未来的英伟达 GTC 大会上，或许再也看不到 " 黄教主 " 登上舞台、向全场观众挥手致意的熟悉场景了。

美国当地时间 11 月 12 日，黄仁勋宣布离开了自己执掌 33 年的英伟达，英伟达股价盘中一度暴跌约 14%，随后跌幅收窄，最终收跌约 4.3%。

Andreessen Horowitz 普通合伙人马丁 · 卡萨多（Martin Casado）将其称为 " 黑暗的一天 "。

自 1993 年创立英伟达以来，黄仁勋几乎主导了公司的每一次重大转型。从早期的图形处理芯片，到 CUDA 计算生态，再到如今的 AI 数据中心业务，英伟达能够抓住几轮技术变革，与黄仁勋对技术方向的判断和长期投入密切相关。

尤其是在这一轮生成式 AI 浪潮中，黄仁勋不仅推动英伟达从芯片供应商向 AI 基础设施平台转型，还深度参与产品路线制定、供应链协调以及大型客户合作。

英伟达如今的市场地位，很大程度上建立在这套经营策略之上。

对于英伟达而言，黄仁勋离开并不意味着现有业务会立即受到冲击。经过多年发展，公司已经拥有成熟的技术团队、产品路线和供应链体系，这些优势不会随着一位管理者离职而消失。

不过，失去黄仁勋这位核心决策者后，英伟达还能否延续过去数年的高速增长？这家处于全球 AI 产业核心位置的公司，接下来又将面临哪些新的考验？

目前英伟达临时接任 CEO 的科莱特 · 克雷斯（Colette Kress），她担任 CFO 超过 13 年，参与了英伟达从游戏显卡公司向 AI 基础设施巨头转型的全过程，熟悉公司的财务状况、客户合同、供应商安排和资本支出。

她也长期与黄仁勋共同出席财报电话会议，是华尔街熟悉的管理层。

KeyBanc Capital Markets 分析师约翰 · 文（John Vinh）认为，克雷斯出任临时 CEO 是积极信号，原因在于她任职时间长，对英伟达业务和战略有深入了解。eToro 首席分析师乔什 · 吉尔伯特（Josh Gilbert）也认为，克雷斯是稳定公司局面的明显人选。她熟悉业务，也能在市场需要管理层提供确定性的时候代表公司发声。

不过，这不意味着克雷斯能够立即接手黄仁勋原有的决策职责。据 The Information 报道，英伟达临时首席执行官并非公司重大决策的主导者，也不负责制定公司的重大决策议程。临时 CEO 和长期掌舵者是两回事。

此前，The Information 援引知情人士的消息称，克雷斯并不是英伟达重大决策议程的主要推动者，在一些高风险交易上，她更倾向于控制风险，OpenAI 信用支持安排就是一个例子。

黄仁勋曾推动英伟达为 OpenAI 提供大规模信用支持，最初讨论的规模达到 2500 亿美元，用于支持其数据中心建设。克雷斯对此持谨慎态度。随后，相关安排被拆分，英伟达支持的第一部分规模约为 1000 亿美元。

Bernstein 分析师斯泰西 · 拉斯贡（Stacy Rasgon）认为，克雷斯的任命有助于稳定短期业务，他并不担心此次管理层变化会立即影响英伟达的经营。但他对长期问题更加谨慎：新 CEO 能否接过黄仁勋对产品路线的把控，以及他与客户、供应商、员工和整个产业生态之间的关系网络，仍存在很大不确定性。拉斯贡因此下调了英伟达股票评级和目标价。

高盛分析师詹姆斯 · 施耐德（James Schneider）也指出，英伟达并不缺少成熟的职能管理团队，在芯片设计、软件、系统和财务等领域都有经验丰富的负责人，但黄仁勋所具备的技术愿景、行业影响力和跨企业协调能力，很难由一位普通职业经理人直接接替。

目前，内部候选人中，最受关注的是英伟达资深技术高管伊恩 · 巴克（Ian Buck）。他 2004 年加入公司，长期参与 GPU 通用计算和 CUDA 生态建设，目前负责面向超大规模云厂商的 AI 硬件与软件产品。

外部人选中，Arm CEO 雷内 · 哈斯（Rene Haas）被多位分析师提及。他曾在英伟达担任计算产品业务负责人，2013 年加入 Arm，后来成为 CEO。此外，苹果执行董事长蒂姆 · 库克、苹果硬件负责人约翰尼 · 斯鲁吉（Johny Srouji）和 Palo Alto Networks CEO 尼克什 · 阿罗拉（Nikesh Arora）也被点名。

投资人阿米娜 · 罗森伯格（Armina Rosenberg）提出了一种可能性：英伟达可以考虑由克雷斯负责经营和财务，再由巴克负责产品与技术，形成类似联合 CEO 的管理安排。

毕竟，黄仁勋过去直接管理的高管人数据报道超过 60 人，英伟达的决策体系长期围绕他本人运转。

回顾英伟达的发展历史，黄仁勋最重要的作用之一，是推动公司在尚未形成明确商业回报的技术方向上持续投入。

其中最具代表性的案例是 CUDA。

2006 年，英伟达推出 CUDA，让 GPU 能够处理图形渲染以外的通用计算任务。2012 年，使用英伟达 GPU 训练的 AlexNet 在 ImageNet 竞赛中取得突破，GPU 由此成为深度学习的重要计算平台。此后，英伟达持续完善 CUDA 工具链和计算库，开发者逐渐围绕这套体系建立模型训练、优化和部署流程。

这也是竞争对手难以单纯依靠芯片性能追赶英伟达的原因。企业即使采购其他厂商的 GPU 或专用芯片，也需要重新适配已有代码、模型和软件工具。对已经投入大量资源使用 CUDA 的客户来说，迁移并非简单更换硬件。

但 AI 计算方式正在变化，CUDA 也必须跟着扩展。过去几年，英伟达的优势主要体现在大模型训练；随着行业转向大规模推理，客户开始更关注每个 Token 的计算成本、GPU 利用率和响应速度。英伟达 2026 年推出 Dynamo 1.0，专门面向大规模 AI 推理进行资源调度和请求管理，试图把竞争从 GPU 性能延伸到整个推理系统。它还与 TensorRT-LLM 等软件结合，并支持主流开源推理框架。

AI 智能体和机器人则打开了新的应用空间。智能体需要持续调用模型、数据和外部工具，机器人需要处理视觉、空间理解和实时控制。英伟达正通过 CUDA-X、Isaac 机器人平台、Omniverse 仿真环境和 Cosmos 模型，将底层计算能力延伸到这些场景。未来，CUDA 的使用范围可能不再局限于数据中心，也会进入工厂、汽车和机器人设备。

不过，这道软件壁垒并非不可撼动。目前，AMD 正在完善 ROCm 生态，谷歌 TPU 和亚马逊 Trainium 也在发展自己的软件体系。PyTorch、Triton 等开源工具则在降低开发者对特定硬件平台的依赖。如果越来越多模型能够通过统一框架适配不同芯片，CUDA 带来的迁移成本也可能逐步下降。

这恰恰是黄仁勋离开后，英伟达需要面对的长期问题。CUDA 的成功来自一次回报周期很长的技术投资，而推理、智能体和物理 AI 可能是下一轮生态扩张的入口。谁来决定这些方向的投入优先级，谁来推动软件平台持续适配新的计算方式，将影响英伟达能否把过去积累的生态优势延续下去。

黄仁勋离开后，市场需要关注的另一件事，是英伟达已经作出的巨额供应和产能承诺。

英伟达截至 2026 年 7 月 26 日的季度报告披露，公司供应与产能承诺总额达到 2790 亿美元，上一季度这一数字约为 1190 亿美元，单季增加约 1600 亿美元。

按照履约时间分布，2027 财年剩余时间约 920 亿美元，2028 财年约 870 亿美元，2029 财年约 880 亿美元，其余约 120 亿美元安排在更晚时期。

这 2790 亿美元并不是已经收到的客户订单，也不是英伟达已经支付的现金。它主要对应公司为满足未来需求，与供应商及产能合作方作出的采购和产能安排。英伟达需要提前锁定先进制程、封装、内存及其他关键资源，才能保证 Blackwell 和后续产品按计划交付。

这其中的问题在于，供应端的承诺不一定能与客户需求同步兑现。

大型数据中心从融资、选址、供电到建设和部署，需要较长周期。即使客户已经规划采购 GPU，也可能因为电力接入延迟、机房建设受阻、融资不足，或新一代产品部署节奏变化而推迟采购。英伟达在 10-Q 文件中也提示，客户可能因基础设施、资金和技术采用进度等因素延迟或取消采购。

如果客户需求兑现速度低于预期，英伟达却已经锁定上游产能，就可能面临库存积压、取消成本和供需错配。即使最终能够找到其他买家，产品代际变化也可能影响售价和毛利率。

另一项容易被混淆的数字，是英伟达披露的约 360 亿美元 AI 云服务协议承诺。

这类安排通常涉及多年期云服务容量合作，与 2790 亿美元供应和产能承诺不是同一口径。英伟达通过合作伙伴获得云计算容量，也可能将部分容量转售给第三方；随着容量被使用，相关承诺会相应减少。但如果外部客户需求不足，英伟达仍可能承担一定采购责任。

这些安排反映出英伟达业务模式的变化：公司不再只是根据订单采购芯片、交付产品，而是越来越多地提前参与整个 AI 基础设施的资源配置。黄仁勋擅长通过客户关系和产业影响力推动项目落地，接任者则需要在维持增长和控制财务风险之间作出平衡。

过去几年，英伟达抓住生成式 AI 浪潮，成为全球 AI 基础设施建设的主要受益者。但对于这家单季度营收已经逼近千亿美元的公司而言，如何保持高速增长，变得越来越重要。

英伟达当前最重要的增长来源仍然是数据中心。2027 财年第二季度，公司营收达到 962.21 亿美元，同比增长 106%；数据中心收入约 890 亿美元，同比增长 117%，占总营收的绝大部分。公司给出的第三季度营收指引为 1080 亿美元，增长势头仍然强劲。

此外，随着全球大型科技公司持续扩大 AI 基础设施投资，Blackwell 平台正在大规模部署，下一代 Vera Rubin 平台也开始进入生产出货阶段。

并且，英伟达也在寻找其他新的增长机会。

其中，AI 推理是重要方向。随着大模型从训练走向规模化应用，企业需要持续调用模型完成各种任务，AI 智能体的普及也可能进一步增加算力需求。

与模型训练相比，推理业务更加关注计算成本、能耗和运行效率。英伟达正在通过新一代芯片及整机系统，提高推理性能，希望继续扩大这一市场的业务规模。

还有机器人、自动驾驶和工业 AI 等领域，也被英伟达视为未来的增长方向。例如，随着越来越多国家和地区希望建设自主可控的 AI 基础设施，主权 AI 正在带来新的芯片采购需求。机器人和自动驾驶则有望进一步拓展 GPU 及相关计算平台的应用范围。

但这些新市场能否达到当前数据中心业务的规模，仍需要时间验证。

与此同时，英伟达面临的竞争也在发生变化。

过去，英伟达主要与 AMD 等芯片厂商竞争。如今，谷歌、亚马逊、微软等大型客户也在开发自己的 AI 芯片，希望降低算力成本，减少对单一供应商的依赖。博通则通过定制 ASIC 业务，参与大型科技公司的芯片研发。这些产品短期内未必能够全面替代英伟达 GPU，但在部分计算任务中，已经为客户提供了更多选择。

黄仁勋带领英伟达抓住了生成式 AI 带来的增长机会。接下来，在 AI 产业竞争不断变化的情况下，谁来决定英伟达的下一步，又能否带领公司抓住下一轮增长机会，将成为新的考验。