铃阅
❌

阅读视图

突发!黄仁勋与盟友商讨重返英伟达CEO之位

大模型智能 2026-11-17 00:00 吉林

硅谷的盟友开始向英伟达董事会施压,要求恢复黄仁勋的职位

图片

大模型智能|分享

来源 | 机器之心

黄仁勋辞职没几天,硅谷已经开始想办法把他请回来了。

当地时间 11 月 15 日,据英国《金融时报》报道,黄仁勋正在与身边亲信讨论重返英伟达 CEO 职位的可能性。

图片

来源:https://www.ft.com/content/45383d86-33c4-4d99-86e5-5e058d3567c1?utm_source=chatgpt.com&syn-25a6b1a6=1

一位黄仁勋的盟友向《金融时报》透露,他们正在组建一个由硅谷科技企业高管组成的 War Room,计划游说英伟达董事会,推动黄仁勋重新担任 CEO,并尝试争取白宫的支持。

这位人士表示:「在前沿实验室之外,科技行业里所有有影响力的人都喜欢黄仁勋。」他还补充称,推动黄仁勋回归的行动得到了黄仁勋本人的支持。

图片

刚刚过去的这个周末,一场要求黄仁勋重返英伟达的声援行动迅速升温。

特斯拉和 SpaceX CEO 埃隆・马斯克(Elon Musk)、Epic Games CEO 蒂姆・斯威尼(Tim Sweeney)、Replit CEO Amjad Masad 等科技圈知名人士,纷纷加入联名行动,呼吁英伟达董事会让黄仁勋回归。

图片

这场声援不仅来自硅谷高管,也得到了英伟达内部员工的响应。黄仁勋辞职后,已有多名员工公开表达对他的支持,并签署联名信。

截至目前,支持黄仁勋回归的在线请愿签名人数已经突破 15 万,且仍在持续增长。

图片

需要注意的是,这些身份主要来自签署者自行申报,尚不能视为全部经过独立核实。

不过,黄仁勋想要回来,恐怕没有那么容易。

首先,英伟达董事会并不一定会接受外部压力。

《金融时报》此前披露,董事会已经接触 Arm CEO 雷内・哈斯(Rene Haas),探讨其接任英伟达 CEO 的可能性。

但英伟达董事会随后回应称,目前尚未启动正式的 CEO 遴选程序。

与此同时,英伟达的管理层已经进入临时过渡状态。公司首席财务官科莱特・克雷斯(Colette Kress)目前担任临时 CEO,管理团队正试图稳定公司运营,为即将公布的季度财报做准备。

黄仁勋本人也缺少一个重要筹码。

与一些拥有绝对控制权的创始人不同,黄仁勋并不持有足以控制英伟达的股份,无法单方面推翻董事会的决定。即使硅谷支持者不断发声,最终能否回归仍然取决于董事会。

外部力量的态度同样存在分歧。一方面,Altimeter Capital 创始人 Brad Gerstner 和 Atreides Management 创始人 Gavin Baker 两位英伟达股东,已经联名致信董事会,要求保留所有可能性,包括黄仁勋回归。

两人在信中强调,黄仁勋长期以来为英伟达创造了巨大价值,而他的突然离职又给公司带来了不确定性。因此,他们希望董事会审慎处理这场危机,不要提前排除黄仁勋复职的可能。

另一方面,推动黄仁勋复职的行动很可能遭到华盛顿部分重要政策制定者的反对。美国财政部长斯科特・贝森特(Scott Bessent)周日呼吁英伟达进行一次「重大管理层改组」(dramatic shake-up)。

截至目前,英伟达发言人和黄仁勋的发言人均拒绝置评。

英伟达这场突如其来的 CEO 风波,显然还远没有结束。

图片

技术交流群邀请函

图片

图片

图片

图片

△长按添加小助手

扫描二维码添加小助手微信

请备注:姓名-学校/公司-研究方向-城市

(如:小夏-浙大-大模型-杭州)

即可申请加入深度学习/机器学习等技术交流群

—完—

图片

跳转微信打开

  •  

哈佛最新 AI 课发布:从 Agent 一路学到 GPU!

Datawhale 2026-11-17 00:00 吉林

以下文章来源于:Datawhale

Datawhale

一个专注于AI领域的开源组织,汇聚了众多优秀学习者,使命-for the learner,和学习者一起成长。

 Datawhale干货 

最新课程:哈佛 CS2680

一个 AI Agent 从你敲下第一句提示词,到物理显卡上吐出最后一个 token,中间到底穿透了哪些技术层级?

很多开发者在尝试构建复杂的智能体系统时,很快就会撞墙。瓶颈往往不在于提示词写得够不够巧,而在于真实的工程现实:不可控的延迟、高企的 Token 账单、长程规划失控,以及多轮交互下迅速被吃满的显存。

想要真正做出一套可靠的高性能 Agent,只懂上层框架不够,只看底层 CUDA 算子也不够。

哈佛大学今年秋季开设了一门极具特色的硬核大课:CS2680《Modern AI Systems: Agents and System Optimizations》。

全学期不搞分散的散点练习,只盯准一个名为 Mads 的智能体系统,带你从应用层的 Agent Loop 一路往下拆,直到接管开源模型的推理服务与底层 GPU 硬件。

目前,这门课的大纲、阅读清单以及课件幻灯片已全部在官方主页向公众开放。

Image

    课程官网:https://cs2680.seas.harvard.edu/

    一、课程大纲与主线

    这门课之所以让人眼前一亮,首先在于它的课程结构设计。

    它没有把内容割裂成孤立的章节,而是以一个名为 Mads(Modern Agent Design and Systems) 的系统贯穿始终。全课 14 周被清晰地切分为两大阶段:

    前半程(第 1~7 周)聚焦智能体设计与评估。 从 Claude Code 的运行机制切入,依次讲透多 Agent 协作、上下文与工具管理(ReAct)、长期记忆(MemGPT)、评测体系以及成本性能权衡。

    后半程(第 8~14 周)深挖底层推理系统。 从 GPU/CUDA 基础出发,逐层拆解批处理调度、PagedAttention(vLLM/SGLang)、投机推理、KV Cache 优化与量化压缩,最终落到智能体请求调度与负载均衡。

    二、五个贯穿式作业

    CS2680 不设期末考试,而是通过5个作业一环扣一环,带着学习者从最上层的前端一路改到底层推理引擎:

    Image

    1. Mads-Lens(搭建可视化监控台,10%)
    用 Claude Code 为它自己写一个 Web UI 前端,实时可视化运行轨迹:展示每次工具调用的入参和返回结果,把派生的子 Agent 展开成树状图,定位报错现场,并实时统计每次调用的 Token 消耗与花费。

    2. Mads-Loop(手写核心运行时,10%)去掉现成客户端,直接围绕模型 API 手写 Agent Runtime:实现结构化工具调用、上下文滑动窗口管理、报错重试与退出判定。助教会用隐藏测试集专门测这套 Runtime 的容错能力,重点看代码循环本身够不够稳。

    3. Mads-Opt(压榨成本与延迟,20%)在调用商业 API 的前提下做端到端优化。要求在任务成功率不降的基础上,砍掉多余 Token、把简单任务分流给便宜的小模型、做工具并发调用并重构上下文,把延迟和开销压到最低,最后写一篇技术复盘博客。

    4. Mads-Serve(接管本地推理引擎,20%)拿掉外部商业 API,课程给每位学生发一张 RTX PRO 4500(32GB 显存) 独立 GPU。学生需要在卡上自己部署开源模型,把前一步写好的 Agent 接进本地推理服务,通过改批处理调度和 KV Cache 复用解决显存与排队瓶颈,按完成任务数和总耗时在全班实时榜单(Leaderboard)上排名。

    5. Mads-Stack(全栈解封打榜,10%)最后一步把上层 Agent 架构、开源模型选型和底层推理内核全部放开修改。统一用 Terminal-Bench 2.0 评测,跑过基线就能拿满基础分,前 26 项任务的综合排名还会有额外的榜单加分。

    三、学习地址

    课程主页:https://cs2680.seas.harvard.edu/

    需要提醒的是,这门课是一门地道的研究生级系统硬核课程,并不适合零基础入门。

    官方先修要求是完成过 CS61(计算机系统导论)以及至少一门研究生级别的系统课,默认熟练掌握 Python 与 PyTorch。课程主页写得非常直白:老师在课堂上不会把作业所需的所有技术细节都讲完,想要拿到满意的成绩,必须做好课后花费大量时间自学和调试实验的准备。

    值得一提的是,虽然哈佛官方目前暂未向外网公开课堂现场录像,但官方所有课件幻灯片均已按周次直接放出;同时海外技术社区也已经在 YouTube 上推出了针对这门课的逐讲视频深度拆解(覆盖 Claude Code 运行原理、多 Agent 架构、上下文管理与评测基准等),非常适合配合官方课件同步精读。

    Image

    大模型时代已经从单纯的比拼提示词,走向了智能体架构与推理基础设施协同优化的深水区。

    无论你正在开发智能体应用,还是在搭建模型推理服务,哈佛 CS2680 所给出的这条工程演进路线,都值得每一位工程人员认真研读。

    目前官方主页上的教学日历、课件幻灯片与论文清单均可自由访问,建议收藏学习。

    图片

    一起“点赞”三连↓

    跳转微信打开

    •  
    ❌