黄仁勋辞任英伟达CEO：委员会拍板或拖慢决策，美国开源AI恐成输家

黄仁勋卸任英伟达CEO的消息一出，华尔街和硅谷同时绷紧了神经，所有人都在盘算“后黄仁勋时代”会是什么样。

11月12日，半导体研究机构SemiAnalysis创始人Dylan Patel上了科技商业播客TBPN，和主持人John Coogan、Jordi Hays聊了整整半个小时，把这件事从头到尾捋了一遍。

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

就在访谈当天，英伟达联合创始人兼CEO黄仁勋正式宣布辞职，CFO Colette Kress接过临时CEO的位置。消息叠加此前婚外情丑闻，英伟达当天股价大跌，市值一度跌破4万亿美元，预期市盈率跌到十四年来的最低点。

Dylan Patel没去追那些花边新闻，他把矛头对准了这起“黑天鹅”事件背后最现实的商业账本：英伟达靠“创始人模式”打下的江山有瓦解的风险，美国开源大模型生态可能第一个遭殃，而全球AI的较量正从芯片硬件本身，快速延伸到底层数据和AI自己设计芯片的新战场。

在外人看来，英伟达的护城河是CUDA软件生态和领先的芯片制程。但产业内部的人清楚，英伟达真正的统治力来自黄仁勋那套极致的“创始人模式”（Founder Mode）——技术路线出现分叉、供应链博弈到了生死关头，有一个人能拍板，瞬间把全公司和供应商的资源调动起来。

眼下市场最担心的是，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在对话里直接点出了治理结构变味要付的代价：

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，英伟达面前常常摆着A、B、C等好几条技术路线，“可到最后一刻，黄仁勋会押上全部力气推其中一条。那换成有A、B、C、D四条路的时候，由谁拍板选A，又让原本押B和C的供应商都掉头来撑A？”

他提起英伟达历史上两次扭转局面的决策：Volta架构流片（Tape-out）前只剩三个月，黄仁勋顶着反对意见硬把Tensor Core（张量核心）塞了进去；Blackwell架构出波折时，也是他在最后关头拍板调整方案，才守住了市场份额。

Dylan Patel强调：

要是换成别的高管，多半会说‘算了，留到下一代芯片再补上吧’。真那么干，英伟达在AI这块早就掉队了，今天这份主导地位根本无从谈起。

到了2026年，对手已经围了一圈：OpenAI、博通、谷歌、Anthropic、Meta和亚马逊都建起了很有战斗力的自研芯片团队，市场对犯错的容忍度已经低到不能再低。委员会决策只要迟疑几个月，英伟达就可能丢掉阵地。

这种个人权威也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和存储产能，靠的是黄仁勋亲自出面游说供应商，押注还没验证过的新技术。Patel强调：

英伟达偏要干激进的事……把供应链攥住，说动供应商在技术、产能上去做从前没做过的事。下一任CEO不管是谁，恐怕都没有黄仁勋那样的个人魅力，很难让供应商轻易点头说‘行，英伟达，60%或70%的产能归你，价钱还低于市场价’。这事儿太难了。

Dylan Patel也承认，英伟达内部有Jonah Alben这样掌管技术体系的实权人物，也有Ian Buck这样擅长商务斡旋的干将，但没人能同时把技术洞察、供应链锁单和商业谈判都扛下来。

说到未来的CEO人选，Patel觉得临时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，既有这种供应链驾驭能力、又有硬核技术深度的，恐怕只有博通的二把手Charlie Kawwas和苹果硬件掌门人Johny Srouji，可这两人几乎不可能来接这个摊子。

“AI中央银行”断了供，美国开源生态成了最大输家

过去两年，英伟达在硅谷扮演的是“AI 中央银行”——拿芯片业务的高利润反哺整个生态，通过大笔投资和算力信贷，把一批推理云服务商和前沿大模型初创公司托了起来。同一时期，黄仁勋一直是放松芯片出口管制的主要游说者，客观上让全球AI供应链维持着微妙的平衡。

可这次风波让英伟达在华盛顿的政治信用打了水漂，这台“中央银行”的印钞机正面临停摆。

英伟达对初创企业的数十亿美元投资，如今都得走一遍冗长的委员会审查流程；Baseten、Fireworks这类二线推理云厂商本就缺少信用背书，往后融资、拿算力都会更吃力。另一头，美国芯片出口管制的钟摆也势必要大幅回摆。

顶尖开源大模型实验室一旦算力吃紧、开源节奏放慢，靠开源底座吃饭的美国应用层创业公司就会受牵连。法律AI公司Harvey、客服AI公司Sierr这些企业，将不得不转投价格高昂的闭源模型，最后沦为没有议价能力的“套壳公司”。

Dylan Patel的判断很直接：

他认为，英伟达之外最大的输家就是开源生态。美国开源的前沿阵地，离开黄仁勋的资金和算力根本撑不起来，Reflection也好，Thinking Machines也罢，背后都有英伟达的大笔押注。

Dylan Patel还提到，眼下“像智谱和DeepSeek这样提前适配多种国产芯片的实验室，抗风险能力明显强于高度依赖英伟达的同行”。

再看大洋另一边，OpenAI有超过90%的算力还绑在英伟达战车上；Anthropic的英伟达算力占比则已掉到三分之一以下，而且它一直走闭源路线。Dylan Patel称：

这个局面利好Anthropic，不利OpenAI。开源变弱了，对Anthropic来说太棒了。

范式转移：大模型开始自己设计芯片

传统芯片巨头正被治理和地缘问题拖住脚步，与此同时，AI实验室自身的技术范式已经在悄悄变样。

大模型公司过去对自研芯片大多谨慎。芯片从立项到流片往往要两三年，等造出来，模型架构早换了好几代，投入产出比实在不好看。

可这套商业逻辑正被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整体得分仍只有12%至16%左右，但在软件工程和芯片设计这两个垂直领域，成绩出现了惊人的跃升。

AI的芯片辅助设计能力一强，自研芯片的研发周期和试错成本就被大幅压下来，大模型厂商可以绕过传统的漫长研发路径，直接用模型去迭代硬件。Dylan Patel分享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个领域进步巨大，把其他对手远远甩在后面。这背后说明，强化学习环境（RL Environments）才是模型规模化扩展的下一个核心方向；只要在某个领域握有独一无二的专有数据和仿真环境，模型在该领域的能力就能暴涨。

这项技术突破直接改写了Anthropic的硬件战略。Dylan Patel说道：

过去Anthropic的判断是，自研芯片的速度赶不上AGI的进展，芯片真做出来就晚了。如今情况变了：他们招来大批芯片方面的人手，一边自己造芯片，一边把模型训练得特别会设计芯片。模型既然能自己设计芯片，他们在这条线上的推进速度也就一下子提了起来。

华盛顿死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演化出更隐蔽的形态。拿不到最顶尖的海外闭源模型或算力，部分海外实验室仍能通过采购第三方数据公司的合成数据和强化学习环境，变相做“模型蒸馏”。

商业审查全面收紧后，这类长期处在监管盲区的数据跨境交易，极可能成为下一波政策打击的重点。Dylan Patel揭开了产业链水面之下的真实运作：

很多数据公司现在把大量数据往海外卖，这说白了是一种很隐蔽的蒸馏手法。Mercor这类数据供应商，生成数据的流程本身就借用了前沿大模型来做提取和过滤。把前沿模型生成的环境卖出去，等于把模型能力蒸馏出来。以前大家眼睛只盯着硬件，卖数据这条路没谁去审，往后它一定会被监管盯上。

华盛顿要是真搞“一刀切”封锁，Dylan Patel对此表示担心。他的看法是，美方在芯片禁令上一旦做得太绝，硬件供应链上很可能招来对等的反制。

每台英伟达服务器里都有海外产业链制造的组件，每台谷歌GPU服务器里同样有海外供应链的身影。对方要是愿意，完全可以掐断这些环节。

他认为，更聪明的做法是先把未经授权的中间商转租这个口子堵上，同时放谷歌这类美国本土云巨头以高溢价向海外客户出租受控的云端算力——“随时能断供，还能把对方的利润抽走，这才是保住领先的商业逻辑。”