# Дженсен Хуанг: «За последние 10 лет мы ускорили вычисления в миллион раз»

Источник: https://www.youtube.com/watch?v=tsQB0n0YV3k
Канал: Stanford Online
Опубликовано: 13.05.2026

---

На лекции в Стэнфордском университете в рамках курса CS153 основатель и генеральный директор NVIDIA Дженсен Хуанг (Jensen Huang) представил масштабное видение того, как искусственный интеллект (ИИ) фундаментально меняет архитектуру компьютеров и саму структуру современной экономики. Обсуждение охватило путь от создания первого миллионакратного ускорения вычислений до будущего, в котором «агенты» ИИ станут основной рабочей силой, а энергия превратится в самый дефицитный и ценный ресурс.

## 💻 Конец эпохи IBM System 360: Переход к генеративным вычислениям
[[JUMP:01:03]]

Дженсен Хуанг утверждает, что современная компьютерная наука переживает самое радикальное переосмысление за последние 60 лет [01:16]. Архитектурная модель, заложенная ещё в 1964 году с выходом IBM System 360, оставалась практически неизменной на протяжении десятилетий, охватывая эпохи ПК, интернета, мобильных устройств и облачных вычислений [02:09]. 

Ключевые изменения в модели вычислений:

*   **От записи к генерации:** Традиционные компьютеры работали с «записанным» контентом (видео, изображения, софт). Современные системы переходят к генерации контента в реальном времени, что позволяет учитывать контекст и намерения пользователя [02:49].
*   **Смена программной парадигмы:** Вместо выполнения скомпилированных бинарных файлов компьютер будущего исполняет нейронные сети [03:41].
*   **Агентизация:** Вычисления перестают быть «по запросу» (on-demand). В мире агентских систем компьютеры работают непрерывно и автономно [07:42].

По словам Хуанга, осознание того, что «мышление» — это просто процесс генерации токенов, которые система потребляет внутренне, пришло к нему сразу после выхода GPT [06:33]. Это позволило предсказать текущий переход к агентским системам, способным рассуждать шаг за шагом [06:20].

## ⚙️ Секрет миллионакратного ускорения: Философия Co-design
[[JUMP:08:20]]

Одним из центральных понятий стратегии NVIDIA является «совместное проектирование» (co-design) — подход, при котором алгоритмы, софт, процессоры и сетевая инфраструктура разрабатываются как единое целое [10:49].

Дженсен Хуанг привел в пример работу Джона Хеннесси над архитектурой RISC: упрощение набора инструкций позволило компиляторам работать эффективнее, что дало лучший результат, чем оптимизация компонентов по отдельности [09:16]. NVIDIA применила этот принцип в экстремальном масштабе.

Сравнение темпов прогресса за 10 лет:

1.  **Закон Мура (традиционный подход):** При сохранении старой программной модели и опоре только на рост полупроводников, ускорение составило бы примерно 100x (в идеальных условиях) или около 10x (с учётом замедления масштабирования Деннарда) [11:54].
2.  **Подход NVIDIA (Co-design):** За последние 10 лет компании удалось добиться ускорения вычислений в **1 000 000 раз** [12:20].

Такое «бесконечное изобилие» вычислительных мощностей позволило исследователям перестать заботиться о кураторстве данных и просто «скормить» компьютеру весь интернет [12:44]. Хуанг сравнивает это с возможностью перемещаться со скоростью света: если вы можете пересечь континент за 10 минут, сама структура общества и место вашего проживания теряют прежний смысл [12:57].

## 🗺️ Дорожная карта чипов: От Hopper до Feynman
[[JUMP:32:00]]

Дженсен Хуанг подробно описал эволюцию архитектур NVIDIA, каждая из которых создавалась под специфическую задачу:

*   **Hopper:** Спроектирован специально для этапа предварительного обучения (pre-training) гигантских моделей. В то время как самый дорогой суперкомпьютер в мире стоил $350 млн, NVIDIA решила строить системы стоимостью в миллиарды долларов, не имея на тот момент ни одного гарантированного покупателя [34:11].
*   **Blackwell (архитектура GB200):** Ориентирована на инференс (вывод) и генерацию токенов. Для этого была создана система NVLink 72, объединяющая 72 чипа в единый «раск-масштабируемый» компьютер. Это дало 50-кратное ускорение по сравнению с предыдущим поколением [35:25].
*   **Vera Rubin:** Разработана для ИИ-агентов. Особенность — прямая связь хранилища данных с процессором через фабрику, что критично для работы с «долговременной памятью» агентов [36:23]. Включает в себя сверхпроизводительный CPU для однопоточных задач [37:18].
*   **Feynman:** Будущая архитектура, предназначенная для управления роями (swarms) агентов и суб-агентов [38:11].

## 🔌 Энергетический кризис и «рыночное спасение» сетки
[[JUMP:38:24]]

Хуанг признает, что потребность в энергии для вычислений может вырасти в **1000 раз** по сравнению с текущим уровнем [39:41]. Однако он видит в этом не катастрофу, а мощнейший рыночный стимул.

По мнению спикера, раньше для строительства солнечных или атомных станций требовались государственные субсидии, но теперь рынок готов платить за это напрямую [41:13]. «Это лучшее время в истории человечества для инвестиций в устойчивую энергетику, потому что рыночные силы стали невероятно мощными» [41:25]. Ключевой задачей для NVIDIA остается повышение энергоэффективности (tokens per watt), которая в поколении Blackwell выросла в 50 раз [39:03].

## 🧪 Почему NVIDIA поддерживает Open Source (но не во всём)
[[JUMP:17:08]]

Дженсен Хуанг разъяснил парадоксальную позицию NVIDIA: компания активно использует проприетарные модели (OpenAI, Anthropic), но вкладывает огромные ресурсы в открытые модели (семейство Nemotron) [17:33].

Причины поддержки открытых моделей:

1.  **Специфические домены:** Учёным в биологии (BioNeMo), физике или климатологии нужны базовые модели, которые они могут дообучать под свои задачи [20:55].
2.  **Безопасность:** Невозможно защититься от «черного ящика» или встроить его в критическую инфраструктуру без полной прозрачности [24:12].
3.  **Кибербезопасность:** Для защиты от супер-агентов будущего Хуанг предлагает использовать «рои» дешевых и быстрых открытых моделей (например, Nemotron Nano), которые будут системно окружать угрозу «гигантским куполом» [25:31].

## 🎓 Образование и «вина» Стэнфорда за дефицит вычислений
[[JUMP:53:00]]

На вопрос студента о том, почему независимые университеты не могут получить доступ к вычислительным мощностям, Хуанг ответил жестко: «Это вина Стэнфорда» [55:05].

Аргументы Хуанга:

*   Университеты тратят бюджеты разрозненно на уровне кафедр и грантов, что не позволяет собрать средства на миллиардную инфраструктуру [54:38].
*   Стэнфорду нужно объединить ресурсы и построить централизованный кампусный суперкомпьютер, подобно тому, как строились линейные ускорители частиц [55:57].
*   При наличии эндаумента в $40 млрд университет мог бы выделить $1 млрд на облачные вычислительные сервисы для всех студентов и исследователей прямо сейчас [56:23].

## 🧠 О пользе страданий и стратегических ошибках
[[JUMP:42:05]]

Хуанг поделился личной философией лидерства, отметив, что 90% его работы как генерального директора — это не «страсть», а тяжелый труд и страдания [44:00].

*   **О страданиях:** «Я советую вам искать не только радость, но и боль, потому что она учит устойчивости (resilience). Без этих мышц вы не сможете выстоять, когда компания или семья будут в вас нуждаться» [45:16].
*   **О главной ошибке:** Выход на рынок мобильных устройств. NVIDIA создала бизнес на миллиард долларов, но была вытеснена Qualcomm во время перехода с 3G на 4G [1:03:17]. Ошибка заключалась в том, что NVIDIA не могла принести в смартфоны уникальную ценность.
*   **О спасении:** Технологии сверхнизкого энергопотребления, наработанные для телефонов, позже стали основой для чипа Thor и направления робототехники [1:04:00].

## 🛡️ Геополитика и сравнение GPU с атомными бомбами
[[JUMP:47:30]]

Дженсен Хуанг категорически отверг аналогию между графическими процессорами и оружием массового поражения. «Аналогия с атомными бомбами — глупая. Я советую GPU своим детям и людям, которых люблю, но я никому не посоветую атомную бомбу» [48:22].

Он предупредил, что попытки ограничить экспорт «общецелевых вычислений» могут разрушить американскую технологическую индустрию [50:35]. Хуанг привел в пример отрасль телекоммуникаций, которая была «выдавлена» из США политическими решениями, в результате чего страна потеряла лидерство в этой сфере [50:49]. Спикер призвал к оптимистичному взгляду на технологию, утверждая, что ИИ не станет «мгновенно бесконечно мощным» в одночасье — это мифы из научной фантастики, которые вредят развитию отрасли [51:56].