黄仁勋辞任英伟达CEO：委员会决策或拖慢技术供应链，美国开源AI承压

黄仁勋辞去英伟达CEO一职后，华尔街和硅谷都开始为“后黄仁勋时代”感到不安。

11月12日，半导体研究机构SemiAnalysis创始人Dylan Patel出现在科技商业播客TBPN，与主持人John Coogan、Jordi Hays聊了半个多小时，做了一次深度复盘。

左：Jordi Hays；中：Dylan Patel；右：John Coogan）

访谈当天，英伟达联合创始人兼CEO黄仁勋正式辞职，CFO Colette Kress出任临时CEO。消息叠加此前婚外情丑闻，英伟达当日股价大跌，市值一度跌破4万亿美元，预期市盈率跌至十四年最低。

Dylan Patel没有纠缠花边新闻，而是直接算起这场“黑天鹅”事件背后最残酷的商业账。英伟达统治行业的“创始人模式”有瓦解风险，美国开源大模型生态可能最先成为最大输家，全球AI竞争的焦点也正从芯片硬件本身，快速转向底层数据和AI自主设计芯片的新战场。

在外界看来，英伟达的护城河是CUDA软件生态和领先的芯片制程；产业内部人士的看法不同，英伟达真正的统治力来自黄仁勋极致的“创始人模式”（Founder Mode）——技术路线分叉、供应链博弈到了生死关头，有一个人拍板，瞬间调动全公司和供应商资源，这种绝对权威无可替代。

眼下市场最大的担心是，黄仁勋一旦被美国国会传唤和调查缠住，英伟达的日常决策和对外投资就不得不交给高管委员会。Dylan Patel在对话里直接把治理结构异化的代价挑明了：

英伟达最大的担忧在于，现在变成了一个委员会在拍板，这会让决策变得极其缓慢。

他提到，英伟达经常要在A、B、C几种技术方案之间做选择，“到了最后一秒，黄仁勋会全力推动其中一个”。可换成A、B、C、D四个选项，谁来拍板选A，又让原本做B和C的供应商掉头全力支持A？

他回顾了英伟达历史上两次力挽狂澜的决策：Volta架构流片（Tape-out）前只剩三个月时，Blackwell架构出现波折时，都是黄仁勋在最后关头拍板调整方案，才保住了市场份额。

Dylan Patel强调：

换作普通高管，肯定会说‘算了，放到下一代芯片里再加吧’。如果当年放到下一代，

2026年竞争对手环伺，OpenAI、博通、谷歌、Anthropic、Meta和亚马逊都已组建起战斗力极强的自研芯片团队，市场容错率降到了冰点。委员会决策机制哪怕只带来几个月的迟疑，也足以让英伟达丢掉阵地。

个人权威同样体现在对供应链的极致压榨上。英伟达能拿走全球最稀缺的先进封装与存储产能，靠的是黄仁勋亲自下场游说供应商押注尚未验证的新技术。Patel强调：

英伟达要干的是激进的活……把供应链攥在手里，劝供应商在技术和产能上做从前没做过的事。换成别人当CEO，恐怕很难有黄仁勋那份魅力，让供应商轻易点头说“当然，英伟达，你可以以低于市场价的价格拥有我60%或70%的产能”。这太难了。

Dylan Patel也承认，英伟达内部有Jonah Alben这样掌控技术体系的实权派，也有Ian Buck这样擅长商务斡旋的悍将，但没人能同时兼顾技术洞察、供应链锁单和商业谈判。

谈到未来CEO人选，Patel认为临时CEO Colette Kress“非常出色，但归根结底，她无法在技术上领导公司”。他指出：

放眼全球，供应链驾驭能力和硬核技术深度兼备的人，恐怕只有博通二把手Charlie Kawwas和Apple硬件掌门人Johny Srouji，可这两人几乎不可能来接这个摊子。

“AI中央银行”断供危机，美国开源生态成最大输家

过去两年，英伟达在硅谷扮演着“AI 中央银行”的角色——拿高额芯片利润反哺整个生态，通过巨额投资和算力信贷，托举起大批推理云服务商和前沿大模型初创公司。黄仁勋本人也一直是放松芯片出口管制的游说主力，客观上维系着全球AI供应链的微妙平衡。

但这次风波让英伟达在华盛顿的政治信用破产，这台“中央银行”的印钞机面临停摆。

一边是英伟达对初创公司的数十亿美元投资协议被迫进入漫长的委员会审查，失去信用背书的二线推理云厂商（如Baseten、Fireworks）在融资和获取算力上会举步维艰；另一边，美国芯片出口管制的钟摆势必剧烈回摆。

一旦顶尖开源大模型实验室算力受限、放缓开源步伐，高度依赖开源模型底座的美国应用层创业公司，如法律AI公司Harvey、客服AI公司 Sierr 等，将被迫转向昂贵的闭源模型，沦为毫无议价能力的“套壳公司”。

Dylan Patel把话说得很直白：英伟达之外输得最惨的，就是开源生态。美国能守住开源前沿阵地，靠的是黄仁勋掏出的资金和算力；Reflection、Thinking Machines 这些名字背后，都压着英伟达的重注。

他同时提到，智谱、DeepSeek 这类早早把多种国产芯片适配好的实验室，眼下的抗风险能力，比那些把身家绑在英伟达身上的同行强出一截。

大洋另一头，OpenAI 有超过 90% 的算力还拴在英伟达战车上；Anthropic 这边，英伟达算力占比已经掉到三分之一以下，而且一直走闭源路线。Dylan Patel 的判断是：局面利好 Anthropic，不利 OpenAI——开源一弱，Anthropic 就舒服了。

范式在挪位：大模型开始自己设计芯片

传统芯片巨头还在治理难题和地缘摩擦里打转的时候，AI 实验室自己的底层技术路子已经变了味。

过去大模型公司对自研芯片大多不敢轻举妄动。芯片从立项到流片，动不动两三年，等东西造出来，模型架构早换了好几代，投进去的钱很难算得过来。

不过这套商业逻辑正被 AI 自己推翻。SemiAnalysis 新发布的前沿智能体基准测试 GDPx 跑分显示，大模型在通用日常任务上的整体得分还只有 12% 至 16% 左右，可在软件工程和芯片设计这两个垂直方向上，蹿升幅度相当惊人。

AI 一旦在芯片辅助设计上变得足够强，自研芯片的研发周期和试错成本就被压下去一大截，大模型厂商可以绕开传统那条漫长的研发路，直接拿模型去迭代硬件。Dylan Patel 讲了第一手的评测观察：

在 GDPx 基准测试里，Anthropic 的模型在软件工程和芯片设计两块进步极大，把其他对手甩得很远。他由此认为，强化学习环境（RL Environments）才是模型规模化扩展的下一个核心向量——只要某个领域手里握着独一份的专有数据和仿真环境，模型在这个领域的能力就能暴涨。

这一突破，直接改写了 Anthropic 的硬件战略。Dylan Patel 说：

Anthropic 以前觉得自研芯片不合 AGI 的演进节奏，芯片做出来黄花菜都凉了；现在他们大举招揽芯片人才，一边造自己的芯片，一边让模型变得极擅长设计芯片。模型自己就能设计芯片了，他们在这条战线上的推进速度正在急剧加快。

华盛顿死盯着每一颗流向海外的 GPU 实体卡，可 AI 产业链上的跨国博弈早就换了更隐蔽的玩法。拿不到最顶尖的海外闭源模型或算力，一些海外实验室照样能买第三方数据公司的合成数据和强化学习环境，变着法儿做“模型蒸馏”。

商业审查一收紧，这类长期待在监管盲区里的数据跨境交易，很可能成为下一轮政策打击的靶子。Dylan Patel 把水面下的真实运作摆了出来：

不少数据公司正往海外卖海量数据，这其实就是一种极隐蔽的蒸馏。像 Mercor 这类数据供应商，生成数据的流水线本身就调用了前沿大模型的提取和过滤能力。把基于前沿模型生成的环境卖出去，说白了就是在把模型能力蒸馏出来。以前大家只盯硬件，卖数据这事没人审查，接下来它必然进入监管视野。

对于华盛顿可能来一招“一刀切”封锁，Dylan Patel 是有担心的。他提醒，美方在芯片禁令上如果做得太绝，硬件供应链上完全可能招来对等反制。

每一台英伟达服务器里都有海外产业链制造的组件，每一台谷歌 GPU 服务器里同样能看到海外供应链的影子。对方要是愿意，这些环节随时可以掐断。

在他看来，真正聪明的打法是堵住未经授权的中间商转租漏洞，同时放谷歌等美国本土云巨头以高溢价向海外客户提供受控的云端算力租赁——“既能随时断供，又能抽走对方利润，这才是维持领先的商业逻辑。”