Jensen Huang Interview

Acquiredのホスト、ベン・ギルバートとデイビッド・ローゼンタールが、エヌビディアに関する500時間以上の調査について語るのを聞いて、その後CEOのジェンスン・フアンと対談し、全く新しい次元の理解を得たことは、フアン氏自身の偉大さの証である。企業構築の達人技と、コンピューティングの未来への深い洞察が同居するこの対談で、フアン氏はエヌビディアの道のりを深く掘り下げ、大胆な賭け、たゆまぬ先見の明、そして彼らのチップと同じくらい革新的な組織構造という哲学を明らかにした。

完璧さへの大胆な挑戦：「完璧なチップ」に社運を賭ける

エヌビディアの道のりは、多くの巨大企業と同様、死の淵をさまよう経験から始まった。1997年、残りの現金はわずか6ヶ月分。30社の競合他社に囲まれているスタートアップを想像してみてほしい。彼らの以前のアーキテクチャへの賭けは失敗に終わり、マイクロソフトのDirectXは既存の設計と根本的に互換性がなかった。これは、世界初の完全3Dアクセラレーション対応グラフィックスパイプラインとなるべく設計されたReva 128にとって、まさに正念場だった。存続の危機に直面し、ジェンスン・フアンは想像を絶する決断を下した。物理的なプロトタイピングを諦め、シミュレーションのみに基づいて全生産ロットを発注したのだ。

チームはバーチャルでチップのプロトタイプを作成し、1フレームのレンダリングに1時間かかるエミュレータ上で、あらゆるソフトウェアやゲームを実行した。この骨の折れるプロセスが、ほとんど非合理とも言える確信へとつながった。フアン氏が振り返るところによると、チップが完璧だとどうして分かったのかと問われた際、彼は「完璧だと分かっている。もしそうでなければ、我々は廃業するからだ」と簡潔に答えたという。未来のリスクを徹底的にシミュレーションすることで推進されたこのハイリスクなアプローチにより、彼らはチップのテープアウトを完了し、直ちにマーケティングと生産の猛攻を開始することができた。この賭けは、運のおかげではなく、未来が事前に厳密にシミュレーションされていたからこそ報われたのだ。

主な学び：

未来をシミュレーションする： コミットする前に、潜在的な未来のリスクと未知の要素をすべて積極的に特定し、解決する。
一発で完璧に： 賭け金が最も高い時、"完璧な結果"に向けて細心の注意を払って準備することで、賭けにおける実際のリスクは減少する。
エンスージアスト市場： テクノロジーが「決して十分ではない」と感じられるセグメントを特定し、継続的なイノベーションの持続可能な機会を確保する。

未来を予測する：グラフィックスから汎用関数近似器へ

2010年代初頭に話を進めると、消費者向けグラフィックスのリーダーであったエヌビディアは、ディープラーニングの台頭という、また別の極めて重要な局面に直面していた。主流のテック業界の多くがAlexNetのようなブレイクスルーを「科学プロジェクト」と見ていたのに対し、ジェンスン・フアンは地殻変動のような変化を認識していた。エヌビディアはすでにCUDAに多大な投資を行っていた。これは、様々な科学分野の研究者向けにスーパーコンピューティングを民主化するプラットフォームである。学術コミュニティとのこの既存の関係が、極めて重要なフィードバックループとなったのだ。

フアン氏と彼のチームは、「この技術をここまで成功させたのは何なのか？」「そして、それはスケーラブルなのか？」と問いかける先見の明を持っていた。彼らの推論は、深層学習が「汎用関数近似器」を発見したという深い洞察につながった。これは、消費者の好み予測から気象パターンまで、多くの現実世界の問題が因果関係の理解ではなく、予測可能性のみを必要とすることを意味した。もしシステムが事例から学習し、予測を行うことができれば、その応用範囲は「非常に広範」である。イリヤ・サツケバーやアンドリュー・ンといった研究者との深い関わりから生まれたこの確信が、AIが主流になる数年前から、揺るぎないAIへの投資を加速させた。

主な変化：

因果関係から予測可能性へのパラダイムシフト： 多くの問題が、根底にある原因を理解するよりもパターン認識から恩恵を受けることを認識する。
スーパーコンピューティングの民主化： CUDAプラットフォームの構築が、ディープラーニングのような新しい計算パラダイムに自然と引き寄せられるコミュニティを育んだ。
初期採用者との連携： 先駆的な研究者と緊密に連携することで、長期的な投資にとって極めて重要な洞察と検証が得られた。

見えないインフラ：未来のデータセンターを構築する

エヌビディアが今日のAI爆発を支えるまでの道のりは、ゲーミングGPUから大規模データセンターへの直接的な飛躍ではなかった。それは、ほぼ17年前に「何が我々の機会を制限しているのか？」というシンプルな問いから始まった、戦略的で数十年におよぶ転換だった。その答えは、GPUがデスクトップPCに物理的に繋がれていること。ジェンスンは、コンピューティングがビューイングデバイスから分離される未来を思い描いた。これが彼らの最初のクラウド製品であるGeForce Now (GFN)に繋がり、その後、エンタープライズ向けリモートグラフィックスへと発展した。

このデータセンターへの段階的で意図的な拡大、分散コンピューティングの機微を学び、レイテンシーの課題を克服する過程が、AIの基盤を築いた。「未来の機会への道を切り拓きたいのなら、機会が目の前にあるのを待っていてはいけない。」この原則は、高性能ネットワーク企業メラノックスの大胆な買収へと結実した。当時、この買収は「皆にとって驚き」だった。フアン氏は、AI向けデータセンターがハイパースケールクラウドとは根本的に異なり、数百万のプロセッサにモデルをシャードするための「ハイパースケールの逆」とも言えるネットワークが必要であると認識していた。メラノックスは極めて重要なInfiniBand技術を提供し、この買収は「私がこれまで下した中で最高の戦略的決断の一つ」となった。

主要な実践：

長期的な制約を予測する： 将来の成長と市場機会を制限する可能性のあるボトルネックを特定し、体系的に排除する。
戦略的な事前配置： その具体的な形が不明確であっても、「企業を機会の近くに配置する」基盤技術と能力に投資する。
逆転の発想： 新しい市場（AIデータセンターなど）が、既存のモデル（ハイパースケールクラウドなど）とは全く異なるアーキテクチャアプローチを必要とする時期を認識する。

戦略としてのアーキテクチャ：「ミッションが上司」の組織

ジェンスン・フアンのユニークなリーダーシップスタイルは、エヌビディアの組織構造にも及ぶ。彼は40人以上の直属の部下を持ち、「軍隊」のような伝統的な階層型モデルを避けている。その代わりに、彼はエヌビディアを、各個人が異なる「モジュール」や機能を管理する「コンピューティングスタック」と見なしている。役職は専門知識の次に重要であり、「そのモジュールを最も上手く運営できる」者が「コマンダー（司令官）」となる。

「ミッションが上司」であるこのよりフラットで分散型の情報アーキテクチャは、重要な情報が「非常に迅速に多くの異なる人々」に、しばしばチームレベルで、新卒社員にさえも伝達されることを意味する。これにより、誰もが同時に学び、特権的な情報アクセスではなく、論理的思考と貢献能力に基づいて個人が力を発揮できるようになる。ミッションに基づいてチームが連携するこの有機的でニューラルネットワークのようなアプローチは、1年に2つの主要な製品サイクルを出荷するような極限の俊敏性と迅速な実行を可能にする。これは他の大手テック企業ではほとんど想像できない偉業だ。

主な洞察：