黄仁勋辞任英伟达CEO：11.5万人请愿，董事会已接触Arm掌门哈斯

（本文作者为 Edge AI Daily，钛媒体经授权发布）

硅谷前沿：

11月12日，英伟达对外公布，黄仁勋卸任总裁、CEO及董事职务，即刻生效。执行副总裁兼CFO科莱特·克雷斯被安排出任临时CEO，原职继续保留。董事会一边启动继任者遴选，范围覆盖内部与外部，一边任命哈维·琼斯为第一任董事长。到11月14日下午，请愿网站上的签名已超过11.5万，其中现任员工5965名、前员工1108名、股东63063名；马斯克等科技公司高管也在支持者名单中。请愿方的诉求是：董事会应在独立调查把事情查清之前让黄仁勋回任，并披露更多信息。

文章的看法是，争论的落点不在“黄仁勋该不该回来”，而在创始人依赖、董事会程序与产业链信任三者之间的拉扯。黄仁勋从1993年起执掌公司，芯片设计、云计算、AI模型、开发者关系与政策关系都跟他绑得很深；他一走，问题就变成“没有他，英伟达还能不能把关键决策做出来”。接任者得同时看得懂芯片、系统、软件生态、云服务和政策环境。临时CEO能把财务沟通和经营秩序稳住，但创始人的技术号召力和产业关系那一块，很难由他完全补上。

公告当天，英伟达收跌4.34%，盘中一度跌约14.35%，之后跌幅逐步收窄。同日费城半导体指数跌0.54%，AMD与博通涨逾5%；散户在开盘30分钟内净买入约1.11亿美元，创下同期纪录。公司表示运营、客户承诺与产品路线图都不会中断，财报仍定在11月17日发布。文章指出，AI基础设施客户真正在意的是路线图和供货稳不稳，管理层的不确定会让合作方多等，这次高管变动因此成了对“连续性溢价”的一次检验。不过，连续性也不能拿来当绕过治理的借口。

2026年11月12日，英伟达宣布创始人黄仁勋即刻卸任总裁、CEO及董事职务，执行副总裁兼CFO科莱特·克雷斯担任临时CEO并继续兼任CFO，哈维·琼斯出任首任董事会主席，董事会同时启动永久CEO的遴选，内部与外部候选人都看。更早的11月8日，董事会曾发声明称，已针对“黄仁勋遭外国情报活动针对”的报道启动独立调查，黄仁勋本人承诺配合。

亚洲政府的关切集中在一件事上：项目能不能不靠某个人照样跑。韩国科学部门表示，英伟达重申将供应26万颗先进GPU，联合AI项目继续推进，政府AI战略委员会已开紧急会议；日本把英伟达看作AI半导体领域的重要角色，强调供应要稳定；台北方面称，海外总部项目“仍在推进”。

市场分析人士的看法是，AMD、博通可能从客户和供应商的多元化中分到好处，但能接多少，要看软件兼容性和交付能力。文章的结论是，英伟达已经进入“去个人化”的测试期：继任遴选、国家安全调查、跨境芯片合规与亚洲项目履约几件事同时压着，关键指标就两个——下一批芯片能不能按期交付，下一步项目能不能继续履约。

2026年11月12日，英伟达宣布联合创始人、总裁兼CEO黄仁勋辞职，立即生效；首席财务官Colette Kress出任临时CEO，Harvey C. Jones成为公司首位董事会主席。黄仁勋执掌这家公司约33年，市场并不把它当成一次普通的管理层轮换。

英伟达的角色已经变了，从GPU供应商成了“资本＋算力”的生态组织者。据PitchBook，该公司今年参与105轮融资，且往往是最大投资方：1月向CoreWeave投入20亿美元，3月向Nebius投入20亿美元；2026年8月19日又宣布为OpenAI俄亥俄数据中心提供最高1050亿美元的有条件信用担保。趋势很清楚，AI基础设施的竞争已经变成资本、设备、数据中心与客户合同的组合竞争。

冲击主要落在新云与算力基础设施公司身上，融资市场预计会出现分化：手里有长期合同、稳定客户和高GPU利用率的公司还能拿到钱，靠未来需求或单一战略投资者撑着的，条件会收紧。更深一层的风险是，市场少了一个统一的预期锚点，行业从“谁能拿到设备”转向“谁能把设备变成利润”，资本不会再只因为“英伟达在里面”就涌进来。

英国《金融时报》11月13日报道，英伟达董事会已就CEO继任一事接触安谋控股（Arm）首席执行官雷内·哈斯。英伟达董事会回应称，尚未“正式接触”任何候选人，眼下猜测人选“为时尚早”。也就是说，报道里的接触不等于候选人已经确认，更不等于任命已经完成。

哈斯在英伟达干过约七年，一路升到计算产品业务副总裁兼总经理，2013年加入Arm，2022年出任Arm CEO，2023年主导其纳斯达克上市。他既认同英伟达的文化，又有上市公司经营经验；但Arm与英伟达的商业模式不一样，两家还有产业上的关系，真要正式接触，董事会、法律和利益冲突几个层面都得审慎处理。

继任者的核心考验，是把黄仁勋的个人判断力转成组织能力，完成从“黄仁勋的英伟达”到“英伟达的英伟达”的转变，这需要更清晰的授权体系、可审计的风险管理和稳定的高管梯队。同时，下一任CEO还得应付美国对先进AI芯片出口限制带来的政策不确定性，以及监管沟通上的压力。

2026年11月12日，谷歌发布Gemini 4 Hydrogen，官方把它定位为执行型模型，主打日常编码、智能体工作流和高频应用。它设了low、medium、high、xhigh四档思考等级，默认high，等于把推理预算做成一个可调的成本旋钮。API定价为每百万Token输入1.50美元、输出7.50美元，上下文窗口覆盖100万Token。

谷歌官方称，在Artificial Analysis Intelligence Index上，Hydrogen默认high档得51分，高于同门Argon的50分，xhigh档能到54分，但仍低于Carbon的60分。官方还称，默认high档完成任务的速度约为Gemini 3.8 Flash的2.5倍，在Terminal-Bench 4.1上得分57%，对照为18.2%。这些数字都出自谷歌发布材料，不是独立盲测的结论。

谷歌的做法是在同一会话里由Orchestrator动态切换模型：Carbon管系统设计、复杂判断和任务拆解，Hydrogen负责改代码、并行干活和验证。官方给出的数据是，这套组合在Terminal-Bench 4.0上的成功率接近单用Carbon，平均配额少花24%、速度快19%。文章的看法是，比拼重点可能从参数规模、榜单最高分挪到单位任务产出和工作流级指标上，价格战也可能打得更凶。

FAA已经把星舰第15次飞行的发射许可发给SpaceX，允许它从得州Boca Chica的Starbase基地点火升空。这次评估涉及公众安全、飞越人口密集地区、有效载荷和国家安全等事项，为特定任务划出了飞行与安全边界。

许可的关键变化是管到了“发射—再入—回收”整个闭环。SpaceX打算让上面级从轨道飞回得州发射场，由发射塔接住，而不是掉进海里；返回轨迹要经过陆地，包括墨西哥北部，安全评估的范围也跟着扩大。SpaceX总裁Gwynne Shotwell表示，许可预计会涉及返回发射场以及两级火箭的塔架捕获。

监管正在变成星舰商业化的“第二条技术路线”。FAA早前围绕Boca Chica的环境评估讨论过每年最多25次轨道发射及相应着陆安排，那属于项目层面的评估，并不是第15次飞行许可的条款。可一旦飞行路径、再入方式和回收动作的安全审查拖得久，SpaceX的整体迭代节奏还是会被监管这一环卡住。

当地时间11月13日，FAA以“特殊情况和安全原因”为由发布全国范围航班停飞令，各机场出发航班暂停，起因是多个航路交通管制中心出现通信问题。微软回应说，没有迹象表明停飞令与其任何服务有关；美国国土安全部长马林也表示，微软服务问题和FAA通信中断是两起独立事件，暂无恶意攻击迹象。

文章的核心判断是：眼下因果链条只停留在“时间重叠”，还没走到“技术关联”。对航空系统来说，通信异常时先停出发航班是安全冗余处置，不等于认定故障来源；“使用微软产品”也不等于依赖某一项微软云服务，或由它托管关键安全控制。真正的风险在于归因跑得比调查快——信息真空里，未经证实的推断更容易传开，可能放大市场恐慌、干扰真实调查，还会盖住真正该改的通信设备和应急流程。

更深一层看，这件事暴露出数字基础设施时代的新风险：系统之间互相看得见，故障边界却越来越模糊。关键系统以后要回答的不只是“有没有用云服务”，而是“云服务出异常时哪些功能还能跑”。韧性靠的是独立通信链路、可验证的降级模式、清楚的供应商边界，以及定期的跨系统演练；一次事件的归因结论，替代不了整个行业的架构审计。

2026年11月14日，微软宣布Microsoft 365旗舰服务全面恢复。此前Outlook、Teams、Copilot等因网络容量升级问题出现全球性中断，持续逾24小时，波及70余个国家和地区，美国Outlook故障报告峰值超过13万起。微软称是多台服务器负载过高离线，并非网络攻击，这也是年内第二次大规模故障。

故障把云服务集中化的风险摆上了台面。Microsoft 365靠统一身份、数据和运维体系帮企业省下部署成本，风险却也向少数关键服务聚拢；底层故障沿着身份认证、消息投递、会议调度和AI调用一层层传导，最后表现为多款产品同时不可用。单一平台越成功，越容易变成全员共同依赖。

服务恢复不等于业务恢复。前端响应回来之后，积压的邮件、日程和通知还要重试投递，企业也得核验数据和权限是否闭环。文章提醒，企业不该把关键工作压在单一平台上，应保留邮件归档、离线副本，以及电话、短信这类可定期演练、可切换的备用路径。

苹果在2026年10月发布新款Apple TV 4K，把Siri AI列为核心卖点；随后确认tvOS 27.2.1能给第二代及之后的旧款Apple TV 4K带来Siri AI支持，但要搭配附近已启用Siri AI的配对设备，比如iPhone。第一代机型不在支持范围内。

产品分层的思路变了：从“功能独占”转向“体验分层”，基础AI能力向下兼容扩散，硬件协同则向上集中，比如新款与HomePod mini 2组成四扬声器系统、内置远场麦克风。新机的价值不再靠独占Siri AI来证明。

对苹果这家大型科技股公司来说，这么做是想扩大AI触达面、增强生态黏性，把换机理由从“必须升级”改成“值得升级”。客厅AI的竞争焦点也从单点性能转向手机、音箱、电视之间的设备协同，旧硬件因为还在设备网络里，价值得以延长。

英伟达博客介绍的Dyania Health临床AI系统Synapsis AI，定位是临床推理引擎，不是通用聊天机器人。它跨文档类型和时间节点把患者病历串起来，输出的临床信号可以追溯到原始记录，医生保留核验权和最终决定权，也就是“临床副驾驶”的定位。

部署上，这套系统跑在医院自有防火墙内，依托院内的英伟达加速计算基础设施，患者记录不出院，并用NVIDIA NeMo训练、TensorRT与TensorRT-LLM优化。英伟达借此从芯片供应向医院内部计算底座延伸，但医疗行业采购、验证和合规周期较长，这道坎还得过。

Cleveland Clinic的案例覆盖2005—2021年7812名主动脉瓣置换患者，每人88个临床问题，最长16年病历。案例显示AI能加快队列筛选和风险建模，但只证明了研究提效，没证明患者临床结局改善。世卫组织医疗AI伦理与治理指导要求人工监督、透明可解释、责任可追究，AI的价值仍需长期真实世界验证。

成本逻辑也在变：编码代理真正的开销不在单次模型调用，而在完成任务所需的调用轮数、历史上下文重放和失败重试。计费趋势正从“token计价”转向“任务计价”，企业评估时该看的是平均调用轮数、失败重试率和最终通过率，而不是输入输出价格。

2.AWS与NVIDIA的NeMo Switchyard方案里，请求先过负载均衡器、LiteLLM网关和Switchyard插件，最后由Amazon Bedrock调用后端模型。它的Stage路由靠完整对话历史中的工具活动与结果，一轮一轮地选模型层级，跟任务一开始就固定选型的静态路由不是一回事。

3.路由的价值和边界：该优化的是“单位完成任务成本”，不是单轮调用价格。低价模型要是频繁返工，未必就更省钱。该方案拿claude-opus-5-5和nemotron-super-3-120b做了单模型基线与多模型路由的对照，不过原文没给出能外推的节省比例。另外，这套东西得跟Bedrock同家族内的Intelligent Prompt Routing区分开，还要配套记录每次路由决策，把治理与审计成本管住。

1.美国交通部推出了AI辅助空管工具SMART，把天气、航路、流量和空管员配置等约200条数据流汇到一个平台上，目标是把航空调度从“出问题再处理”变成“提前预测拥堵”。但FAA说得很明确：它不能替代空管员，也不能接管飞机，建议须由员工审阅，地方负责人可以接受也可以拒绝，安全最终责任还是由人来担。

2.FAA长期缺空管员：2024财年招了1,811名（目标是1,800人），同期流失约1,400人，近5年一共招了5,778名。2025年FAA把现役空管员目标从上一年的14,633人下调到12,563人。文章点出的风险在于，把AI带来的效率折算成更低的人员、训练与备用配置，安全冗余就被压缩了。

3.空管现代化还卡在老旧基础设施上：2025年7月美国国会拨款125亿美元支持第一阶段，FAA估计第二阶段还要约102亿美元。波音2025年预测，2025年至2044年全球航空业需要约237万名新从业人员（含66万名飞行员）。这说明AI替代不了人力需求，关键是人手里保留否决权，基础设施要经得起失败，还要留好可验证的备用方案。

开源趋势：

1.AWS把OpenFold3-preview（版本0.4.1，of3-p2-155k checkpoint）接进了Amazon SageMaker JumpStart。模型由Columbia University的AlQuraishi Lab与OpenFold Consortium开发，目标是在位级上复现DeepMind的AlphaFold3，采用Apache 2.0许可，学术和商业都能用。输入是蛋白质、DNA、RNA序列以及SMILES配体，输出mmCIF结构，还有pLDDT、PAE、PDE等置信度指标。

2.数据边界设计是这次部署的关键。AWS走的是网络隔离，用户可以在自有基础设施里生成MSA，再随请求传给端点，敏感序列因此不用离开企业账户。文章据此判断，云上AI服务的竞争正从“谁的模型更强”转向“谁能让客户放心接入数据”，数据不出域、任务可编排、成本可控制、结果可验证成了核心能力。

3.JumpStart部署支持异步推理和多GPU实例（ml.g6.2xlarge、ml.g6.4xlarge、ml.g6.12xlarge，默认g6.4xlarge），还提供规模缩减至零的机制，成本结构随之改变，算力跟着任务进出。但OpenFold3-preview仍是研究预览版，它的置信度指标是模型判断，不是实验事实。定位是缩短从序列到结构假设时间的高价值前置工具，能减少试错成本，但不替代实验验证。