三十天与三十三年:黄仁勋离开英伟达,与一场赌了三十年的通用性
2026 年 11 月 12 日,美东时间下午,英伟达官网新闻页更新了一则不到三百词的声明。黄仁勋辞去总裁、首席执行官及董事会成员职务,即刻生效。
没有过渡期。没有“将于某日卸任”。没有创始人退休时通常会保留的顾问头衔。
盘前股价一度跌逾 10%,当日收盘跌 4.34%,市值蒸发约 1820 亿美元。董事会当天给出两件事:执行副总裁兼首席财务官科莱特·克雷斯(Colette Kress)任临时 CEO,并继续兼任 CFO;哈维·琼斯(Harvey C. Jones)出任公司 33 年来第一位董事会主席。琼斯是前新思科技(Synopsys)CEO 兼执行董事长。英伟达自 1993 年成立以来从未设过这个职位。
公告没有写原因。公司说运营、客户承诺与产品路线图将照常进行,Q3 财季业绩按计划在 11 月 17 日发布。
一篇讣告式的文章容易写,但没什么用。更有价值的问题是:这 33 年里,哪些决定是黄仁勋个人的判断,哪些已经沉淀成组织的肌肉记忆。11 月 17 日那场财报问答,检验的其实是后者。
Denny’s 的卡座
1993 年 4 月 5 日,加州圣何塞,一家 Denny’s 的卡座。三个人:黄仁勋,刚从 LSI Logic 出来;克里斯·马拉科夫斯基(Chris Malachowsky)和柯蒂斯·普里姆(Curtis Priem),都来自 Sun Microsystems。启动资金 4 万美元。黄仁勋那年 30 岁。
公司名字来自拉丁语 invidia,“嫉妒”。早期文件用 NV 作前缀,意思是 next version。他们相信一件很具体的事:PC 会从办公设备变成消费设备,而消费设备的第一需求是画面。
这个判断在 1993 年不算离奇。那年做图形芯片的公司有二十多家,三年后涨到七十家。到 2006 年,独立活下来的只剩一家。
离奇的从来不是判断,是押注的方式。
第一次赌错:NV1 与二次曲面
1995 年的 NV1 是一次教科书式的赌错,错在几何。
当时的多边形渲染靠三角形,微软的 DirectX 正在把它变成事实标准。NV1 选了二次曲面(quadratic texture mapping)——用曲面片拼出物体,理论上更省显存带宽,边缘更圆滑,还能省下标量三角形带来的锯齿。
世嘉把街机作品 Virtual Fighter 移植上去,成了第一个跑在 Nvidia 显卡上的 3D 游戏。产品以 Diamond Edge 3D 的名字零售。
技术上的问题不在算力,在工具链。开发者的建模软件、美术资产、渲染引擎、程序员的手感,全部围绕三角形生长。一张只会画曲面的卡,等于要求整个行业重做工作流。这不是性能差距可以补偿的。
世嘉取消了后续订单。黄仁勋飞去日本,向世嘉当时的主管入交昭一郎承认路线错了,请对方把已经付出的钱留下来。入交把订单款转成 500 万美元投资。这笔钱让公司多活了大约六个月。
1996 年,他裁掉超过一半员工,把剩下的现金押在一个还没有流片的设计上。
“我们距离倒闭只有 30 天。“这句话他后来在员工大会上讲了十几年,成了内部口头禅。它不是修辞。那是当时的现金跑道。
第二次赌对:RIVA 128 与拥抱标准
1997 年的 RIVA 128 是那次押注的结果。世界第一颗 128 位 3D 处理器,不做曲面,只做三角形,全面拥抱 Direct3D。四个月卖出一百万片。
发布时的账上余额只够发一个月工资。这个细节后来被反复讲,但它的意义常被讲错——重点不是“差点死掉所以很励志”,而是承认技术路线错误的成本,必须小于公司账上的现金。NV1 到 RIVA 128 之间隔的不是天才,是一次公开的、代价高昂的认错,包括向掏了钱的客户认错。
很多公司死在这一步:路线错了,但组织没有承认错误的语言,于是把资源继续投进沉没成本。
造一个词:1999 年的 GPU
1999 年 1 月,英伟达在纳斯达克上市,每股 12 美元。
同年 10 月,GeForce 256 发布。英伟达给它造了一个词:GPU,Graphics Processing Unit,并给出一个可以被检验的定义——单芯片,集成变换、光照、三角形建立与裁剪、渲染引擎,每秒至少处理一千万个多边形。
关键在硬件 T&L(transform and lighting)。在这之前,顶点变换和光照计算是 CPU 的活,显卡只负责把算好的三角形涂上颜色。把 T&L 拿进显卡,意味着这块板子第一次拥有了自己的计算任务,而不只是一张画布。
英伟达官方时间线里有一句对照:今天的 GPU 每秒处理超过七十亿个多边形。二十七年,三个数量级。
这个词后来溢出图形领域,变成算力的计量单位。“我们要多少张 GPU”这句话在 2023 年之后的含义,和 1999 年已经完全不同。
不竞争的公司做产品,竞争的公司造词。造词的本质是定义评价标准,谁定义标准,谁决定下一轮比什么。
最不被看好的赌注:CUDA
2006 年,G80 架构(GeForce 8800)带来统一着色器:像素着色器和顶点着色器不再物理分离,所有流处理器都能执行通用程序。每颗 G80 有 128 个流处理器,分成 8 组,每组 16 个,共享指令发射与纹理单元。
接下来是这家公司历史上最重要的决定,而它不是一个产品决定:把这些可编程核心开放给非图形计算。CUDA 在 2006 年 11 月发布。
技术上它做的事很朴素:给程序员一个能写类 C 代码的并行模型。线程按 block 组织,block 按 grid 组织,32 个线程组成一个 warp,在同一个周期执行同一条指令,靠不同的数据寄存器区分彼此。程序员不需要知道自己那块卡有几个 SM、每个 SM 有几组调度器,只需要回答一个问题:我的问题里有多少个互相独立的数据。
这个抽象层是这个赌注真正的技术内容。它把“并行”从硬件细节变成编程模型,代价是必须为它保留硅片面积、驱动栈、编译器、调试器和二十年的向后兼容。
商业上它做的事很不朴素:给每一张 GeForce 都装上 CUDA,包括玩家买来打游戏的那些。
华尔街当时的反应是成本。一块游戏卡为什么要为一个没人用的编译器付晶体管和验证费用?2008 年金融危机,英伟达股价跌了 70%。
黄仁勋后来说:“我们当时是在民主化超级计算。”
这句话在 2008 年听起来像自我安慰。它需要六年才变成陈述句。
六年后的回响:两块 GTX 580
2012 年,多伦多大学三个人——亚历克斯·克里泽夫斯基、伊利亚·苏茨克维、杰弗里·辛顿——用两块消费级 GeForce GTX 580 训练了一个卷积网络,参加 ImageNet。错误率 15.3%,第二名 26.2%。
那一年最重要的技术事实不是算法赢了,而是硬件早就在那里。十年 CUDA 铺在零售货架上,意味着全世界每一间实验室都已经有一台能跑深度学习的机器,只是此前没有人告诉它们。
生态的复利是这样算的:你不需要在 2012 年说服任何人买卡,你只需要在 2006 年让卡已经在他们桌上。
这也是理解英伟达护城河的关键。92% 的企业 GPU 份额不是靠某代芯片的性能优势维持的,是靠“任何一篇论文的代码贴到 GitHub 上,别人 clone 下来就能跑”这件事维持的。迁移成本不在芯片,在已经写好的几百万行 CUDA。
亲手搬箱子:DGX-1 与“一台机器”的边界
2016 年 8 月,黄仁勋开车到旧金山,把第一台 DGX-1 亲手抬进 OpenAI 的办公室。那台机器 12.9 万美元,8 块 P100,通过 NVLink 互联。埃隆·马斯克在场。
一家市值几百亿美元的公司 CEO,给一家成立几个月的非营利实验室送一台机器,还自己搬。这个故事后来被讲成段子,但它是这家公司最准确的自画像:他们卖的不是芯片,是“算力应该长成什么样”的样板。
DGX-1 的真实贡献是行业标准的封装。在那之前,每个实验室自己攒机器、自己调 PCIe 拓扑、自己解决供电和散热、自己写分布式通信。从那之后,采购清单变成型号。研究者省下的那几个月,比机器本身的峰值算力更值钱。
沿着这条线往下看,NVLink 的带宽从 2016 年的 160GB/s 一路推到整机柜互联,2026 年的 NVL72 把 72 颗 GPU 放在同一个 NVLink 域里。这件事的工程意义是:“一台机器”的边界被重新定义了。当一个训练任务能在一块逻辑上的加速器上跑,模型并行的通信开销就从“网络问题”降级成“内存问题”。
这也是为什么单纯比较单卡 FLOPS 常得出错误结论。
把矩阵乘法焊进硅里
2017 年 Volta 架构发布,V100 里出现了 Tensor Core:一个 4×4 的矩阵乘加单元,一个时钟周期完成一批乘累加。当时大部分框架还在用 FP32 调 cuBLAS,Tensor Core 的 FP16 路径必须改代码才吃得到。
五年后这件事变成决定性的。Transformer 的核心算子几乎全是批量矩阵乘,注意力机制里的 QK 转置与 softmax 后的加权求和,落到硬件上都是一次次大规模的 GEMM。大模型训练成本在 2020 到 2025 年间的陡降,一半来自制程与封装,另一半来自“把矩阵乘法做成专用单元”这个决定。
之后是精度的逐代下探:V100 的 FP16,A100 的 BF16 与 TF32,H100 的 FP8,Blackwell 的 FP4。每一步都在做同一件事——把模型并不需要的数值精度,从硅片面积和内存带宽里省出来。
回头看,这是 CUDA 通用性策略的一次聪明对冲:对外保持通用编程模型,对内把最高频的算子做成专用硬件。
通用接口,专用内核。 这个组合解释了为什么“专用芯片将取代 GPU”的预测年年出现,年年没有兑现——挑战者要么输在没有通用性,要么输在没有那几百万行已经写好的代码。
一次失败:Tegra 与移动时代
1993 到 2026 年的叙事里,失败比成功多,只是失败的音量小。
2008 年,英伟达推出 Tegra,想进手机。那年 iPhone 刚出第一代 SDK,安卓还没起量。Tegra 进了微软 Zune HD、一些平板、一些车机,然后被高通和苹果的自研 SoC 挤出主流。到 2015 年前后,这块业务基本退出手机战场,转向汽车座舱与自动驾驶。
同一个教训重复了一次,只是这次代价小得多:在别人的生态里做一颗更快的芯片,赢不了定义生态的人。NV1 输给 DirectX 的三角形,Tegra 输给 ARM 生态里的高通基带整合。
反而是被留下的一支——车规与机器人——在十年后变成了具身智能的入口。
从一万亿到五万亿
2022 年 H100 上市,几个月后 ChatGPT 发布。时间点好得不像真的。
2023 年市值破 1 万亿,2024 年破 3 万亿,2025 年 10 月成为第一家市值突破 5 万亿美元的公司。企业 GPU 市场份额约 92%。
运气确实存在。AlexNet 用了他们的卡;Transformer 的核心算子刚好是矩阵乘法;大模型刚好需要把几千张卡连成一台机器。但运气只解释峰值,不解释为什么每次峰值来的时候他们都在场上。
黄仁勋自己的说法是“黄氏定律”:性能每两年翻一倍,同时单位成本下降。这不是摩尔定律的改写,是把架构、封装、互联、软件四层同时压进一个节奏。能做到这一点的前提,是这四层都在同一家公司里,而且由一个不需要向季度财报解释长期投入的人拍板。
2026 年 9 月 2 日,他与美国商务部长霍华德·卢特尼克对谈时说:“我当然可以不用再工作了,但我不想错过,我绝不会错过接下来的 10 年、15 年。“他还提到,2030 年之前还有 100 吉瓦的算力设施待建。
两个多月后,他离开了。
两张地图
英伟达的中国业务,是理解 11 月 12 日之后那些问询的背景。
2022 年 10 月,美国商务部限制 A100 与 H100 对华出口,英伟达随即推出削减互联带宽的 A800 与 H800。2023 年 10 月新规把性能密度阈值写进条文,这两款也进了清单,之后是 H20 的一再反复——先被限制,又在 2025 年获得附条件许可。
结果是收入结构的变化:中国区数据中心收入从总盘子的两成以上,掉到几乎可以忽略,再部分恢复。这不是一家公司靠工程能解决的问题,因为它衡量的不是芯片性能,是许可证。
所以 11 月 12 日之后出现的那封问询信,重点不在算力,在“谁批准了什么、记录留在哪里”。尼尔与怀登要求商务部保留相关记录,用的是监督权,不是立法权。对投资者来说,这条线的实际含义是:未来任何一次对华许可的松紧,都会先在国会层面产生摩擦,再传导到财报指引。
AI 工厂的账单
2026 年 9 月,黄仁勋在多个场合把数据中心改称“AI 工厂”,并给出一个时间表:2030 年之前还有 100 吉瓦待建。
100 吉瓦是什么概念?一座大型核电机组大约 1 吉瓦。这个数字把讨论从“芯片出货”推到“电力与土地”。同一个月,Nebius 公布 2027 年 400 亿美元资本开支计划,股价当日跌 17%;微软在新泽西的数据中心项目已延期数月。瓶颈从加速器转移到了变电站。
这也是接班人最难的一道题。黄仁勋卖的不只是芯片,是“算力会持续短缺”这个预期,而预期需要有人每周重复讲一次。财报能证明上一个季度,讲不了下一个十年。
推理接管之后
2024 到 2026 年,算力结构变了。训练集群的资本开支仍然巨大,但增速在放缓;真正涨上来的是推理——长上下文、智能体反复调用工具、多轮自我检查,把每个用户请求背后的 token 数推高了一个量级。
推理的经济学和训练不一样。训练看峰值 FLOPS 与互联带宽,推理看每个 token 的边际成本:内存容量决定能塞多长的 KV cache,内存带宽决定解码速度,量化精度决定同样的显存能放多大的模型。一份 KV cache 压缩到 5 倍,等于同一张卡多服务五倍的并发,这种改进比多 10% 的算力更能打动人。
这就是为什么 Blackwell 之后的架构往 FP4 走,也是为什么 2026 年的热门研究方向里,KV cache 压缩、投机解码、批处理调度占了大半。
对英伟达的护城河来说,这个转变是负面的。训练时代比的是“最快的卡”,能买到就是优势;推理时代比的是“最低的每 token 成本”,而后者是可以被自研 ASIC 蚕食的地带——谷歌 TPU、亚马逊 Trainium、Meta MTIA 都在往这里挤。黄仁勋在任时靠年度架构节奏压住了这个缺口,节奏能不能由第二个人维持,是 11 月 17 日之后最值得看的东西。
60 个直接下属
他的管理方式在硅谷是个异类。约 60 个直接下属,不设一对一会议,不用 PPT。
他要求每个人每周发一封 Top 5 Things 邮件:这周最重要的五件事,以及你在想什么。信息在组织里横向流动,而不是沿层级向上汇总再向下分发。这套做法在员工规模过万之后仍然保留,代价是 CEO 的日程表被切碎。
“我们距离倒闭只有 30 天”是这套系统的情绪底色。它把一家市值四万亿美元的公司维持在一种绷紧的状态里,也让 33 年里没有人真正长成他的接班人。
这不是阴谋,是结构的必然:一个把自己放在所有关键决策回路上的 CEO,会系统性抑制第二决策者的形成。董事会现在补的,正是这一课。
11 月 12 日之后
克雷斯 59 岁,2013 年 9 月加入英伟达任 CFO,此前在德州仪器、微软、思科做了近 25 年财务。她陪这家公司从游戏显卡走到万亿市值。路透采访的人形容她是黄仁勋对抗性风格的反面:镇定。
市场不完全买账。Moor Insights and Strategy 的 Anshel Sag 说得直接:把 CFO 放到临时位置能稳住市场,但她不是英伟达继续当前轨迹所需要的那种长期愿景者。
被点名的继任者有三个。伊恩·巴克(Ian Buck),2004 年入职,管 AI 硬件与软件产品,CUDA 早期是他做的。雷内·哈斯(Rene Haas),Arm CEO,在英伟达做过七年副总裁兼总经理。还有莉莎·苏,AMD CEO,最直接的竞争对手——这个提名本身说明市场的焦虑程度。
11 月 17 日盘后,Q3 FY27 财报照常发布。那是新管理层第一次公开答问。
同一天,众议院筹款委员会与参议院财政委员会的民主党高层理查德·尼尔、罗恩·怀登致信商务部长卢特尼克,就英伟达对华芯片销售的处理方式提出问询,并要求保留相关记录。两人是少数党,能问,不能强制。
白色皮夹克
33 年里,这家公司只换过一次 CEO。现在换了。
真正被检验的不是继任者的能力,而是一个更安静的问题:过去三十年那些赌注——三角形、硬件 T&L、统一着色器、CUDA、Tensor Core、NVLink——有多少是黄仁勋的个人判断,有多少已经变成组织的默认值。
CUDA 是答案的前一半。它现在是四千多个加速库、几百万开发者、二十年积累的兼容性包袱。任何继任者都不可能推翻它,就像没有人能推翻 x86。这是公司资产,不是个人资产。
后一半是那种“三十天”的紧绷。它没法写进流程文档,只能靠一个人反复讲、反复用日程表示范。这是个人资产,不是公司资产。
11 月 12 日的公告把这两样东西分开了。市场用 1820 亿美元给这次分离定了价,然后回去等 11 月 17 日。
硅的周期是三年,架构的周期是十年,生态的周期是二十年。一个人的任期是三十三年,刚好够把三层都赌对一次。
白色皮夹克还在衣柜里。穿它的那个人,不在会议室了。