के साथ साक्षात्कार Jensen Huang

Acquired के होस्ट बेन गिल्बर्ट और डेविड रोसेन्थॉल को उनकी 500+ घंटों की Nvidia रिसर्च को बयां करते हुए सुनना, और फिर CEO जेनसेन हुआंग के साथ बैठकर समझ का एक बिलकुल नया आयाम खोजना, यह उस व्यक्ति की प्रतिभा का प्रमाण है। एक ऐसी बातचीत में जो कंपनी बनाने की मास्टरक्लास और कंप्यूटिंग के भविष्य में एक गहन गोता लगाने के समान थी, हुआंग ने Nvidia की यात्रा की परतों को खोला, जिसमें बड़े जोखिम लेने, अथक दूरदर्शिता और एक ऐसी संगठनात्मक वास्तुकला का दर्शन सामने आया जो उनके चिप्स जितनी ही अभिनव थी।

परफेक्शन की हिम्मत: एक "परफेक्ट चिप" पर कंपनी दांव पर लगाना

Nvidia की यात्रा, कई दिग्गजों की तरह, लगभग मृत्यु के करीब के अनुभव से शुरू हुई। 1997 में एक स्टार्टअप की कल्पना करें, जिसके पास केवल छह महीने का कैश बचा था, और वह 30 प्रतियोगियों का सामना कर रहा था। उनकी पिछली आर्किटेक्चरल दांव गलत साबित हुए थे, और Microsoft का DirectX उनके मौजूदा डिज़ाइन के साथ मौलिक रूप से असंगत था। यह Reva 128 के लिए निर्णायक क्षण था, एक ऐसा चिप जिसे दुनिया का पहला पूरी तरह से 3D-एक्सीलरेटेड ग्राफिक्स पाइपलाइन बनने के लिए डिज़ाइन किया गया था। अस्तित्व के संकट का सामना करते हुए, जेनसेन हुआंग ने एक अकल्पनीय निर्णय लिया: भौतिक प्रोटोटाइपिंग को त्याग कर और केवल सिमुलेशन के आधार पर पूरे प्रोडक्शन रन को चालू करना।

टीम ने चिप का वर्चुअली प्रोटोटाइप बनाया, हर सॉफ्टवेयर और गेम को एक एमुलेटर पर चलाया, जिसे एक सिंगल फ्रेम रेंडर करने में एक घंटा लगता था। इस दर्दनाक प्रक्रिया से एक लगभग अतार्किक दृढ़ विश्वास पैदा हुआ। जैसा कि हुआंग ने याद किया, जब उनसे पूछा गया कि उन्हें कैसे पता था कि चिप परफेक्ट होगी, तो उन्होंने बस इतना कहा, "मुझे पता है कि यह परफेक्ट होने वाली है क्योंकि अगर ऐसा नहीं होता, तो हम कारोबार से बाहर हो जाते।" भविष्य के जोखिमों के संपूर्ण सिमुलेशन द्वारा संचालित यह उच्च-दांव वाला दृष्टिकोण, उन्हें चिप को टेप आउट करने और तुरंत मार्केटिंग और प्रोडक्शन ब्लिट्ज शुरू करने की अनुमति दी। जुआ सफल रहा, भाग्य के कारण नहीं, बल्कि इसलिए कि भविष्य का अग्रिम रूप से कड़ाई से सिमुलेशन किया गया था।

मुख्य सीख:

• भविष्य का सिमुलेशन करें: प्रतिबद्ध होने से पहले सभी संभावित भविष्य के जोखिमों और अनिश्चितताओं की सक्रिय रूप से पहचान करें और उन्हें हल करें।
• एक शॉट, इसे परफेक्ट बनाएं: जब दांव सबसे ऊंचे हों, तो "परफेक्ट परिणाम" के लिए सावधानीपूर्वक तैयारी करने से दांव का वास्तविक जोखिम कम होता है।
• उत्साही बाजार: ऐसे सेगमेंट की पहचान करें जहाँ तकनीक "कभी भी पर्याप्त अच्छी नहीं होती" ताकि निरंतर नवाचार के लिए एक स्थायी अवसर सुनिश्चित हो सके।

भविष्य का अनुमान लगाना: ग्राफिक्स से यूनिवर्सल फंक्शन एप्रोक्सीमेटर तक

2010 के दशक की शुरुआत में आगे बढ़ते हुए, Nvidia, कंज्यूमर ग्राफिक्स में एक अग्रणी कंपनी, ने डीप लर्निंग के उद्भव के साथ खुद को एक और निर्णायक मोड़ पर पाया। जबकि मुख्यधारा की तकनीकी दुनिया में कई लोग AlexNet जैसी सफलताओं को "विज्ञान परियोजनाएं" मानते थे, जेनसेन हुआंग ने एक बड़ा बदलाव देखा। Nvidia ने पहले ही CUDA में भारी निवेश किया था, जो विभिन्न वैज्ञानिक क्षेत्रों के शोधकर्ताओं के लिए सुपरकंप्यूटिंग को लोकतांत्रिक बनाने वाला एक प्लेटफॉर्म था। अकादमिक समुदाय के साथ यह मौजूदा संबंध एक महत्वपूर्ण फीडबैक लूप बन गया।

हुआंग और उनकी टीम में यह दूरदर्शिता थी कि वे पूछें: "इस चीज़ में ऐसा क्या है जिसने इसे इतना सफल बनाया?" और "क्या यह स्केलेबल है?" उनके तर्क से एक गहन अहसास हुआ: डीप लर्निंग को एक "यूनिवर्सल फंक्शन एप्रोक्सीमेटर" मिल गया था। इसका मतलब था कि उपभोक्ता वरीयताओं का अनुमान लगाने से लेकर मौसम के पैटर्न तक, कई वास्तविक दुनिया की समस्याओं को कारण-कार्य संबंध को समझने की आवश्यकता नहीं थी, केवल पूर्वानुमेयता (predictability) की। यदि कोई सिस्टम उदाहरणों से सीख सकता था और भविष्यवाणियां कर सकता था, तो अनुप्रयोग "काफी विशाल" थे। इल्या सुत्सकेवर और एंड्रयू एनजी जैसे शोधकर्ताओं के साथ गहन जुड़ाव से उपजा यह दृढ़ विश्वास, AI में अटूट निवेश को बढ़ावा दिया, इसके मुख्यधारा में विस्फोट होने के कई साल पहले।

मुख्य बदलाव:

• कारण-कार्य संबंध से पूर्वानुमेयता में प्रतिमान बदलाव: यह पहचानना कि कई समस्याएं अंतर्निहित कारणों को समझने के बजाय पैटर्न पहचान से लाभान्वित होती हैं।
• सुपरकंप्यूटिंग का लोकतंत्रीकरण: CUDA प्लेटफॉर्म के निर्माण ने एक ऐसे समुदाय को बढ़ावा दिया जो स्वाभाविक रूप से डीप लर्निंग जैसे नए कम्प्यूटेशनल प्रतिमानों की ओर आकर्षित हुआ।
• शुरुआती अपनाने वालों को शामिल करना: अग्रणी शोधकर्ताओं के साथ मिलकर काम करने से दीर्घकालिक निवेश के लिए महत्वपूर्ण अंतर्दृष्टि और सत्यापन मिला।

अदृश्य इंफ्रास्ट्रक्चर: कल के डेटा सेंटर का निर्माण

आज के AI विस्फोट को शक्ति देने के लिए Nvidia की यात्रा गेमिंग GPUs से बड़े डेटा सेंटर तक सीधी छलांग नहीं थी। यह एक रणनीतिक, कई दशकों का परिवर्तन था जो लगभग 17 साल पहले एक साधारण सवाल से शुरू हुआ था: हमारे अवसर को क्या सीमित करता है? जवाब: GPUs का डेस्कटॉप PC से भौतिक जुड़ाव। जेनसेन ने एक ऐसे भविष्य की कल्पना की जहाँ कंप्यूटिंग को देखने वाले उपकरण से अलग किया गया था। इससे उनका पहला क्लाउड प्रोडक्ट, GeForce Now (GFN), और फिर एंटरप्राइज रिमोट ग्राफिक्स बना।

डेटा सेंटरों में यह क्रमिक, जानबूझकर विस्तार, वितरित कंप्यूटिंग की बारीकियों को सीखना और लेटेंसी चुनौतियों पर काबू पाना, AI के लिए आधारशिला रखी। "आप भविष्य के अवसरों का मार्ग प्रशस्त करना चाहते हैं; आप तब तक इंतजार नहीं कर सकते जब तक अवसर आपके सामने न आ जाए कि आप उसके लिए पहुंचें।" यह सिद्धांत Mellanox के साहसिक अधिग्रहण में परिणत हुआ, जो एक उच्च-प्रदर्शन नेटवर्किंग कंपनी थी, और उस समय "सभी के लिए एक आश्चर्य" था। हुआंग ने माना कि AI के लिए डेटा सेंटर हाइपरस्केल क्लाउड से मौलिक रूप से अलग थे, जिन्हें लाखों प्रोसेसर में मॉडल को शार्ड करने के लिए "हाइपरस्केल का उल्टा" नेटवर्किंग की आवश्यकता थी। Mellanox ने महत्वपूर्ण InfiniBand तकनीक प्रदान की, जिससे यह अधिग्रहण "मेरे द्वारा किए गए सबसे अच्छे रणनीतिक निर्णयों में से एक" बन गया।

मुख्य अभ्यास:

• दीर्घकालिक बाधाओं का अनुमान लगाएं: उन बाधाओं की पहचान करें और उन्हें व्यवस्थित रूप से दूर करें जो भविष्य के विकास और बाजार के अवसरों को सीमित कर सकती हैं।
• रणनीतिक पूर्व-स्थिति: मूलभूत प्रौद्योगिकियों और क्षमताओं में निवेश करें जो "कंपनी को अवसरों के करीब रखती हैं" भले ही उनका सटीक स्वरूप अस्पष्ट हो।
• विपरीत सोच: पहचानें कि कब एक नया बाजार (जैसे AI डेटा सेंटर) मौजूदा मॉडलों (जैसे हाइपरस्केल क्लाउड) की तुलना में पूरी तरह से अलग आर्किटेक्चरल दृष्टिकोण की मांग करता है।

रणनीति के रूप में वास्तुकला: "मिशन ही बॉस है" संगठन

जेनसेन हुआंग की अनूठी नेतृत्व शैली Nvidia की संगठनात्मक संरचना तक फैली हुई है। वह 40 से अधिक डायरेक्ट रिपोर्ट के साथ काम करते हैं, "एक सेना" जैसी पारंपरिक पदानुक्रमित मॉडलों को छोड़ते हुए। इसके बजाय, वह Nvidia को "एक कंप्यूटिंग स्टैक" के रूप में देखते हैं जहाँ व्यक्ति विभिन्न "मॉड्यूल" या कार्यों का प्रबंधन करते हैं। पद विशेषज्ञता के लिए गौण है, और वह व्यक्ति जो "उस मॉड्यूल को चलाने में सबसे अच्छा है" वह "पायलट इन कमांड" है।

यह सपाट, अधिक वितरित सूचना वास्तुकला, जहाँ "मिशन ही बॉस है," का अर्थ है कि महत्वपूर्ण जानकारी "बहुत से अलग-अलग लोगों तक काफी तेज़ी से" पहुंचाई जाती है, अक्सर टीम स्तर पर, यहाँ तक कि नए कॉलेज स्नातकों तक भी। यह सुनिश्चित करता है कि हर कोई एक ही समय में सीखता है, विशेषाधिकार प्राप्त सूचना पहुंच के बजाय तर्क करने और योगदान करने की उनकी क्षमता के आधार पर व्यक्तियों को सशक्त बनाता है। यह जैविक, न्यूरल नेटवर्क जैसी दृष्टिकोण, जहाँ टीमें मिशन के आधार पर तारबद्ध होती हैं, अत्यधिक चपलता और तीव्र निष्पादन की अनुमति देती है, जैसे एक वर्ष में दो प्रमुख उत्पाद चक्रों को भेजना – जो अन्य बड़ी तकनीकी कंपनियों के लिए लगभग अकल्पनीय उपलब्धि है।

"आप खुद को अवसरों के करीब रखना चाहते हैं, आपको उतना परफेक्ट होने की ज़रूरत नहीं है, आप जानते हैं कि आप खुद को पेड़ के पास रखना चाहते हैं और भले ही आप सेब को जमीन पर गिरने से पहले न पकड़ पाएं, जब तक आप उसे उठाने वाले पहले व्यक्ति हैं, आप अभी अवसरों के करीब खुद को स्थापित करना चाहते हैं।" - जेनसेन हुआंग