The Thinking Machine

1. Reziliență forjată în adversitate

„Atunci nu existau consilieri,” spune Jensen Huang, „nimeni nu te asculta când aveai probleme, trebuia să fii puternic și să mergi mai departe.”

Provocările copilăriei. Copilăria lui Jensen Huang a fost marcată de dificultăți majore. Trimis din Taiwan în zona rurală a statului Kentucky la vârsta de 10 ani, a fost supus hărțuirii, insultei rasiale și a trăit într-un internat care semăna mai degrabă cu un centru de reeducare. Împărțind camera cu un coleg analfabet de 17 ani, cu cicatrici de cuțit, a învățat să predea cititul și să facă flotări, dezvoltând o tărie de caracter care avea să-i definească întreaga carieră. Acea perioadă i-a insuflat o independență și o reziliență esențiale pentru a naviga în industria tehnologică volatilă.

Adaptarea la medii noi. În ciuda circumstanțelor dificile, Huang a excelat atât din punct de vedere academic, cât și social. S-a adaptat rapid la cultura americană, a învățat limba engleză și și-a descoperit pasiuni pentru informatică și tenis de masă. Capacitatea sa de a prospera în medii provocatoare și necunoscute, fie că era vorba de traversarea unui pod degradat spre școală sau de înțelegerea complexităților lumii tehnologice, a devenit o trăsătură definitorie. Această experiență timpurie i-a arătat valoarea perseverenței și abilitatea de a găsi oportunități chiar și în cele mai nefavorabile situații.

Găsirea puterii în dificultate. Huang privește acea perioadă cu un pragmatism remarcabil, considerând-o nu un traumatism, ci o experiență formativă care i-a arătat importanța muncii asidue și a autosuficienței. A învățat să se bazeze pe sine când nimeni altcineva nu era disponibil să-l ajute, o lecție care avea să-i fie de mare folos în luarea deciziilor cu miză mare. Această capacitate de a transforma dificultățile în surse de putere este un element cheie al motivației sale durabile.

2. Stăpânirea fundamentelor siliciului

„El are capacitatea de a face 1+1 să fie egal cu 3,” spune Hotzman. „Adică nu doar că livrăm clienților ceea ce își doresc, ci transformăm aceste comenzi în instrumente, iar apoi aceste instrumente devin o metodologie standard.”

Competențe inginerești fundamentale. Cariera lui Huang a început la AMD și LSI Logic, unde și-a perfecționat abilitățile în ingineria electrică și proiectarea de cipuri. Folosind unelte precum SPICE, a învățat să manipuleze circuitele la nivel fundamental, împingând performanța dincolo de limitele percepute. Această înțelegere profundă a modului în care funcționează siliciul a devenit un avantaj crucial pe tot parcursul carierei sale.

Depășirea așteptărilor. La LSI Logic, Huang era recunoscut pentru abilitatea sa de a nu se limita la cerințele clienților, ci de a le depăși, transformând proiectele personalizate în metodologii standardizate. Această capacitate de a extrage valoare maximă și de a crea instrumente reutilizabile din sarcini individuale reflecta o gândire strategică timpurie, care vedea dincolo de problema imediată pentru a construi capabilități fundamentale. Colegii săi recunoșteau această abilitate de a face „1+1=3” în inginerie.

Învățare și adaptare continuă. Deși a început cu schițe pe hârtie și celofan colorat, Huang a adoptat tehnologii noi precum instrumentele de proiectare VLSI. A urmat un master la Stanford în timp ce lucra cu normă întreagă, actualizându-și constant cunoștințele într-un domeniu în rapidă evoluție. Această dedicare pentru învățare continuă, chiar și pe măsură ce avansa în carieră, i-a asigurat menținerea la vârful designului de cipuri.

3. Acceptarea eșecului ca motor al progresului

„Am greșit totul,” spune Huang despre începuturile companiei. „Fiecare decizie pe care am luat-o a fost greșită.”

Dezastrul NV1. Primul produs Nvidia, cipul grafic NV1, a fost un eșec comercial. Deși promițător inițial și având un acord cu Sega, se baza pe o metodă neconvențională de redare (texturi cuadrice) pe care piața nu a acceptat-o, mai ales după ce Microsoft a introdus standardul DirectX, favorizând triunghiurile. Acest lucru a dus la returnări masive, aproape de faliment și la concedierea dureroasă a majorității angajaților.

Învățarea din greșeli. În loc să se lase învins, Huang a privit eșecul NV1 ca pe o lecție esențială. A analizat fără milă ce a mers prost, concluzionând că au făcut toate greșelile posibile. Aceasta a condus la o schimbare radicală, abandonând arhitectura proprie pentru a se alinia standardului Microsoft și concentrându-se pe viteză și eficiență a costurilor.

Mantra „Treizeci de zile de trăit”. Experiența aproape fatală a eșecului NV1 a devenit o parte centrală a culturii Nvidia, întruchipată în mantra lui Huang: „Suntem la treizeci de zile de a da faliment.” Această conștientizare constantă a amenințării existențiale a cultivat un sentiment de urgență, reziliență și dorința de a-și asuma riscuri calculate, asigurând că firma nu a devenit niciodată comodă, chiar și în perioadele de succes imens.

4. Pariul îndrăzneț pe calculul paralel

„Silicon Valley este plină de cadavre ale companiilor care au încercat calculul paralel,” spune Huang. „În afară de noi, nicio companie care a adoptat calculul paralel nu a avut succes, niciuna, rata de succes a predecesorilor este zero.”

Identificarea unei oportunități ascunse. În timp ce dezvoltau cipuri grafice pentru jocuri precum Quake, inginerii Nvidia au realizat că arhitectura cipurilor lor, concepută pentru a procesa simultan mulți pixeli, era ideală pentru calculul paralel. Aceasta contrasta puternic cu procesoarele tradiționale (CPU) care executau sarcinile secvențial. În ciuda istoriei eșecurilor comerciale ale calculului paralel, Huang i-a văzut potențialul.

Provocarea înțelepciunii convenționale. Decizia lui Huang de a investi masiv în programabilitatea GPU-urilor pentru calcul paralel general (GPGPU) a fost extrem de contrară curentului. Piața era mică, programarea dificilă, iar giganți precum Intel se concentrau pe îmbunătățirea performanței CPU-urilor secvențiale, conform legii lui Moore. Wall Street a considerat această investiție o risipă, numind-o „taxa CUDA”.

Puterea GPU-ului. Capacitatea GPU-ului de a efectua mii de calcule simple simultan îl făcea mult superior CPU-urilor pentru sarcinile ce puteau fi împărțite în procese paralele. Deși inițial folosit pentru redarea grafică, Huang a vizionat utilizarea sa în calcul științific, simulări și, în cele din urmă, inteligență artificială. Acest pariu curajos, făcut când piața era inexistentă, a poziționat Nvidia pentru dominația viitoare.

5. Construirea unui ecosistem în jurul CUDA

„Odată ce ai început să folosești, nu mai vrei să pleci,” spune Altz. „Aceasta este capcana furnizorului (vendor lock). Te leagă strâns, fără cale de ieșire.”

Platforma CUDA. Conștientizând dificultatea programării hardware-ului paralel, Nvidia a investit masiv în dezvoltarea CUDA, o platformă software care a facilitat accesul dezvoltatorilor la puterea de procesare paralelă a GPU-ului. Lansată în 2006, CUDA a fost întâmpinată inițial cu scepticism și adoptare redusă.

Cultivarea „pieței de zero miliarde de dolari”. Huang a vizat strategic cercetătorii academici și domeniile științifice de nișă cu CUDA, o piață pe care a numit-o „zero miliarde de dolari”. Oferind instrumente software gratuite și suport oamenilor de știință care lucrau la probleme precum modelarea climatică sau imagistica medicală, Nvidia a construit o bază loială de utilizatori dependenți de ecosistemul CUDA. Aceasta a fost o strategie pe termen lung, sacrificând profitul imediat pentru crearea unei piețe viitoare.

Capcana furnizorului prin software. Genialitatea reală a CUDA a fost crearea unui zid software puternic în jurul hardware-ului Nvidia. Deși concurenții ar putea replica designul cipurilor Nvidia, ei nu aveau avantajul de peste un deceniu în construirea unui pachet software cuprinzător și prietenos. Aceasta a creat o capcană puternică pentru utilizatori, făcând extrem de dificil și costisitor pentru cercetători și companii să treacă la hardware concurent.

6. Recunoașterea punctului de inflexiune al AI

„El a văzut potențialul imediat, mai devreme decât oricine altcineva,” spune Kirk. „A fost cu adevărat primul care a înțeles direcția în care se îndreaptă AI-ul.”

Descoperirea AlexNet. În 2012, cercetătorii de la Universitatea din Toronto, folosind două GPU-uri Nvidia și platforma CUDA, au realizat o descoperire revoluționară în recunoașterea imaginilor cu rețeaua neurală AlexNet. Aceasta a demonstrat că învățarea profundă, un domeniu mult timp neglijat, putea obține rezultate fără precedent când era alimentată de procesarea paralelă.

Pivotarea rapidă către AI. În timp ce comunitatea de cercetare AI a fost inițial lentă în a înțelege pe deplin implicațiile AlexNet, Huang a recunoscut imediat aplicația revoluționară pentru arhitectura paralelă a Nvidia. A redirecționat rapid întreaga companie către învățarea profundă, declarând Nvidia o „companie AI” aproape peste noapte. Această schimbare rapidă și decisivă a fost esențială pentru capturarea oportunității emergente.

Cererea insațiabilă de putere de calcul. Huang a înțeles că antrenarea și rularea rețelelor neurale mari necesită o cantitate exponențială de putere de calcul, o cerere pe care doar GPU-urile Nvidia, cu arhitectura lor paralelă și software-ul CUDA, o puteau satisface eficient. A văzut că foamea AI-ului pentru putere de calcul va depăși cerințele graficii sau simulărilor științifice, creând o piață masivă și durabilă pentru Nvidia.

7. Scalarea inteligenței cu transformerele

„Observăm că, pe măsură ce devine mai mare, pare tot mai inteligent!” spune Sazzler. „Programele pe care le scriam înainte nu făceau asta.”

Arhitectura Transformer. În 2017, cercetătorii Google au dezvoltat arhitectura Transformer, un design inovator de rețea neurală care a revoluționat procesarea limbajului natural. Spre deosebire de rețelele neuronale recurente anterioare, Transformer-ele puteau procesa secvențe întregi de text în paralel, fiind extrem de eficiente pe GPU-uri și permițând crearea unor modele de limbaj mult mai mari.

Apariția modelelor mari de limbaj (LLM). Combinația dintre arhitectura Transformer, seturile masive de date și disponibilitatea GPU-urilor puternice Nvidia a condus la dezvoltarea modelelor mari de limbaj (LLM) precum seria GPT de la OpenAI. Aceste modele au demonstrat abilități „emergente” surprinzătoare pe măsură ce au crescut în dimensiune, realizând sarcini pentru care nu fuseseră antrenate explicit, cum ar fi scrierea de cod sau promovarea examenelor.

Fabrica AI pentru limbaj. Antrenarea și rularea acestor LLM-uri masive a necesitat resurse computaționale fără precedent, consolidând poziția Nvidia ca furnizor esențial de infrastructură AI. Companii precum OpenAI și Google au devenit cei mai mari clienți ai Nvidia, construind „fabrici AI” – centre de date uriașe pline cu zeci de mii de GPU-uri Nvidia – pentru a alimenta revoluția limbajului.

8. Conducerea paradoxală a lui Jensen Huang

„Simți că nu ai voie să-l dezamăgești,” spune Clay. „Pur și simplu nu ai voie.”

Exigent și inspirator. Jensen Huang este cunoscut pentru stilul său de conducere intens, exigent și uneori volatil. Este faimos pentru criticile publice dure la adresa angajaților care greșesc, creând o cultură atât de teamă, cât și de loialitate intensă. Angajații descriu o presiune imensă de a nu-l dezamăgi, ceea ce îi motivează să atingă obiective aparent imposibile.

Loialitate și grijă. În ciuda criticilor aspre, Huang cultivă o loialitate profundă în rândul angajaților săi. Este cunoscut pentru că își amintește detalii despre viețile lor, oferă sprijin în momentele de criză personală și rareori concediază pentru performanță, preferând să folosească critica publică ca instrument de învățare. Această combinație de așteptări ridicate și grijă autentică creează un mediu unic, cu presiune mare, dar susținător.

Vizionar și atent la detalii. Huang posedă o combinație rară între viziune pe termen lung și o atenție obsesivă la detalii. Poate articula un viitor revoluționar pentru calcul, în timp ce verifică cu minuțiozitate poziționarea unui dozator de apă sau cusăturile pantalonilor unui personaj de desen animat. Această abilitate de a opera atât la nivel strategic înalt, cât și la nivel operațional granular este cheia vitezei de execuție a Nvidia.

9. Fabrica AI și dominația infrastructurii

„O nouă industrie începe: centre AI care procesează cantități uriașe de date brute, transformându-le în inteligență digitală,” spune el. „Este ca o centrală electrică a revoluției industriale anterioare; supercomputerele AI Nvidia sunt practic fabricile de producție AI ale acestei revoluții.”

Construirea infrastructurii AI. Conștient că AI necesită un tip nou de infrastructură de calcul, Huang a condus dezvoltarea soluțiilor integrate hardware și software special pentru sarcini AI. Aceasta a inclus sistemele DGX, care combină mai multe GPU-uri în supercomputere AI puternice, și achiziția Mellanox pentru a asigura rețele de mare viteză.

Conceptul de „fabrica AI”. Huang descrie centrele moderne de date ca „fabrici AI” care consumă date brute și produc inteligență. Această analogie subliniază scala industrială și impactul transformator al acestor facilități, poziționând GPU-urile Nvidia ca mașinile esențiale ale acestei noi revoluții industriale, la fel cum centralele electrice au fost pentru cea precedentă.

Software-ul ca barieră. Dincolo de hardware, ecosistemul software extins al Nvidia, inclusiv CUDA și sute de biblioteci specializate, este crucial pentru dominația sa. Acest pachet software face mult mai ușoară dezvoltarea și implementarea aplicațiilor AI pe hardware Nvidia, creând o barieră puternică pentru concurență și asigurând cererea continuă pentru cipurile Nvidia.

10. Geopolitica și scutul de siliciu

„Dacă Taiwan și TSMC ar avea probleme, impactul ar fi la fel de imens ca și cum m-ai întreba ce s-ar întâmpla dacă California ar cădea în ocean,” spune Deborah Schowquist.

**Dependența de