Интервью с Jensen Huang

Слушая, как ведущие Acquired Бен Гилберт и Дэвид Розенталь рассказывают о своих более чем 500 часах исследований Nvidia, а затем садятся за стол переговоров с CEO Дженсеном Хуангом и открывают для себя совершенно новое измерение понимания – это само по себе является свидетельством исключительности этого человека. В беседе, которая была одновременно и мастер-классом по построению компании, и глубоким погружением в будущее вычислений, Хуанг приоткрыл завесу над путем Nvidia, раскрыв философию смелых ставок, неустанного предвидения и организационную архитектуру, столь же инновационную, как и их чипы.

Дерзость совершенства: ставка компании на «идеальный чип»

Путь Nvidia, как и многих титанов, начался с опыта на грани краха. Представьте стартап в 1997 году, у которого осталось денег всего на шесть месяцев работы, и который сталкивается с 30 конкурентами. Их предыдущие архитектурные решения оказались ошибочными, а DirectX от Microsoft был принципиально несовместим с их существующим дизайном. Это был решающий момент для Reva 128, чипа, разработанного как первый в мире графический конвейер с полным 3D-ускорением. Столкнувшись с экзистенциальным кризисом, Дженсен Хуанг принял немыслимое решение: отказаться от физического прототипирования и запустить всю производственную партию, основываясь исключительно на симуляции.

Команда виртуально спрототипировала чип, запуская каждую часть программного обеспечения и каждую игру на эмуляторе, которому требовался час, чтобы отрендерить один кадр. Этот кропотливый процесс привел к почти иррациональной убежденности. Как вспоминал Хуанг, когда его спросили, откуда он знал, что чип будет идеальным, он просто ответил: «Я знаю, что он будет идеальным, потому что если это не так, мы разоримся». Этот подход с высокими ставками, подкрепленный исчерпывающим моделированием будущих рисков, позволил им отправить чип в производство и немедленно начать маркетинговую и производственную кампанию. Риск оправдался не благодаря удаче, а потому, что будущее было тщательно смоделировано заранее.

Ключевые уроки:

• Моделируйте будущее: Проактивно выявляйте и устраняйте все потенциальные будущие риски и неизвестные до принятия обязательств.
• Один шанс, сделайте его идеальным: Когда ставки максимально высоки, тщательная подготовка к «идеальному исходу» снижает фактический риск ставки.
• Рынки энтузиастов: Выявляйте сегменты, где технологии «никогда не бывают достаточно хорошими», чтобы обеспечить устойчивую возможность для непрерывных инноваций.

Предвосхищая будущее: От графики к универсальному аппроксиматору функций

Перенесемся в начало 2010-х годов: Nvidia, лидер в области потребительской графики, оказалась в еще одном переломном моменте с появлением глубокого обучения. В то время как многие в мейнстримном технологическом мире рассматривали прорывы вроде AlexNet как «научные проекты», Дженсен Хуанг увидел сейсмический сдвиг. Nvidia уже значительно инвестировала в CUDA, платформу, которая демократизировала суперкомпьютерные вычисления для исследователей в различных научных областях. Эти существующие отношения с академическим сообществом стали важной петлей обратной связи.

Хуанг и его команда проявили дальновидность, спросив: «Что в этом сделало его таким успешным?» и «масштабируемо ли это?» Их рассуждения привели к глубокому осознанию: глубокое обучение наткнулось на «универсальный аппроксиматор функций». Это означало, что многие реальные проблемы, от прогнозирования потребительских предпочтений до погодных условий, не требовали понимания причинно-следственных связей, а лишь предсказуемости. Если система могла учиться на примерах и делать прогнозы, то применение было «довольно огромным». Эта убежденность, родившаяся из глубокого взаимодействия с исследователями, такими как Илья Суцкевер и Эндрю Нг, подпитывала непоколебимые инвестиции в ИИ за годы до его массового взрыва.

Ключевые изменения:

• Сдвиг парадигмы от причинности к предсказуемости: Признание того, что многие проблемы выигрывают от распознавания образов, а не от понимания первопричин.
• Демократизация суперкомпьютерных вычислений: Создание платформы CUDA способствовало формированию сообщества, которое естественным образом тяготело к новым вычислительным парадигмам, таким как глубокое обучение.
• Взаимодействие с ранними последователями: Тесное сотрудничество с пионерскими исследователями дало критически важные идеи и подтверждение для долгосрочных инвестиций.

Невидимая инфраструктура: Создание центров обработки данных будущего

Путь Nvidia к обеспечению сегодняшнего взрыва ИИ не был прямым прыжком от игровых GPU к массивным центрам обработки данных. Это был стратегический, многодесятилетний поворот, начавшийся почти 17 лет назад с простого вопроса: Что ограничивает наши возможности? Ответ: физическая привязка GPU к настольному ПК. Дженсен представлял будущее, где вычисления были бы отделены от устройства отображения. Это привело к появлению их первого облачного продукта, GeForce Now (GFN), а затем к удаленной графике для предприятий.

Это постепенное, обдуманное расширение в центры обработки данных, изучение нюансов распределенных вычислений и преодоление проблем с задержкой заложило основу для ИИ. «Вы хотите проложить путь к будущим возможностям; вы не можете ждать, пока возможность окажется прямо перед вами, чтобы вы могли протянуть к ней руку». Этот принцип завершился смелым приобретением Mellanox, компании по высокопроизводительным сетевым решениям, что стало «сюрпризом для всех» в то время. Хуанг осознал, что центры обработки данных для ИИ принципиально отличаются от гипермасштабируемого облака, требуя сетевых решений, «обратных гипермасштабируемым», для разбиения моделей по миллионам процессоров. Mellanox предоставила важнейшую технологию InfiniBand, сделав это приобретение «одним из лучших стратегических решений, которые я когда-либо принимал».

Ключевые практики:

• Предвосхищайте долгосрочные ограничения: Выявляйте и систематически устраняйте узкие места, которые могут ограничить будущий рост и рыночные возможности.
• Стратегическое предварительное позиционирование: Инвестируйте в базовые технологии и возможности, которые «позиционируют компанию рядом с возможностями», даже если их точная форма неясна.
• Инверсное мышление: Осознавайте, когда новый рынок (например, ЦОД для ИИ) требует совершенно иного архитектурного подхода, чем существующие модели (например, гипермасштабируемое облако).

Архитектура как стратегия: Организация, где «Миссия – это Босс»

Уникальный стиль руководства Дженсена Хуанга распространяется и на организационную структуру Nvidia. Он работает с более чем 40 прямыми подчиненными, отказываясь от традиционных иерархических моделей, напоминающих «армию». Вместо этого он рассматривает Nvidia как «вычислительный стек», где отдельные сотрудники управляют различными «модулями» или функциями. Должность вторична по отношению к экспертизе, и человек, который «лучше всего управляет этим модулем», является «главным пилотом».

Эта более плоская, более распределенная информационная архитектура, где «миссия — это босс», означает, что критически важная информация распространяется «достаточно быстро среди большого количества разных людей», часто на уровне команды, даже среди недавних выпускников колледжей. Это гарантирует, что все обучаются одновременно, расширяя возможности людей на основе их способности рассуждать и вносить вклад, а не на основе привилегированного доступа к информации. Такой органический, подобный нейронной сети подход, при котором команды формируются вокруг миссии, обеспечивает исключительную гибкость и быстрое выполнение, например, выпуск двух основных продуктовых циклов за год – подвиг, почти невообразимый для других крупных технологических компаний.

Ключевые идеи:

• Компания как вычислительный стек: Разработайте архитектуру организации, которая будет отражать создаваемый продукт, а не общую иерархическую модель.
• Миссия как руководящий принцип: Предоставьте кросс-функциональным командам возможность формироваться вокруг конкретных миссий, способствуя сотрудничеству вне жестких departmental silos.
• Демократизация информации: Распространяйте критически важную информацию широко и быстро, чтобы уменьшить дисбаланс власти и обеспечить более быстрое, коллективное принятие решений.

«Вы хотите расположить себя рядом с возможностями, вам не обязательно быть идеальным, вы же хотите расположиться рядом с деревом, и даже если вы не поймаете яблоко, прежде чем оно упадет на землю, главное, чтобы вы первым его подобрали – вы хотите расположить себя близко к возможностям прямо сейчас». — Дженсен Хуанг