CEO,Harvey C. Jones担任首位董事长,并着手寻找正式CEO人选。11月17日,黄仁勋本人放话愿意回来继续掌舵;同一天,董事长在财报电话会上把话挑明:“董事会无意重新任命黄仁勋为CEO”。创始人想回、董事会不接,两边态度摆在了台面上。
业绩这边给了缓冲。截至2026年10月25日的财季,英伟达营收115.8亿美元,同比涨103%,环比涨20%;GAAP毛利率74.8%,净利润65.3亿美元,稀释后每股收益2.70美元。CEO走得突然,生意却没停摆,董事会因此有余地,从组织延续和治理边界两个角度来处理接班问题。
事情的关键,在于公司能不能从“创始人就是公司”过渡到“组织能力可以替代”。董事会不让黄仁勋回任,用意是别让个人影响力盖过治理本身。Kress现在的角色是稳住局面,并非内定的下一任;永久CEO的人选还在内部和外部同时找。接下来要看产品路线、客户交付、平台生态和资本市场沟通能不能接得上。AI产业或许会走进一个“去个人化”的治理阶段。
2027财年第三季度,英伟达营收1158亿美元,同比增长103%;净利润653亿美元,同比增长105%;GAAP毛利率74.8%,非GAAP毛利率74.9%;GAAP摊薄每股收益2.70美元。营收和毛利率都高于此前指引(1080亿美元±2%、毛利率74.0%±50个基点),而且是在上季度962.21亿美元的高基数上再翻一倍。
增长这么快,毛利还贴着75%,说明客户买的不是一颗GPU,而是加速计算、互联、软件加整机系统打包的一套平台。竞争的重心也已经从芯片性能,挪到供应链、软件生态、系统交付和客户资本开支的综合比拼上。网络效应一叠加,对手面对的就是一整套跑通了的工作流。
资本配置上,董事会2026年9月批了新增1500亿美元、不设到期日的回购授权;第三季度回购加股息合计还给股东281亿美元,授权额度下还剩约2273亿美元,公司算是进入了现金流配置的阶段。不过增长仍要看客户AI资本开支能不能一直扩下去,财报证明不了每一美元投入都已经换来稳定回报;客户找第二供应商、自己造芯片,也都是潜在的侵蚀。
11月17日的财报会上,临时CEO兼首席财务官克雷斯说,云计算行业的在手订单积压,从三个月前的2万亿美元涨到了2.5万亿美元,多了5000亿美元;同一时期,超大规模云客户的营收增速已经连续六个季度加快。这说明AI算力需求还在提速,采购方式也在从一次性买入转向多年期的长期承诺。
边界得划清楚:2.5万亿美元是云计算行业的订单积压口径,不是英伟达已经确认的收入或利润,还得走完交付、部署、上云、应用变现这些环节才算数。订单结构也很关键——是不是集中在少数超大规模客户手里、是长期合同还是采购意向、用于训练还是能产生现金流的推理服务,这些决定了它是一条高质量的收入管线,还是被资本开支放大的远期预期。
竞争的方式,正在变成对未来基础设施的提前占位。英伟达卖的是加速器、CPU、网络、服务器和软件生态组成的一整套算力生产系统,客户迁移成本高,黏性也就出来了。OpenAI、
Anthropic这些前沿模型能力往上走,带动应用端调用,形成“模型能力—应用收入—云算力—基础设施”的传导链。但算法优化和硬件提效可能压低单位算力收入,基础设施投资的速度也有快过应用商业化的风险。
2026年11月16日,美国商务部工业与安全局(BIS)发布《应对先进半导体远程访问》临时最终规则,修订《出口管理条例》。管制的重心从“芯片有没有跨境运输”延伸到了“谁在远程用算力”,新增EAR第744.24条,同时撤销原AI扩散规则的相关规定。
规则要点有两块。其一,向印度尼西亚、马来西亚、新加坡、巴西、泰国五国出口、再出口或境内转移先进计算物项(如ECCN 3A090等),要加许可证要求。其二,单一或关联数据中心如果向总部设在中国等D:5国家组或澳门的实体提供超过1200万合计总处理性能(TPP)的算力访问,同样得申请许可。最终收货人或其最终母公司总部在美国的,不适用许可要求,但要履行EAR第743.10条的报告义务;规则另设30天过渡保留条款。
英伟达在年报里警告,出口管制已经带来并且可能继续带来“不成比例”的影响,客户也可能为了降风险主动少用美国半导体。合规能力——客户身份识别、负载监控、集群隔离、可审计日志——正从成本中心变成云厂商争取许可证和大客户的销售本事。云算力也从“可替代资源”变成了“带身份资源”,供给的可互换性在下降。规则近端影响大不大,取决于许可证审批快不快、边界清不清楚:批得快,市场就当它是可计算的运营成本;批得慢、口径来回变,就会被当成算不清的地缘风险,先进GPU项目也可能转向规则更明确的地区。
Anthropic计划11月19日登陆纳斯达克,代码“ANT”,发行价区间每股70至78美元,约8.25亿股,公开发售部分最高募资约644亿美元;再加上谷歌、英伟达、微软、AMD、博通、美光、台积电七家战略方260亿美元的同步私募配售,合计最高约904亿美元。按上限定价、完全摊薄算,估值约1.4万亿美元,有望成为史上最大IPO(与SpaceX统计口径不同,最终排名还要看定价和配售落地)。
这家公司2021年由前OpenAI研究人员创立,靠Claude切入编程、分析和企业智能体场景。七家产业链关键企业一边供算力、一边入股,形成了供应商持股的反向供应链;它与亚马逊、谷歌等伙伴之间还有约9000亿美元的计算承诺。AI竞争已经从实验室较量转向资本开支的比拼。
承销所说的近七倍超额认购,只反映发行时点的资金偏好,不等于长期价值被认可;公开市场每天都会重新定价。往后主要看三项:企业客户能不能从试用转成长期合同,模型调用增长能不能快过推理成本,算力承诺能不能被实际收入覆盖。公司2026年前三季度营收332亿美元(上年同期25亿),约79%按用量计费。
2026年11月17日,微软在Ignite 2026大会上宣布Office进入由
Copilot牵引的智能体协同阶段。Office in Copilot已一般可用;Copilot Home把Chat(快速提问)和Cowork(承接完整工作流)合成一个起点;Word、Excel、PowerPoint能在Copilot与应用之间交接;Today、Pages、Workspaces以及仍处Frontier Public的Copilot for sales在陆续推进,开放范围各不相同。关键在于入口变了:过去是先打开应用再操作,现在改成先提目标,由系统调用应用和文件持续往前推。
微软真正要争的是任务编排权。Copilot for sales还在Frontier Public阶段,销售技能可以跨CRM连接Zendesk、HubSpot、Salesforce、DocuSign、ZoomInfo等工具;官方称Dynamics 365 in Copilot带来超100个预置技能,覆盖账户计划、会议准备、管线排序等,Salesforce in Copilot插件则含超38个销售技能。难处在于,每接一个外部系统,就多一层权限关系、数据口径和责任边界,连接器说到底就是企业AI的信任接口。
Office的护城河正从文件格式转向“工作网络”。创作层有Word、Excel、PowerPoint,存储层是OneDrive,沟通时间层是Teams、Outlook、日历,业务数据层是Dynamics 365及连接器,几层叠起来,Copilot再居上把自然语言目标转成操作。Copilot in OneNote进入Frontier Public后能把笔记变成文档初稿;Pages让AI产物从“回复”变成可复用的对象;Workspaces承载团队长期上下文。企业采不采纳,要看四件事:数据来源、结果验证、动作授权、错误追溯。竞争焦点也从“最强应用”挪到了“最完整工作上下文”。
11月17日,微软Ignite大会现场,董事长兼CEO纳德拉对外公布启动“AI透明度倡议”。埃森哲、Adobe、毕马威、万事达卡、沃尔沃汽车等逾40家机构参与其中,目标是推动一套跨模型、跨供应商的AI透明度、安全与治理通用标准。纳德拉表示,这套标准同时适用于闭源模型与开放权重模型。
倡议的重心从“模型是否聪明”转到“模型能否被管理”,围绕“可观察、可验证、可控制”三方面建机制,覆盖AI访问的数据、调用的工具、执行的操作及权限边界。具体分三部分:扩大参与美国国家标准与技术研究院(NIST)智能体标准倡议、与合作机构共订开放行业标准、把成果整合进Microsoft AI、Microsoft Foundry与Microsoft Copilot产品。
微软既是标准推动方,又是云、企业软件及AI平台供应商,标准若深度绑定其产品接口,恐怕会从“行业通用标准”变成生态扩张工具。该倡议目前还没完成认证或强制实施,能否落地,取决于它能不能与身份管理、安全软件、云平台、审计机构等对接,形成可迁移的治理能力。企业AI竞争或从“谁的模型更强”扩展到“谁能让不同模型在同一套规则下安全工作”。
OpenAI于2026年11月17日发布ChatGPT for Sales,新增Sales plugin并接入超30个新的和增强版合作伙伴插件。目标是把ChatGPT从通用问答工具推向销售流程的中间层,从“生成内容”转向“推动交易”。
连接生态上,通过Salesforce、HubSpot、Gong、Zoom、Apollo、Clay等连接器,覆盖内容与赋能、客户与商机管理、拓客、通话记录转行动、管道风险分析等环节。竞争边界由此从模型能力扩展到连接能力,也就是能否可靠调用并编排多系统数据。
产品瞄准的是销售人员每天进入企业工作流时的那道“第一层入口”。插件的角色也变了,不再只是附加功能,而成了分发渠道。能不能落地,要看三件事:企业愿不愿意开放完整的客户上下文,插件能不能读懂系统权限与字段,团队会不会把AI产出嵌进既有流程。竞争的重心将从“会不会生成”转向“能不能负责”。
标普500指数微跌0.24%至7,322.97点,英伟达下跌2.89%至150.96美元,但纳斯达克走强、部分科技股逆势上涨。指数回落其实是资金在科技板块内部轮动与估值秩序调整,不是AI主题熄火,强者仍可上涨,但须拿出更强证据。

英伟达出现的“好消息下跌”,说明市场的评价标准已经从“看增长”换成了“看证明”。估值越高,要背的证明责任就越重——订单生命周期、利润率、现金转换效率都得证明可持续。客户买了算力设备,能不能拿到覆盖成本的经济回报,成了核心追问。AI交易由此进入“举证时代”。
美联储与纽约联储的分析提示,AI数据中心投资越来越依赖债务、项目融资、资产抵押和表外安排,融资链条一复杂,重新定价的压力就可能被放大。眼下更合理的基准情景是周期性重置,而不是泡沫破裂,关键变量有三个:盈利预期、美国国债收益率、借贷成本。
国内进展:
AI竞争的焦点正从“模型能回答什么”转到“能替企业完成什么”,行业分水岭也跟着移动。中信建投研报判断,旗舰模型与Agent产品会持续升级,同时握有模型、云资源和应用入口的头部平台继续被看好。
调用与工具数据也在佐证需求。2026年11月9日至15日,OpenRouter周用量211.28万亿Token(环比+0.86%),Hy4、MiMo V2.6 Flash用量分别增长41.61%、87.91%;截至11月14日,Claude Code近7日平均下载252万次/日(+25.37%),Codex为379万次/日(+1.88%)。
商业化层面的数字已经摆出来了:WorkBuddy周下载91.89万次(+17.91%),商店收入6.12万美元(+62.12%),千问商店收入涨了39.92%。不过调用量往上走,收入未必跟着走。这里得同时盯三件事——高价值任务跑得稳不稳、云上部署能不能标准化、高频付费成不成型。风险也明摆着:价格战会压薄利润,Agent一旦介入支付和采购环节,出错代价和监管责任都会往上抬。
开源趋势:
11月10日,Anthropic在IPO路演视频里讲了一个案例:自家模型Claude Mythos Preview花了大约3天,在AMD MI355X GPU上把另一个Anthropic模型的提示词处理(prefill)做到了可用性能,相关内核接近100%由模型移植或编写。按这家公司过往的经验,同样的适配工作通常要几十名工程师上手,耗6至12个月。
范围得说清楚。这个案例只覆盖prefill阶段,真正决定成本和速度的decode、训练以及生产部署都没碰;“可用性能”也没有具体数字撑着;6至12个月来自内部估算,不是对照实验的结果。再加上目前没有独立第三方复现,说CUDA生态被整体攻破还早。
假设内核生成和调优真能由模型快速搞定,芯片切换的初始成本就会降下来,AMD也能在采购之前拿到低风险验证的机会;手里攥着大模型、云平台和真实负载的公司,算力选择权会更大。但开发者生态的网络效应还在,英伟达的护城河或许会从迁移成本转向持续领先的性能、工具和验证数据。
11月17日,OVHcloud推出首个大语言模型家族Olala,打头的是Olala mini 7A1B:总参数70亿,单次请求只激活约10亿参数(每层256个专家),注意力机制把Differential-TPA和Mamba-3混在一起,采用BF16格式。显存低到8GB的GPU就能跑,RTX A4500上每秒160词元,标准CPU上每秒50词元,初始上下文窗口32000词元。权重、预训练模型、技术报告和AI Act合规文档计划以Apache 2.0许可在Hugging Face发布。
从战略上看,OVHcloud原本是提供GPU和托管的“卖水人”,现在往上游走,开始自己掌握模型。它的设计目标偏向“可部署的模型”,而不是通用能力领先,对外讲的是欧洲数据主权与合规,把算力、模型、部署和本地服务串成一条链——模型是入口,云资源才是持续收入的承载。
成本这一关不轻松:模型在Jupiter、MeluXina、Jean Zay三台欧洲公共超级计算机上训练,机器配备GH200、A100、H100,算力折合约700万欧元。这说明欧洲有了本土大模型研发的起点,但资金门槛依然很高。文章也强调,上述效率数字是厂商在特定环境下公布的,并非统一评测,综合能力、生态能不能形成、云与模型之间能否互相导流,都还要等发布后验证。