万字长文揭秘英伟达的焦虑与成功方法论

30 年前，硅谷的一家传奇公司英伟达诞生在一个供应早餐和无限量咖啡的地方 —— 东圣何塞一家 Denny's 餐厅的一个角落摊位。从这个小角落出发到市值万亿的科技企业，英伟达用30年构筑了一个原本空白的市场。

英伟达尝试创建更好芯片，并围绕芯片打造一种商业模式。但在创业初期，英伟达就面临着销量惨淡、技术偏离市场、市场竞争激烈等诸多难题。英伟达推出的显示芯片产品NV1，因为技术与市场主流不同，发布后无人问津，甚至濒临破产。

然而事实证明，在这些面临抉择甚至破产边缘的关键时刻，创始人黄仁勋总是一次次做出对的选择：推出支持市场行业标准的高速产品，推广CUDA技术，押注人工智能和数据中心……

时至今日，英伟达已然成为最成功的科技公司之一，机器学习和大语言模型成为科技热点的今天，英伟达也在捕捉新的机会。

在最新一期的《Acquired》采访中，黄仁勋提到：“如果未来科技公司变得更大，大家不要感到惊讶，因为这些科技公司生产的东西非常不同，机会有多大，公司就有多大，这取决于每家公司如何定义自身，以及如何匹配变化的市场。”同时，他也提到，未来的大公司存在于“数据中心”中。

科技市场波谲云诡，英伟达如何推动人工智能的爆炸式增长？英伟达切入数据中心的来龙去脉以及初衷何在？从一个空白的产品想象，到全球第六大市值的芯片公司，英伟达做对了哪些事？面对外部环境的变化，英伟达又该如何应对？以下，Enjoy：

《Acquired》是一档关注科技产业的并购、合并、投资和创新等话题的科技类播客节目，由 Ben Gilbert 以及 David Rosenthal 在 2015 年创立。

Ben Gilbert 在硅谷有着丰富的创业和投资经验，曾是 Madrona 创业工作室的联合创始人，随后加入了 Pioneer Square Labs 孵化器，共同孵化了Pioneer Square Labs旗下多个初创公司；David Rosenthal 曾在 UBS 和 WSJ 担任分析师，也是 Ben Gilbert 在 Madrona 的同事，两人已经认识了 10 年之久。

《Acquired》最新的一期内容走进了英伟达总部，Ben Gilbert 以及 David Rosenthal 与老黄，深入挖掘了英伟达切入数据中心的来龙去脉以及初衷，还包括老黄的创业思考、平台战略初衷、内部管理理念以及市场&技术判断方法。

老黄表示，如果未来科技公司变得更大，大家不要感到惊讶，因为这些科技公司生产的东西非常不同，机会有多大，公司就有多大，这取决于每家公司如何定义自身，以及如何匹配变化的市场，全文如下：

Ben Gilbert：

在过去两年里，我们对英伟达进行了约 500 小时的研究，然后我们飞到英伟达总部，与 Jensen 本人坐下来进行了交流。Jensen 是英伟达的创始人和 CEO ，英伟达正在推动整个 AI 的爆炸式增长，在录制这期内容时，英伟达的市值达到了 1.1 万亿美元，是全球第六大市值的公司，而现在对英伟达来说是一个关键时刻，期望值非常之高，我的意思是高得离谱，他们相对竞争对手拥有最令人印象深刻的战略地位和领先优势。

有一个每个人都在思考的问题，英伟达的繁荣是否会在未来几年继续下去？AI 会不会成为下一个万亿美元的技术浪潮？我们对此有多确定？如果是这样，英伟达能否在这个市场形成的时候保持他们离谱的主导地位？

Jensen Huang：

带我们回到过去，讲述了他们如何从图形转向数据中心再到 AI ，如何在多次濒死经历中幸存下来，他还对创始人有很多建议，并在节目末尾分享了创始人旅程的情感层面。

David Rosenthal：

仅仅通过做这件事，我对英伟达和 Jensen 作为创始人和领导者有了新的看法，尽管我们以为我们事先已经知道了一切，结果证明我们还不够了解。

Ben Gilbert：

你正准备发布 RIVA128 ，一款英伟达革命性的产品，因为它首次引入了单芯片设计，将 2D 和 3D 图形处理能力整合到同一块芯片上，这一设计在当时非常先进。

你们当时只剩下几个月的运营资金了，但你决定全部通过模拟测试而不是等到收到真实的原型，你在看都不看的情况下就下令量产，用公司剩下的所有资金，全押在 RIVA128 上，它最终回来了，在 32 个 Direct X 混合模式中，它支持8个，你必须说服市场购买它，还得说服开发者只使用这 8 个混合模式，请给我们讲讲当时的情况。

Jensen Huang：

我得说服他们，另外 24 个模式不那么重要。

David Rosenthal：

这是最初的计划吗？你是什么时候意识到的？

Jensen Huang：

我很晚才意识到，我们本应该实现所有 32 个模式，但是我们已经做了 8 个模式，所以不得不尽力而为，那是一个非凡的时刻。还记得 RIVA128 吗？NV1 和 NV2 基于正面纹理映射，没有三角形，而是曲线，它对曲线进行了剖分，由于我们渲染的是更高级别的对象，我们基本上避免了使用 Z 缓冲器，我们认为这将是一个好的渲染方法，但事实证明这完全是错误的。

RIVA128 是我们公司的重新起步，还记得我们在 1993 年成立公司时，我们是唯一的消费级 3D 图形公司，当时我们专注于将 PC 转变为加速 PC，Windows 实际上是软件渲染的系统。所以无论如何，RIVA128 是我们公司的重新起步，当我们意识到我们走错路时，微软已经推出了DirectX，它在根本上与英伟达的架构不兼容，30 名竞争对手已经出现，即使我们是最早成立的公司，但当时的世界已经完全不同了。

关于公司战略应该做什么的问题，我会说我们做了很多错误的决定，但在那一天很重要的事情上，我们做了一系列非常好的决定。1997 年可能是英伟达最好的时刻，原因是我们陷入了绝境，我们正在用尽时间，用尽资金，有很多员工，我们正在用尽希望，问题是我们该怎么办？我们做的第一件事是决定接受 DirectX，让我们想办法为它建造世界上最好的东西，RIVA128 是世界上第一个完全硬件加速的 3D 渲染流水线，从变换、投影、元素到帧缓冲区，都是完全硬件加速的。

我们实现了纹理缓存，我们将总线限制和帧缓冲区限制提高到当时物理所能承受的最大值，我们制造了有史以来最大的芯片，使用了最快的内存。基本上，如果我们制造了那个芯片，就不会有任何东西能比它更快，我们也选择了一个成本点，明显高于我们认为任何竞争对手愿意承受的最高价格。如果我们正确地构建一切并实现了 DirectX 中我们所知道的一切，那么显然没有人可以建造比它更快的东西。

David Rosenthal：

在某种程度上，英伟达也是这样做的，那时你们是消费类产品公司，对吗？当时就是这样，而消费者得掏钱购买，这点很关键。

Jensen Huang：

对，但我们注意到市场上有一个细分领域，当时 PC 行业还在起步，性能还不够好，每个人都渴望能有更快的东西，所以如果你的性能比可买到的快 10 倍，就会有一大批爱好者愿意购买，我们相信会有这样一个巨大的市场。

事实证明我们是完全正确的，PC 行业确实有一个相当大的爱好者市场，他们会购买最好的一切，直到今天，这仍然是真的，在某些细分市场，技术永远还不够好，比如 3D 图形，当我们选择了正确的技术，3D 图形永远还不够好，我们当时称之为 3D 给了我们可持续的技术机会，因为它永远还不够好，所以你的技术可以不断进步，我们选择了它。

我们还做出了使用仿真技术的决定。那是一家叫 Icons 的公司，我打电话给他们那天，他们正准备关闭公司，因为没有客户，我说我可以买掉你们的库存，我们需要那个仿真器的原因是，你算一算我们有多少钱，如果我们完成了一个芯片的设计并从晶圆厂得到了它，然后我们开始对软件进行开发，等我们找到所有 bug 时，再为芯片进行下一次设计，到那时我们已经倒闭了。

David Rosenthal：

你的竞争对手会赶上来的。

Jensen Huang：

没错，更不用说我们会倒闭，如果无论如何都要倒闭，那个计划显然不是计划，通常公司会走的计划是 —— 设计芯片，编写软件，修复bug，然后设计新的芯片等等，但那种方法行不通，我们只有 6 个月时间，只能完成一次芯片设计，显然需要设计一款完美的芯片。

我记得和我们的领导讨论过，他们说 Jensen ，你怎么知道它会是完美的？我说我知道它会是完美的，因为如果不是，我们就倒闭了，所以让我们把它做到完美，我们只有一次机会，我们基本上是通过购买这个仿真器并让软件团队在其上编写我们的全部软件栈来“虚拟原型”芯片的，我们就坐在实验室里等待 Windows 绘图，你知道会非常慢。

David Rosenthal：

每帧需要 6 万秒，对吧？

Jensen Huang：

肯定的，我认为每帧需要 1 个小时左右，我们就坐在那里看它绘图，在决定完成芯片设计的那一天，我假设芯片是完美的，我们能测试的都提前测试过了，我告诉每个人，我们要完成芯片设计，以及接下来是什么？答案很明显，直接进入量产。

Ben Gilbert ：

还有大规模的营销攻势。

Jensen Huang：

对，直接开始一切，我们确信我们有完美的芯片。

David Rosenthal：

这其中你占多大比例，你的合伙人、公司其他人、董事会又占多大比例？每个人都说你疯了吗？

Jensen Huang：

不，所有人都很清楚，我们没有胜算，因为无论如何都会倒闭，所以除此之外的任何事都很疯狂，这看起来相当合乎逻辑，坦白说，现在我描述的一切，你可能都会认为很合理；最后它奏效了，所以我们完成了芯片设计，直接进入量产。

Ben Gilbert ：

那么对创始人的教训是，当你像 Rivo 128 或 CUDA 那样对某件事有信心时，就把公司压上去，这对你一直起作用。所以你从中吸取的经验教训似乎是继续下注，因为到目前为止，每次都是奏效的。不，你怎么看这个问题呢？

Jensen Huang：

不，当你下重注时，我知道它会奏效。注意，我们假设我们设计出了一个完美的芯片，原因是在完成芯片设计之前，对整个芯片进行了仿真，开发了整个软件栈，对所有驱动程序和软件进行了质量检测，运行了我们的所有游戏，运行了每个 VGA 应用程序，所以当你下重注时，你实际上已经提前应对了所有可能的风险，这就是教训，一直到今天，我们都会提前谋划并模拟我们可以预见的未来。

David Rosenthal：

我们经常讨论这个，当你知道它会成功时，你才会下重注。

Ben Gilbert ：

每次我们看到你让公司做出下重注的举动时，你都已经对其进行了模拟，你觉得 CUDA 就是这种情况吗？

Jensen Huang：

事实上，在 CUDA 之前，就已经有 CG了，所以我们已经在玩一个概念，即如何在我们的芯片上创建一个抽象层，它可以用更高级的语言和更高级的表达式来表达，并且我们如何使用 GPU 进行 CT 重建和图像处理，我们已经在朝这个方向发展了，所以我们有一些积极的反馈和直观的积极反馈，我们认为通用计算是可能的。

如果只是看看可编程着色器的流水线，它是一个处理器，高度并行，大规模多线程，它是世界上唯一做到这一点的处理器，所以可编程阴影着色有很多特征表明 CUDA 有很大的成功机会。

Ben Gilbert ：

如果确实有大量的机器学习从业者，他们最终会出现并希望做所有这些伟大的科学计算和加速计算，那么这是正确的。但在你开始投资现在需要大约1万人年来构建这个平台时，你是否曾觉得，哦，我们可能投资领先于机器学习的需求，因为我们比整个世界意识到它要早10 年。

Jensen Huang：

我猜也是，当我们看到深度学习，看到 AlexNet ，并意识到它在计算机视觉方面的惊人效果时，我们有一种很好的感觉，如果你愿意的话，回到第一性原理，问问是什么让它这么成功的？

当一个新的软件技术、一个新的算法出现，并以某种方式跳过 30 年的计算机视觉工作时，你必须退一步问自己，它是否可扩展？如果是，还能解决什么问题？

我们做出了几个观察。首先，如果你有大量的示例数据，你可以教会这个函数进行预测，我们基本上发现了一个通用函数逼近器，因为维度可以高到你想要的程度，而且因为每一层都是逐层训练的，所以没有理由你不能做出非常深的神经网络。

现在你只需要逻辑推理，回到 12 年前，你可以想象我脑海中的逻辑推理，我们发现了一个通用函数逼近器，事实上，再加上几项技术，我们可能发现了一台通用计算机。

David Rosenthal：

你当时关注图像竞赛。

Jensen Huang：

这是因为当时我们已经深入研究计算机视觉领域，试图将 CUDA 变成一个出色的计算机视觉系统。然而，大多数为计算机视觉设计的算法并不适用于 CUDA 。因此，我们都花了很多时间尝试理解这一问题。然后，AlexNet 出现了，它的效果非常惊人，以至于你不得不停下来思考，为什么会这么成功呢？

当你像这样思考时，你开始想象在一个通用函数逼近器可以解决的问题领域中，会有哪些问题需要解决呢？我们知道大多数算法都是从基本科学原理出发的。你试图理解因果关系，以因果关系为基础构建可扩展的仿真算法。然而，对于很多问题，我们实际上并不太在意因果关系，我们更关心的是可预测性。

我真的需要知道你更喜欢某种牙膏胜过另一种牙膏的根本原因吗？事实上，并不是很重要。我们更关心的是是否可以预测你的选择，这种思维方式适用于预测电影、音乐、天气等等。我们了解热力学，我们了解来自太阳的辐射，了解云层的影响，了解海洋的影响，了解各种不同的因素，但最终我们只关心是否需要穿毛衣。因此，对于世界上很多问题来说，因果关系并不是关键，我们更关注的是模拟系统并进行预测。

Ben Gilbert ：

这是一个非常有利可图的市场，如果你能预测下一个在社交媒体信息流中表现最好的项目，实际上这是一个巨大的挑战。

David Rosenthal：

我正想说的是，我非常喜欢你提到的例子，无论是牙膏、番茄酱、音乐还是电影。

Jensen Huang：

当你认识到这一点时，它就是一个泛函数近似器，一个机器学习系统，从示例中学到的东西可能有着巨大的机会。因为应用领域广泛，从商业到科学等各个领域，所以你可以看到，这可能会影响世界上的许多行业，几乎所有的软件最终都会以这种方式编程。如果是这样，那么计算机和芯片的构建方式可能会完全改变，只有看你是否有勇气去支持这样的芯片。

David Rosenthal：

所以现在我们正处于这个阶段，英伟达也是如此。但我好奇的是，AlexNet 出现后的几年，那时候，Ben 和我也进入了科技创业领域。

Ben Gilbert ：

我是在 2012 年 AlexNet 之后、在任何人谈论机器学习之前加入微软的，即使在主流工程社区中也没有人提到它。

David Rosenthal：

在这些年里，对于世界上许多其他人来说，这些看起来都像科学项目。但硅谷的科技公司，特别是社交媒体公司，他们才刚刚意识到这些项目带来了巨大的经济价值，如谷歌、Facebook 和 Netflix 等。显然，这导致了许多事情，包括几年后的 OpenAI。但在这几年时间里，当你看到硅谷释放了巨大的经济价值时，你当时的感受如何？

Jensen Huang：

首先的想法是，当然是如何改变计算栈？第二个想法是在哪里找到最早的使用可能性？如果我们要建立这台计算机，人们会用它来做什么？

我们很幸运，与世界各地的大学和研究人员合作对我们公司来说是与生俱来的，因为我们已经在研究 CUDA，CUDA 的早期用户是研究人员。因为我们推广了超级计算机，CUDA 不仅用于 AI，它在几乎所有领域的科学研究中都有应用，从分子动力学到 CT 扫描重建到地震处理到天气模拟到量子化学等等。应用的范围非常广泛，所以在 CUDA 上的研究应用非常多。当我们认识到深度学习可能非常有趣时，自然而然地回到了研究人员这里，并找到每一个AI研究人员，问他们我们如何帮助他们推进工作。这包括 Yann LeCun、吴恩达、Geoffrey Hinton 等等。这就是我与所有这些人接触的方式。

我过去常去所有 AI 会议，就是在那里我第一次遇到 Ilya Sutskever，所以当时真正的问题是我们可以建立什么系统和软件栈来帮助你获得更多成功，推进研究；当时它看起来像是一个玩具，但我们相信即使是 GAN，我第一次遇到Goodfellow 时，GAN 只是 32x32 模糊的图像，但它能发展到什么程度？

所以我们相信它，相信你可以扩展深度学习，因为显然它是逐层训练的，你可以使数据集更大，模型更大。我们相信如果你使它越来越大，它就会变得越来越好，这很有道理。我认为与研究人员的讨论和互动就是我们需要的正反馈系统。

David Rosenthal：

OpenAI 成立于 2015 年，那是一个非常关键的时刻。今天这一点已经显而易见，但当时，即使是科技行业的人们也感到困惑，不知道这是什么？因为你与研究人员有着密切的联系，要让谷歌和 Facebook 明确地吸引顶尖人才进入研究社区并开放研究，这是非常关键的时刻。你是否参与其中？

Jensen Huang：

我没有参与它的创立，但我认识那里的很多人。当然还有 Elon、Peter、Bill 以及 Ilya 也在那里，我们有一些伟大的员工，他们在开始的时候也在那里，我知道他们需要我们正在构建的这台惊人的计算机，我们正在构建第一版 DGX，你今天看到了 Hopper，它有70万个部件，1万安培，DGX 的第一版是我们内部使用的，我把第一个交给了OpenAI。

那是非常有趣的一天，但我们最初的成功在于帮助研究人员达到新的高度。我知道它目前的状态并不非常有用，但我也相信一次点击就可以使它非常惊人，这种信念来自与所有这些出色的研究人员的互动，也来自于看到逐步取得的进展。

最初，论文每三个月才发表一次，而今天的论文每天都在出现，所以你可以简单地监控存档论文，我对深度学习的进展非常感兴趣，尽我所能阅读这些论文，你可以实时看到指数级的进展。

Ben Gilbert ：

即使对于行业内一些研究人员来说，当你只是增加模型的大小时，没有人能预测语言模型会变得多么有用。他们认为，哦，一定需要一些算法变化，一旦你超过了 100 亿参数，它们就神奇地变得更准确、更有用、更有生命力。当你第一次看到一个真正大的语言模型时，你对此感到惊讶吗？你还记得那种感觉吗？

Jensen Huang：

我对语言模型的第一个感觉是，只是遮蔽单词并使其预测下一个单词，这有多巧妙，这是自我监督学习的最佳方式。我们有那么多文本，我知道答案是什么，我只要让你猜猜看，所以我对 Bert 的第一印象真的很巧妙。

现在的问题是如何扩展它。第一个观察结果是几乎所有东西都很有趣，然后设法从直觉上理解为什么它有效。然后下一步当然是从第一原则出发，你会如何推断呢？所以我们显然知道 Bert 会变得更大。

现在关于这些语言模型的一件事是它正在编码信息，对吗？它正在压缩信息，在世界语言和文本中，存在相当多的编码推理，我们描述了很多推理性的东西，如果你说几步推理在某种程度上可以通过阅读来学习，我不会感到惊讶，对我们许多人来说，我们通过阅读获得常识和推理能力。所以为什么机器学习模型也不能从中学习一些推理能力呢。从推理能力出发，你可以有新兴的能力，新兴的能力与直观推理是一致的，所以其中一些是可以预测的，但这仍然令人惊叹。

事实上它是合理的，并不能使它变得不那么令人惊叹，我可以直观地想象整个计算机和自驾汽车中的所有模块。它仍然保持车道使我非常高兴。

Ben Gilbert ：

我还记得上大学时，第一次学习操作系统课，经历了从编程语言到底层电子工程的学习，我突然明白了冯·诺依曼计算机的工作原理，真是一个奇迹。

Jensen Huang：

确实如此，把它们组合在一起，依然是一个奇迹。

Ben Gilbert ：

现在谈谈我们最喜欢的公司之一，Statsig，我们有一些技术历史要与大家分享。

David Rosenthal：

我们谈到了谷歌和 Facebook 的 AI 研究团队如何通过先进的ML模型取得了令人难以置信的业务成果，这些模型为Facebook 的新闻源、谷歌广告以及 YouTube 和下一个视频推荐等功能提供了动力。然而，我们还没有详细探讨这些模型的实际部署方式。

Ben Gilbert ：

部署新模型的最常见方法是通过实验，即 A/B 测试。研究团队创建新模型后，产品工程师将其部署给用户的子集，并测量模型对核心产品指标的影响。这些卓越的实验工具改变了机器学习开发过程，降低了版本发布的风险。

由于每个模型都可以向一小部分用户发布，因此它们加速了发布周期，并使研究人员能够从真实用户数据中快速获得反馈。最重要的是，它们树立了一种数据驱动的文化，因为研究人员的回报来自于推动实际产品的改进。随着时间的推移，这些实验工具为 Facebook 和谷歌带来了巨大的竞争优势，因为它们实际上成为领先的 ML 团队的必备条件。

David Rosenthal：

是的，所以现在你可能会想，这对于 Facebook 和谷歌来说很不错，但我的团队无法建立自己的内部实验平台。实际上，Statsig 是由曾在 Facebook 工作的工程师创建的，他们已经构建了一个卓越的实验、特征标志和产品分析平台，任何公司都可以使用。如今，许多 AI 公司都在使用 Statsig 来改进和部署他们的模型，包括 OpenAI 和 Anthropic。

Jensen Huang：

我认为这不是英伟达特有的特质，而是我们有勇气构建这样一个系统。英伟达的建设方式与军队或武装力量不同，我们的组织不是通过自上而下的指挥和控制以及信息分发系统建立的。实际上，我们更像是一个计算栈，底层是我们的架构，然后是我们的芯片，然后是我们的软件，顶部有各种不同的模块，每个模块都由人来管理。所以在我看来，公司的架构更像是一个带有计算栈的计算机，不同部分的系统由人来管理。重要的是找到最擅长管理特定模块或层面的人，他们负责那部分，他们就是机长，这是第一个特点。

David Rosenthal：

我从一开始就是这样看待公司的。

Jensen Huang：

对，之所以这么做，是因为你的组织应该是建立在产品架构上的，每家公司看起来都差不多，但感觉却不同。你明白我的意思吗？

制作炸鸡、汉堡和中式炒饭的方法都不同，为什么机器的过程就要完全相同呢？所以对我来说，大多数公司的组织结构图看起来都很相似，但实际上，它们都在尝试构建不同的东西，适合构建它的公司架构也因此不同。

就信息系统和合作而言，我们将它们连接起来，有点像神经网络，我们在公司里说的一句话是“任务至上”，因此我们明确任务是什么，然后将最优秀的技能、最佳的团队和最佳的资源连接起来，以完成任务。这看似毫无规则，但却像神经网络一样连接整个组织。

Ben Gilbert ：

与传统结构相比，这种方式有哪些权衡呢？

Jensen Huang：

不足之处在于领导者面临相当大的压力。原因是在指挥与控制系统中，你报告的人拥有比你更多的权力。他们之所以拥有更多的权力，是因为他们距离信息源更近。在我们的公司中，信息快速传播到许多不同的人，通常是在团队级别。

举个例子，刚刚在我们的机器人会议上，我们在讨论某些事情，房间里有几位刚刚毕业的大学生。房间里还有 3 名 VP 和 2 名 CXO，当我们做出决定时，每个人都完全同时了解，没有人拥有比其他人更多的权力。

刚刚毕业的大学生和员工，以及为我工作的高管和我自己，都在完全相同的时间学习。你赢得工作是因为你通过推理解决问题和帮助他人成功的能力，而不是因为你掌握了某些特权信息。

David Rosenthal：

在我们最近的英伟达对话中，我们进行了一项思考练习，特别是考虑到英伟达的产品发布周期在过去几年中非常令人印象深刻，尤其是考虑到你所使用的技术水平和困难程度，我们基本上提出了这样一个问题：想象一下苹果每年发布两款 iPhone？

这实际上很难想象，但这在英伟达发生了，是否还有其他公司，无论是现在还是在历史上，你向往并赞赏，可能从中获取了一些灵感？

Jensen Huang：

在过去的 30 年里？我读过我应该读的商业书籍。就像任何你读的东西一样，你应该首先享受它，从中获得启发，但不要照搬。这些书籍的关键不在于复制，而在于分享经验。你应该问自己，这对我所在的世界意味着什么？在我所处的环境中意味着什么？对我和我所在的环境意味着什么？对我和我试图实现的目标意味着什么？对英伟达以及我们公司的年龄和能力意味着什么？所以你应该问自己，这对你意味着什么？然后，在从各种不同源头学到的东西的基础上，制定自己的策略。

我刚才描述的就是我处理每件事情的方式。你应该从其他所有人那里获得启发和学习。而且，教育是免费的。当有人讨论新产品时，你应该去听听，不要忽略它。你应该从中学习。它可能是竞争对手，可能来自不同行业，也可能与我们无关。我们从世界上发生的事情中学到的越多，越好。然后，你应该回过头来问自己，这对你意味着什么。

David Rosenthal：

我喜欢这个学习而不是模仿的态度，从各种不同的来源学习，我认为英伟达今天所取得的成功还有第 3 个令人难以置信的因素，那就是数据中心，当然，这并不是显而易见的。

从AlexNet、你与研究社区的互动以及社交媒体反馈中，我无法推断出你和公司决定全力以赴，在数据中心领域进行了为期 5 年的全力冲刺。你是如何决定以及公司是如何决定投入这个领域的？这究竟是怎么发生的？

Jensen Huang：

我们走向数据中心的历程可以追溯到近 17 年前。一直以来，我都被问及 —— 公司未来可能面临的挑战是什么？我一直认为英伟达的技术连接到一台计算机上，而那台计算机必须离你很近，因为它必须连接到显示器。

某一天，这将限制我们的机会，因为插有 GPU 的台式 PC 只有那么多，我们可以驱动的 CRT 和 LCD 也只有那么多，所以问题是，如果我们的计算不再必须与显示设备连接，会不会更好？将它们分离，使我们可以在其他地方进行计算？

有一天，我们的一位工程师向我展示了这个想法，实际上是捕获帧缓冲，并将其编码为视频，然后将其流传输到接收设备，从而实现计算与查看的分离。

Ben Gilbert ：

在许多方面，这就是云游戏。

Jensen Huang：

事实上，那就是我们开始 GeForce Now 的时候，我们知道 GeForce Now 会是一个漫长的旅程，因为你在与各种问题作斗争，包括延迟。

David Rosenthal：

这是你的第一个云产品。

Jensen Huang：

我们的第二个数据中心产品是远程图形，将我们的 GPU 放入世界各地的企业数据中心，然后才推出我们的第三款产品，它将 CUDA 与我们的 GPU 相结合，成为超级计算机，然后继续努力。

之所以如此重要的原因是，英伟达计算完成的地方与计算结果的享用之间的分离，如果你可以分离开来，你的市场机会就会爆炸，这是完全正确的，所以我们不再受桌面 PC 必须放在桌子旁边的物理限制，我们不再限于每个人一个 GPU ，所以不再重要它在哪里了，这真的是个伟大的观察。

Ben Gilbert ：

这提醒了我，对我来说，英伟达业务的数据中心部分已经变成了 AI 的同义词，这是错误的等价关系。有趣的是你已经准备好在数据中心爆发 AI ，只因之前有 3 个以上的产品，你在其中学习了如何建立一个数据中心计算机，即使这些市场不像 AI 那样改变世界的技术转变，但这就是你学习的方式。

Jensen Huang：

没错，你想铺平通向未来机会之路，你不能等待机会摆在你面前，然后再伸手去够，你必须预测。我们作为 CEO 的工作就是看“around corners”，预见机会何时会出现，即使我不完全确定什么时候会发生什么，我该如何定位公司，使其靠近它，就站在树下，当苹果落下时，我们可以迅速抓住，你们明白我的意思吗？你必须足够接近才能迅速抓住。

David Rosenthal：

回顾 2015 年和 OpenAI，如果你当时没有在数据中心方面奠定基础，如今就不会支持 OpenAI。

Jensen Huang：

将计算从终端设备中分离出来的想法非常出色。实际上，如今所有关于计算的内容都是关于分离它，通过将它放入数据中心，我们能够克服延迟问题，这意味着无法战胜光速，端到端的延迟只有大约 120 毫秒左右。

Ben Gilbert ：

从数据中心到地球上的任何地方，可以说是真正横跨全球。

Jensen Huang：

是的，如果能解决这个问题，大致像这样，我记不清确切的数字了，但并不是很长，所以我的意思是如果你能消除所有其他障碍，那么光速应该就足够了，你可以轻松建设数据中心，用这些小型设备来进行惊人的事情，无论是将电视变成计算机还是其他应用，都可以瞬间变得令人惊叹，因此，15 年前的这个洞察力是非常准确的。

Ben Gilbert ：

你显然看到无限带宽比任何人预料的要有用得多，收购 Mellanox，我认为你独特地看到这是训练 LLM 所必需的，而且你在收购这家公司方面非常积极，为什么你能看到别人看不到的？

Jensen Huang：

嗯，有几个原因。首先，如果你想成为一家数据中心公司，那么构建处理芯片不是正确的方法，数据中心与桌面计算机和手机的区别不在于所使用的处理器，数据中心中的桌面计算机使用相同的 CPU 和 GPU，显然非常接近。

因此，问题不在于芯片，不在于处理芯片，正如 DIS 所描述的那样，而在于网络、基础设施、计算资源分配、安全性提供以及网络管理等等，Mellanox 的这些特性与英伟达无关，在我做出这个结论的那一天，英伟达真正希望成为未来计算机的构建者，未来的计算机将在数据中心中实现。

如果我们想成为一家以数据中心为导向的公司，我们就需要进入网络领域，这是第一点；其次，随着云计算在最初大规模发展，它涉及使用大量的公共组件，在一台计算机上虚拟化许多用户，而 AI 实际上是分布式计算，其中一个作业，一个训练作业，要在数百万个处理器上协同工作，这与大规模计算几乎是相反的，你设计一个大规模计算机，具有机架后商品以太网，这对于 Hadoop 来说很好，对于搜索查询也很好，对于所有这些东西都很好。

现在这个观察表明，你所需的网络类型不完全是以太网。我们为超级计算机设计的网络方式确实非常理想，所以这两个观点的结合让我坚信 Mellanox 绝对是正确的公司，因为他们是全球领先的高性能网络公司。我们已经在高性能计算的许多不同领域与他们合作。此外，我真的很喜欢这里的团队。以色列团队是一流的。我们现在有大约 3200 名员工。这是我所做的最佳战略决策之一。

David Rosenthal：

我们与许多人交谈，许多人告诉我们 Mellanox 的收购是有史以来最佳之一。

Jensen Huang：

我也是这么认为的。它与我们通常所做的工作完全不相符，对每个人都是一个令人惊喜的决策。

Ben Gilbert：

如你所说，你站在行动附近，所以一旦有机会，你就能看到 LLM 即将崭露头角，每个人都需要它，我认为我比其他人更早看到了。

Jensen Huang：

你需要将自己置于机会附近，不必追求完美，只需将自己放在树旁边，即使在苹果掉到地面之前，只要你是第一个拾起它的人，那就足够了，你只需将自己置于机会附近。因此，我的大部分工作是将公司定位在机会附近，并使公司具备货币化每个步骤的技能，以便我们能够持续发展。

Ben Gilbert ：

你刚才说的让我想起巴菲特和芒格的一句名言，大意是“大概正确比完全错误要好”。

Jensen Huang：

是的，这句话很贴切。

Ben Gilbert ：

想向你请教一些建议，因为我们有很多创始人在听这个节目。一些建议，尤其是对那些已经具备 PMF 、正在不断成长的有趣市场的公司，他们应该如何看待竞争对手并应对竞争？

Jensen Huang：

尽管有各种各样的方法来思考竞争，但我们更喜欢以一种满足通常还没出现的需求的方式来定位自己。

David Rosenthal：

我听你或其他人在视频中说过“0-10 亿美元的市场”？

Jensen Huang：

没错。这是我们的方式，意思是还没有市场，但我们相信会有一个市场。通常当你处在那个位置时，每个人都会试图弄明白你为什么在这里，因为当我们第一次涉足汽车领域时，我们相信未来汽车将在很大程度上依赖软件，如果它将在很大程度上依赖软件，那么一个真正强大的计算机是必要的。

David Rosenthal：

我非常高兴你提到了这一点，因为我想问你，在我的印象中，至少在你的印象中，英伟达绝对是一个平台公司，在全世界真正有意义的平台公司寥寥无几。我认为也可以公平地说，在你创立的头几年，你是一家技术公司，而不是平台公司。我能想到的每个公司，如果试图作为平台公司启动，都会失败。你必须首先作为一个技术公司起步。你是在什么时候考虑进行平台转型的？就像你最初的显卡就是技术。当时没有 CUDA，没有平台。

Jensen Huang：

你观察到的不是错误的。然而，在我们公司内部，我们一直是一家平台公司。原因是从我们公司的第一天起，我们就有了这个叫 CUDA 的架构，这是统一设备架构 UDA。

David Rosenthal：

CUDA 是计算统一设备架构。

Jensen Huang：

没错。原因是我们所做的，我们在最开始所做的，尽管 RIVA128 只有计算机图形，但该架构描述了各种加速器。我们会用那个架构，开发人员会对它进行编程。事实上，英伟达的第一个商业策略是，我们将成为 PC 中的游戏机。游戏机需要开发人员，这就是为什么早在很多 年前英伟达的第一批员工中就有开发人员关系人的原因。所以我们认识所有的游戏开发人员和所有 3D 开发人员。

David Rosenthal：

最初的商业计划是像直接与任天堂和世嘉竞争，作为 PC 中的一种建立， DirectX 竞争者。

Jensen Huang：

用 PC ，英伟达最初的架构称为 Direct NV，DirectX 是一个 API，它使操作系统能够直接寻址硬件，我们一直是面向开发者的公司。

Ben Gilbert ：

最初的尝试是我们会让开发者基于 Direct NV 来构建，然后他们会为我们的芯片构建，然后我们会有一个平台。正如所发生的那样，微软已经拥有所有这些开发者关系，所以你从艰难的教训中确切地学到了。

David Rosenthal：

微软当年这样做，这可能是一个开发者平台，我们会采用这个。

Jensen Huang：

不，但他们做了很多，他们做了很多正确的事情，我们做了很多错误的事情。

David Rosenthal：

你在 90 年代与微软竞争。

Jensen Huang：

这很不同，但我很感激你这么说。但是我们与他们的竞争距离还很遥远。如果你现在看 CUDA 出现了，还有 OpenGL 、 DirectX ，但还有另一个扩展，如果可以这么说，那个扩展就是 CUDA 。那个 CUDA 扩展允许一颗芯片，这颗芯片用于运行 DirectX 和 OpenGL ，为 CUDA 创建一个安装基础。所以这就是。

David Rosenthal：

策略。你是那么坚持，我认为从我们的研究来看，正是你的坚持让每一个英伟达芯片都运行 CUDA 。

Jensen Huang：

如果你是一个计算平台，一切都必须兼容。我们是地球上唯一一个所有加速器在架构上与其他加速器兼容的加速器。世界上现在活跃使用的 CUDA GPU 有 3 到 5 亿，对吧，2.5 到 3 亿。它们在架构上都是兼容的，如果你知道 NV30 和 NV35 和 NV39 和 NV40 都是不同的，对吧，30 系与 40 系完全不兼容，那么你怎么可能拥有一个计算平台呢？如果是这样的话，我们公司里的一切都是可以协商的，除了这一点不可商量。

David Rosenthal：

我意识到现在，尽管 UDA 可以追溯到最初的所有芯片，但对我来说， CUDA 实际上是 UDA 的重生。

Jensen Huang：

事实上， UDA 一直延续到今天我们所有的芯片，顺便说一句，我必须告诉看这期内容的创始人和 CEO  们，成功公司和成功 CEO 的特征，我认为已经有相当好的描述，有很多这样的特征，我只是认为创立成功的公司难度非常大，简直难以置信。

我认为技能是你可以在路上学到的东西，但是重要的时刻，某些情况必须聚合在一起，我确实认为市场必须成为帮助你成功的因素之一，这显然还不够，因为许多人仍然失败。

Ben Gilbert ：

你还记得英伟达历史上的任何时刻，当时你会想做了一系列错误决定，但由于所有运气和技能的总和，最后才成功地得以幸存，你还记得任何我们曾像那样险些失败的时刻吗？

Jensen Huang：

你指的是 RIVA128 吗？正如我所说，我们做出的许多聪明决策，即便到今天看来也仍然很明智，我们设计芯片的方式与今天完全一样，因为当时没有人这样做过，我们使出浑身解数，出于绝望，因为我们别无选择。

事实证明那就是应该做事的方式，现在每个人都是那样做的，因为如果你可以一次完成，为什么要做两次呢？为什么要制造 7 次芯片，如果可以只制造 1 次呢？正确的，最具成本效益的，最具竞争力的速度是技术，对吧？上市时间就是性能，所有这些都适用，如果我们可以一次完成，为什么要做两次呢？所以 RIVA128 做出了许多伟大的决定，以及我们如何定义产品，如何考虑市场需求和缺乏，以及我们如何判断市场等等。我们做出了一些惊人的好决定，当时我们背靠墙壁，只有最后一次机会才能做到这一点。

Ben Gilbert ：

一旦你使出浑身解数，看看你能做什么，为什么下次还要设限呢？一直全力以赴才对。

David Rosenthal：

没错。不过，回想 1997 年，是否公平地说，那一刻消费者开始真正看重游戏中的3D图形性能？

Jensen Huang：

例如，让我们谈谈运气。如果 John Carmack 没有决定使用加速器，因为要记住《毁灭战士》是完全通过软件渲染的，而英伟达的理念是，尽管通用计算机是一个很棒的东西，它会支持软件等等，但我们觉得有些应用如果不进行加速就不可能实现或者成本会很高，这些应用应该进行加速，3D图形就是其中之一，当然它不是唯一的，碰巧它是第一个，而且是一个非常好的例子。

我仍然记得我们第一次见 John Carmack 的时候，他非常强调使用CPU和软件渲染器的好处。坦白地说，如果你看看当时的《毁灭战士》，即使用加速器也很难取得那么好的性能。如果你不进行过滤，不进行双线性过滤，它的表现其实还不错。

David Rosenthal：

《毁灭战士》的问题是它需要 Carmack 来编程。

Jensen Huang：

没错，它需要 Carmack 来编程，这是一段天才的代码，但尽管如此，软件渲染做得确实很好，如果他没有决定转向 OpenGL 并为雷神之锤加速，坦白地说，会有什么杀手级应用让我们走到今天这一步呢？Carmack 和 Tim Sweeney 通过《雷神之锤》和《虚幻》为消费级 3D 创建了头两个杀手级应用，所以我欠他们很多。

David Rosenthal：

我想立刻回到你刚才说的，你说你讲这些故事，然后说“我不知道创始人能从中获得什么”。但我的确知道。我认为如果你看看今天所有的大科技公司，谷歌可能是一个例外，它们确实都是从理解开发者、计划构建一个平台、为开发者构建工具开始的，所有这些公司，苹果、亚马逊。当然，亚马逊有 AWS ， AWS 就是这样开始的。所以我认为这确实是一个教训，正如你所说，这不会保证成功，但会让你搭上这趟顺风车，如果苹果真的落下来的话。

Jensen Huang：

我们有再多好的想法，你也不可能有世界上所有的好点子。拥有开发者的好处是你可以看到很多好的想法。

Ben Gilbert ：

好的，随着我们渐渐接近尾声，我们花了很多时间谈过去，我想稍微思考一下未来。我相信你花了很多时间思考这个问题，站在 AI 的前沿。我们正在进入一个时代，软件带来的生产力，当一个人使用软件时，可以大大放大他们的影响和创造的价值，从长远来看，这对人类来说必须是一件令人惊喜的事。从短期来看，在我们理清这意味着什么的过程中，必然会比较颠簸。随着 AI 变得越来越强大，越来越好地提高生产力，你认为解决由此带来的所有失业的解决方案是什么？

Jensen Huang：

首先，我们必须保证 AI 的安全， AI 安全有几个不同的领域非常重要，显然在机器人技术和自动驾驶汽车中，有一个整个 AI 安全领域，我们致力于功能安全、主动安全以及各种不同的安全领域。

什么时候需要人在循环中，什么时候人不在循环中可以接受？如何让人逐渐不需要在循环中，但人还是主要在循环中？就信息安全而言，显然偏见、错误信息以及尊重艺术家和创造者的权利，这整个领域值得关注，你已经看到了我们在这方面做的一些工作，我们没有爬网，而是与盖蒂图像和快门股票合作，以一种商业公平的方式应用 AI ，与 AI 共享。

在越来越大的语言模型和越来越高能动性的 AI 的未来，答案显然是在可行的情况下，我认为这种可行会持续很长时间，人要在这里的循环中。

已经有很多不同的行业展示了如何建立安全、有利于人类的系统，显然，自动驾驶的工作方式，两名飞行员体系，以及航空管制、冗余性、多样性，所有设计安全系统的基本理念同样适用于自动驾驶汽车等等。所以我认为有很多创造安全 AI 的模式，我认为我们需要应用它们。

关于自动化，我的感觉是，我们拭目以待，但 AI 更有可能创造更多就业机会。从近期来看，问题是近期的定义是什么？原因是生产力提高首先带来的是繁荣，当公司获得更大成功时，他们会雇用更多人，因为他们想扩展到更多领域。

所以，如果你考虑一个公司，然后说好吧，如果我们提高生产力，他们需要更少的人，那是因为公司没有更多想法，但对于这些公司来说不是这样的。如果你提高生产力，公司变得更有利可图，他们通常会雇用更多人去扩展新领域。只要我们相信有更多可以扩展的领域，在药物研发中还有更多想法，在患者转移中还有更多想法，在零售业还有更多想法，在娱乐业还有更多想法，在技术上还有更多想法。只要我们相信还有更多想法，行业的繁荣，这来自于生产力的提高，会导致雇用更多人，进行更多创意。

现在回顾历史，我们可以公平地说，今天的行业大于 1000 年前世界各行业的总和。原因显然是人类有很多想法。我认为繁荣和生产力提升还有大量想法。

但我的感觉是，它可能会创造更多就业机会。显然，净增加的就业机会不能保证任何人不会失业，我的意思是，这显然是真的，更有可能的是，一些人会失去工作，失去给使用 AI 的其他人的工作，不太可能直接失去给 AI ，而是给使用 AI 的其他人，所以我认为每个人首先要做的就是学习如何使用 AI。

Jensen Huang：

我刚给你举了完全相同的例子。哦，事实上，生产力提高并不会导致我们做更少的事情。生产力提高通常会导致我们做更多的事情。我们做的一切都会更简单，但我们最终会做更多的事情。因为我们有无限的雄心。这个世界有无限的雄心。所以，如果一个公司获利更多，他们往往会雇用更多人做更多事情。

David Rosenthal：

人类有无尽的雄心。

Ben Gilbert ：

人类总是会扩张和消耗更多能量，并努力追求更多想法。这一直是我们物种的每个版本在时间上都是正确的。

我们从一个简单的问题开始，根据这里我们看到的所有以科幻命名的会议室，你最喜欢的科幻书是什么？

Jensen Huang：

我从来没有读过科幻小说。

Ben Gilbert ：

你对《星际迷航》的痴迷。

Jensen Huang：

只是看电视剧吗？《星际迷航》是我最喜欢的。

David Rosenthal：

现在你每天开哪辆车上下班？相关问题，你还保留着 Supra 吗？

Jensen Huang：

这是我最喜欢的车之一，也是我最喜欢的记忆之一。你们可能不知道，洛丽和我在一个圣诞节订婚了，我们开着我的全新 Supra 回家，然后我们把它完全搞垮了，我爱那辆车，出于安全等原因，我现在被 Mercedes 的 EQS 接送，这是一款很棒的车，我被它迷住了。

David Rosenthal：

使用英伟达技术。

Jensen Huang：

是的，我们在 EQS 中使用的是中央计算机。

Ben Gilbert ：

我知道我们已经简要谈过商业书籍，但你最喜欢的一两本书是什么？它们给你带来了什么启发？

Jensen Huang：

我认为 Clayton Christensen 的系列是最好的，我的意思是这无可争议的，原因是它非常直观和合理，很容易理解，我几乎都读过，我真的很喜欢 Andrew Grove 的书，它们都很好。

Ben Gilbert ：

假设你回到 40 岁，什么是今天会反对，并且“say no”的东西？

Jensen Huang：

如果你合理安排自己的时间，确保不让日历控制你的时间，你会有足够的时间，只是不要做每一件事，合理安排你的生活，做出牺牲，不要让日历控制你每天要做什么。注意我迟到了我们的会议，原因是当我抬头看的时候，我想你门在等我，已经过了很久，但我们有时间，就是这样。

Ben Gilbert ：

哈哈哈哈。现在有什么让你害怕的么？如果有的话？

Jensen Huang：

我现在所害怕的和公司刚开始时一样，那就是让员工失望。许多人加入你的公司是因为他们相信你的梦想，并将其作为自己的梦想。你想成为他们正确的人，你想让他们成功，你想让他们能够建立伟大的生活和伟大的公司，能够建立伟大的职业生涯。你想让他们享受这一切。现在，我想让他们能够享受我所享受的好处和所有的伟大成功。我想让他们享受这一切。所以，我认为最大的恐惧是你让他们失望。

David Rosenthal：

你什么时候意识到你不会再有其他工作了？这就是你的工作吗？

Jensen Huang：

我不换工作。如果不是被说服从事视频方面，我今天还会在 LSI Logic。我可以肯定。真的吗？对不起。我会继续我在做的事情。当时我完全专注于帮助 LSI Logic 成为最好的公司。我是 LSI Logic 最好的大使。

David Rosenthal：

我的感觉是 LSI Logic 可能也改变了你对计算的观点和理念。从我们的研究来看，你刚离开学校，刚去 AMD 的时候，你相信类似 Terry Sanders 的观点，真正的男人有晶圆厂，你需要做整个栈，你必须做所有的事情。LSI Logic 改变了你。

Jensen Huang：

LSI Logic 让我意识到，你可以用高级语言来表达晶体管、逻辑门和芯片功能。通过提高抽象级别，这现在被称为高级设计，这个词是 Harvey Jones 创造的，他在英伟达董事会，我在 Synopsys 的早期就认识他。但在那个时期，有这样一种信念，即你可以用高级语言来表达芯片设计，通过这种方式，你可以利用优化编译器和优化逻辑和工具，变得更有生产力。

这种逻辑对我来说是非常合理的，当时我 21 岁，我想追求这种愿景。坦白说，这在机器学习中已经发生，在软件编程中也发生了，我希望它发生在数字生物学中，这样我们可以用一种更高级的语言来思考生物学，可能一个 LLM 将是使其可表示的方式。这种转变是如此革命性。我认为这是该行业发生的最好的事情。我非常高兴能成为其中的一部分，我处于核心位置。

所以，我看到一个行业改变了另一个行业，如果没有 LSI Logic 所做的工作，接着是 Synopsys，那么今天的计算机行业将是什么样子呢？我在正确的时间出现在正确的地方见证了这一切。

David Rosenthal：

非常酷，听起来 LSI Logic CEO 在你和 Don Valentine 之间说了好话，你知道吗？

Jensen Huang：

我不知道，如何写一份商业计划，写一个所有人都不知道对错的财务预测，其实并不重要。但商业计划可能能提出的重要事项。我认为商业计划的写作应该更简短，它迫使你浓缩真正要解决的问题是什么，你认为会出现的未满足需求是什么，以及你要做的与众不同的事情，这样当其他人意识到这是一个好主意时，他们不会蜂拥而至，让你过时，所以它必须足够难以完成，涉及产品定位、定价和进入市场等方面的技能很多，但那些是可以学习的技能。

我描述的精髓是真正难的部分，在这方面我做得不错，但是我完全不知道如何写商业计划。我很幸运，Wilfred Corrigan 对我在 LSI Logic 的工作非常满意，他打电话给 Don Valentine ，告诉 Don 投资这个孩子，他会找上你，所以从那一刻起我就注定成功，让我们站稳脚跟。

Ben Gilbert ：

只要你不亏钱就行。

Jensen Huang：

是的，Tench Coxe 和 Mark Stevens ，我不认为这种情况经常发生。我们在这方面可能是独一无二的。我相信他们这些年来一直在创造价值，一直鼓舞人心，提供了伟大的智慧和支持，但他们也一直在受到公司的娱乐、启发和回报，所以他们坚持了下来，我对此心存感激。

David Rosenthal：

最后一个问题，现在是 2023 年，英伟达成立 30 周年。如果你今天神奇地又年轻 30 岁，还在 2023 年，你要和最好的两个朋友或者认识的两个最聪明的人一起去 Denny's 餐厅，讨论创业，你会谈论创立什么公司？

Jensen Huang：

我不会做的，原因很简单，抛开我们会创立什么公司不说。第一，我不确定我为什么不会做，这与为什么创业如此艰难有关。建立一家公司和英伟达比我们任何人预期的难了一百万倍。如果当时我们意识到痛苦、脆弱和面临的挑战，以及尴尬、羞耻，以及所有可能出错的事情的清单，我不认为任何人会创业。

没有理智的人会这样做。我认为这是创业者的超能力，他们不知道有多难。他们只问自己，这有多难？直到今天，我还是会欺骗自己的大脑，觉得没多难。因为你还得醒来，今天又有多难？我们正在做的一切，有多难？Omniverse，在中心方面有多难？

David Rosenthal：

尽管你可以随时退休，你不打算这么快退休吗？你还会继续下去。

Jensen Huang：

没错，我仍然非常享受，而且我还在稍微增值。但是创业者的诀窍就是你必须让自己相信这没那么难，因为实际上会比你想象的难得多。所以如果我现在拿着所有的知识回去，说我要再次忍受那整个旅程，我认为那太艰难了，简直太艰难了。

Ben Gilbert ：

你对如何应对建立这样公司的情感创伤有任何建议或支持系统吗？

Jensen Huang：

我有家人和朋友，这里所有同事，我被在这里工作 30 年的人包围着，对吧？我被这些从未放弃过的人围绕着，他们从未放弃过我。这是全盘事实。能够回家，你的家人全力支持你要做的一切，不管顺境或逆境，他们为你和公司感到自豪。你需要这样的支持。

你需要周围人毫不动摇的支持。我们公司的所有早期人员，他们从未放弃过公司和我们，你需要这样的支持，我可以肯定，几乎每一个成功的公司和创业者在遭遇艰难挑战时，都有这样的支持系统。

David Rosenthal：

我无法想象这有多重要的意义。我知道任何公司都非常重要。但对你来说，考虑到我觉得英伟达的旅程在这些方面特别突出，对吧？你经历了公开市场上近80%的跌幅，可能不止一次，但从第一天开始就有投资者支持你，这一定非常非常了不起。

Jensen Huang：

支持确实令人难以置信，你讨厌任何这些事情发生，其中大多数是你无法控制的。但你知道，80%的跌幅，无论如何看都是非凡的。我忘了具体数字，但我的意思是，我们的市值一度跌到 20～30 亿美元，因为我们决定进入 CUDA 和做所有的工作，你的信念系统必须非常强大。

你必须真正相信并真正渴望它，否则，忍受这一切就太难了，所有人都在质疑你，员工会有疑问，外界在质疑你，这有点尴尬，当你的股票价格下跌时，这更尴尬，无论你如何看待它，这很难解释，所以对所有这些情况都没有好的答案，CEO 也是人，公司是由人组成的，这些挑战难以忍受。

David Rosenthal：

在我们最近的英伟达集中评论了现在 Rivian 的情况，他说对任何其他公司来说，这会是一个岌岌可危的境地。但对英伟达来说，这只是老生常谈，你们已经习惯了这些大幅波动。

Jensen Huang：

要牢记的关键是，始终关注你正在参与的市场机会。这有助于告知你的公司规模。很久以前，有人告诉我英伟达永远不可能超过 10 亿美元。

显然，这低估了市场机会的规模。确实，没有芯片公司可以变得如此之大。但是，如果你不是芯片公司，为什么这适用于你呢？

当前技术独特之处在于，技术只是一种工具，规模有限。与今天的情况不同的是，我们正在制造智能，制造工作的世界，这就是 AI，以及执行工作任务的世界，具有生产力的 AI 工作，具有创造力的智能工作。

这个市场规模是巨大的，可以用万亿来衡量。一种思考方式是，如果你为汽车制造一款芯片，有多少辆汽车，它们会消耗多少芯片？这是一种思考方式。但是，如果你建立一个系统，在需要时可以协助驾驶汽车。一个自动驾驶员的价值是多少？

这时，问题显然变得更大，机会变得更大。如果我们能神奇地为每辆汽车配备一位司机，那会是什么样子？那个市场有多大？显然，那是一个更大的市场。所以技术行业正处于我们发现的东西，那就是不仅仅把英伟达视为一家芯片公司，而是在芯片之上构建的 AI 公司，市场机会增长了可能 1000 倍。

如果未来科技公司变得更大，不要感到惊讶，因为你生产的东西非常不同，这就是思考你的机会有多大，你就有多大的方式。

版权声明：部分文章推送时未能与原作者取得联系。若涉及版权问题，敬请原作者联系我们。