封面｜黄仁勋的英伟达岁月。AI生成的编辑插画。

黄仁勋，终究还是辞职了。

2026年11月12日，英伟达董事会宣布，他辞去总裁、首席执行官及董事职务，即刻生效。公司执行副总裁兼首席财务官 Colette Kress 出任临时CEO，并继续兼任CFO；董事会将从内外部寻找正式继任者。

一份措辞简短的公告，为持续33年的创始人掌舵时期落下句点。对于许多技术从业者，黄仁勋的名字早已连着不同年代的记忆：装机时认真比较的显卡，第一次跑通的CUDA程序，训练模型时等待亮起的GPU利用率。

回望这些年，最值得记下的，是他在前景尚不清楚时作出的选择，以及无数工程师如何把这些选择变成了可以工作的机器。今天的离任，让这段历程多了一层复杂的意味。

创业时首先学会纠正自己

1993年4月5日，黄仁勋与 Chris Malachowsky、Curtis Priem 共同创办英伟达，面向游戏与多媒体市场开发3D图形技术。 今天看似顺理成章的起点，当时没有后来那些确定的答案。

早期NV1产品失败，NV2项目又延续了与行业主流渐行渐远的技术路线。黄仁勋后来回忆，继续完成世嘉项目，会让公司把有限的时间花在错误方向上；放弃项目，又可能立刻失去维持生存的资金。他向世嘉坦陈困境，争取到支持，随后放弃旧架构。

1997年推出的RIVA 128支持Direct3D，为公司打开了新的局面。 这段经历里值得记住的，是一位工程师愿意承认自己精心设计的东西走错了方向。创业中的坚持，必须容得下这样的修正。

插图1｜早期创业的艺术演绎。人物组合、器材与场景均非史实复原。

把显卡变成更多人能用的计算工具

1999年 GeForce 让 GPU 走到台前

1999年，英伟达上市，并推出GeForce 256。公司以“GPU”定位这款处理器，将硬件变换与光照等工作从CPU转移到图形处理器。 玩家感受到的是画面与速度的改变，计算机内部则有更多工作交给了专门的并行硬件。

那时的英伟达仍是一家必须不断赢得产品竞争的公司。游戏用户为性能支付费用，开发者则持续提出新的要求。这些需求支撑着硬件进步，也为后来超出图形领域的用途积累了条件。

2006年至2007年 CUDA 打开通往通用计算的门

2006年，英伟达推出CUDA；2007年2月，CUDA SDK与C编译器公开测试版发布。 开发者逐渐可以用熟悉的编程方式调用GPU的并行能力，将它用于图形之外的计算。

从今天回看，我认为这是黄仁勋最有分量的决策之一。芯片可以提供运算能力，编程工具才能让更多人把问题搬上芯片。编译器、运行时和计算库让一代代硬件之间形成延续，开发者投入的代码与经验也开始沉淀。

这个选择要求一家硬件公司长期承担软件工作。回报不会随着发布会结束立刻出现，却会在一次次程序迁移、调优和复用中累积。理解英伟达后来为何难以被替代，必须回到这段耐心的建设。

2012年 识别出研究突破背后的需求

2012年的AlexNet论文，作者是 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton。团队使用两块NVIDIA GTX 580 GPU训练网络，推动了图像识别的重要突破。 这项研究的功劳属于研究者；英伟达提供的GPU让实验得以执行。

黄仁勋及团队随后加深了对深度学习的投入。 在我看来，他的判断力体现在看见了一类正在成形的客户：他们购买显卡，是为了训练模型。围绕这类客户调整产品、工具与工程资源，为英伟达打开了新的市场。

把计算能力交付为可以运行的系统

2016 年 DGX 让 AI 系统成为产品

2016年4月5日，英伟达发布DGX-1，将GPU、互连、深度学习软件和开发工具集成为面向深度学习的系统。 购买者不必从头拼装每一个组件，这改变了英伟达交付计算能力的方式。

对于做过基础设施的人，这种改变并不抽象。硬件买回来之后，驱动是否兼容、软件能否跑通、多个设备如何协作，往往才是项目真正开始的地方。DGX把这些工作的一部分提前交给供应商，英伟达也因此承担了更多系统责任。

2018 年 RTX 让 AI 能力回到图形业务

2018年，英伟达发布Turing架构与RTX产品，通过RT Core、Tensor Core等设计，把实时光线追踪与AI处理纳入图形平台。 游戏与AI由此出现了更直接的技术交汇。

这一选择提醒我们，英伟达的发展并非简单地放下游戏、转身去做AI。图形业务积累的并行计算能力被用于AI，AI技术又回到图形处理。公司在已有技术之间寻找新的组合，扩大同一平台能够解决的问题。

2019年至2020年 Mellanox 补上网络能力

2019年3月，英伟达宣布收购Mellanox；2020年4月27日完成交易，公告所列交易价值为70亿美元。Mellanox的高性能网络技术与英伟达的计算业务由此结合。

对大型分布式计算而言，数据在设备之间移动所花的时间，会限制整套系统的效率。增加处理器数量，并不保证性能按比例增长。英伟达通过这笔收购，获得了更完整的网络产品和工程能力。

回头看，这笔交易的重要性在AI集群扩大时更加清楚：客户需要的是整群机器有效协作。围绕这样的目标，计算、通信与软件必须一起设计。黄仁勋推动的公司边界，也随之从GPU向数据中心延伸。

从芯片走向AI工厂

2024年3月，黄仁勋在GTC上发布Blackwell平台。相关产品将GPU、Grace CPU、NVLink互连与机架级系统纳入共同设计；他也用“AI工厂”描述面向AI生产的数据中心。

沿着这条路径看，英伟达面对的工程问题越来越大。一块芯片的性能，需要通过软件、网络和系统部署才能变成客户实际得到的吞吐量；系统的成本与能耗，也会影响AI应用能够走到多远。

我认为，这正是黄仁勋留下的核心产业判断： 持续追问客户的计算任务究竟卡在哪里，再把产品向那个瓶颈推进。从图形流水线，到可编程计算，再到多机协作，英伟达一次次扩大了自己需要负责的范围。

插图2｜从显卡到AI工厂。AI生成的概念插画，不作为精确架构示意。

当然，所有这些工作都需要庞大的团队、研究社区和产业伙伴共同完成。创始人的作用，在于作出取舍并承担投入；机器能否按期交付、程序能否稳定运行，最终要由组织的工程能力回答。

失败与责任同样属于这段历史

Arm 收购未能完成

黄仁勋并非每一次扩张都能成功。英伟达在2020年宣布收购Arm，双方于2022年2月宣布终止交易，原因是阻碍交易完成的重大监管挑战。

Mellanox与Arm两笔交易有不同的结果，也让他的产业愿景显出边界。技术协同能够解释一家企业为什么想买，监管机构和其他市场参与者还要判断，这种结合会带来怎样的影响。企业越深入基础平台，越需要回应这些问题。

33年的贡献与今天的治理考验

此次离任发生在公司治理危机之中。11月8日，黄仁勋在致员工信中承认对婚姻不忠并道歉；董事会同日宣布，就有关其成为外国情报活动目标的报道展开独立调查。调查中的指控，应等待调查结论，不能因为辞职就视作已经证实。

回顾他的贡献，不能略去今天发生的事。长期领导一家公众公司，意味着个人行为也必须经得起与职位相称的问责。技术判断的成绩无法替代这份责任，今天的争议也不应抹去团队几十年的工程积累。

英伟达的下一道考题，是让组织继续运转。正式交接公告表示，公司预计运营、客户承诺与产品路线将持续推进。 这一承诺能否落实，要看接任团队如何维持决策质量、协调工程资源，并赢得客户与员工的信任。

写给仍在机器前工作的人

黄仁勋在英伟达的33年，已经进入计算产业的历史。早期图形芯片的试错、CUDA的软件建设、深度学习需求的识别，以及面向数据中心的扩张，都值得技术从业者反复研究。

读到辞职消息时，令人感慨的，是一个熟悉的时代标志忽然离开了原来的位置。我们曾经习惯在发布会上看他拿出下一块芯片，如今必须开始习惯由别人回答下一年的问题。

而机房里的计算仍在继续。研究者还在训练模型，工程师还在调试程序，年轻人会在新的机器上写下第一行并行代码。这些持续发生的工作，将带着那个时代留下的工具与经验，走向他未必还能亲自主持的下一场发布会。

Have a nice day ~ ☕

公众号「 少安事务所 」，专注于数据 & AI 领域技术传播。

如果这篇文章为你带来了灵感或启发，请帮忙『点赞、转发、推荐』，感谢！ღ( ´･ᴗ･` )~