# Дженсен Хуанг: компьютер превратился из склада информации в фабрику токенов Источник: https://youtu.be/vif8NQcjVf0?si=V2IbFXgYvtAehXp3 Канал: Lex Fridman Опубликовано: 23.03.2026 --- # 🚀 Эпоха ИИ-фабрик и экстремальный кодизайн: Дженсен Хуанг о будущем NVIDIA и человечества Дженсен Хуанг, бессменный лидер NVIDIA, прошел путь от чистки туалетов в закусочной Denny’s до управления самой дорогой технологической компанией в мире. В глубокой беседе с Лексом Фридманом он раскрыл внутреннюю кухню «двигателя ИИ-революции», объяснил, почему компьютер превратился в фабрику, и поделился философией управления, которая позволяет его компании совершать «невозможные» прыжки каждые несколько лет. --- ## 🏗️ От чипов к системам: Философия «экстремального кодизайна» NVIDIA больше не просто проектирует графические процессоры (GPU). Сегодня компания занимается тем, что Хуанг называет **экстремальным кодизайном** — глубокой оптимизацией всего стека, от транзистора до целого дата-центра. ### Почему это необходимо? Проблема больше не умещается в один компьютер. Когда вам нужно ускорить вычисления в миллионы раз, простое добавление новых узлов не работает из-за **закона Амдала** (эффективность ограничена последовательной частью алгоритма). Чтобы преодолеть этот барьер, NVIDIA вынуждена: * Рефакторить алгоритмы и «шардировать» (разделять) данные, пайплайны и сами модели. * Проектировать не чипы, а **стойки (racks)**. Столкнувшись с тем, что процессоры потребляют колоссальную энергию, инженеры компании объединяют в единую систему CPU, GPU, память, сетевое оборудование, охлаждение и софт. ### Как управляется этот механизм? Структура NVIDIA отражает ее продукт. У Хуанга более **60 прямых подчиненных**, и он принципиально не проводит встречи один на один. 1. **Коллективный разум:** Все проблемы обсуждаются в больших группах. Эксперты по оптике, памяти и охлаждению слушают друг друга, чтобы решение одного не сломало систему другого. 2. **Скорость света (Speed of Light):** Это концепция Хуанга для оценки эффективности. Вместо «непрерывного улучшения» на 2% он требует сравнивать текущий результат с физическим пределом. Если физика позволяет сделать процесс за 6 дней, а он занимает 74 — Хуанг требует найти способ убрать «мусор» и приблизиться к идеалу. --- ## 📉 Риск на грани краха: История появления CUDA Одним из самых смелых решений в истории бизнеса было внедрение архитектуры **CUDA** в массовые видеокарты GeForce. * **Суть риска:** В то время NVIDIA была компанией с рыночной капитализацией около 7-8 млрд долларов. Внедрение CUDA увеличило себестоимость каждого чипа на 50%, полностью уничтожив чистую прибыль. * **Последствия:** Капитализация рухнула до 1,5 млрд долларов. Рынок не понимал, зачем геймерам сложная вычислительная архитектура. * **Итог:** Хуанг понимал, что для успеха платформы нужна **инсталлированная база**. Он буквально «засунул» суперкомпьютер в руки каждому студенту и исследователю через игровые ПК. Когда случилась революция глубокого обучения, у ученых уже было железо и софт для работы. > «NVIDIA — это дом, который построила GeForce», — подчеркивает Дженсен, напоминая, что именно геймеры спонсировали создание ИИ-инфраструктуры. --- ## 🤖 Четыре закона масштабирования и «iPhone для токенов» Хуанг уверен, что скептики, предрекающие конец ИИ из-за нехватки данных, ошибаются. Он выделяет четыре этапа масштабирования интеллекта: 1. **Pre-training (Предварительное обучение):** Масштабирование на человеческих данных. 2. **Post-training (Постобучение):** Использование синтетических данных. Хуанг напоминает, что большая часть человеческих знаний тоже «синтетическая» — мы учим друг друга, перерабатывая информацию. 3. **Test-time scaling (Масштабирование во время вывода):** Это процесс «размышления» ИИ. Если обучение — это чтение, то инференс (вывод) — это глубокое обдумывание и поиск решения. Это требует огромных вычислительных мощностей. 4. **Agentic scaling (Агентское масштабирование):** Создание целых команд ИИ-агентов, которые работают вместе, используют инструменты и проводят исследования. ### OpenClaw и эра агентов Хуанг называет **OpenClaw** (агентскую систему) «айфоном для токенов». Если раньше компьютеры были архивами для поиска файлов, то теперь они стали **фабриками по генерации токенов**. * Раньше мы хранили информацию. * Теперь мы генерируем интеллект в реальном времени. Компьютер как «хранилище» (склад) не приносит столько денег, сколько компьютер как «производство» (завод). Это открывает путь к экономике, где интеллект станет самым ценным товаром. --- ## ⚡ Энергия, суверенитет и цепи поставок Многие считают энергию главным барьером ИИ. Хуанг предлагает три пути решения: 1. **Использование излишков:** Энергосети проектируются под пиковые нагрузки, которые случаются редко. 99% времени в сети есть лишняя энергия. Хуанг хочет строить дата-центры, которые «грациозно деградируют»: если городу нужна энергия, дата-центр замедляет работу, не отключаясь полностью. 2. **Эффективность:** За 10 лет NVIDIA увеличила эффективность вычислений на ватт в миллион раз. 3. **Работа с лидерами:** Дженсен лично летает к поставщикам (TSMC, SK Hynix, ASML), убеждая их инвестировать миллиарды в новые технологии (например, память HBM и продвинутую упаковку CoWoS). Он с огромным уважением отозвался об Илоне Маске и его суперкомпьютере **Colossus**, построенном за рекордные 4 месяца: > «Илон — системный мыслитель. Он спрашивает: "Почему это занимает столько времени? Это действительно необходимо?". Его личное присутствие на месте заставляет всю цепочку поставщиков работать быстрее». --- ## 🌍 Геополитика и Китай: «Нация строителей» Хуанг отмечает феноменальный успех Китая в технологиях. По его мнению, это результат сочетания нескольких факторов: * **Образование:** 50% мировых исследователей ИИ — китайцы. * **Культура открытости:** В Китае знания передаются мгновенно между друзьями и сокурсниками («братья по школе»), что делает их экосистему фактически одной большой open-source платформой. * **Лидеры-инженеры:** В отличие от США, где лидеры часто юристы, в Китае у руля стоят блестящие инженеры. NVIDIA поддерживает философию открытости, выпуская модели вроде **Nemotron-3**, чтобы ИИ мог проникать в биологию, химию и физику, а не только в языковые модели. --- ## 👔 Будущее работы: Исчезнет ли профессия программиста? Хуанг приводит пример с радиологами. Когда ИИ стал лучше людей распознавать снимки, предсказывали смерть профессии. В реальности количество радиологов выросло. Почему? ИИ позволил делать больше исследований, находить больше болезней, и больницам потребовалось *больше* специалистов для принятия решений. То же самое ждет программирование: 1. **Кодинг — это спецификация:** Теперь каждый плотник или электрик может стать «кодером», если сможет четко поставить задачу ИИ-агенту. 2. **Миллиард программистов:** База людей, способных создавать ПО, вырастет с 30 миллионов до миллиарда. 3. **Смена роли:** Программисты будущего будут архитекторами проблем, а не просто писателями строк кода. --- ## 🧠 О человечности и смысле успеха Несмотря на капитализацию NVIDIA в триллионы долларов, Хуанг остается верен своим корням. Он вспоминает свою первую работу — чистку туалетов в Denny’s — и говорит, что этот опыт научил его смирению. Его взгляды на жизнь и бизнес: * **Смертность:** Хуанг хочет «умереть на работе мгновенно», без долгого периода упадка. Он не верит в классическое «планирование преемственности», предпочитая каждый день передавать все свои знания команде в реальном времени. * **Интеллект vs Человечность:** «Интеллект станет биржевым товаром, его будет много. Но человечность — сострадание, характер, решимость — вот что нельзя вычислить на чипе». * **Главный совет:** Сталкиваясь с невыполнимыми задачами, Хуанг использует детское любопытство: «Насколько сложным это *на самом деле* может быть?». Он советует забывать о прошлых неудачах и боли так же быстро, как это делают великие атлеты, и всегда смотреть на «следующий яркий свет» в будущем. NVIDIA для Хуанга — это не просто бизнес. Это возможность решить мировые проблемы: от победы над болезнями до очистки планеты. И, судя по его энергии, это только начало пути.