# Дженсен Хуанг: история основания NVIDIA и принципы управления в эпоху AI Источник: https://www.youtube.com/watch?v=lXLBTBBil2U Канал: Stanford Graduate School of Business Опубликовано: 06.03.2024 --- Дженсен Хуанг основал NVIDIA в 1993 году вместе с Крисом Малаховски и Кёртисом Примом. На встрече в Стэнфорде он заявил, что основой компании стала идея создания компьютера для решения задач, с которыми не справляются процессоры общего назначения [2:11]. ## 🍳 От мойщика посуды до основателя компании [[JUMP:00:13]] Дженсен Хуанг работал инженером в компании LSI Logic, а его будущие партнеры Крис и Кёртис — в Sun Microsystems [0:40]. Идея собственного бизнеса возникла в 1992–1993 годах на фоне начала революции персональных компьютеров. В то время Windows 95 еще не вышла на рынок, а процессоры Pentium даже не были анонсированы [1:58]. Основатели проводили встречи в сетевом ресторане Denny's, который Хуанг называет своей первой «альма-матер» [1:19]. Трудовой путь Дженсена Хуанга начался с позиции мойщика посуды [1:32]. Он утверждает, что был лучшим сотрудником Denny's: вовремя планировал работу, эффективно организовывал пространство и никогда не покидал рабочую зону с пустыми руками [6:48]. По словам Хуанга, этот опыт сформировал его отношение к любому труду — ни одна задача не кажется ему слишком мелкой или унизительной [30:32]. Инвестиции на запуск проекта удалось получить благодаря личной рекомендации. Бывший руководитель Хуанга Уилфред Корриган позвонил основателю фонда Sequoia Дону Валентайну [5:55]. Корриган честно признался, что не понял суть бизнес-идеи Хуанга, но назвал его одним из лучших сотрудников в истории LSI Logic [6:09]. Валентайн выделил средства, предупредив: «Если ты потеряешь мои деньги, я тебя убью» [9:12]. ## 📉 Ошибки раннего этапа и угроза краха [[JUMP:07:14]] NVIDIA выбрала 3D-графику для видеоигр в качестве первой сферы применения своих технологий [7:40]. В начале 1990-х генераторы изображений стоили около 1 миллиона долларов, а рынка потребительских 3D-игр не существовало [8:05]. Для успеха NVIDIA требовался успех другого стартапа — Electronic Arts [8:46]. Хуанг вспоминает, что техническому директору EA в то время было 14 лет, и на работу его привозила мама [9:00]. Вскоре компания столкнулась с критической проблемой: Microsoft представила стандарт Direct3D. Технология, которую NVIDIA разрабатывала несколько лет, оказалась несовместима с этим стандартом [11:10]. На рынке появилось 89 конкурентов, а у компании оставалось денег на несколько месяцев работы [11:35]. Выход из кризиса нашли в учебнике. Дженсен Хуанг купил в магазине Fry's Electronics за 68 долларов руководство по OpenGL — стандарту графики от Silicon Graphics [12:17]. На основе этой книги команда спроектировала новый графический конвейер. Хуанг считает этот момент ключевым уроком: можно создать будущее, даже если изначально ты ничего в нем не смыслил [13:09]. Его подход к новым проблемам звучит так: «Насколько это может быть сложно? Наверное, достаточно прочитать одну научную статью» [13:37]. ## 🧪 Стратегия неконсенсусных ставок [[JUMP:15:05]] В 2003 году NVIDIA начала движение в сторону универсальных вычислений на GPU, выпустив язык программирования CG [16:21]. Это произошло за три года до появления CUDA. Решение развивать это направление Хуанг принял после звонков от исследователей. Профессора из Массачусетской больницы использовали GPU для реконструкции КТ-снимков, а квантовые химики — для своих алгоритмов [17:15]. Дженсен Хуанг выделяет несколько принципов принятия решений в условиях неопределенности: * **Игнорирование объема рынка:** компания ищет не большие рынки, а важные задачи, которые никто другой не может решить [23:45]. * **EOIFS вместо KPI:** вместо финансовых результатов Хуанг использует «ранние индикаторы будущего успеха» (**Early Indicators of Future Success**). Это признаки того, что технология решает реальную проблему, даже если продаж еще нет [20:31]. * **Культивация лени:** NVIDIA сознательно отказывается от задач, которые могут выполнить другие компании. Хуанг хочет, чтобы сотрудники занимались только тем, без чего «мир развалится» [24:13]. Во время финансового кризиса 2008 года акции NVIDIA упали на 80% [25:27]. Хуанг утверждает, что его реакция на падение была такой же, как на недавний рост капитализации до 2 триллионов долларов [25:41]. Он советует в кризисные моменты проверять базовые убеждения: если законы физики и гравитации не изменились, нужно продолжать выбранный путь [27:13]. ## 🏢 Архитектура плоской организации [[JUMP:30:06]] Дженсен Хуанг лично руководит 50 прямыми подчиненными [30:06]. Он намеренно создал плоскую структуру, чтобы информация доходила до него без искажений [35:10]. По мнению Хуанга, CEO должен иметь больше всех прямых подчиненных, так как эти люди требуют наименьшего операционного управления [32:57]. Особенности управления в NVIDIA: 1. **Отсутствие иерархии информации:** в компании не верят, что обладание секретными данными должно быть источником власти [33:38]. 2. **Постоянная обратная связь:** сотрудники любого уровня могут прислать список из пяти вещей, которые их беспокоят. Хуанг читает эти сообщения и дает свои комментарии, показывая, как он рассуждает над сложными задачами [31:38]. 3. **Доверие как фундамент:** Хуанг относится к сотрудникам как к взрослым людям, способным слышать правду, даже если она неприятная [36:14]. Хуанг сравнивает традиционные корпоративные структуры с армией, где солдаты должны умирать на поле боя, не задавая вопросов [42:06]. В NVIDIA он стремится создать условия, при которых 30 000 сотрудников будут подвергать сомнению любые решения и заниматься «делом всей своей жизни» [42:31]. ## 🤖 Будущее в эпоху генеративного AI [[JUMP:36:53]] Дженсен Хуанг определяет генеративный AI как технологию понимания смыслов и перевода между ними [38:14]. Раньше компьютеры работали по модели поиска и извлечения готовой информации. В будущем вычисления станут преимущественно генеративными: компьютер будет получать «семя» информации в виде промпта и генерировать остальное [40:08]. Хуанг выделяет перспективные направления: * **Биология и фармацевтика:** он ожидает появления систем автоматизированного проектирования лекарств. Понимание языка клеток и белков позволит лечить болезни так же эффективно, как инженеры проектируют микросхемы [48:34]. * **Робототехника:** технологии токенизации речи теперь можно применить к движениям и манипуляциям. Это делает создание человекоподобных роботов вопросом ближайшего времени [49:01]. В вопросе регулирования AI Хуанг призывает разделять социальные риски и безопасность конкретных продуктов. По его мнению, регулировать нужно использование AI в медицине, авиации или бухгалтерии через уже существующие профильные ведомства (FDA, FAA), а не создавать один общий «супер-регулятор» [52:54].