11月12日,黄仁勋辞职消息传出,英伟达股价盘前一度重挫10%,一周市值蒸发3.8万亿元人民币。随后,超过16万名硅谷人士联名请愿,他的盟友甚至组建“作战室”游说白宫。
一场围绕英伟达的风波,迅速从硅谷蔓延到华盛顿,也让全球AI产业重新审视一个问题:黄仁勋究竟为英伟达留下了什么?
33年前,他创立英伟达,从一家游戏显卡公司起步。2006年,他决定将CUDA装进所有显卡,为此承受了五六年的利润侵蚀和华尔街的质疑。2012年,AlexNet推动深度学习爆发,英伟达也由此完成了从显卡公司到AI计算平台的关键一跃。
但CUDA只是故事的开始。
从GPU到CUDA,从开发者社区到Hugging Face,黄仁勋真正厉害的地方,或许是他始终在思考:如何让硬件不再只是硬件,而成为一个能够吸引开发者、汇聚应用、持续创造价值的平台?
为什么英伟达愿意为CUDA投入五六年?为什么Hugging Face这样一家开源模型平台,可能具有巨大的战略价值?当AI开始自己写算子、优化计算,甚至参与自身研发,英伟达积累近20年的生态护城河还守得住吗?
而当Agentic Scaling、递归式自我改进和持续学习不断推高算力需求,下一代AI计算平台又会是什么样子?中国AI产业的机会在哪里?
今天,我们不聊八卦,而是从英伟达的战略选择出发,聊聊AI时代的平台、生态与算力竞争。
本期嘉宾
李建忠|奇点智能研究院院长、CSDN高级副总裁
本期主播
王晗|AI不神秘创始人、《FDE时代》主编
本期剪辑&编辑:李灏
时间轴
第一幕|回顾:黄仁勋33年,做对了哪几次关键决策?
03:40 英伟达从游戏显卡到AI计算平台:黄仁勋经历了哪些关键转折?
05:46 一个斯坦福博士生的“黑客实验”,意外打开了CUDA的大门
08:20 为了让所有显卡都装上CUDA,黄仁勋为什么愿意牺牲五六年的利润?
10:52 从显卡公司到并行计算平台:CUDA让英伟达变成了不一样的物种
11:24 CUDA真正的价值:近20年积累的软硬件协同生态
13:20 黄仁勋为什么如此重视开发者?他曾经吃过怎样的平台之苦?
15:23 为什么英伟达要布局Hugging Face?
16:23 从Windows到iPhone:平台真正的权力,是控制分发入口
19:30 如果控制了开源模型的分发入口,英伟达能获得什么?
20:26 从AlexNet到深度学习爆发:黄仁勋如何捕捉外部创新信号?
第二幕|密码:真正的平台生态,究竟是怎么建立的?
28:02 为什么有些硬件公司的参数已经很接近,却始终做不出生态?
29:31 科技公司的四种范式:方案型、产品型、交易平台型、生态平台型
32:21 为什么生态平台像一座城市?开发者才是城市真正的创造者
34:17 为什么生态平台更有能力穿越技术周期?
36:13 从互联网时代的产品为王,到AI时代的生态为王
38:55 有上下游合作伙伴,就等于拥有生态了吗?
40:20 Agent时代可能形成怎样的开发者生态?李建忠提出五层框架
第三幕|变局:当AI开始改进AI,英伟达的护城河还稳固吗?
42:14 从训练到推理:AI计算资源的分配正在发生什么变化?
43:38 Agentic Scaling:为什么Agent会带来多元化的算力需求?
45:15 AI写算子与递归式自我改进(RSI):AI开始优化自己的计算系统
46:07 当AI能够直接编写芯片算子,CUDA近20年的软件积累会受到什么影响?
47:00 前沿模型公司为什么不再只依赖英伟达GPU?
48:46 算力多元化:华为昇腾、AMD、ASIC与新型芯片的机会
52:12 什么是真正的Founder Mode?创始人模式不是事无巨细地管理
53:50 创新为什么需要在组织内部保持流动?
55:38 真正的创新信号,往往来自外部和组织边缘
59:22 Founder Mode最重要的能力:关键时刻的战略决断
01:00:33 如果黄仁勋离开,英伟达能否找到下一个能够做长期决策的人?
01:07:04 AI正在削弱CUDA的护城河,英伟达还面临哪些新的竞争变量?
01:09:18 英伟达为什么不自己做算力云,而要扶持NeoCloud?
01:13:50 AI算力消费是真实需求,还是资本市场的循环叙事?
01:15:33 AI时代,技术领先和生态领先哪个更重要?
01:18:13 为什么汽车行业很难建立开发者生态?
01:22:10 Agent时代开发者生态的五层框架:价值、能力、认知、协作、分发
01:26:25 AI时代程序员还有没有价值?程序员需要成为怎样的架构师?
01:27:43 从通用GPU到专用推理芯片:内存墙和Token成本会如何改变竞争格局?
第四幕|未来:未来18个月,AI产业的机会在哪里?
01:30:47 为什么今天不再只看五年、十年,而要看未来18个月?
01:31:18 Agent Coding之外,个人Agent会不会成为下一轮算力需求的增长点?
01:33:33 从递归式自我改进到持续学习:如果模型能够持续更新权重,算力需求会有多大?
01:35:14 人类可以在交流中持续学习,AI模型什么时候才能做到?
01:37:59 今天的算力帝国并不稳固:AI能力和算力需求还有多大的增长空间?
01:38:35 中国AI算力生态真正的机会窗口在哪里?最大的短板是什么?
01:39:17 从各自为战到生态协同:中国算力需要怎样的统一接口和开源体系?
01:41:50 AI写算子能否让中国计算平台实现弯道超车?
01:45:36 AI究竟是不是泡沫?不想拥抱AI,回到传统行业还有机会吗?
01:48:32 从湖南铝模制造业实践,看AI如何真正进入传统行业
01:50:11 半年前做不到,现在为什么可以了?AI落地需要怎样的团队?
01:50:44 为什么FDE要驻场?从提出需求到现场验证,改变传统项目交付方式
01:51:42 企业AI软件研发转型:从几百人到十几万人的真实实践
01:52:50 AI对人类社会的重构,可能才刚刚开始
☆《AI不神秘》听友交流群开放啦!☆
关注人工智能、前沿技术、AI产业应用和创业创新的小伙伴,欢迎加入!
这里有一群持续探索AI的人:聊技术趋势、分享实战经验、交流AI应用,也有机会认识更多AI领域的开发者、创业者和行业专家。
欢迎交流观点、推荐选题、分享你的AI实践,一起探索AI的更多可能。
加入方式: 添加「AI不神秘」小助手甜甜微信,备注“播客听友”,邀请你加入听友交流群。

关注公众号《AI不神秘》和《FDE时代》,了解AI原生人才社群与AI产业落地实践。

本期涉及的技术与产业关键词
CUDA:英伟达的并行计算平台和编程模型。
AlexNet:2012年推动深度学习爆发的标志性神经网络。
Hugging Face:AI模型、数据集和应用的重要开源平台。
Founder Mode:创始人模式,强调创始人在战略决策和创新识别中的作用。
Agentic Scaling:通过增加Agent执行、工具调用和协作规模,扩展AI完成复杂任务的能力。
RSI(Recursive Self-Improvement):递归式自我改进,指AI参与改进自身模型、代码、算法或计算系统。
AI Kernel:AI计算中的底层算子和计算内核。
NeoCloud:面向AI算力需求的新型云服务商。
ASIC:专用集成电路,针对特定计算任务设计的芯片。
FDE(Forward Deployed Engineer):前沿部署工程师,深入客户现场,将技术能力与真实业务结合,通过快速验证推动AI落地。

