黄仁勋辞任英伟达CEO：掌舵33年，AI算力周期走到转折点

（本文作者为 版面之外，钛媒体经授权发布）

一手把英伟达带进AI时代的创始人，在掌舵33年后离开了这家自己建立的公司。

11月12日，英伟达发布公告，黄仁勋辞去CEO一职，即刻生效。

就在此前几天，一场私人生活风波把他推到了国会问询、董事会调查和国家安全争议之中。

一个人离场，怎么就变成了整个科技产业的大事？

把时间拨回工业革命以来的商业史，类似的时刻其实并不陌生。

瓦特改良蒸汽机，动力得以大规模进入工厂；洛克菲勒整合石油产业，能源由此成为现代工业体系的重要支柱。

生产要素每迁移一次，总会有人站到产业周期的中心。

如今站在这个位置上的，是黄仁勋。

黑色皮衣、英伟达的GPU、全球不断扩张的数据中心，三者拼在一起，就是AI时代一幅鲜明的图景。

一、时代更替，主角登场

1769年，詹姆斯·瓦特拿到了蒸汽机改良专利。

蒸汽机并非他的发明，但独立冷凝器等关键改进让蒸汽机效率大幅提升。之后他与企业家马修·博尔顿联手，把改良后的机器推向了市场。

动力不再受水力和地理条件的束缚，工厂布局更自由，机器也有了持续运转的动力。

一个新的工业时代，就此有了重要的技术支点。

一个世纪之后，洛克菲勒面对的是另一种资源。

1870年，标准石油公司在俄亥俄州成立。彼时美国石油工业刚起步，炼油厂分散、运输成本高、竞争激烈。洛克菲勒的眼光没有停在炼油这一环，他把原油采购、炼制、铁路运输、储存和销售串成了一条线。

到19世纪70年代末，美国约90%的炼油业务一度握在标准石油手里。

后来，美国最高法院以垄断为由裁定这家公司拆分为37家公司。它的兴衰留下了一个商业史样本：一种资源成为工业运行的基础之后，掌握资源固然重要，组织资源流动的能力同样重要。

从瓦特到洛克菲勒，产业发展的底层逻辑已经变了。

前者让机器获得动力，后者把能源组织成工业体系。生产要素从稀缺资源走向基础设施的节点上，往往会出现一个时代的关键人物。

一百多年后，AI产业也走到了类似的位置。

模型公司要GPU，云厂商建数据中心，企业买算力，各国政府布局自己的AI基础设施。明面上各方比的是模型能力，暗地里争的是计算资源的供给和组织能力。

英伟达，正卡在这条产业链的关键位置上。

它的影响力早就超出芯片本身，更多来自围绕计算搭起来的一整套体系。

瓦特改变了动力的使用方式，洛克菲勒重组了能源产业；黄仁勋参与建立的，则是智能时代的计算基础设施。

不过，站到产业周期的中心并非一蹴而就。黄仁勋等了三十多年，才等来这个时代真正落地。

二、一场押注，等了三十年

1993年，黄仁勋和两位工程师在加州创办了英伟达。

当时计算机产业还没有AI这个宏大叙事。英伟达最初盯上的是PC和游戏市场，给电脑提供更强的图形处理能力。

GPU和CPU的区别在于，它能同时处理大量相对简单的计算任务。这种并行计算能力最早用于图形渲染，后来却成了深度学习的重要基础。

真正让英伟达发展轨迹发生转折的，是2006年推出的CUDA。

开发者通过这套软件平台调用GPU做通用计算。换句话说，GPU不再只是处理图像的专用硬件，也能充当科学计算、数据处理和人工智能的计算工具。

这笔投入并没有马上带来丰厚回报。

那时候，GPU通用计算还不是一个足够成熟的市场。编译器、开发工具、软件库和技术支持，英伟达都得持续投，才能让开发者慢慢习惯用GPU去解决不同领域的问题。

硬件之外，一套软件生态开始成形。

这是一场漫长的铺路。

深度学习真正被外界重视，是从2012年AlexNet在ImageNet图像识别竞赛上拿到突破性成绩开始的。人们随后意识到，用GPU跑神经网络，训练时间能压缩不少。英伟达在CUDA上布局多年，到这时才算等来一个更清晰的应用出口。

十年后，2022年底ChatGPT发布，生成式AI迅速走向大众。大模型训练和推理对计算资源提出更高要求，GPU成了AI产业扩张的关键设备。

英伟达迎来了自己的时代。

它的增长不只是芯片卖得多。GPU、CUDA、网络设备、系统软件和开发者生态一起，构成了一套完整方案。对模型公司和云厂商来说，买英伟达产品，意味着能更快搭起并运行AI计算系统。

这也解释了后来者即便能设计出性能接近的芯片，也很难在短时间内复制英伟达的优势。

芯片可以追赶，软件工具、开发者习惯、工程经验和产业协作关系，却需要更长时间积累。

英伟达真正建立的壁垒，是把一块芯片变成了一套产业通用的计算平台。

黄仁勋今天的影响力，不是来自某一次技术押注，而是三十多年持续投入后形成的系统性优势。

三、算力战争，才刚刚开始

上一阶段的AI竞争，焦点是模型能力；今天，竞争已经延伸到资本、能源和基础设施。

最直观的变化，是科技巨头的资本开支。

有市场测算显示，2026年微软、亚马逊、Alphabet和Meta四家的资本开支加在一起，或将落在7200亿至7400亿美元区间。

摩根士丹利给出的数字更高，对五家大型科技公司的估算为8040亿美元。各家机构口径并不统一，可方向一致：AI已经是全球科技巨头最重要的投入去处之一。

钱最终花到哪儿去了？答案包括芯片、服务器、网络设备、数据中心，还有让这些设备转起来的供电与制冷系统。AI早已不是实验室里跑跑模型训练，也不是应用一上线就大功告成的东西。模型规模要扩、用户数要涨、调用频次要提高，都得靠物理设施一层层建起来撑着。

英伟达的财报正好把这轮投入的体量摆了出来。2026财年，该公司营收2159亿美元，同比增长65%，数据中心业务收入约1937亿美元。增长的重心已经不在游戏显卡，而是AI计算基础设施。

不过芯片只是整场建设的开头。仲量联行（JLL）预测，全球数据中心容量会从2025年的约103吉瓦涨到2030年的约200吉瓦，五年新增容量接近翻倍。

往后五年，单是数据中心设施本身的房地产投资就可能达到1.2万亿美元；再把租户买GPU、网络设备等花销算进去，整体投资规模可能逼近3万亿美元。

也就是说，AI正拉起一轮横跨科技、能源、地产和制造业的基础设施建设。

其中最躲不开的一环是电力。国际能源署估算，全球数据中心用电量会从2024年的约415太瓦时增至2030年的950太瓦时，AI数据中心是其中涨得最快的一块。

950太瓦时是个什么量级？大致相当于全球数据中心一年用电，接近日本这类大型经济体全年的用电总量。

算力走到头，开始撞上能源这道墙。一座数据中心能不能落地，不光看土地、资金和芯片，还要看能否接入足够稳定的电网、拿到长期电力供应，同时把散热和水资源的问题解决掉。

美国部分地区的项目已经碰上电网接入排队和供电紧张，能源正从运营成本变成产业扩张的约束条件。

这也在改变AI竞争的边界。以前科技公司买服务器、租云服务就能拿到算力；现在需求涨得太快，云厂商提前锁芯片、锁电力，能源公司动手调整供给规划，地方政府也得重新评估数据中心对土地和电网的影响。

英伟达的影响力正是这样扩大的。它卖芯片，也参与定义数据中心的计算架构，还借软件、网络和合作伙伴，把散落的资源连成一套能交付的算力系统。

一家公司深嵌进整个产业的基础设施之后，它的命运就不再只是创始人的个人故事。

四、个人有终点，周期没有

黄仁勋的故事，很容易让人想到洛克菲勒。

关键生产要素一旦生变，产业组织方式就会跟着重构——抓住这种机会的，洛克菲勒是一个，黄仁勋是另一个。前者把石油产业串了起来，后者串起的是GPU、软件和数据中心。

两个人的影响力，当年都溢出了一家公司的围墙。

可历史同样摆着另一面：产业周期不会一直系在某一个人身上。洛克菲勒离开标准石油，石油工业照旧往前走；福特之后，汽车产业走过全球化、自动化和电动化；乔布斯离开苹果，移动互联网也没停步。

英伟达面对的也是这道题。AMD在GPU上持续推产品，云厂商加紧自研芯片，越来越多国家和企业动手搭建自己的AI计算体系。模型架构和推理技术 meanwhile 也在快速变化，更高的计算效率、更低的推理成本、不同类型芯片之间的协同，都可能改写未来算力的供需结构。

英伟达眼下的优势很深，这不等于它能永久占住同一个位置。

黄仁勋的辞职，把这个问题提前推到了台前：创始人走后，英伟达还能不能稳住技术路线、组织协同和产业生态？

这既是一次管理层交接，也是对一家高度依赖创始人判断力的公司的考验。英伟达董事会已任命CFO科莱特·克雷斯（Colette Kress）出任临时CEO，并启动永久继任者的遴选。

市场接下来要看的，不只是新CEO花落谁家，更是这家公司能不能把过去33年攒下的能力，变成不靠某一个人的组织机制。

当然，个人离场不等于产业周期就此收场。

GPU短缺、数据中心扩张、能源争夺和模型竞赛，拼出了AI基础设施建设的前半场。到了下一阶段，决定产业走向的是这些投入能否真正变成生产力，让AI走进工厂、汽车、医疗和科研，在现实世界里扎下根。

一个人的时代会翻篇，但他参与建起的产业体系，会延续很久。

一个时代，总有一个名字与它紧紧相连。AI时代，黄仁勋是其中一个。

【版面之外】的话：

人们总习惯拿一个人的名字，给一个时代命名。可名字往往是后来才有的。先有技术积累、产业迁移和无数人的协作，才有一个人站到历史的聚光灯下。

企业家能做的，是比别人早一点看见变化，再用几十年时间，把一种可能变成现实。

只不过，衡量一个人的时代，不能只算他站在中心时创造了多少，还要看他离开之后，留下的东西能走多远。

人会谢幕，历史不会为谁停留。