黄仁勋辞任英伟达CEO后表态愿回任,董事会明确拒绝
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:
人事变动已经摆上台面。2026年11月12日,英伟达宣布黄仁勋辞去总裁、CEO和董事职务,CFO Colette Kress被任命为临时CEO,Harvey C. Jones出任首位董事长,同时公司启动永久CEO的搜寻。11月17日,黄仁勋公开称愿意回任;同一天,董事长在财报电话会上直接回应“董事会无意重新任命黄仁勋为CEO”。创始人的意愿与董事会的决定之间,落差相当明显。
业绩给了董事会底气。截至2026年10月25日的财季,英伟达营收115.8亿美元,同比增长103%,环比增长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突然离任,经营并没有停摆,董事会因此有条件从组织连续性和治理边界出发处理继任问题。
问题的核心,是从“公司等于创始人”转向“组织能力可替代”。董事会拒绝回任,用意在于不让治理被个人影响力定义。临时CEO Kress的定位是稳定器,并非既定接班人,永久CEO仍在内部和外部同步搜选中。接下来要看的是产品路线、客户交付、平台生态和资本市场沟通能不能保持连续。AI产业或许正进入“去个人化”治理阶段。
另一组业绩数据同样亮眼。英伟达2027财年第三季度营收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。营收和毛利率都超过此前指引(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。
高增长伴着近75%的高毛利,说明客户买的不只是一颗GPU,而是加速计算、互联、软件与整机系统打包的整套平台。竞争重心已从芯片性能转到供应链、软件生态、系统交付和客户资本开支的综合较量。网络效应之下,对手面对的是一整套已经验证过的工作流。
资本配置方面,董事会于2026年9月批准新增1500亿美元、无到期日的回购授权。第三季度回购加股息共返还股东281亿美元,授权项下还剩约2273亿美元,公司由此进入现金流配置阶段。不过增长仍依赖客户AI资本开支继续扩张,财报没法证明每一美元投入都已产生稳定回报;客户寻找第二供应商、自研芯片,都是潜在的侵蚀。
临时CEO兼首席财务官克雷斯在11月17日财报会上表示,云计算行业在手订单积压已从三个月前的2万亿美元增至2.5万亿美元,增加了5000亿美元;同期其超大规模云客户营收增速已连续六个季度加快。这说明AI算力需求还在加速,并且正从一次性采购转向多年期长期承诺。
但边界要划清:2.5万亿美元是云计算行业的订单积压口径,不是英伟达已确认的收入或利润,还要经过交付、部署、上云和应用变现等环节才能兑现。订单结构——是否集中在少数超大规模客户、是长期合同还是采购意向、是训练还是能产生现金流的推理服务——决定了它是高质量收入管线,还是被资本开支放大的远期预期。
竞争方式正在转向对未来基础设施的提前占位。英伟达卖的是由加速器、CPU、网络、服务器与软件生态组成的算力生产系统,客户迁移成本高,黏性由此形成。OpenAI、Anthropic等前沿模型能力提升,推动应用端调用,串起“模型能力—应用收入—云算力—基础设施”的传导链。问题是算法优化与硬件提效可能压低单位算力收入,基础设施投资的速度有快于应用商业化的风险。
管制思路出现了新变化。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》,把管制重心从“芯片是否跨境运输”延伸到“谁在远程使用算力”,新增EAR第744.24条,并撤销原AI扩散规则的相关规定。
新规列了两条核心内容。第一条针对先进计算物项(例如ECCN 3A090等):只要出口、再出口或在一国境内转移的目的地是印度尼西亚、马来西亚、新加坡、巴西、泰国这五个国家,就要额外申请许可证。第二条盯的是算力访问:单个数据中心或彼此关联的数据中心,如果向总部设在中国等D:5国家组或澳门的实体开放合计超过1200万总处理性能(TPP)的算力,同样得走许可流程。有一类情况可以豁免:最终收货人及其最终母公司总部在美国的,不必申请许可,但要按EAR第743.10条履行报告义务。另外,规则给出了30天过渡保留条款。
英伟达在年报中警告,出口管制已经并可能继续产生“不成比例”的影响,客户或为降低风险主动减少使用美国半导体。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能力;云算力从“可替代资源”变为“带身份资源”,供给的可互换性下降。规则近端影响取决于许可证审批速度与边界清晰度:审批快,市场视作可计算的运营成本;审批慢、口径反复,则被视作不可计算的地缘风险,还可能促使先进GPU项目转向规则更清晰的地区。
Anthropic的IPO安排已经披露。公司拟11月19日挂牌纳斯达克,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;叠加谷歌、英伟达、微软、AMD、博通、美光、台积电七家战略方260亿美元同步私募配售,合计最高约904亿美元。按上限定价,完全摊薄估值约1.4万亿美元,有望成为史上最大IPO(与SpaceX统计口径不同,最终排名仍待定价与配售落地)。
估值背后有一条“反向供应链”。公司2021年由前OpenAI研究人员创立,以
Claude切入编程、分析与企业智能体场景。七家产业链关键企业“边供算力、边入股”,形成供应商持股的反向供应链,与亚马逊、谷歌等伙伴存在约9000亿美元计算承诺。AI竞争已从实验室竞赛转向资本开支比拼。
市场考验才刚开始。承销所称近七倍超额认购,只反映发行时点的资金偏好,不等于长期价值认可;公开市场会每日重新定价。后续核心看三项指标:企业客户能否由试用转为长期合同,模型调用增长是否快于推理成本,算力承诺能否被实际收入覆盖。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已迈入由
Copilot牵引的智能体协同阶段。Office in Copilot面向用户开放,Copilot Home把快速提问的Chat与承接完整工作流的Cowork合并成同一个起点;Word、Excel、PowerPoint能在Copilot和应用之间来回交接。Today、Pages、Workspaces,还有处于Frontier Public阶段的Copilot for sales,也在分批推进,开放范围各不相同。这次变动的关键在于入口换了位置:过去是先打开应用再动手,现在改成先提目标,再由系统调用应用与文件持续推进。
微软真正要抢的是任务编排权。Copilot for sales目前处于Frontier Public,其销售技能可跨CRM对接Zendesk、HubSpot、Salesforce、DocuSign、ZoomInfo等工具。官方表示,Dynamics 365 in Copilot带来超过100个预置技能,涵盖账户计划、会议准备、管线排序等场景;Salesforce in Copilot插件则包含超过38个销售技能。难处在于,每接入一个外部系统,就多出一层权限关系、一套数据口径和一条责任边界,连接器说到底是企业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,存储层有OneDrive,沟通与时间层有Teams、Outlook和日历,业务数据层则是Dynamics 365及各类连接器,几层叠加之后,Copilot居于其上,把自然语言目标转成具体操作。Copilot in OneNote进入Frontier Public后,能把笔记转成文档初稿;Pages让AI产物从“回复”变成可复用的对象;Workspaces则承载团队长期积累的上下文。企业是否采纳,取决于四个问题:数据从哪来、结果怎么验证、动作由谁授权、错误如何追溯。竞争焦点也从“最强应用”转向“最完整的工作上下文”。
微软董事长兼CEO纳德拉当地时间11月17日在微软Ignite大会上宣布,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,目标是推动形成一套跨模型、跨供应商的AI透明度、安全与治理通用标准。按纳德拉的说法,这套标准对闭源模型与开放权重模型都适用。
倡议的重心已从“模型是否聪明”挪到“模型能否被管理”,围绕可观察、可验证、可控制三个方面搭机制,覆盖AI访问的数据、调用的工具、执行的操作以及权限边界。具体包含三部分:扩大参与美国国家标准与技术研究院(NIST)智能体标准倡议;与合作机构共同制定开放行业标准;把成果整合进Microsoft AI、Microsoft Foundry与Microsoft Copilot产品。
微软既是标准的推动方,又是云、企业软件和AI平台的供应商,身份双重。标准若深度绑定其产品接口,恐怕会从“行业通用标准”变成生态扩张的工具。该倡议眼下尚未完成认证,也没有强制实施;能否落地,取决于它能否与身份管理、安全软件、云平台、审计机构等完成对接,并形成可迁移的治理能力。企业AI的竞争,或许会从“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”。
产品发布与定位方面,OpenAI于2026年11月17日发布ChatGPT for Sales,新增Sales plugin,并接入超过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”。
连接生态方面,Salesforce、HubSpot、Gong、Zoom、Apollo、Clay等连接器覆盖了内容与赋能、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。竞争边界因此从模型能力扩展到连接能力,也就是能否可靠地调用并编排多系统数据。
战略含义与落地条件方面,这款产品意在争夺销售人员每天进入企业工作流时的“第一层入口”,插件也从附加功能演变为分发渠道。落地效果取决于几件事:企业是否开放完整的客户上下文,插件能否理解系统权限与字段,团队是否把AI产出嵌入既有流程。竞争将从“会不会生成”转向“能不能负责”。
标普500指数微跌0.24%,收于7,322.97点;英伟达下跌2.89%,至150.96美元。不过纳斯达克走强,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、估值秩序调整,并非AI主题熄火;强者仍可上涨,但得拿出更强的证据。
英伟达的“好消息下跌”,反映市场评价标准已从“看增长”转向“看证明”。估值越高,证明责任越重:订单生命周期、利润率与现金转换效率能否持续,都得说清楚。客户买下算力设备后能否获得覆盖成本的经济回报,成为核心追问。AI交易进入了“举证时代”。
美联储及纽约联储的分析提示,AI数据中心投资日益依赖债务、项目融资、资产抵押和表外安排,融资链条复杂,可能放大重新定价压力。当前更合理的基准情景是周期性重置,而非泡沫破裂;关键变量为盈利预期、美国国债收益率与借贷成本。
国内进展:
行业分水岭正在转向:AI竞争从“模型能回答什么”变成“能替企业完成什么”。中信建投研报判断,旗舰模型与Agent产品会持续升级,继续看好同时拥有模型、云资源和应用入口的头部平台。
调用与工具数据佐证了需求。2026年11月9日至15日,OpenRouter周用量211.28万亿Token,环比增长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,增长25.37%;Codex为379万次/日,增长1.88%。
商业化验证与风险方面,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+39.92%。不过调用量涨了不等于收入跟着涨,还要同时看三件事:高价值任务稳不稳、云部署是否标准化、高频付费能不能成立。价格竞争会压缩利润,Agent一旦进入支付采购环节,出错成本和监管责任也会往上走。
开源趋势:
Anthropic在11月10日的IPO路演视频中透露,其模型Claude Mythos Preview花了约3天,在AMD MI355X GPU上把另一个Anthropic模型的提示词处理(prefill)做到可用性能,接近100%的相关内核由模型移植或编写。按这家公司过往的经验,传统适配要投入数十名工程师,耗时6至12个月。
但范围得说清楚:这个案例只覆盖prefill阶段,决定成本和速度的decode、训练以及生产部署都没涉及。“可用性能”也没有具体数字撑着,6至12个月是内部估算,不是对照实验,眼下也没有独立第三方复现。所以说CUDA生态被整体攻破,还谈不上。
如果内核生成和调优真能由模型快速完成,芯片切换的初始成本就会降下来,AMD也能在采购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。可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发布首个大语言模型家族Olala,以及首个成员Olala mini 7A1B。该模型总参数70亿,每次请求只激活约10亿参数(每层256个专家),采用Differential-TPA与Mamba-3结合的混合注意力机制、BF16格式。它能在显存低至8GB的GPU上跑,RTX A4500上达到每秒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、技术报告及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与托管的“卖水人”,现在往上游走,开始掌握模型本身。它的设计目标偏向“可部署的模型”,而不是通用能力领先,产品叙事打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。
成本与考验同样存在。模型在Jupiter、MeluXina、Jean Zay三台欧洲公共超级计算机(配备GH200、A100、H100)上训练,算力折合约700万欧元,说明欧洲有了本土大模型研发的起点,但资金门槛依然高。文章也强调,上述效率数字是厂商在特定环境公布的,并非统一评测,其综合能力、生态形成以及云与模型的互相导流,都还要等发布后验证。
(广角观察、Edge AI Daily等综合整理)