突然离场！从一块游戏显卡到AI帝国 黄仁勋与英伟达的30余年

【ZOL中关村在线原创行业观察】2026年11月12日，全球半导体和人工智能产业迎来了一条令人意外的消息：NVIDIA创始人兼CEO黄仁勋正式辞去公司总裁、首席执行官及董事职务，结束了长达33年的掌舵生涯。

公司宣布，由长期担任CFO的Colette Kress暂时替代CEO，董事会将继续寻找正式继任者。

消息公布后，资本市场迅速作出反应，NVIDIA股价大幅下跌，市场开始重新审视这家AI巨头未来的领导层安排。对于一家市值已经达到数万亿美元级别的科技公司而言，这显然不只是一次普通的人事调整。

对于很多PC玩家，或者N卡玩家来说，“老黄”不只是CEO或者创始人。他在某种程度上已经成为NVIDIA精神的一部分。他是GeForce时代的开创者、CUDA和AI计算的推动者，更是NVIDIA“精神图腾”的象征。

过去几年，只要提到AI，几乎绕不开NVIDIA；只要提到NVIDIA，黄仁勋又是无法绕开的人物。

他经常穿着标志性的黑色皮衣出现在任何场合，GTC大会、新品发布会、游戏展，甚至是北京的胡同里。从游戏显卡到数据中心，从实时光线追踪到生成式 AI，黄仁勋带领NVIDIA完成了一次又一次产业转型。

但很少有人能够想到，这家公司最初成立于1993年，目标其实非常朴素：让PC拥有更好的3D图形处理能力。

三十多年过去，当初那个希望改善游戏画面的创业团队，已经成为全球AI产业最重要的硬件和计算平台供应商之一。

在游戏玩家眼中，黄仁勋是老黄，是“皮衣刀客”，但从未有人否认过他对技术的一次次创新和商业决策。

黄仁勋的创业史，某种程度上就是NVIDIA的发展史；而NVIDIA的发展史，又几乎贯穿了过去三十多年PC图形技术和计算产业的演进。

从GeForce到CUDA，从游戏显卡到AI算力帝国，这33年究竟发生了什么？如果没有黄仁勋，NVIDIA还会是今天的NVIDIA吗？

1 从餐厅打工少年，到硅谷创业者

1963年，黄仁勋出生于中国台湾，童年时期曾随家人前往泰国生活，后来又被送往美国求学。

与后来人们熟悉的科技企业家形象不同，黄仁勋的成长经历并不算顺遂。他曾在美国寄宿学校接受教育，年轻时也做过餐厅服务员等工作。这些经历让他很早就接触到不同社会环境，也逐渐形成了务实、坚韧的性格。

在大学阶段，黄仁勋选择了电气工程专业，先后就读于俄勒冈州立大学和斯坦福大学，获得电气工程学士及硕士学位。

毕业之后，他进入半导体行业，先后在AMD和LSI Logic工作，积累了芯片设计、产品开发和企业运营方面的经验。

这段经历对他后来创立NVIDIA非常重要。当时的PC行业正在快速发展，处理器性能不断提升，Windows操作系统逐渐普及，游戏和多媒体应用也开始对计算机图形能力提出更高要求。

但在那个年代，PC的图形处理能力仍然相当有限，3D游戏尤其依赖专门的图形加速硬件。

黄仁勋看到了其中的机会。1993年4月5日，黄仁勋与Chris Malachowsky、Curtis Priem在美国加利福尼亚州共同创立NVIDIA。三位创始人的目标，是开发能够满足下一代PC图形和多媒体需求的芯片。

这家公司成立时，图形芯片市场远没有今天这么成熟。当时，市场上已经存在大量图形芯片厂商，竞争者众多，技术路线也尚未统一。NVIDIA并没有天然优势，更谈不上什么行业霸主。事实上，它很快就迎来了第一次生死考验。

2 第一次生死危机：NVIDIA差点倒在起跑线上

这款产品在当时具有一定创新性，不仅能够处理2D和3D图形，还整合了音频等功能。但它采用的图形处理技术路线，与后来逐渐成为主流的Direct3D标准存在明显差异。

简单来说，NVIDIA的第一步就踩错了市场方向。

微软推动Direct3D成为PC游戏图形接口的重要标准，而NV1所采用的技术路线难以适应这一趋势。对于一家刚刚成立、资金和资源都十分有限的初创公司来说，这无疑是一次沉重打击。

更麻烦的是，NVIDIA当时还需要面对大量竞争者。市场并不会因为一家公司的技术理念比较超前，就给予它更多机会。如果继续坚持原来的路线，公司很可能失去生存空间。

黄仁勋最终选择调整方向，重新投入符合主流3D图形标准的产品研发。

1997年，NVIDIA推出RIVA 128。这款产品获得了市场认可，发布后的前四个月出货量就突破100万颗，帮助公司重新站稳脚跟。随后推出的RIVA TNT进一步增强了NVIDIA在3D图形市场的竞争力。

这段经历以现在来看相当有意思，因为它说明，其实黄仁勋并不是一个从一开始就能够准确预测未来的商业天才。相反，他也经历过技术路线选择失误，也曾经面对过公司可能无法继续经营的局面。

3 1999年：GeForce 256，GPU的发明者

如果要从NVIDIA三十多年的历史中选出几个最重要的节点，1999年一定榜上有名，甚至可以说它是最重要的一年也不为过。

这一年，NVIDIA推出了GeForce 256，并将其定义为全球首款GPU，也就是Graphics Processing Unit（图形处理器）。

今天GPU已经成为一个非常普及的概念，但在当时，这个命名本身就具有很强的战略意义。

在GeForce 256之前，PC的图形处理往往需要CPU与专用图形加速硬件共同完成。随着3D游戏越来越复杂，单纯依靠CPU处理大量图形计算，已经难以满足性能需求。

NVIDIA希望通过独立的图形处理单元，将大量与图形渲染有关的计算任务交给专门的处理器完成。这不仅仅是一次产品升级，更是一次计算架构和市场定位的重新定义。GPU从此逐渐成为PC的核心硬件之一。

与此同时，NVIDIA也在1999年1月22日正式登陆纳斯达克，IPO发行价为每股12美元。对于当时的NVIDIA来说，上市意味着公司拥有了更充足的融资渠道，也有机会在竞争激烈的半导体市场中继续扩大规模。

此后，GeForce系列不断迭代。

从GeForce 2、GeForce 3，到GeForce 4，再到后来著名的GeForce 6、GeForce 8系列，NVIDIA 逐渐建立起自己的产品体系。

对于当年的PC玩家来说，GeForce几乎就是高性能游戏显卡的重要代名词。那个年代，玩家讨论的是显存容量、核心频率、像素填充率、DirectX版本，以及能否流畅运行最新的3D游戏。

NVIDIA也正是在这个阶段，逐渐从一家图形芯片创业公司成长为全球显卡市场的重要参与者。

当然，NVIDIA并不是没有对手。彼时的ATI（后被AMD收购）同样是图形芯片领域的重要竞争者。两家公司围绕性能、价格、功耗和图形技术展开了长达多年的竞争。这种竞争推动了游戏显卡性能快速发展，也让PC游戏的画面表现不断突破。

对于今天的PC玩家而言，我们习以为常的高分辨率、高帧率、复杂光影效果，其实都是这场持续数十年的GPU竞赛逐渐积累的成果。

4 真正改变NVIDIA命运的决定：CUDA

在传统认知中，GPU 的工作就是处理图形。游戏中的模型、贴图、光影、特效，都需要GPU完成大量并行计算。相比CPU，GPU拥有更多计算核心，能够同时处理大量相对独立的任务。

黄仁勋和NVIDIA的工程团队逐渐意识到，这种并行计算能力并不只适用于游戏。科学研究、物理模拟、医学计算、金融建模，甚至后来出现的人工智能，都需要处理大量数据和复杂计算。

如果能够让开发者直接调用GPU的计算能力，那么GPU就有机会从图形处理器变成通用并行计算平台。

2006年，NVIDIA正式推出CUDA（Compute Unified Device Architecture 统一计算设备架构）的概念。

它的意义在于，让开发者能够使用相对统一的编程工具和开发环境，利用GPU进行通用计算，而不再局限于传统图形渲染。

这听起来似乎只是一个软件开发平台，但实际上，它改变了NVIDIA的商业模式。过去，NVIDIA卖的是显卡和GPU芯片，主要客户是PC玩家、显卡厂商和专业图形工作站用户。

CUDA出现之后，NVIDIA开始吸引科研机构、大学、企业和软件开发者。GPU不再只是一块插在主板上的显卡，而逐渐成为可以参与各种计算任务的基础设施。

更重要的是，CUDA建立起了软件生态。

当开发者开始使用CUDA编写程序，相关应用、开发工具和技术人才不断积累，其他GPU厂商即使推出性能不错的产品，也需要面对软件迁移和开发环境适配的问题。

这意味着NVIDIA的竞争优势不再只体现在硬件性能上。它开始从一家GPU芯片公司，向GPU计算平台公司转型。

不过，这场布局并没有立刻带来巨额回报。

CUDA发布后的很长一段时间，GPU通用计算仍然属于相对专业的领域，普通消费者并不会因为CUDA而购买显卡。但黄仁勋选择继续投入。

从商业角度看，这是一项需要长期坚持的投资；从后来AI产业的发展来看，它也成为NVIDIA最重要的战略资产之一。

5 一次意外的技术突破：AI的转折点提前到来

如果CUDA是NVIDIA为未来埋下的一颗种子，那么2012年发生的事情，就像是这颗种子终于迎来了发芽的机会。

这一年，多伦多大学的研究团队使用GPU训练了一套名为AlexNet的深度神经网络，并在ImageNet图像识别竞赛中取得突破性成绩。

AlexNet的出现，让越来越多研究人员意识到，深度学习可以通过大量数据和计算资源，在图像识别等任务中取得非常出色的效果。

而GPU的并行计算能力，恰好能够大幅提升神经网络训练效率。这件事对NVIDIA的意义非常重大。

在此之前，CUDA的主要用户还是科研机构和专业计算领域，人工智能也远没有今天这么普及。但AlexNet让GPU与AI之间开始建立了更加直接的联系。NVIDIA也由此迎来了一个此前没有充分预料到的巨大市场。

这里要强调的是，黄仁勋并不是在2012年才开始关注人工智能。早在CUDA推出时，NVIDIA就已经在为通用计算布局。只不过当时还没有出现能够充分释放GPU计算价值的应用场景。而AlexNet让这条技术路线的价值逐渐显现。

2016年，NVIDIA又推出了DGX-1深度学习超级计算机。这是一套专门面向深度学习设计的计算系统，整合了 GPU加速硬件、软件和开发工具，目的是让研究人员能够更加方便地进行大规模AI训练。

它的出现也体现了NVIDIA商业模式的进一步变化：不再只是向客户销售GPU，而是开始提供完整的AI计算系统。

所以自2016年开始，NVIDIA的客户群体发生了明显变化。除了游戏玩家和专业图形用户，越来越多的大学、科研机构、互联网公司和大型企业开始成为NVIDIA的客户。

而这一切，在后来生成式AI爆发时，成为了非常重要的基础。

6 NVIDIA的弯路：Tegra、SHIELD与ARM收购

在GPU和AI之外，NVIDIA也曾经尝试过很多不同的业务方向，其中一些并没有取得预期中的成绩。

比较典型的就是Tegra。

Tegra是NVIDIA面向移动设备推出的SoC芯片，整合CPU、GPU、视频处理等功能，最初希望进入智能手机、平板电脑等市场。在智能手机快速普及的年代，这个市场显然拥有巨大的潜力。

NVIDIA也曾推出Tegra系列移动处理器，并尝试与手机厂商合作。但智能手机市场很快形成了相对稳定的竞争格局，高通、苹果、联发科等厂商建立起了各自的技术和生态优势。Tegra并没有成为主流手机处理器市场的长期赢家。

随后，NVIDIA又推出SHIELD系列产品，尝试将Tegra的图形和计算能力应用于掌机、平板以及客厅娱乐设备。

对于PC玩家来说，SHIELD可能并不陌生。它既是一款游戏设备，也体现了NVIDIA对游戏生态和云游戏的探索。虽然这些业务没有发展成GeForce那样的核心产品线，但NVIDIA并没有完全放弃移动和嵌入式计算领域，而是逐渐将部分技术积累转向汽车、机器人和边缘计算等方向。

另一个值得回顾的事件，是NVIDIA对ARM的收购尝试。

2020年，NVIDIA宣布计划以约400亿美元收购ARM，希望将ARM的CPU架构与NVIDIA的GPU、AI计算技术进一步结合。如果交易成功，NVIDIA将有机会进一步扩大在全球处理器产业中的影响力。

但这笔交易最终没能完成。

2022年2月，NVIDIA与软银宣布终止收购协议，原因是交易面临重大监管障碍。这对于 NVIDIA 来说无疑是一次遗憾。

但从今天的角度来看，NVIDIA后来并没有依赖收购ARM才实现CPU业务的发展。2023年推出的Grace CPU，以及此后不断完善的Grace与GPU协同计算平台，说明它依然在推进自己的处理器战略。

这些经历也说明，黄仁勋并不是只盯着GPU。他的目标一直是扩大NVIDIA在整个计算产业中的影响力，只不过不同阶段采取的路径有所不同。

7 从RTX到数据中心：NVIDIA开始改变自己的身份

2018年，NVIDIA推出了基于Turing架构的GeForce RTX 20系列显卡。

这一次，NVIDIA带来了两个非常重要的技术方向：实时光线追踪和AI深度学习超级采样，也就是后来大家熟悉的DLSS。

在传统游戏渲染中，光影效果往往需要通过各种近似算法实现，而光线追踪则试图模拟真实世界中的光线传播、反射和阴影效果。

但这项技术需要消耗大量计算资源，想要在游戏中实时运行并不容易。NVIDIA为此在GPU中引入了专门的RT Core，用于加速光线追踪计算，同时通过Tensor Core加速AI相关运算。

这让GeForce显卡的竞争开始从传统的游戏渲染性能，延伸到专用计算单元和AI图形技术。对PC玩家来说，这也是一个非常重要的节点。

从RTX 20系列开始，NVIDIA不再只强调显卡能跑多少帧，还开始强调画面效果、AI 超分辨率、帧生成以及未来的图形计算方式。而这套技术路线，后来也成为RTX 30、40、50系列持续发展的基础。

但与此同时，NVIDIA的另一个业务正在发生更大的变化：数据中心。

过去，数据中心主要使用CPU作为核心计算设备，GPU更多承担图形和特定加速任务。随着AI模型规模不断扩大，GPU的并行计算优势越来越明显，数据中心对GPU的需求也快速增长。

NVIDIA开始意识到，未来最大的机会可能不再是每年卖出多少块游戏显卡，而是为全球数据中心提供成规模的 AI计算能力。

2020年，NVIDIA完成了对Mellanox的收购，交易金额约70亿美元。Mellanox专注于高速网络和互连技术，其产品能够帮助服务器、存储系统和计算节点之间进行高速数据传输。

为什么这笔收购很重要？因为AI数据中心不是简单地把很多GPU放在一起就能工作。

当成千上万颗GPU同时训练一个大型模型时，GPU之间需要进行大量的数据交换。计算芯片本身的性能固然重要，但网络带宽、延迟和系统整体效率同样关键。

收购Mellanox后，NVIDIA的业务开始从GPU芯片进一步扩展到高速网络和数据中心系统。

从这一刻开始，NVIDIA已经不再只是传统意义上的显卡公司。它正在构建一套从芯片、网络、服务器到软件的完整计算体系。

8 ChatGPT引爆AI时代，NVIDIA迎来历史性增长

而在这些技术背后，都离不开大量计算资源。模型训练需要GPU，模型推理同样需要GPU。模型越大、用户越多，对计算资源的需求就越高。

NVIDIA此前多年的技术积累，终于迎来了集中释放的时刻。其中最具代表性的产品就是H100。

H100基于Hopper架构，专门针对AI和高性能计算进行了优化。它不仅拥有强大的计算性能，还通过Tensor Core、NVLink等技术提升大型AI工作负载的处理效率。

对于全球大型互联网公司和AI实验室来说，H100很快成为训练先进AI模型的重要硬件选择。这也让NVIDIA的业务结构发生了巨大变化。

过去，GeForce游戏显卡是很多消费者认识NVIDIA的主要入口。但随着AI需求爆发，数据中心业务逐渐成为公司最重要的收入来源。

NVIDIA开始从一家以游戏显卡为大众认知的公司，转变为一家以AI计算基础设施为核心的科技巨头。

2024年，NVIDIA又推出Blackwell架构，并逐渐将AI计算平台从单颗GPU扩展到更完整的系统级产品。

Blackwell不只是一次GPU架构升级。它背后体现的是NVIDIA对未来AI计算方式的理解：AI模型规模不断扩大，单颗 GPU 的性能提升已经不足以解决所有问题，必须通过高速互连、CPU协同、网络和软件优化，将大量计算资源组织成一个完整系统。

因此，今天的NVIDIA已经不仅仅是在销售GPU。它销售的是一整套AI计算基础设施。这也是为什么NVIDIA能够在AI浪潮中获得如此高的市场关注度。

从CUDA到H100，再到Blackwell，NVIDIA用了近二十年的时间建立技术体系，而生成式AI的爆发，则让这些积累集中转化为商业价值。

不过，这也带来了新的问题：当AI成为NVIDIA最重要的增长引擎，游戏显卡在公司未来战略中的位置会不会发生变化？这恐怕也是很多 PC 玩家最关心的问题。

9 股价：1999年买入NVIDIA的人，经历了什么？

如果说技术发展能够体现一家公司的实力，那么股价则是资本市场对这家公司长期价值的一种反馈。

1999年，NVIDIA以每股12美元的价格上市。当时的它还只是一家专注于3D图形芯片的公司，未来能否在竞争激烈的半导体行业站稳脚跟，都存在很大的不确定性。

但在此后的二十多年里，NVIDIA经历了多轮产品迭代、技术转型和市场周期，股价也随之发生了巨大变化。其中有一个特别值得关注的数字：NVIDIA历史上进行了多次股票拆分，2024年又完成了10拆1。

股票拆分并不会直接创造新的公司价值，但会降低每股交易价格，让更多投资者能够以较低的单股价格参与交易。

如果从1999年IPO的每股12美元计算，将历次拆股因素全部还原，最初的一股相当于2024年拆股后的480股。

当然，NVIDIA的股价并不是一路上涨的。它也经历过互联网泡沫破裂、全球金融危机、显卡市场周期、加密货币挖矿热潮退去等多个阶段。尤其是加密货币挖矿时期，显卡需求曾经快速增长，但当市场热度下降后，库存和需求也会出现明显波动。

而AI时代的NVIDIA，虽然拥有更加庞大的市场空间，但同样需要面对客户资本开支、AI商业化进度、产品竞争和技术迭代等挑战。

2026年11月12日，黄仁勋辞职消息公布后，NVIDIA股价一度下跌超过12%，市值面临约5000亿美元的蒸发风险。

这也说明，资本市场关注的已经不只是NVIDIA能不能继续推出性能更强的GPU，还包括它能否在创始人离开之后，保持原有的战略执行力。

10 黄仁勋 巅峰离场，谁来接管NVIDIA？

回顾NVIDIA的发展史，黄仁勋始终是一个核心人物。他既是公司的创始人，也是长期的CEO，更是NVIDIA技术路线和产品战略的重要推动者。

从GeForce到CUDA，从RTX到Blackwell，很多关键决策都与他的长期判断密切相关。因此，这次辞职最受关注的问题之一，就是谁能够接替他的位置。

根据NVIDIA目前披露的信息，长期担任公司CFO的Colette Kress将暂代CEO，董事会则开始寻找正式继任者，同时考虑内部和外部人选。

Colette Kress：临时掌舵者

Kress于2013年加入NVIDIA，长期负责公司财务工作，熟悉公司的经营状况、资本市场和业务结构。由CFO暂代CEO，有利于公司在领导层交接期间维持经营稳定。不过，财务管理与技术战略制定毕竟是不同的职责。

这里还有一个值得思考的问题：NVIDIA未来究竟需要怎样的CEO？

如果只看企业规模，NVIDIA已经是一家业务遍布全球的大型科技公司，需要有人负责财务、供应链、客户关系和组织管理。但如果从技术角度看，NVIDIA又是一家高度依赖技术路线的企业。

AI芯片的发展速度非常快，竞争对手也在不断增加。谁能够判断下一代计算架构应该如何发展，谁能够继续推动CUDA生态，谁又能够维持与全球云服务商、AI公司和硬件合作伙伴的关系，这些都将影响NVIDIA的未来。

黄仁勋的特殊之处就在于，他并不是传统意义上的职业经理人。他能够同时参与产品定义、技术路线规划、商业战略和产业生态建设。这种能力很难通过简单的人事任命复制。

因此，NVIDIA接下来的CEO选择，可能不仅仅是一次管理层更替，更是公司未来发展方向的一次重要考验。

11 黄仁勋会像乔布斯一样重新回来吗？

1985年，乔布斯离开苹果，随后创办NeXT。1997年，苹果收购NeXT，乔布斯重新回到苹果，并最终带领公司开启了iMac、iPod、iPhone等一系列重要产品时代。乔布斯的回归，后来成为科技行业最经典的商业故事之一。

那么，黄仁勋有没有可能重演这一幕？但从现实条件来看，两人的情况存在一些区别。

乔布斯离开苹果后，仍然通过NeXT保持着自己的技术和产品事业，并最终借助公司收购重新回到苹果。而黄仁勋这次辞去了NVIDIA的CEO、总裁和董事职务，具体的后续安排，目前还没有明确的信息。

虽然他仍然是NVIDIA的创始人和重要股东，但持有公司股份，并不意味着拥有随时重新担任CEO的权利。

如果未来公司发展遇到重大挑战，或者董事会认为需要重新调整领导层，理论上不能完全排除黄仁勋再次参与公司的可能性。但目前没有可靠依据能够判断他会不会回来。

除此之外，从另一个角度来看：

乔布斯离开苹果时，苹果正面临严重的经营困境；而黄仁勋离开时，NVIDIA却正处于全球AI产业的核心位置。

这意味着，NVIDIA接下来要解决的，并不是如何挽救一家陷入困境的公司，而是如何让一家已经拥有庞大技术体系和商业生态的企业，在失去创始人之后继续保持竞争力。

乔布斯的故事告诉我们，创始人可以离开，也可以重新回来。但对于NVIDIA来说，真正重要的是，它能否建立一套不再完全依赖某一个人的运转体系。

12 没有黄仁勋，AI和PC行业会发生什么变化？

这可能是整件事最值得关注的部分。黄仁勋的辞职，不仅仅是NVIDIA自己的事情。它甚至牵动了整个行业、社会，乃至多国的事情。

过去三十多年，NVIDIA已经深度参与了PC游戏、专业图形、科学计算、云计算和人工智能的发展。它的产品和技术，早已进入全球科技产业链的多个环节。

因此，创始人离开后，真正需要观察的是NVIDIA的技术路线、业务结构和市场策略会不会发生变化。

1. AI行业：CUDA生态能否继续保持领先？

NVIDIA今天最重要的竞争优势之一，是CUDA和围绕它建立起来的软件生态。全球大量AI研究机构、互联网企业和开发者已经习惯使用NVIDIA GPU进行模型训练和推理。这套生态不是短时间内能够建立起来的。

即使黄仁勋离开，CUDA、GPU架构和已经形成的开发者社区也不会随之消失。但未来NVIDIA能否持续投入软件生态建设，能否在硬件性能之外保持系统级优势，仍然值得关注。

2. PC行业：GeForce游戏显卡会不会被进一步边缘化？

但今天，数据中心和AI已经成为NVIDIA最重要的增长引擎。与游戏显卡相比，AI数据中心产品拥有完全不同的客户结构和商业模式。

这就带来了一个问题：未来NVIDIA是否还会像过去一样，将大量资源投入消费级显卡研发？

当然，不能简单认为AI业务增长就意味着GeForce会被放弃。游戏显卡仍然是NVIDIA技术生态的重要组成部分，实时光线追踪、DLSS、AI图形技术等创新，也能够反过来推动整个GPU技术体系的发展。

不过，未来GeForce在公司内部的资源分配和战略优先级，会打一个大大的问号。

3. AMD和Intel：竞争对手会迎来机会吗？

NVIDIA离开创始人，并不意味着竞争对手能够立刻获得市场份额。尽管AMD在CPU和GPU领域拥有长期积累，Intel也在持续推进独立显卡和AI计算业务。对于这些竞争者来说，NVIDIA的领导层变化可能带来新的市场观察期。

但真正决定竞争格局的，仍然是产品性能、软件生态、供应链能力和客户需求。如果NVIDIA能够顺利完成管理层交接，其技术和商业体系依然具备很强的延续性。

换句话说，NVIDIA长期积累的生态环境，并不会随着创始人离开，而瞬间瓦解。并且，以黄仁勋的战略眼光来看，相信未来5年，甚至10年的规划，早已成型。它会帮公司度过这个困难期。

4. 中国市场：国产GPU是否会迎来新的发展空间？

NVIDIA在全球市场拥有庞大的客户基础，中国市场也一直是全球PC和数据中心产业的重要组成部分。近年来，随着AI计算需求快速增长，国内GPU和AI芯片产业也在持续发展。

从游戏显卡到数据中心加速卡，国产厂商都在尝试建立自己的产品和软件生态。NVIDIA管理层的变化，可能会让市场重新关注它未来的产品供应、区域业务策略以及与不同市场客户的合作方式。

但对于国产GPU厂商来说，真正重要的仍然是把产品性能、驱动兼容性、开发工具和应用生态做好。市场格局的变化，不会仅仅因为一个CEO的离开就自动发生。

回顾黄仁勋的职业生涯，其实很难用简单的成功学故事来概括：

1993年，他创立NVIDIA，最初的目标是让 PC 拥有更好的3D图形处理能力；

1999年，GeForce 256开启GPU时代，让NVIDIA在游戏显卡市场逐渐站稳脚跟；

2006年，CUDA发布，为GPU通用计算和后来的人工智能发展埋下了重要伏笔；

2012年，AlexNet让GPU在深度学习领域的价值进一步显现；

2018年，RTX将实时光线追踪和AI图形技术带入消费级显卡；

再到今天，H100、Blackwell等产品让NVIDIA成为全球AI计算基础设施的重要参与者。

这三十多年里，NVIDIA经历过技术路线的失败，经历过市场竞争，也经历过多次产业周期的变化。黄仁勋并不是每一次都能准确预测未来，但他总能在关键时刻找到新的方向。这或许才是他留给NVIDIA最重要的东西。

不过，企业发展到一定规模之后，创始人的个人能力也会逐渐变成一种特殊的依赖。当一个人的判断、风格和影响力与公司深度绑定时，他的离开自然会让外界产生疑问。

乔布斯离开后，苹果曾经经历过一段艰难时期；而今天，黄仁勋离开NVIDIA，也让人们开始思考这家AI巨头未来的发展方向。

但有一点值得肯定，CUDA不会因为黄仁勋离开而消失，GPU不会因为创始人辞职而停止迭代，全球AI产业的发展也不会因此停下脚步。

他用了33年时间，将NVIDIA从一家图形芯片创业公司带到了AI时代的中心。接下来，NVIDIA需要证明的，是即使没有黄仁勋，也能够继续走下去。

而对于那些从GeForce时代一路走来的PC玩家来说，我们或许也应该重新认识这家公司。“老黄”或许始终对“从游戏显卡发家”这件事有些念旧，即便公司重心早已转向AI计算领域和数据中心，却始终有一部分游戏玩家的“自留地”。

但那个曾经只需要考虑下一代游戏显卡性能的NVIDIA，早已不再是当年的NVIDIA。