SemiAnalysis創始人Dylan Patel指出，失去「創始人模式」的輝達恐陷入「委員會決策」的低效泥潭，極難維繫對供應鏈的低價絕對掌控。受此波及，高度依賴輝達資金與算力的美國開源生態將成最大輸家，而算力結構更多元的閉源巨頭Anthropic反成受益者。此外市場需高度警惕監管擴圈，算力雲租賃及「AI合成數據出售」將面臨空前嚴查。
隨著黃仁勳辭任輝達CEO，華爾街與矽谷也隨之陷入對「後黃仁勳時代」的集體焦慮。
11月12日，知名半導體研究機構SemiAnalysis創始人Dylan Patel做客科技商業播客TBPN，與主持人John Coogan、Jordi Hays展開了一場長達半小時的深度復盤。
就在訪談當天，輝達聯合創始人兼CEO黃仁勳正式辭職，由CFO Colette Kress出任臨時CEO。受此消息及此前婚外情醜聞影響，輝達當日股價重挫，市值一度跌破4兆美元，預期市盈率創下十四年新低。
Dylan Patel繞開了花邊新聞的喧囂，直指這場「黑天鵝」事件背後最殘酷的商業帳本。輝達賴以統治行業的「創始人模式」面臨瓦解風險，美國開源大模型生態可能首當其衝成為最大輸家，而全球AI競爭的戰火正從單純的晶片硬體，迅速蔓延至底層數據與AI自主設計晶片的全新戰場。
01. 告別「創始人模式」，技術與供應鏈或因「委員會治理」陷入遲鈍
在外界眼中，輝達的護城河是CUDA軟件生態與領先的晶片製程；但在產業內部人士看來，輝達真正的統治力源於黃仁勳極致的「創始人模式」（Founder Mode）——在技術路線分叉與供應鏈博弈的生死關頭，擁有一個人拍板、瞬間調動全公司與供應商資源的絕對權威。
當前市場最大的擔憂在於，一旦黃仁勳受困於美國國會傳喚與調查，輝達的日常決策與對外投資將不得不移交給高管委員會。Dylan Patel在對談中直接點破了治理結構異化的代價：
輝達最大的擔憂在於，現在變成了一個委員會在拍板，這會讓決策變得極其緩慢。
他指出，輝達常常面臨A、B、C多種技術方案，「到了最後一秒，黃仁勳會全力推動其中一個。現在如果有A、B、C、D，誰來決定選A，並讓所有原本做B和C的供應商轉而全力支援A？」
他回憶起輝達歷史上兩次力挽狂瀾的決策：在Volta架構流片（Tape-out）前僅剩三個月時，黃仁勳力排眾議硬塞進了Tensor Core（張量核心）；在Blackwell架構出現波折時，也是他在最後關頭拍板調整方案才保住了市場份額。
Dylan Patel強調：
換作普通高管，肯定會說『算了，放到下一代晶片裡再加吧』。如果當年放到下一代，輝達在AI領域早就落後了，根本不可能建立起今天的統治地位。
在競爭對手環伺的2026年，OpenAI、博通、Google、Anthropic、Meta和亞馬遜均已組建起極具戰鬥力的自研晶片團隊，市場容錯率已降至冰點。委員會決策機制帶來的那怕幾個月的遲疑，都足以讓輝達丟失陣地。
這種個人權威同樣體現在供應鏈的極致壓榨上。輝達之所以能拿走全球最稀缺的先進封裝與記憶體產能，靠的是黃仁勳親自下場遊說供應商押注未曾驗證的新技術。Patel強調：
輝達想要做激進的事情……鎖定供應鏈，說服供應鏈去在技術和產能上做他們從未做過的事情。無論下一任CEO是誰，可能都不如黃仁勳那麼有魅力，他們無法輕易讓供應商說出『當然，輝達，你可以以低於市場價的價格擁有我60%或70%的產能』。這太難了。
Dylan Patel坦言，即便輝達內部有Jonah Alben這樣掌控技術體系的實權派，或是Ian Buck這樣擅長商務斡旋的悍將，也無人能同時兼顧技術洞察、供應鏈鎖單與商業談判。
對於未來的CEO人選，Patel認為臨時CEO Colette Kress「非常出色，但歸根結底，她無法在技術上領導公司」。他指出：
縱觀全球，同時具備這種供應鏈駕馭能力與硬核技術深度的，恐怕只有博通的二把手Charlie Kawwas和Apple硬體掌門人Johny Srouji，但他們幾乎不可能來接手。
02. 「AI中央銀行」斷供危機，美國開源生態成最大輸家
過去兩年，輝達在矽谷扮演著「AI 中央銀行」的角色——用高額晶片利潤反哺整個生態，通過巨額投資和算力信貸，託舉起大批推理雲服務商與前沿大模型初創公司。與此同時，黃仁勳一直是放鬆晶片出口管制的遊說主力，客觀上維繫了全球AI供應鏈的微妙平衡。
然而，隨著此次風波導致輝達在華盛頓的政治信用破產，這台「中央銀行」的印鈔機面臨停擺。
一方面，輝達對初創公司的數十億美元投資協議被迫轉入漫長的委員會審查，失去信用背書的二線推理雲廠商（如Baseten、Fireworks）在融資與獲取算力上將舉步維艱；另一方面，美國晶片出口管制的鐘擺勢必劇烈回擺。
一旦頂尖開源大模型實驗室的算力受限、放緩開源步伐，高度依賴開源模型底座的美國應用層創業公司，如法律AI公司Harvey、客服AI公司 Sierr 等將被迫轉向昂貴的閉源模型，從而淪為毫無議價能力的「套殼公司」。
Dylan Patel給出了一針見血的判斷：
我認為輝達之外的最大輸家，絕對是開源生態。美國的開源前沿陣地如果沒有黃仁勳的資金與算力支撐根本無法存在，無論是Reflection還是Thinking Machines，背後都有輝達的巨額押注。
Dylan Patel指出，如今「像智譜和DeepSeek這樣提前適配多種國產晶片的實驗室，抗風險能力明顯強於高度依賴輝達的同行」。
而在大洋彼岸，OpenAI超過90%的算力仍綁定在輝達戰車上，相比之下，Anthropic的輝達算力佔比已降至三分之一以下，且一直走閉源路線。Dylan Patel稱：
這是一個對Anthropic有利、對OpenAI不利的局面。開源變弱了，這對Anthropic來說太棒了。
03. 範式轉移：當大模型開始自己設計晶片
就在傳統晶片巨頭深陷治理與地緣泥潭之際，AI 實驗室自身的底層技術範式正在發生質變。
長期以來，大模型公司對自研晶片普遍持謹慎態度，原因在於晶片從立項到流片動輒耗時兩三年，等晶片造出來，模型架構早已迭代數代，投入產出比極低。
但這一商業邏輯正在被AI自身打破。根據SemiAnalysis近期發佈的全新前沿智能體基準測試GDPx的跑分結果，大模型在通用日常任務上的整體得分依然只有12%至16%左右，但在軟件工程與晶片設計這兩個垂直領域卻出現了驚人的爆發式躍升。
當AI具備了極強的晶片輔助設計能力後，自研晶片的研發周期與試錯成本被大幅壓縮，大模型廠商得以跳過傳統的漫長研發路徑，直接用模型迭代硬體。Dylan Patel 分享了第一手的評測洞察：
在我們的GDPx基準測試中，Anthropic的模型在軟件工程和晶片設計兩個領域取得了巨大的飛躍，遠遠甩開了其他對手。這背後反映出強化學習環境（RL Environments）才是模型規模化擴展的下一個核心向量，只要你在特定領域擁有獨一無二的專有數據和模擬環境，模型在該領域的能力就能實現暴漲。
這一技術突破直接改寫了Anthropic的硬體戰略。Dylan Patel 說道：
過去 Anthropic 認為自研晶片不符合 AGI 的演進節奏，等晶片做出來黃花菜都涼了，但現在他們大舉招募了一批晶片人才，不僅在造自己的晶片，還在讓模型變得極其擅長設計晶片。現在模型自己就能設計晶片了，他們在這條戰線上的推進速度正在急劇加快。
04. 監管大棒將蔓延，雲端算力轉租與AI合成數據面臨嚴查
當華盛頓的目光死死盯著每一顆流向海外的GPU實體卡時，AI產業鏈上的跨國博弈早已演化出更隱蔽的形態。即便無法直接獲取最頂尖的海外閉源模型或算力，部分海外實驗室依然可以通過採購第三方數據公司的合成數據與強化學習環境，實現變相的「模型蒸餾」。
隨著商業審查的全面收緊，這種長期處於監管盲區的數據跨境交易，極有可能成為下一波政策打擊的重點。Dylan Patel揭示了產業鏈水面之下的真實運作：
很多數據公司正在向海外出售海量數據，這其實是一種極其隱蔽的蒸餾方式，像Mercor這類數據供應商，其生成數據的流水線本身就調用了前沿大模型的提取與過濾能力。把基於前沿模型生成的環境賣出去，本質上就是在把模型能力蒸餾出來。過去大家只盯著硬體，賣數據這件事還沒受到任何審查，接下來它必然會進入監管視野。
對於華盛頓可能採取的「一刀切」封鎖，Dylan Patel表達了擔憂。他指出，如果美方在晶片禁令上做得太絕，完全可能招致硬體供應鏈上的對等反制。
每一臺輝達服務器裡都有海外產業鏈製造的組件，每一臺GoogleGPU服務器裡同樣有海外供應鏈的身影。如果他們願意，完全可以掐斷這些環節。
在他看來，真正聰明的策略是堵住未經授權的中間商轉租漏洞，同時允許Google等美國本土雲巨頭以高溢價向海外客戶提供受控的雲端算力租賃——「既能隨時斷供，又能抽走對方利潤，這才是維持領先的商業邏輯。」 (華爾街見聞)