Intervista con Jensen Huang

Ascoltare i conduttori di Acquired, Ben Gilbert e David Rosenthal, raccontare le loro oltre 500 ore di ricerca su Nvidia, per poi sedersi con il CEO Jensen Huang e scoprire una dimensione completamente nuova di comprensione, è una testimonianza dell'uomo stesso. In una conversazione che è stata in egual misura una masterclass sulla creazione d'impresa e un'immersione profonda nel futuro del computing, Huang ha svelato gli strati del percorso di Nvidia, rivelando una filosofia fatta di scommesse audaci, lungimiranza implacabile e un'architettura organizzativa innovativa quanto i loro chip.

L'Audacia della Perfezione: Scommettere sull'azienda con un "Chip Perfetto"

Il percorso di Nvidia, come quello di molti titani, è iniziato con un'esperienza vicina alla morte. Immaginate una startup nel 1997, con solo sei mesi di liquidità rimasti, che si confronta con 30 concorrenti. Le loro precedenti scommesse architetturali si erano rivelate sbagliate e DirectX di Microsoft era fondamentalmente incompatibile con il loro design esistente. Questo fu il momento cruciale per il Reva 128, un chip progettato per essere la prima pipeline grafica completamente accelerata in 3D al mondo. Di fronte a una crisi esistenziale, Jensen Huang prese una decisione impensabile: rinunciare alla prototipazione fisica e commissionare l'intera produzione basandosi unicamente sulla simulazione.

Il team prototipò virtualmente il chip, eseguendo ogni pezzo di software e ogni gioco su un emulatore che impiegava un'ora per renderizzare un singolo frame. Questo processo meticoloso portò a una convinzione quasi irrazionale. Come ricordò Huang, quando gli fu chiesto come sapesse che il chip sarebbe stato perfetto, rispose semplicemente: "So che sarà perfetto perché, se non lo sarà, chiuderemo l'attività." Questo approccio ad alto rischio, guidato da un'esaustiva simulazione dei rischi futuri, permise loro di finalizzare il design del chip e di avviare immediatamente un blitz di marketing e produzione. La scommessa ripagò, non per fortuna, ma perché il futuro era stato rigorosamente simulato in anticipo.

Key Learnings:

• Simulare il Futuro: Identificare e risolvere proattivamente tutti i potenziali rischi e le incognite future prima di impegnarsi.
• Un Colpo Solo, Rendilo Perfetto: Quando la posta in gioco è massima, prepararsi meticolosamente per un "risultato perfetto" riduce il rischio effettivo della scommessa.
• Mercati di Entusiasti: Identificare i segmenti in cui la tecnologia "non è mai abbastanza buona" per garantire un'opportunità sostenibile di innovazione continua.

Anticipare il Futuro: Dalla Grafica a un Approssimatore Universale di Funzioni

Avanti veloce ai primi anni 2010, e Nvidia, leader nella grafica consumer, si ritrovò a un altro momento cruciale con l'emergere del deep learning. Mentre molti nel mondo tecnologico mainstream consideravano scoperte come AlexNet come "progetti scientifici", Jensen Huang percepì un cambiamento epocale. Nvidia aveva già investito massicciamente in CUDA, una piattaforma che democratizzava il supercomputing per i ricercatori in vari campi scientifici. Questa relazione esistente con la comunità accademica divenne un anello di feedback cruciale.

Huang e il suo team ebbero la lungimiranza di chiedersi: "Cosa c'è in questa cosa che l'ha resa così di successo?" e "è scalabile?". Il loro ragionamento portò a una profonda consapevolezza: il deep learning si era imbattuto in un "approssimatore universale di funzioni". Ciò significava che molti problemi del mondo reale, dalla previsione delle preferenze dei consumatori ai modelli meteorologici, non richiedevano la comprensione della causalità, ma solo la prevedibilità. Se un sistema potesse imparare dagli esempi e fare previsioni, le applicazioni erano "davvero enormi". Questa convinzione, nata da un profondo impegno con ricercatori come Ilya Sutskever e Andrew Ng, alimentò un investimento incrollabile nell'IA, anni prima della sua esplosione mainstream.

Key Changes:

• Cambio di Paradigma dalla Causalità alla Prevedibilità: Riconoscere che molti problemi beneficiano del riconoscimento di schemi piuttosto che della comprensione delle cause sottostanti.
• Democratizzare il Supercomputing: La costruzione della piattaforma CUDA ha favorito una comunità che ha gravitato naturalmente verso nuovi paradigmi computazionali come il deep learning.
• Coinvolgere i Primi Adottanti: Lavorare fianco a fianco con ricercatori pionieristici ha fornito intuizioni e validazioni critiche per gli investimenti a lungo termine.

L'Infrastruttura Invisibile: Costruire il Data Center di Domani

Il percorso di Nvidia per alimentare l'esplosione dell'IA odierna non è stato un salto diretto dalle GPU da gioco ai massicci data center. È stata una svolta strategica, durata decenni, iniziata quasi 17 anni fa con una semplice domanda: Cosa limita le nostre opportunità? La risposta: il legame fisico delle GPU a un PC desktop. Jensen immaginò un futuro in cui il computing fosse separato dal dispositivo di visualizzazione. Questo portò al loro primo prodotto cloud, GeForce Now (GFN), e poi alla grafica remota aziendale.

Questa espansione graduale e deliberata nei data center, imparando le sfumature del computing distribuito e superando le sfide della latenza, gettò le basi per l'IA. "Si vuole spianare la strada a opportunità future; non si può aspettare che l'opportunità sia di fronte a te per afferrarla." Questo principio culminò nell'audace acquisizione di Mellanox, un'azienda di networking ad alte prestazioni, che fu una "sorpresa per tutti" all'epoca. Huang riconobbe che i data center per l'IA erano fondamentalmente diversi dal cloud a iperscala, richiedendo un networking "inverso all'iperscala" per frammentare i modelli su milioni di processori. Mellanox fornì la cruciale tecnologia InfiniBand, rendendo l'acquisizione "una delle migliori decisioni strategiche che avessi mai preso".

Key Practices:

• Anticipare i Limiti a Lungo Termine: Identificare e rimuovere sistematicamente i colli di bottiglia che potrebbero limitare la crescita futura e le opportunità di mercato.
• Pre-posizionamento Strategico: Investire in tecnologie e capacità fondamentali che "posizionano l'azienda vicino alle opportunità" anche se la loro forma esatta non è chiara.
• Pensiero Inverso: Riconoscere quando un nuovo mercato (come i data center per l'IA) richiede un approccio architettonico completamente diverso rispetto ai modelli esistenti (come il cloud a iperscala).

Architettura come Strategia: L'Organizzazione "La Missione è il Capo"

Lo stile di leadership unico di Jensen Huang si estende alla struttura organizzativa di Nvidia. Opera con oltre 40 riporti diretti, rifuggendo i modelli gerarchici tradizionali che assomigliano a "un esercito". Invece, vede Nvidia come "uno stack di computing" dove gli individui gestiscono diversi "moduli" o funzioni. Il titolo è secondario all'esperienza, e la persona "più abile nella gestione di quel modulo" è il "pilota in comando".

Questa architettura dell'informazione più piatta e distribuita, dove "la missione è il capo", significa che le informazioni critiche vengono disseminate "abbastanza rapidamente a molte persone diverse", spesso a livello di team, anche ai neolaureati. Ciò garantisce che tutti imparino contemporaneamente, responsabilizzando gli individui in base alla loro capacità di ragionare e contribuire, piuttosto che all'accesso privilegiato alle informazioni. Questo approccio organico, simile a una rete neurale, dove i team si collegano in base alla missione, consente un'agilità estrema e un'esecuzione rapida, come spedire due cicli di prodotto importanti in un anno – un'impresa quasi inimmaginabile per altre grandi aziende tecnologiche.

Key Insights:

• L'Azienda come Stack di Computing: Progettare l'architettura dell'organizzazione in modo che rispecchi il prodotto in costruzione, non un modello gerarchico generico.
• La Missione come Principio Guida: Responsabilizzare i team interfunzionali affinché si organizzino attorno a missioni specifiche, favorendo la collaborazione al di fuori di rigidi silos dipartimentali.
• Informazione Democratizzata: Disseminare le informazioni critiche in modo ampio e rapido per ridurre gli squilibri di potere e consentire un processo decisionale collettivo più veloce.

"Vuoi posizionarti vicino alle opportunità; non devi essere per forza così perfetto, sai. L'importante è posizionarsi vicino all'albero e, anche se non afferri la mela prima che tocchi terra, purché tu sia il primo a raccoglierla. Insomma, posizionati subito vicino alle opportunità." - Jensen Huang