双面黄仁勋，如何应对孤独？

文 | Julian Teicke 

创业如此困难，为什么人们还要选择迎难而上呢？

对于这个问题，英伟达公司（Nvidia）创始人兼首席执行官黄仁勋（Jensen Huang）在最近一次采访中给出了非常完美的答案。

他说，如果事先知道创办英伟达有多困难，他可能会完全放弃创业。但正是这种“无知者无畏”的精神，让他时至今日仍在推动公司不断迈向新的高度。

有时候，天真一点其实是件好事。黄仁勋的回答凸显了创业界的一个普遍真理：有的时候，“无知”也是一种幸运。在创业之旅中，“天真”似乎是一种幸福。

笔者认为，孤独与创业者在开启创业之旅时的“天真”密切相关。正是这种“天真”让人们免于面对许多初创企业走向失败的残酷现实，但同时也会让人们陷入理想的幻境。到达顶峰的人可能会感到孤独，但请记住，还有许多曾经戴着玫瑰色眼镜看世界的乐观主义者也会与我们在顶峰相见。

在创业的世界里，从一个想法的产生到一家企业走向成功，这一旅程充满了不确定性和挑战。一名企业家不仅要有一个伟大的想法，更需要在充满陷阱、意外和挫折的迷宫中穿行。

十多年的创业经历让笔者亲身体会到了“天真”在创业中的双重作用。

一方面，“天真”充当了强大的催化剂，推动个人向未知领域跃进，而不会被不利于创业的统计数据和随之而来的挑战所吓倒——这些挑战几乎每天都在无情地席卷而来；另一方面，它又像一面保护盾牌，让创业者在压倒性的困难面前保持乐观态度。

创业之旅往往被浪漫化地表述为一场惊心动魄的冒险，但实际上，这是一场艰苦卓绝的马拉松，其中充斥着不确定性和各种挑战。创业者的“天真”让他们能够戴着玫瑰色的眼镜看待这段旅程，在别人看到障碍的地方发现机遇。这种乐观的态度至关重要，因为它营造了一种独特的学习环境，让创始人在工作中学习，在探索未知领域的过程中不断适应和发展。这种实践经验可以培养一种坚韧不拔、见招拆招的特质，对个人取得长期成功而言至关重要。

保持适当的平衡也至关重要。“天真”可能是强大的动力，但过度自信却可能导致草率决策，缺乏认知则可能错失良机。十年来，笔者学到了很多东西，而且还在继续学习——其中一条最宝贵的经验就是：我永远是个学生，创业就是我的课堂，我在这里不断学习新的知识。

笔者认为许多首席执行官都对与领导角色相伴的孤独感并不陌生。这是一个许多人都不愿意公开讨论的软肋，因为他们害怕被贴上“软弱”的标签，但事实情况恰恰相反。

创业者的“天真”既是火花，也是盾牌，既能推动个人前进，也能保护他们免受现实的挫折。黄仁勋的故事就是一个有力的证明，提醒我们“天真”在创业之旅中扮演的重要角色。

以下为黄仁勋最新对话节选：

Ben Gilbert：

你正准备发布 RIVA128 ，一款英伟达革命性的产品，因为它首次引入了单芯片设计，将 2D 和 3D 图形处理能力整合到同一块芯片上，这一设计在当时非常先进。

你们当时只剩下几个月的运营资金了，但你决定全部通过模拟测试而不是等到收到真实的原型，你在看都不看的情况下就下令量产，用公司剩下的所有资金，全押在 RIVA128 上，但最终胜利了，请给我们讲讲当时的情况。

Jensen Huang：

RIVA128 是我们公司的重新起步，还记得我们在 1993 年成立公司时，我们是唯一的消费级 3D 图形公司，当时我们专注于将 PC 转变为加速 PC，Windows 实际上是软件渲染的系统，所以无论如何，RIVA128 是我们公司的重新起步，当我们意识到我们走错路时，微软已经推出了DirectX，它在根本上与英伟达的架构不兼容，30 名竞争对手已经出现，即使我们是最早成立的公司，但当时的世界已经完全不同了。

关于公司战略应该做什么的问题，我会说我们做了很多错误的决定，但在那一天很重要的事情上，我们做了一系列非常好的决定。1997 年可能是英伟达最好的时刻，原因是我们陷入了绝境，我们正在用尽时间，用尽资金，有很多员工，我们正在用尽希望，问题是我们该怎么办？我们做的第一件事是决定接受 DirectX，让我们想办法为它建造世界上最好的东西，RIVA128 是世界上第一个完全硬件加速的 3D 渲染流水线，从变换、投影、元素到帧缓冲区，都是完全硬件加速的。

我们实现了纹理缓存，我们将总线限制和帧缓冲区限制提高到当时物理所能承受的最大值，我们制造了有史以来最大的芯片，使用了最快的内存。基本上，如果我们制造了那个芯片，就不会有任何东西能比它更快，我们也选择了一个成本点，明显高于我们认为任何竞争对手愿意承受的最高价格。如果我们正确地构建一切并实现了 DirectX 中我们所知道的一切，那么显然没有人可以建造比它更快的东西。

David Rosenthal：

在某种程度上，你们那时是消费类产品公司，对吗？

Jensen Huang：

对，但我们注意到市场上有一个细分领域，当时 PC 行业还在起步，性能还不够好，每个人都渴望能有更快的东西，所以如果你的性能比可买到的快 10 倍，就会有一大批爱好者愿意购买，我们相信会有这样一个巨大的市场。

事实证明我们是完全正确的，PC 行业确实有一个相当大的爱好者市场，他们会购买最好的一切，直到今天，这仍然是真的，在某些细分市场，技术永远还不够好，比如 3D 图形，当我们选择了正确的技术，3D 图形永远还不够好，我们当时称之为 3D 给了我们可持续的技术机会，因为它永远还不够好，所以你的技术可以不断进步，我们选择了它。

我们还做出了使用仿真技术的决定。那是一家叫 Icons 的公司，我打电话给他们那天，他们正准备关闭公司，因为没有客户，我说我可以买掉你们的库存，我们需要那个仿真器的原因是，你算一算我们有多少钱，如果我们完成了一个芯片的设计并从晶圆厂得到了它，然后我们开始对软件进行开发，等我们找到所有 bug 时，再为芯片进行下一次设计，到那时我们已经倒闭了。

David Rosenthal：

另外你的竞争对手也会赶上来。

Jensen Huang：

没错，如果无论如何都要倒闭。当时那个计划显然不是通常公司会走的计划是 —— 设计芯片，编写软件，修复bug，然后设计新的芯片等等，但那种方法行不通，我们只有 6 个月时间，只能完成一次芯片设计，显然需要设计一款完美的芯片。

我记得和我们的领导层讨论过，他们说 Jensen ，你怎么知道它会是完美的？我说我知道它会是完美的，因为如果不是，我们就倒闭了，所以让我们把它做到完美，我们只有一次机会，我们基本上是通过购买这个仿真器并让软件团队在其上编写我们的全部软件栈来“虚拟原型”芯片的，我们就坐在实验室里等待 Windows 绘图，并且你知道会非常慢。

David Rosenthal：

每帧需要 6 万秒，对吧？

Jensen Huang：

每帧需要 1 个小时左右，我们就坐在那里看它绘图，在决定完成芯片设计的那一天，我假设芯片是完美的，我们能测试的都提前测试过了，我告诉每个人，我们要完成芯片设计，以及接下来是什么？答案很明显，直接进入量产。

Ben Gilbert ：

还有大规模的营销动作。

Jensen Huang：

对，直接开始一切，我们确信我们有完美的芯片。

David Rosenthal：

这其中你占多大比例，你的合伙人、公司其他人、董事会又占多大比例？每个人都说你疯了吗？

Jensen Huang：

不，所有人都很清楚，我们没有胜算，因为无论如何都会倒闭，所以除此之外的任何事都很疯狂，这看起来相当合乎逻辑，坦白说，现在我描述的一切，你可能都会认为很合理；最后它奏效了，所以我们完成了芯片设计，直接进入量产。

Ben Gilbert ：

那么对创始人的教训是，当你像 Rivo 128 或 CUDA 那样对某件事有信心时，就把公司压上去，这对你一直起作用。所以你从中吸取的经验教训似乎是继续下注，因为到目前为止，每次都是奏效的。你怎么看这个问题呢？

Jensen Huang：

不，当你下重注时，我知道它会奏效。注意，我们假设我们设计出了一个完美的芯片，原因是在完成芯片设计之前，对整个芯片进行了仿真，开发了整个软件栈，对所有驱动程序和软件进行了质量检测，运行了我们的所有游戏，运行了每个 VGA 应用程序，所以当你下重注时，你实际上已经提前应对了所有可能的风险，这就是教训，一直到今天，我们都会提前谋划并模拟我们可以预见的未来。

事实上，在 CUDA 之前，就已经有 CG了，所以我们已经在玩一个概念，即如何在我们的芯片上创建一个抽象层，它可以用更高级的语言和更高级的表达式来表达，并且我们如何使用 GPU 进行 CT 重建和图像处理，我们已经在朝这个方向发展了，所以我们有一些积极的反馈和直观的积极反馈，我们认为通用计算是可能的。

如果只是看看可编程着色器的流水线，它是一个处理器，高度并行，大规模多线程，它是世界上唯一做到这一点的处理器，所以可编程阴影着色有很多特征表明 CUDA 有很大的成功机会。

David Rosenthal：

Jensen Huang：

首先的想法是，当然是如何改变计算栈？第二个想法是在哪里找到最早的使用场景？如果我们要发明这样一台计算机，人们会用它来做什么？

我们很幸运，与世界各地的大学和研究人员合作对我们公司来说是与生俱来的。因为我们推广了超级计算机，CUDA 不仅用于 AI，它在几乎在所有领域的科学研究中都有应用，从分子动力学到 CT 扫描重建到地震处理到天气模拟到量子化学等等。应用的范围非常广泛，所以在 CUDA 上的研究应用非常多。当我们认识到深度学习可能非常有趣时，自然而然地回到了研究人员这里，并找到每一个AI研究人员，问他们我们应该如何帮助他们推进工作。这包括 Yann LeCun、吴恩达、Geoffrey Hinton 等等。这就是我与所有这些人接触的方式。

我过去常去所有 AI 会议，就是在那里我第一次遇到 Ilya Sutskever，所以当时真正的问题是我们可以建立什么系统和软件栈来帮助你获得更多成功，推进研究；当时它看起来像是一个玩具，但我们相信即使是 GAN，我第一次遇到Goodfellow 时，GAN 只是 32x32 模糊的图像，但它能发展到什么程度？

所以我们相信它，相信你可以扩展深度学习，因为显然它是逐层训练的，你可以使数据集更大，模型更大。我们相信如果你使它越来越大，它就会变得越来越好，这很有道理。我认为与研究人员的讨论和互动就是我们需要的正反馈系统。

David Rosenthal：

Jensen Huang：

我没有参与它的创立，但我认识那里的很多人。当然还有 Elon、Peter、Bill 以及 Ilya 也在那里，我们有一些伟大的员工，他们在开始的时候反而是在那里。因此我知道他们需要我们正在构建的这台惊人的计算机。当时我们正在构建第一版 DGX，到你今天看到了 Hopper，它有70万个部件，1 万安培，DGX 的第一版是我们内部使用的，我把第一个交给了OpenAI。

那是非常有趣的一天，但我们最初的成功在于帮助研究人员达到新的高度。我知道它目前的状态并不理想，但我也相信之后的一次点击就可以让它非常惊艳，这种信念来自于所有这些出色的研究人员的互动，也来自于看到逐步取得的进展。

最初，论文每三个月才发表一次，而今天的论文每天都在出现，所以你可以简单地监控存档论文，我对深度学习的进展非常感兴趣，尽我所能阅读这些论文，你可以实时看到指数级的进展。

David Rosenthal：

在我们最近集中评论了现在 Rivian 的情况。对任何其他公司来说，这可能会是一个岌岌可危的境地。但对英伟达来说，这只是老生常谈，你们已经习惯了这些大幅波动。

Jensen Huang：

要牢记的关键是，始终关注你正在参与的市场机会。这有助于帮助认知你目前的公司规模。很久以前，有人告诉我英伟达永远不可能超过 10 亿美元。

显然，这低估了市场的机会。确实，没有芯片公司可以变得如此之大。但是，如果你不是芯片公司，这为什么又适用于你呢？

当前技术独特之处在于，技术只是一种工具，规模有限，与今天的情况不同的是，我们正在制造智能、制造工作的世界，以及执行工作任务的世界。

这个市场规模是巨大的，可以用万亿来衡量。一种思考方式是，如果你为汽车制造一款芯片，有多少辆汽车，它们会消耗多少芯片？这是一种思考方式。但是，如果你建立一个系统，在需要时可以协助驾驶汽车。一个自动驾驶员的价值是多少？

这时，问题显然变得更大，机会变得更大。如果我们能神奇地为每辆汽车配备一位司机，那会是什么样子？那个市场有多大？显然，那是一个更大的市场。所以技术行业正处于我们发现的东西，那就是不仅仅把英伟达视为一家芯片公司，而是在芯片之上构建的 AI 公司，市场机会增长了可能 1000 倍。

如果未来科技公司变得更大，不要感到惊讶，因为你生产的东西非常不同，这就是思考你的机会有多大，你就有多大的方式。

本文作者为福布斯撰稿人，文章内容仅代表作者本人观点。译自

https://www.forbes.com/sites/julianteicke/2023/10/28/jensen-huang-wouldnt-start-nvidia-if-i-had-to-do-it-over-again/?sh=73699f69306a