採訪 Jensen Huang

聽著Acquired主持人Ben Gilbert和David Rosenthal分享他們耗時超過500小時研究Nvidia的心得，隨後再與執行長Jensen Huang親自對談，發現對Nvidia的理解又提升到一個全新的層次，這本身就足以證明這位非凡人物的過人之處。在這場對談中，黃仁勳不僅分享了建立企業的大師級洞見，也深入剖析了運算的未來，揭示了Nvidia一路走來的發展歷程，以及其大膽下注、持續遠見，並與其晶片同樣創新的組織架構的經營哲學。

追求完美的膽識：將公司命運賭在「完美晶片」上

Nvidia的發展歷程，與許多科技巨頭一樣，始於一次九死一生的經歷。想像一下，1997年一家新創公司，僅剩六個月的資金，卻面臨著30家競爭對手。他們先前在架構上的押注已被證明是錯誤的，而Microsoft的DirectX與他們既有的設計從根本上不相容。這正是Reva 128的關鍵時刻，這款晶片旨在成為全球首個全3D加速繪圖管線。面對存亡危機，Jensen Huang做出了一個難以想像的決定：放棄實體原型開發，僅憑模擬結果就下訂單進行全面生產。

團隊虛擬地開發了晶片原型，在一個模擬器上執行所有軟體和遊戲，而這個模擬器渲染一幀畫面竟需要「一小時」。這個煞費苦心的過程，讓他們產生了一種近乎偏執的堅定信念。黃仁勳回憶道，當被問及如何得知這款晶片會是完美的，他只是簡單地說：「我知道它會是完美的，因為如果它不完美，我們就會倒閉。」這種高風險的策略，透過對未來風險進行詳盡的模擬，使他們得以完成晶片設計並付諸生產，並立即啟動行銷和生產攻勢。這場賭注最終成功了，不是因為運氣，而是因為未來被嚴謹地預先模擬。

關鍵學習：

• 模擬未來： 在投入之前，主動識別並解決所有潛在的未來風險和未知因素。
• 一擊必中，力求完美： 當風險最高時，精心準備以達成「完美結果」反而能降低實際的下注風險。
• 熱衷者市場： 找出那些技術「永遠不嫌夠好」的市場區塊，以確保持續創新的永續機會。

預見未來：從繪圖到通用函數逼近器

快轉到2010年代初期，Nvidia作為消費級繪圖領域的領導者，在深度學習興起之際，又來到一個關鍵時刻。當主流科技界普遍將AlexNet等突破性進展視為「科學專案」時，Jensen Huang卻看見了一場劃時代的轉變。Nvidia當時已經大量投資於CUDA，這個平台旨在為各科學領域的研究人員普及超級運算。這與學術界的既有關係，成為一個關鍵的回饋循環。

黃仁勳和他的團隊有遠見地提出問題：「這個東西之所以如此成功的原因是什麼？」以及「它是否具備可擴展性？」他們的推論帶來了一個深刻的領悟：深度學習偶然發現了一個「通用函數逼近器」。這意味著許多現實世界的問題，從預測消費者偏好到氣候模式，都不需要理解因果關係，只需要可預測性。如果一個系統能從範例中學習並做出預測，那麼其應用將是「相當龐大」的。這份信念源於與Ilya Sutskever和Andrew Ng等研究人員的深度交流，並在AI主流爆發的數年前，就推動了對AI堅定不移的投資。

關鍵轉變：

• 從因果關係到可預測性的典範轉移： 認知到許多問題透過模式識別比理解根本原因更能獲益。
• 超級運算普及化： 建立CUDA平台培育了一個社群，這個社群自然而然地傾向於深度學習等新型運算典範。
• 與早期採用者互動： 與開創性研究人員攜手合作，為長期投資提供了關鍵洞見和驗證。

無形基礎設施：打造明日資料中心

Nvidia驅動當今AI爆發的歷程，並非從遊戲GPU直接躍升到大型資料中心。這是一場戰略性的、長達數十年的轉型，始於近17年前一個簡單的問題：「什麼限制了我們的機會？」答案是：GPU與桌上型電腦之間的物理連結。Jensen Huang預見了一個運算與顯示裝置分離的未來。這促成了他們的第一個雲端產品GeForce Now (GFN)，隨後則是企業級遠端繪圖。

這種逐步、有意識地擴展到資料中心，學習分散式運算的細微之處並克服延遲挑戰，為AI奠定了基礎。正如黃仁勳所說：「你必須為未來的機會鋪路；你不能等到機會擺在你面前才去爭取。」這項原則最終促成了對Mellanox這家高效能網路公司的大膽收購，當時「讓所有人大感驚訝」。黃仁勳意識到，用於AI的資料中心與超大規模雲端本質上有所不同，需要「超大規模的反向」網路，才能將模型分散到數百萬個處理器上。Mellanox提供了關鍵的InfiniBand技術，使這次收購成為「我做過最好的戰略決策之一」。

關鍵實踐：

• 預見長期制約因素： 識別並系統性地移除可能限制未來增長和市場機會的瓶頸。
• 戰略性預先佈局： 投資於能夠「將公司定位在機會附近」的基礎技術和能力，即使其確切形式尚不明朗。
• 逆向思考： 認知到新興市場（如AI資料中心）需要與現有模式（如超大規模雲端）截然不同的架構方法。

架構即策略：「任務為王」的組織

Jensen Huang獨特的領導風格也延伸至Nvidia的組織架構。他管理超過40位直接下屬，避免傳統「軍隊」式的層級模型。相反地，他將Nvidia視為「一個運算堆疊」，個人管理不同的「模組」或職能。頭銜次於專業能力，而「最擅長運營該模組」的人，就是「指揮官」。

這種更扁平、更分散的資訊架構，在「任務為王」的原則下，意味著重要資訊「相當迅速地傳達給許多不同的人」，通常是在團隊層面，甚至包括剛畢業的大學生。這確保了每個人都能同時學習，並根據個人的推理和貢獻能力來賦予權力，而非基於特權的資訊獲取。這種有機的、類神經網路的方法，讓團隊能夠根據任務自行連結，實現極致的敏捷性和快速執行，例如一年內推出兩個主要產品週期——這對其他大型科技公司來說幾乎是難以想像的壯舉。

關鍵洞見：

• 公司即運算堆疊： 設計組織架構以反映正在開發的產品，而非通用的層級模型。
• 任務為指導原則： 賦予跨職能團隊圍繞特定任務自行連結的能力，促進跨越僵化部門藩籬的協作。
• 資訊民主化： 廣泛而迅速地傳播關鍵資訊，以減少權力不平衡，並實現更快、更集體的決策。

「你希望將自己定位在機會附近，你不必那麼完美。你知道，你應該將自己定位在蘋果樹旁，即使你沒有在蘋果落地前接到它，只要你是第一個撿起來的人。你現在就應該將自己定位在機會附近。」——Jensen Huang