英伟达 CEO 黄仁勋｜Acquired 深度访谈

至于当时公司战略该怎么做，我可以说我们之前做了一大堆错误决策。但在那个关键时刻，我们做出了一系列极其正确的决定。

1997 年那段时间可能是 NVIDIA 最好的时刻。原因是那时我们已走投无路。时间所剩无几，资金即将耗尽，对很多员工来说，希望也在消逝。问题是，我们该怎么办？

我们做的第一件事是决定：听着，DirectX 已经来了。我们不去对抗它。我们要想办法为它打造出世界上最好的产品。

RIVA 128 是全球首个用于 3D 渲染的全加速 hardware-accelerated pipeline。变换、投影，每一个元素，一直到 frame buffer，全部实现了硬件加速。

我们实现了 texture cache。我们把总线带宽和 frame buffer 的容量都推到了当时物理条件允许的上限。我们造出了当时任何人能想象到的最大芯片。我们用了最快的存储器。基本上，如果我们造出了那颗芯片，就不可能有什么东西比它更快。

我们还选择了一个成本点，远高于我们认为任何竞争对手愿意触及的最高价位。如果我们做对了，我们把所有环节都加速了，我们把当时已知的 DirectX 特性全部实现了，并且把芯片做到了物理极限，那显然没人能造出比它更快的东西。

David如今，在某种程度上你在 NVIDIA 也在做同样的事。那时你们还是一家面向消费者产品的公司，对吧？最终是终端消费者掏钱购买。

Jensen没错。但我们观察到市场中存在一个细分群体。当时 PC 产业还在上升期，性能永远不够。每个人都在渴求下一代更快的东西。如果你的性能比市面上现有产品高出 10 倍，我们相信会有一大群发烧友追捧它。而事实证明我们完全正确，PC 行业存在一个相当大的发烧友市场，他们愿意购买最顶级的所有东西。

直到今天依然如此。对于某些技术永远不够好的市场细分领域，比如 3D 图形——而且我们选对了技术——3D 图形永远不够完美。我们当时称之为“3D 给了我们可持续的技术机会”，因为它永远不够好，所以你的技术可以持续进步。我们选择了这条路。

我们还决定使用一种叫 emulation 的技术。当时有家公司叫 ICOS。我打电话那天，他们正因为没有客户而准备关门。我说，嘿，听着。我把你们现有的库存都买了。不需要任何承诺。

我们需要那台 emulator 的原因是，你可以算算我们当时有多少钱。如果我们先 tape out，然后从 fab 拿回芯片，再开始开发软件、在软件开发中找出所有 bug，接着再次 tape out——那时候我们早就已经倒闭了。

David而且你的竞争对手早就赶上来了。

Jensen且不说我们那时候已经倒闭了。

没错。反正都要倒闭，那个方案显然就不是什么好方案。公司通常的做法是——设计芯片、编写软件、修复 bug、流片新芯片，如此反复——那条路走不通。问题是，如果我们只有六个月时间，而且只能流片一次，那你显然必须流片出一颗完美的芯片。

我记得当时和我们的管理层聊过，他们说，Jensen，你怎么知道它会完美？我说，我知道它会完美，因为如果不完美，我们就倒闭了。所以必须让它完美。我们只有一次机会。

我们实际上是通过买下一台仿真器来对芯片进行虚拟原型验证的。Dwight 和软件团队编写了我们的软件，整个软件栈，在仿真器上运行，然后就坐在实验室里等 Windows 把画面渲染出来。

David好像要 60 秒才能渲染一帧之类的。

Jensen哦，轻而易举。实际上我觉得可能要一小时才能渲染一帧，差不多是这样。我们就坐在那里看着它一点一点画出来。到了决定流片的那一天，我认定这颗芯片是完美的。所有能提前测试的，我们都已经提前测试过了，然后告诉所有人：就是这样了。我们要流片了。它会是完美的。

话说回来，如果你要流片一颗芯片，而且你知道它是完美的，那你还会做什么？这其实是个好问题。如果你知道按下回车、完成流片，结果会是完美的，那你还会做什么？答案显然就是：直接投产。

Ben还有展开营销攻势。还有开发者关系。

Jensen把一切启动起来，因为你有一颗完美的芯片。我们脑子里已经认定自己有一颗完美的芯片。

David这有多少是你个人的决断，又有多少来自你的联合创始人、公司其他人和董事会？是不是所有人都觉得你疯了？

Jensen不是。所有人都很清楚我们根本毫无胜算。不这么做才是疯了。

David否则你不如直接回家。

Jensen是啊，反正都要倒闭了，除此之外的任何做法都是疯狂的。这看起来是件相当合乎逻辑的事。老实说，现在听我这么描述，你可能也觉得，嗯，这挺合理的。

对，于是我们就完成了流片，直接投入生产。

Ben那么对于创业者来说，这是否意味着当你像当年对 RIVA 128 或 CUDA 那样有强烈信念时，就该拿整家公司去赌？这对你屡试不爽。你从中得到的教训似乎是：没错，继续押上全部筹码，因为到目前为止每次都成了。你怎么看？

Jensen不不。当你押上全部筹码时，我已经知道这事会成。注意，我们当时假定自己流片出了一颗完美芯片。之所以能假定流片出完美芯片，是因为在流片之前，我们已经用仿真器跑完了整颗芯片。我们开发了完整的软件栈。我们对所有驱动和软件做了 QA。我们运行了手头所有的游戏。我们跑遍了所有 VGA 应用。

当你押上全部筹码时，你真正在做的是——当你赌上一切时，你其实是在说：我要把未来所有有风险的事情，全部提前拉到当下完成。这大概就是教训所在。直到今天，所有我们能预取的，所有未来能在今天模拟的，我们都会提前拉回来。

David我们经常讨论这个。就在聊 Costco 那期节目时我们还提到过。你要在知道事情会成的时候，才押上全部筹码。

Ben每次我们看到你做出那种级别的公司级动作，你其实都已经模拟验证过了。CUDA 当时也是这种情况吗？

Jensen是的。其实，在 CUDA 之前还有个 CG。我们当时已经在探索一个概念：如何在我们的芯片之上创建一个可以用更高级语言和更高层表达方式来描述的抽象层？以及我们如何把 GPU 用于 CT 重建、图像处理这类任务？我们当时已经走在这条路上了。

当时已经有了一些正向反馈，以及一些直觉上的正向反馈，让我们觉得通用计算是可能的。如果你去看可编程着色器的流水线，它就是一颗处理器。它是高度并行的、大规模多线程的，而且是世界上唯一做到这一点的处理器。可编程着色器的诸多特性都在暗示，CUDA 有很大的成功机会。

Ben而这一点之所以成立，前提是最终会出现一个庞大的机器学习从业者市场，他们会想要做所有这些伟大的科学计算和加速计算。

但在你开始投入——如今累计大约已有一万人年的工作量——去搭建那个平台的时候，你有没有觉得，天哪，我们对机器学习的投入是不是超前于需求了？毕竟我们比全世界意识到这一点早了整整十年。

Jensen我觉得是也不是。当我们看到深度学习，当我们看到 AlexNet 并意识到它在计算机视觉领域惊人的有效性时，我们有足够的理智——如果你愿意这么说的话——回到第一性原理去问：这东西到底是因为什么才如此成功？

当一项新的软件技术或新算法出现，并且以某种方式跳过了 30 年的计算机视觉研究成果时，你必须退一步问自己：但为什么？从根本上说，它可扩展吗？如果可扩展，它还能解决什么问题？

我们有几个观察。第一个观察是，如果你有大量的样本数据，你就可以教会这个函数去做预测。

我们所做的基本上就是发现了一个通用函数逼近器，因为它的维度可以随心所欲地提高。又因为每一层都是逐层训练的，所以完全有理由构建非常非常深的神经网络。

好了，现在你就这么一路推理下去。回到 12 年前，你可以想象我脑子里在做的推理：我们发现了一个通用函数逼近器。事实上，如果再结合几项技术，我们可能已经发现了一台通用计算机，你可以——

David在那之前你每年都有关注 ImageNet 竞赛吗？

Jensen是的，原因是当时我们已经在做计算机视觉了。我们当时正努力让 CUDA 成为一个好的计算机视觉系统，或者说，当时为计算机视觉设计的大多数算法并不适合 CUDA。

我们就坐在那里试图搞明白。突然之间，AlexNet 出现了。这极其引人深思。它如此有效，以至于你会退一步问自己：为什么会这样？

等你一路推理过来，你会想：在一个拥有通用函数逼近器的世界里，哪些问题是可以被解决的？我们知道，大多数算法都始于基础科学。你想理解因果性。然后从因果性出发，你创建出模拟算法，让我们能够扩展。

但对很多问题来说，我们并不关心因果性。我们只关心它的可预测性。比如我真的在乎你出于什么原因更喜欢这款牙膏而不是那款吗？我并不真的在乎因果性。我只想知道，我预测你会选这款。我真的在乎买热狗的人同时也会买番茄酱和芥末的根本原因吗？这不重要。重要的是我能预测到。

它适用于预测电影、预测音乐。说实话，它也适用于预测天气。我们理解热力学、太阳辐射、云层效应、海洋效应。我们理解所有这些不同的东西。我们只是想知道该不该穿件毛衣，不是吗？对世界上很多问题来说，因果关系并不重要。我们只想模拟这个系统并预测结果。

Ben而且这可能是一个利润极其丰厚的市场。如果你能预测下一条在社交媒体 feed 里表现最好的内容项，事实证明那是一个价值巨大的市场。

David我喜欢你举的例子——牙膏、番茄酱、音乐、电影。

Jensen当你意识到这一点时，你会想，等等。一个通用函数逼近器，一个机器学习系统，一个能从范例中学习的东西，可能拥有巨大的机会，因为应用场景的数量相当庞大。

从商业一直到科学，显然无所不包。你意识到这可能影响到世界上很大一部分产业。世界上几乎所有的软件最终都会以这种方式来编程。如果是这样，事实上，你构建计算机和芯片的方式都可以彻底改变。意识到这一点之后，剩下的就看你有没有勇气把筹码押在这上面了。

David这就是我们今天所处的位置。这就是 Nvidia 今天的位置。这是在 AlexNet 问世几年后，也是我和 Ben 自己进入科技行业和风险投资行业的时候。

Ben我 2012 年加入 Microsoft，就在 AlexNet 之后，但在任何人谈论机器学习之前，甚至主流工程界也是如此。

David有那么几年，对世界其他大部分地区来说，这些看起来像是科学项目。而硅谷这边的科技公司，尤其是社交媒体公司，正从中实现巨大的经济价值——Google、Facebook、Netflix 等等。

显然，这催生了很多东西，包括几年后的 OpenAI。但在那几年里，当你看到硅谷解锁了如此巨大的经济价值时，你当时是什么感受？

Jensen第一个想法是思考我们应该如何改变计算栈。第二个想法是，我们能在哪里找到最早的应用可能性？如果我们去造这台计算机，人们会用它来做什么？

我们很幸运，与世界各大高校和研究人员合作是我们公司与生俱来的基因。我们当时已经在开发 CUDA，而 CUDA 的早期采用者正是研究人员，因为我们让超级计算变得民主化了。

CUDA 不仅（如你所知）用于 AI。CUDA 被用于几乎所有的科学领域。从分子动力学、医学成像、CT 重建、地震处理，到天气模拟、量子化学，数不胜数。CUDA 在研究领域的应用非常广泛。

当我们意识到深度学习可能非常有趣时，我们很自然地回到研究人员身边，找到世界上每一位 AI 研究人员，问：我们能如何帮助你们推进工作？

这其中包括 Yann LeCun、Andrew Ng 和 Jeff Hinton。我就是这样认识这些人的。我以前会参加所有的 AI 会议，就是在那里我第一次见到了 Ilya Sutskever。

那时候真正重要的是，我们能构建什么样的系统、什么样的软件栈，来帮助你们更成功地推进研究？因为在当时，它看起来像个玩具。我第一次见到 Goodfellow 时，GAN 生成的图像只有 32×32 像素，只是一张模糊的猫图。但它能发展到什么程度呢？所以我们相信它。

我们相信深度学习是可以扩展的，因为它显然是逐层训练的。你可以把数据集做得更大，把模型做得更大。我们相信如果把它做得越来越大，效果就会越来越好。这很合理。

我认为与研究人员的讨论和互动正是我们所需要的正反馈系统。我会回到研究中去。一切都是从那里发生的。

David2015 年 OpenAI 成立时，那是一个非常重要的时刻。这在今天看来显而易见，但在当时，我想大多数人，即使是科技界人士也会问：这是什么？你有参与吗？

因为你与研究人员、与 Ilya 联系如此紧密，坦白说，把这些人才从 Google 和 Facebook 带走，重新注入研究社区并将其开放出来，是一个非常重要的时刻。你有参与吗？

Jensen我没有参与它的创立，但我认识那里的很多人。Elon 我当然认识。Peter Beal 在那儿，Ilya 也在那儿。我们今天有一些很棒的员工一开始就在那里。

我知道他们需要这台我们正在造的惊人计算机，我们正在造第一版 DGX。今天你看到 Hopper，它重 70 磅，有 35,000 个零件，10,000 安培。但我们造的第一版 DGX 是内部使用的，而我把它第一台交付给了 OpenAI。那是很有趣的一天。

我们最初的成功很大程度上围绕着帮助研究人员达到下一个水平。我知道它当时的状态并不是很有用，但我也相信，很快它可能会变得非常了不起。这种信念来自与所有这些杰出研究人员的互动。来自看到这种渐进式的进步。

起初，论文每三个月才出一篇。而现在论文每天都在涌现。你可以直接监控存档论文。我对了解深度学习的进展很感兴趣，并尽我所能阅读这些论文。你可以实时看到这种指数级的进步。

Ben甚至似乎在行业内，据我们交谈过的一些研究人员说，似乎没有人预料到，仅仅通过增加模型规模，语言模型会变得如此有用。他们曾以为，必须发生某种算法上的变革。但一旦跨过 100 亿 parameter 的门槛，当然一旦跨过 1000 亿，它们就神奇地变得更加准确、更加有用、更加逼真。你第一次看到真正的大型语言模型时感到震惊吗？你还记得那种感觉吗？

Jensen我对语言模型的第一感受是，仅仅遮住单词让它预测下一个词，这个想法多么巧妙。这是 self-supervised learning 的最佳范例。我们有所有这些文本。我知道答案是什么。我就让你去猜。我对 BERT 的第一印象就是它非常巧妙。接下来的问题是如何扩展它？

对几乎所有事物的第一观察都很有趣，然后试着直观理解它为什么有效。下一步是从第一性原理出发。你如何外推？显然，我们知道 BERT 会变得大得多。

现在，关于这些语言模型的一点是，它们正在编码信息。它们在压缩信息。在世界上的语言和文本中，相当数量的推理被编码在其中。我们描述了很多推理性的东西。如果你说多步推理可以通过阅读东西以某种方式学会，我不会感到惊讶。

对我们很多人来说，我们通过阅读获得常识和推理能力。为什么机器学习模型不能从中也学到一些推理能力呢？从推理能力中，你就可以拥有 emergent capabilities。

沉浸能力在直觉上与推理是一致的。其中一些或许是可预测的，但它依然令人惊叹。它合乎情理这个事实，并不会让它因此减少一丝神奇。我可以在脑海中清晰地勾勒出一辆自动驾驶汽车里的整台计算机和所有模块。它依然能保持在车道内行驶，这件事让我无比开心。

Ben我甚至还记得大学第一次上操作系统课时的情景，当时我终于搞懂了从编程语言到电子工程课程之间的全部脉络，而操作系统课正好把中间这段串联了起来。我当时想，哦，我想我明白 Von Neumann 计算机从头到尾是怎么工作的了，而这仍然是个奇迹。

Jensen没错。当你把这一切拼在一起时，它依然是个奇迹。

Ben我们有一些问题想问你。有些是关于 Nvidia 文化的，有些则可以广泛适用于公司建设。我们想问的第一个问题是，听说你有 40 多位直接下属，而且你的组织架构图和传统公司的架构图运作方式大不相同。

你是否认为 Nvidia 有什么特别之处，让你能够拥有这么多直接下属，不用去宠溺或过度关注高管们的职业成长，而是直接告诉他们：不，你来这里就是为了做出你最该死的最棒的工作，做世界上最重要的事。现在就去干吧。(a) 这种说法对吗？(b) 是不是 Nvidia 有什么特别之处促成了这种模式？

Jensen我不认为这是 Nvidia 有什么特别之处。我觉得是我们有魄力去搭建这样一个体系。Nvidia 不是按军事化方式组建的，不像军队那样有将军和上校。我们不是那样设立的。我们也不是自上而下的命令控制与信息分发体系。

我们的架构更像是一个计算栈。最底层是我们的架构，然后是芯片，再往上是软件，最上面则是各种不同的模块。这些模块的每一层都是由人来构成的。

在我看来，公司的架构就是一台带有计算栈的计算机，由人来管理系统的不同部分。谁向谁汇报、你的职级头衔，跟你处在栈的哪一层毫无关系。关键是谁最擅长运行那一层上的那个功能模块，谁就来负责。那个人就是该模块的机长。这是其中一个特点。

David你从最早期就是这么看待公司的吗？

Jensen是的，差不多一直是这样。原因在于，组织架构应当是制造产品的机器本身的架构。公司本来就该如此。然而，每家公司看起来都一模一样，但它们生产的东西却各不相同。这怎么可能说得通呢？你明白我的意思吗？

做炸鸡、煎汉堡和做中式炒饭的方式各不相同。那机器和流程为什么要完全一样呢？

在我看来，大多数公司的组织架构图全都一个样，这根本说不通。然后你有一个团队负责这块业务，另一个团队负责那块业务，再一个团队负责别的业务，它们 supposedly 都应该是自治的。

这些东西在我看来全都没道理。一切都取决于我们要造什么，以及什么样的公司架构最适合去造它？这是第一点。

在信息系统和如何促进协作方面，我们的连接方式就像一个神经网络。我们内部有句话叫“使命就是老板”。我们先明确使命是什么，然后把最出色的技能、最优秀的团队、最好的资源都连接起来，去完成那个使命。它以一种看似毫无章法的方式横跨整个组织，但看起来有点像神经网络。

David你说的使命，是指 Nvidia 的使命是……

好的，所以不是那种“推进加速计算”？而是类似“我们要交付 DGX Cloud”这种？

Jensen不是。打造 Hopper，或者为 Hopper 搭建系统。有人负责为 Hopper 开发 CUDA，有人负责为 Hopper 上的 CUDA 开发 cuDNN。每个人的工作就是使命。你的使命就是去完成某件事。

Ben与传统架构相比，这种模式有什么利弊？

Jensen弊端是领导者承受的压力相当大。原因在于，在命令控制体系中，你的上级比你拥有更大的权力。他们权力更大的原因是他们比你更接近信息源头。

在我们公司，信息会相当快速地传递给许多不同的人。通常是在团队层面。比如刚才我参加了一场机器人会议。我们在讨论一些事情，并做出一些决策。

房间里有刚毕业的大学生，有三位副总裁，还有两位 e-staff。在我们共同做出决定的那一刻，我们一起推理、一起讨论，然后做出决策，所有人都在同一时间听到结果。没有人比其他人拥有更多权力。明白吗？刚毕业的大学生和 e-staff 是同时知道结果的。

为我工作的 executive staff、领导者，还有我自己，你能获得这份工作，是因为你具备推理问题的能力，并且能帮助他人成功。而不是因为你掌握了某些特权信息，比如我知道答案是 3.7，而且只有我知道。所有人都知道。

David在我们最新一期节目，也就是刚刚发布的 Nvidia 第三部分中，我们做了一个思想实验，特别是针对过去这几年。你们的产品交付周期非常令人印象深刻，尤其是考虑到你们所掌握的技术水平以及这一切的难度。当时我们说，你能想象 Apple 一年发布两款 iPhone 吗？

Ben我们这么说只是为了举例说明。

David为了举例说明，不是要针对 Apple 之类的。

Ben一家大型科技公司每年交付两款旗舰产品，或者每年交付两次旗舰产品。

David你很难想象这种情况，但在这里却真实发生了。你有没有敬仰或欣赏的其他公司，无论是现在的还是历史上的，也许从中获得过一些灵感？

Jensen过去 30 年里，我读了不少商业书籍。就像你读的所有东西一样，你首先应该享受它、从中获得启发，但不要照搬。这不是这些书的全部意义所在。这些书的全部意义在于分享他们的经历。

你应该问：这对我的世界意味着什么？对当下的我意味着什么？对我所处的环境意味着什么？对我想要实现的目标意味着什么？对 Nvidia、对我们公司所处的阶段和能力意味着什么？

你应该问自己：这对你意味着什么？从这一点出发，在我们所学到的各种不同事物的启发下，我们应该制定出自己的战略。

我刚才描述的就是我做所有事情的方式。你应该受到启发，向所有人学习。这种教育是免费的。当有人在谈论新产品时，你应该去听，不应该无视，而应该去学习。

可能是竞争对手，可能是相邻行业，可能跟我们毫无关系。我们从外部世界发生的事中学得越多，就越好。但接下来，你应该回过头来问自己：这对我们意味着什么？

David你不想只是模仿他们。

我很喜欢这种“学习而非模仿”，以及从广泛来源中汲取营养的铺垫。我认为，Nvidia 发展到今天还有第三个不可思议的因素，那就是数据中心。

这一点在当时绝非显而易见。我无法从 AlexNet、你与研究社区的合作，以及社交媒体动态[……]中推导出这个结论。你和公司决定要花五年时间 all in 数据中心，这是怎么发生的？

Jensen我们走向数据中心的旅程，要我说，大概始于 17 年前。总有人问我，公司未来可能会面临哪些挑战？

我一直觉得，Nvidia 的技术必须插在一台电脑上，而那台电脑又必须放在你身边，因为它得连着显示器，这总有一天会限制我们的机会。毕竟能插 GPU 的台式 PC 就那么多，我们能驱动的 CRT 和（当时的）LCD 也有限。

那么，如果我们的电脑不必连接到显示设备，岂不是太好了？只要将二者分离，我们就能在别处进行计算。

有一天，我们的一位工程师来给我展示了一个方案。其实就是捕获 frame buffer，将其编码成视频，然后流式传输到接收设备上，从而把计算和显示分开。

事实上，那就是我们启动 GFN 的时候。我们知道 GFN 将是一段漫长的旅程，因为你要应对各种各样的问题，包括光速限制，还有——

David给听众们说明一下，GFN 就是 GeForce NOW。

这就说得通了。这是你们的第一个云产品。

Jensen没错。你看 GeForce NOW，它是 Nvidia 的第一个数据中心产品。

我们的第二个数据中心产品是远程图形，把 GPU 放进全球的企业数据中心。这进而催生了第三个产品，将 CUDA 和 GPU 结合，变成了一台超级计算机。然后一步步发展到更多。

这之所以如此重要，是因为如果你能把 Nvidia 计算发生的地方和人们享受计算的地方分离开，市场机会就会爆发式增长。

事实也确实如此。于是我们不再受限于摆在桌边的台式机的物理约束，不再受限于每人一块 GPU。地点已经不再重要。那真是一个伟大的洞察。

Ben这倒是个很好的提醒。Nvidia 的数据中心业务（对我来说）已经变得和 AI 进展同义了，但这是一个错误的等同。有趣的是，你们之所以能在数据中心领域为 AI 爆发做好准备，只是因为之前已经有三款以上的产品让你们学会了如何打造数据中心计算机。尽管那些市场并不像 AI 这样是巨大的、改变世界的技术变革，但你们就是这样学会了的。

Jensen没错。你要为未来机会铺路。不能等到机会就摆在你面前了才伸手去抓，所以你必须预判。

作为 CEO，我们的工作就是洞察转角之后的状况，预判未来的机会会在哪里。即便我不确定具体是什么、在何时发生，我也要让公司布局在机会附近，就站在那棵树的旁边，等苹果掉下来时我们能飞身去接。你们懂我的意思吧？但你得离得够近，才能做出那个飞身扑救。

David把时间拨回 2015 年和 OpenAI。如果你们没有在数据中心领域打下这些基础，现在也不会为 OpenAI 提供算力。

Jensen是的。但“计算大多将在显示设备之外完成”，“绝大多数计算将在计算机本身之外完成”，这个洞察是很正确的。

事实上，云计算，以及今天计算的一切，都是关于这种分离。把它放进数据中心，我们就能克服延迟问题。你不可能超越光速。光速端到端也就 120 毫秒左右，并不算长。

Ben哦，我懂了。字面意义上的横跨地球。

Jensen对。如果你能解决这个问题，大概——我忘了具体数字——70 毫秒、100 毫秒左右，但总之不算长。

我的意思是，如果你能把其他所有障碍都扫除，那么光速就完全没问题。你可以把数据中心建得要多大有多大，然后做出惊人的事情。我们这个小小的用作计算机的设备，或者你的电视作为计算机，无论什么计算机，都能瞬间变得强大无比。15 年前的这个洞察是很正确的。

Ben说到光速——David 一直催我问这个——你显然比任何人都更早意识到 InfiniBand 会更快地变得重要。收购 Mellanox，我认为你是 uniquely 看到了训练 large language models 需要这个，而且在收购那家公司时非常激进。为什么你能看到别人没看到的东西？

Jensen这有几个原因。首先，如果你想成为一家数据中心公司，光造处理芯片是不行的。数据中心与台式机、手机的区别，并不在于里面的处理器。

数据中心里的机器用的也是同样的 CPU、同样的 GPU，显然非常接近。定义数据中心的不是处理芯片，而是网络、基础设施、计算如何分布、安全如何保障、网络如何搭建等等。这些特性与 Mellanox 相关，而不是 Nvidia。

当我断定 Nvidia 真正想建造的是未来的计算机，而未来的计算机将落地在数据中心里时，那么如果我们想成为一家面向数据中心的公司，就真的必须进入网络领域。这是第一点。

第二点是观察：云计算始于 hyperscale，核心是把商品化组件、大量用户虚拟化到一台计算机上；而 AI 本质上是分布式计算，一个训练任务要跨数百万处理器进行编排。

这几乎是 hyperscale 的反面。你用现成的 commodity ethernet 来设计 hyperscale 计算机，对 Hadoop、搜索查询以及所有那些东西都完全够用——

Ben但当你把一个模型 shard 到各个节点上时就不行了。

Jensen当你把一个模型 shard 到各个节点上时就不行了，对吧。这个观察说明，你想要的网络类型并不是单纯的 ethernet。我们为超级计算所做的网络方式其实非常理想。

这两个想法结合起来让我确信，Mellanox 绝对是对的公司，因为他们是全球领先的高性能网络公司。我们已经在高性能计算的许多不同领域与他们合作过。而且我很喜欢那里的人。以色列团队是世界级的。我们现在在那里大约有 3200 人，这是我做过的最好的战略决策之一。

David我们在做研究，特别是 Nvidia 系列第三部分的时候，采访了很多人。很多人告诉我们，Mellanox 的收购是科技史上最成功的收购之一，甚至可能就是最成功的一次。

Jensen我也这么觉得。这和我们平时做的工作看起来太不相关了，所以让所有人都感到惊讶。

Ben但按这个逻辑来理解，你一直站在机会附近，所以一旦那颗苹果可以买了，你就能立刻反应过来：哦，LLMs 马上要爆发了，我需要那个。所有人都会需要那个。我想我比任何人都更早知道这一点。

Jensen你要让自己靠近机会。不必做到尽善尽美。你要让自己靠近那棵树。即使没能在苹果落地前接住它，只要你是第一个捡起来的人就行。你要让自己靠近机会。

我的工作很大程度上就是如此：把公司定位在机会附近，并且公司要有能力在沿途的每一步都实现变现，这样我们才能持续发展。

Ben你刚才说的让我想到巴菲特和芒格的一句精彩格言：宁可大致正确，也不要精确错误。

Jensen没错。这句话很好。

Ben我想暂时放下 Nvidia 的话题，如果你不介意的话——我们有很多创始人在听这档节目，想向你请教一些关于公司建设的建议。

第一个是，在创业最早期，你最大的竞争对手是你做不出人们想要的东西。你的公司很可能会死掉，仅仅因为人们实际上并不像你那样在乎[……]。

到了后期，你必须非常审慎地思考竞争策略。我很好奇，对于那些已经实现了产品/市场契合、开始成长、身处有趣且不断增长的市场中的公司，你有什么建议？他们应该在哪里寻找竞争，又该如何应对？

Jensen思考竞争的方式有很多种。我们更倾向于把自己定位去满足一种通常尚未出现的需求。

David我听你或者 Nvidia 的其他人（我想是）用过“零十亿美元”这个说法——

Jensen完全正确。它的意思是，目前还没有市场，但我们相信未来会出现。通常当你定位在那里时，所有人都在琢磨你为什么在这儿。我们最初进入汽车行业，是因为我们相信未来汽车将在很大程度上由软件构成。如果它主要由软件构成，那就需要一台非常强大的计算机。

当我们把自己定位在那里时，我还记得有一位 CTO 对我说：你知道吗？汽车可受不了“死亡蓝屏”。我说，我觉得没人能受得了，但这改变不了终有一天每辆车都将是软件定义汽车的事实。我想 15 年后的今天，我们大体上是对的。

很多时候存在“非消费”状态，我们喜欢把公司导向那里。这样做的好处是，当市场浮现时，很可能没有那么多以那种形态存在的竞争对手。

我们很早进入 PC 游戏领域，而今天 Nvidia 在 PC 游戏领域体量很大。我们重新构想了设计工作站应该是什么样子。今天，地球上几乎所有工作站都在使用 Nvidia 的技术。我们重新构想了超级计算应该怎么做、谁应该从中受益——我们要让它民主化。你看今天，Nvidia 在加速计算领域已经相当庞大。

我们重新构想了软件将会如何开发，今天它被称为 machine learning；也重新构想了计算将会如何进行，我们称之为 AI。我们提前大约十年去重新想象这些事。我们在“零十亿美元”市场里花了大约十年时间，而今天我投入大量时间在 Omniverse 上。Omniverse 就是一个典型的“零十亿美元”业务。

Ben现在大概有 40 个客户？差不多这样？

假设你确实获得了这十年的领先优势。但随后其他人也搞明白了，有人在你身后紧追不舍。一个正在建设企业的人，在结构上可以做些什么来保持领先？你可以一脚油门踩到底，说我们要比他们更勤奋、更聪明。这在某种程度上有效，但那些只是战术。从战略上，你能做些什么来确保维持领先？

Jensen很多时候，如果你创造了这个市场，你最终会拥有人们所说的“护城河”，因为如果你把产品做对，并且围绕你建立了一个完整的生态系统来帮助服务那个终端市场，你本质上就创建了一个平台。

有时它是基于产品的平台，有时是基于服务的平台，有时是基于技术的平台。但如果你早早进入，并且用心帮助生态系统与你一起成功，你最终会拥有一个网络的网络，以及所有围绕你聚集的开发者和客户。这个网络本质上就是你的护城河。

我不喜欢用“护城河”这个语境来思考。原因是，这样一来你的注意力就集中在城堡周围修东西上了。我倾向于用“构建网络”的语境来思考。这个网络的意义在于让其他人也能享受最终市场的成功。你不是唯一享受成功的公司，而是和一大批人一起享受成功。

David很高兴你提到这个，因为我正想问你。至少在我看来，而且听你的意思也是如此，Nvidia 绝对是一家平台公司，而世界上真正有意义平台公司寥寥无几。

我想也可以公平地说，你们刚起步时，头几年只是一家技术公司，而不是平台公司。我能想到的每一个试图从一开始就做平台的公司，都失败了。你必须先从技术做起。

你是什么时候考虑向平台转型的？你们最早的显卡只是技术，没有 CUDA，没有平台。

Jensen你的观察不算错。然而，在我们公司内部，我们始终是一家平台公司。原因是，从公司成立第一天起，我们就有一种叫做 UDA 的架构。它就是 CUDA 里的那个 UDA。

DavidCUDA 是 Compute Unified Device Architecture 吗？

Jensen没错。原因是，我们所做的，我们最初本质上所做的，即使 RIVA 128 只有计算机图形功能，但那个架构描述的是各种加速器。我们会基于那个架构，让开发者为其编程。

事实上，Nvidia 的第一个商业策略是我们要成为 PC 里的游戏主机。游戏主机需要开发者，这就是为什么很久以前，Nvidia 最早的一批员工之一就是开发者关系专员。这就是为什么我们认识所有游戏开发者和 3D 开发者。

David哇。等等，那最初的商业计划是……

对，用 PC 去和 Nintendo、Sega 竞争？

Jensen事实上，Nvidia 最初的架构叫做 Direct NV（Direct Nvidia）。DirectX 是一种 API，它让操作系统能够直接与硬件连接。

David但你创立 Nvidia 时 DirectX 还不存在，这就是为什么你们头几年的策略是错误的。

Jensen1993 年，我们有了 Direct Nvidia，它在 1995 年变成了 DirectX。

我们始终是一家以开发者为导向的公司。

Ben没错。最初的尝试是，我们让开发者在 Direct NV 上开发，然后他们为我们的芯片开发，这样我们就有了一个平台。但实际发生的是，Microsoft 已经拥有所有这些开发者关系，所以你们惨痛地学到了教训——

David[……] 当年就是这么做的。他们心想，哦，那可以成为一个开发者平台。我们就收下了。谢谢。

Jensen他们的做法非常不同，而且做对了很多事。我们则做错了很多事。

David你们在九十年代是在和 Microsoft 竞争。

Jensen情况很不一样，不过谢谢你的抬举。我们当时根本没法和他们竞争。你看现在，当 CUDA 出现时，市面上有 OpenGL，有 DirectX，但还有另一个扩展，可以这么说。那个扩展就是 CUDA。这个 CUDA 扩展让那些本来靠运行 DirectX 和 OpenGL 获得收入的芯片，能够为 CUDA 建立安装基础。

David这就是为什么你当时那么强硬。据我们研究，确实是因为你坚持强硬立场，要求每一块 Nvidia 芯片都必须能运行 CUDA。

Jensen是的。如果你要做计算平台，一切就必须兼容。我们是全球唯一一家每款加速器在架构上都彼此兼容的厂商，历史上从未有过这样的情况。

如今全球正在使用的活跃 CUDA GPU 装机量确实达到数亿之多——2.5 亿、3 亿左右，而且它们在架构上全部兼容。如果 NV30、NV35、NV39 和 NV40 彼此都不同，你还怎么能拥有一个计算平台？30 年来，它们完全兼容。这是我们公司唯一一条没有商量余地的原则，其他一切都可以谈。

David我想 CUDA 算是 UDA 的重生，但现在明白了，UDA 一路追溯回去，其实贯穿了你们做过的所有芯片。

Jensen是的。事实上，UDA 一路延续到了我们今天所有的芯片。需要说明的是，我并不是在帮任何正在收听的创始 CEO 们。你刚才问我能传授什么经验教训，我得告诉你，我不知道。

成功公司和成功 CEO 的特质（我认为）其实已经被描述得相当清楚了，这样的特质有很多。我只是觉得，创办一家成功的公司极其困难，就是极其困难。当我看到那些了不起的公司被建立起来时，我只有钦佩和尊重，因为我知道那极其困难。

我觉得大家都做了很多类似的事。人们会做一些明智的好事，也会做一些蠢事。但你可能做了所有正确而明智的事，仍然会失败；你做了大量蠢事——我就做过很多——也依然可能成功。

显然，这话也不完全对。我认为技能是你沿途可以学到的东西，但在关键时刻，某些环境因素必须恰好凑到一起。我确实认为市场必须是帮助你成功的因素之一，但光有这个显然不够，因为很多人还是失败了。

Ben在 Nvidia 的历史上，你有没有这样的时刻——哎呀，我们做了一堆错误的决定，但不知怎的又化险为夷了？因为成功需要运气和实力的总和。

Jensen其实我觉得你们从 RIVA 128 说起非常准确。就像我说的，RIVA 128 时期我们做了大量聪明的决策，这些决策到今天依然聪明，我们设计芯片的方式至今仍然完全一样，要知道当时根本没人这么做过。我们在绝望中使出了浑身解数，因为我们别无选择。

结果呢？事情本来就应该这么做。现在所有人都这么做了。所有人都这么做，是因为如果能一次做完，为什么要做两次？如果能一次流片，为什么要流片七次？

最有效率、最具成本效益、最具竞争力的速度就是技术本身。速度就是性能，上市时间就是性能。这些全都适用。所以如果能一次做完，为什么要做两次？

RIVA 128 在如何定义产品规格、如何看待市场需求及其空白、如何研判市场等等方面，都做了大量出色的决策。老天，我们当时做了一些极其正确的决定。是的，我们被逼到了墙角，只有一次机会了，但是——

Ben一旦你使出浑身解数，看到了自己的能力，为什么还要留有余地——

让我们每次都全力以赴，时时刻刻都不留余地。

David不过，从运气的角度来看，回想 1997 年，是否可以公平地说，那一刻消费者开始真正、非常看重游戏中的 3D 图形性能？

Jensen哦，是的。比如说运气。我们聊聊运气。如果 Carmack 当时决定使用加速，你要记得，Doom 完全是软件渲染的。

Nvidia 的理念是，尽管通用计算是一件很棒的事，它将赋能软件、IT 和一切，但我们觉得有些应用如果不加速就不可能实现，或者成本会高得难以承受。它们理应被加速。3D 图形就是其中之一，但不是唯一一个，它只是碰巧成了第一个，而且是一个非常棒的领域。

我还记得我们第一次见 John 的情景。他当时非常坚持要用 CPU，而且他的软件渲染确实非常出色。说实话，你看 Doom 的性能，即便在当时用加速器也很难达到。如果不需要做双线性过滤，它表现得已经相当好了。

David但 Doom 的问题在于，你需要 Carmack 那样的高手才能写出这样的程序。

Jensen没错。那是一段天才级别的代码，但尽管如此，软件渲染确实做得很出色。如果他没有决定转向 OpenGL 并为 Quake 做加速，坦白说，那什么才能成为让我们走到今天的杀手级应用？Carmack 和 Sweeney，凭借 Unreal 和 Quake，共同创造了消费级 3D 领域最早的两款杀手级应用，所以我欠他们很多。

David我想快速回到你刚才说的那些故事，你说你不知道创始人们能从中借鉴什么。其实我认为，如果你看看今天所有的大型科技公司，也许除了 Google 之外，它们确实都是从——而且现在我理解了你的做法——服务开发者、规划构建平台、为开发者提供工具开始的。

它们全部——Apple，而不是 Amazon。[...] AWS 就是这么起家的。我认为这实际上正是一个教训，正如你所说，这绝不能保证成功，但万一苹果掉下来，至少能让你守在树旁。

Jensen无论我们有多少好点子，你都不可能拥有世界上所有的好点子。拥有开发者的好处在于，你能看到大量好点子。

Ben好了，我们快进入尾声了，已经在过去的事情上花了大量时间。我想稍微聊聊未来。我相信身处 AI 最前沿，你一定也花了很多时间思考这些。

我们正在进入一个时代：当一个人使用软件时，软件所能达成的生产力能够极大地放大他们所产生的影响和创造的价值，从长远看，这对人类必定是件了不起的事。但在短期内，在我们弄清这意味着什么的过程中，不可避免地会有颠簸。

随着 AI 变得越来越强大，越来越善于加速生产力，你认为对于那些因此将被取代的工作岗位，有哪些解决方案？

Jensen首先，我们必须确保 AI 的安全。AI 安全有几个不同的领域非常重要。显然，在机器人和自动驾驶汽车方面，有一整套 AI 安全的领域。我们致力于功能安全、主动安全，以及各种不同领域的安全。何时应让人类在 loop 中？何时可以让人类不在 loop 中？如何逐步做到人类越来越不需要在 loop 中，但大体上仍在 loop 里？

在信息安全方面，显然包括偏见、虚假信息，以及尊重艺术家和创作者的权利，这整个领域都值得我们高度关注。

你们已经看到我们做的一些工作：我们没有去抓取互联网内容，而是与 Getty 和 Shutterstock 合作，以商业上公平的方式来应用人工智能、生成式 AI。

在大型语言模型以及未来自主性越来越强的 AI 领域，答案显然是在合理的情况下——而且我认为这在很长一段时间内都会是合理的——保持人类在 loop 中。应该避免让 AI 以数字形式在开放环境中自我学习、改进和改变。我们应该收集数据、搬运数据、训练模型，在再次将其放到开放环境中之前，对模型进行测试和验证。所以人类要在 loop 中。

许多行业已经证明了如何构建对人类安全且有益的系统。显然，飞机自动驾驶的运作方式、双飞行员制度、空中交通管制、冗余与多样性，以及所有设计安全系统的基本理念，同样适用于自动驾驶汽车等领域。我认为有很多创建安全AI的范例，我们应该加以应用。

关于自动化，我的感觉是——我们拭目以待——AI更有可能在近期创造更多就业岗位。问题是，如何定义“近期”？原因在于，生产力提升带来的首要结果就是繁荣。企业越成功，就越会雇用更多人，因为它们希望拓展到更多领域。

所以问题在于，如果你从一家公司的角度想，假如我们提高了生产力，就需要更少的人。那是因为这家公司已经没有更多想法了。但大多数公司并非如此。如果你变得更高效，公司变得更盈利，通常它们会雇用更多人以开拓新领域。

只要我们相信还有更多领域可以拓展，医药领域还有更多想法，还有新药研发可做，交通领域还有更多想法，零售领域还有更多想法，娱乐领域还有更多想法，科技领域还有更多想法，只要我们相信还有更多的想法，那么由生产力提升带来的行业繁荣，就会促使企业雇用更多人、产生更多创意。

回顾历史，我们完全可以说，今天的产业规模比一千年前的全球产业还要大。原因显然在于人类拥有大量创意。我认为，繁荣所需的创意仍有很多，由生产力提升所催生出的创意也有很多，但我感觉这更可能创造就业。

当然，就业岗位的净增长并不能保证某一个人就不会被解雇。这显然是事实。一个人更可能丢掉工作给另一个人，给某个使用AI的其他人。不是输给AI本身，而是输给使用AI的另一个人。

我认为每个人应该做的第一件事是学习如何使用AI，从而提升自身的生产力。每家公司都应该提升自身的生产力，变得更加高效，以获得更多繁荣，雇用更多人。

我认为工作会发生变化。我猜测我们实际上会有更高的就业率，会创造更多岗位。我认为各行业将变得更高效。许多目前正苦于劳动力短缺的行业，其员工很可能会借助AI重振旗鼓，回归增长与繁荣。我的看法或许略有不同，但我确实认为就业会受到影响，所以我鼓励每个人都要学习AI。

David这很贴切。我们在Acquired上经常谈到一个概念，我们称之为摩尔定律的Moritz推论，得名于Sequoia的Mike Moritz。

JensenSequoia是我们公司的第一个投资人。

David当然。背后的故事很精彩：当Mike与Doug一起接替Don Valentine时，他坐下来审视Sequoia的回报。他看着第三或第四期基金，我想应该是第四期，里面有Cisco。他当时想，我们怎么才能超越这个成绩？Don让我们难以企及，我们永远不可能打败那个纪录。

他思考后意识到，随着计算变得越来越便宜，由于成本下降，它能触达经济中更多领域，也能被更广泛地采用，那么我们能够覆盖的市场就应该变得更大。你的论点基本上是AI也会做同样的事，这个循环将继续下去。

Jensen完全正确。我刚才举的正是同样的例子：事实上，生产力并不会导致我们做得更少。生产力通常让我们做得更多。我们做每件事都会更轻松，但最终会做更多。因为我们拥有无限的雄心。世界拥有无限的雄心。如果一家公司更盈利，它们倾向于雇用更多人来做更多事。

Ben确实如此。技术是一种杠杆，而这种想法的谬误在于，认为人类会就此满足。

David人类的雄心永无止境。

Ben没错。人类总会不断扩张，消耗更多能源，并试图追求更多想法。纵观历史，我们物种的每一个阶段都是如此。

David我们想问你几个快问快答的问题，然后还有一个非常有趣的——

Jensen天哪。我可没法想那么快。

Ben我们先来个简单的，就看这周围会议室的名字。你最喜欢的科幻小说是哪本？

Jensen我以前从没读过科幻小说。

Ben那你怎么这么痴迷Star Trek还有……

Jensen这很简单。我只看电视剧。

Star Trek是我的最爱。是的，Star Trek是我的最爱。

Ben进来的时候我看到外面有间VGER。这个会议室名字起得不错。

David你现在日常开什么车？以及一个相关的问题，你还留着那辆Supra吗？

Jensen哦，那是我最喜欢的车之一，也是我最珍贵的回忆之一。你们可能不知道，有一年圣诞节Lori和我订婚了，我们开着我的全新Supra返程，结果把车撞毁了。当时只差一点点就到了。

是啊。不过话说回来，那不是我的错。也不是Supra的错，但我爱那辆车。

David唯一一次不是Supra的错。

Jensen是啊。我爱那辆车。出于安全等方面的原因，我现在坐Mercedes EQS出行。那是辆很棒的车。

Ben太棒了。我知道我们已经稍微聊过商业书籍，但有没有一两本你从中有所收获的最爱？

JensenClay Christensen，我认为他那套系列是最好的。这是毫无疑问的。原因在于它非常直观、非常合理，而且通俗易懂。不过我读了一大堆商业书籍，几乎全都读过了。我非常喜欢Andrew Grove的书。它们都非常出色。

Ben太棒了。Don Valentine身上你最喜欢的特质是什么？

Jensen脾气坏，但很可爱。他决定投资我们公司时对我说的最后一句话是：如果你亏了我的钱，我就杀了你。

而在随后数十年里，每当Mercury News上有关于我们的正面报道，看起来就像他用蜡笔写的一样，他会在上面写：“干得好，Don。”直接写在报纸上，只写“干得好，Don”，然后寄给我。我希望我还留着那些剪报，总之，你能看出他是个真正的好人，而且他非常关心自己投资的公司。

David今天你坚信的某件事，如果是40岁的Jensen，他可能会反驳说，不，我不同意。那是什么？

Jensen时间是充足的。如果你能妥善地安排自己的优先级，确保不让Outlook主宰你的时间，那么时间是足够的。

David一天里的时间很充裕？还是有足够的时间去实现某个目标？

Jensen做任何事都足够。只是不要什么都做。为你的人生排定优先级。做出取舍。不要让Outlook控制你每天做什么。

注意到我这次会面迟到了吧，原因就在于，等我抬头一看，天哪，Ben和David还在等着。

David但这也没耽误你处理正事。

Jensen没错，但你必须非常仔细地安排自己的时间，不要让Outlook来决定。

David说得好。如果说有什么恐惧的话，你害怕什么？

Jensen我今天害怕的东西和公司初创时一样，那就是让员工失望。有很多人加入你的公司，是因为他们相信你的希望和梦想，并将其视为他们自己的梦想。

你想为他们做对事。你想为他们取得成功。你希望他们在帮助你打造一家伟大公司的同时，也能过上美好的生活，成就一番伟大的事业。你希望他们能够享受这一切。

如今，我希望他们能享受到我所拥有过的一切，享受到我所享有的所有巨大成功。我希望他们能享受到这一切。所以我认为，最大的恐惧就是辜负他们。

David你是在什么时候意识到不会再有下一份工作了，这就是你的归宿了？

Jensen我不会换工作。如果不是Chris和Curtis说服我创办Nvidia，我今天还会在LSI Logic。我对此非常确定。

是的，我非常确定。我会继续做我正在做的事。当时我在那里的时候，我全身心投入，专注于帮助LSI Logic成为它所能成为的最优秀的公司。我是LSI Logic最好的大使。我在LSI Logic结识的好朋友至今还在联系。那是我当时深爱的公司，到今天我也依然深爱着它。

我非常清楚它在芯片、系统和计算机设计方面带来的革命性影响。在我看来，它是硅谷有史以来最重要的公司之一，彻底改变了计算机的制造方式。它让我置身于计算机行业一些最重要事件的中心。

它让我得以结识Chris、Curtis、Andy Bechtolsheim和Jon Rubinstein，这些人都是世界上最重要的人物之一。还有Frank，我前几天还和他见面。这样的人还有很多。LSI Logic对我来说非常重要，我本来会一直留在那里。谁知道如果我当时没走，LSI Logic会变成什么样呢？我就是这么想的。

没错。我可能就会做和今天一样的事。

David回想起我们Nvidia系列访谈的第一部分，我有这种感觉。

Jensen除非被解雇，否则这是我最后一份工作。就是这样了。

David我感觉LSI Logic可能也改变了你对计算的看法和理念。我们从研究中了解到，当你刚毕业，最初去AMD的时候，你信奉Jerry Sanders那句“real men have fabs”的某种版本。你必须做全栈，必须什么都做，而LSI Logic改变了你。

JensenLSI Logic所做的是意识到，你可以用高级语言来表达晶体管、逻辑门和芯片功能。通过提升抽象层级，也就是现在所谓的高级设计（high-level design）——这个术语是Harvey Jones提出的，他在Nvidia董事会任职，我很早以前就在Synopsys初创期认识了他——当时人们相信，可以用高级语言来表达芯片设计。这样一来，你就可以利用优化编译器、优化逻辑和工具，大幅提升生产力。

这个逻辑对我来说非常合理。当时我21岁，我想去追求那个愿景。坦白说，这个想法后来在机器学习（machine learning）领域实现了。在软件编程领域也实现了。我希望看到它在数字生物学（digital biology）中实现，这样我们就能用更高级的语言来思考生物学，也许大型语言模型（large language model）会是一种让它可被表达的方式。

那次转变是如此具有革命性，我认为那是这个行业发生过的最棒的事情。我很高兴能成为其中一员，而且我就在原点。我看到一个行业的变革彻底改变了另一个行业。如果不是LSI Logic做了它所做的工作，随后又有Synopsys，计算机行业怎么会发展到今天的样子？真的太了不起了。我在正确的时间出现在了正确的地点，得以见证这一切。

David那太酷了。听起来LSI Logic的CEO也在Don Valentine面前为你说了好话。

Jensen我当时不知道怎么写商业计划书。

Ben事实证明那其实并不重要。

Jensen是的。事实证明，做一份没人知道对错的财务预测，其实并没有那么重要。但商业计划书本可以梳理出来的那些关键问题，我认为写商业计划书的功夫应该短得多、精炼得多。

它迫使你浓缩思考：你真正想解决的问题是什么？你认为将会出现但尚未被满足的需求是什么？你要做的事情难度是否足够大，以至于当其他人发现这是个好主意时，他们不会一拥而上让你被淘汰？这件事必须足够难做。

产品定位、定价、走向市场（go to market）以及诸如此类的事情，还需要很多其他技能。但那些是技能，你可以轻松学会。真正非常难的是我刚才描述的那些本质问题。

那部分我做得还行，但我完全不知道怎么写商业计划书。我很幸运，Wilf Corrigan对我在LSI Logic的工作非常满意，他给Don Valentine打电话，告诉他：投资这个孩子。他会去找你的。从那一刻起，我就被安排在了成功的轨道上，让我们得以起步。

David只要你不把钱赔光就行。

Jensen我觉得Sequoia做得不错。我们可能是他们做过的最好的投资之一。

那位风险投资合伙人至今还在董事会里，Mark Stevens。这么多年了。两位创始风险投资人至今都还在董事会里。

是的。Tench Coxe和Mark Stevens。我觉得这种事不会再有第二例。我相信在这种情况下我们是独一无二的。他们一直都在创造价值，一直都在激励我们，给予了巨大的智慧和支持。但他们也非常——

不，还没有。但他们因为这家公司而感到愉悦，受到启发，也获得了丰厚的回报，所以他们一直陪伴着它，我非常感激。

David好吧，这就是我们要问你的最后一个问题了。现在是2023年，Nvidia成立30周年。如果你神奇地再次变回30岁，就在2023年的今天，你要和你最聪明的两个好朋友去Denny's，讨论创办一家公司，你们会讨论创办什么？

Jensen我不会去做的。我知道。原因其实很简单。先不说我们要创办什么公司，首先，我也不太确定。我不会去做的原因，归根结底在于这件事有多难——创办一家公司，打造Nvidia，结果比我预期的要难一百万倍，比我们任何人预期的都要难。

如果在当时，我们就意识到那些痛苦与煎熬，意识到你会感到多么脆弱，要忍受多少挑战，多少尴尬与羞愧，以及所有会出错的破事，我觉得没人会去创办公司。头脑正常的人都不会这么做。

我认为这就是创业者的超能力。他们不知道有多难，只会问自己：能有多难？直到今天，我还在骗自己的大脑去想：能有多难？因为你必须这样。

Ben到现在，每天早上醒来还是这样。

Jensen是的。能有多难？我们在做的所有事情，能有多难？Omniverse，能有多难？

David但我感觉你并不打算很快退休。你本可以选择说，哇，这太难了。

Jensen我现在仍然非常享受，而且还在创造一些价值，但这确实是创业者的诀窍。你必须让自己相信这没那么难，因为实际上它比你想象的难得多。如果带着我现在所有的知识回到过去，说要再忍受一遍整个旅程，我觉得那太多了。实在太多了。

Ben对于支撑体系，或者如何度过创办这样一家企业所带来的情感创伤，你有什么建议吗？

Jensen家人、朋友，还有在座的各位同事。我身边全是待了 30 年的人。Chris 待了 30 年，Jeff Fisher 待了 30 年，Dwight 待了 30 年。Jonah 和 Brian 待了大概 25 年多，可能更久。Joe Greco 也待了 30 年。

我身边这些人从未放弃过，他们也从未放弃过我。这就是全部的关键所在。回到家，你的家人全力支持你所做的一切，无论顺境逆境，他们都为你、为公司感到骄傲——你需要这个。你需要身边人不离不弃的支持。

Jim Gaithers、Tench Coxe 这样的人、Mark Stevens、Harvey Jones，以及公司早期所有像 Bill Miller 这样的人，他们从未放弃过公司和团队。你需要这个。我几乎可以肯定，几乎所有经历过艰难挑战的成功企业和创业者，身边都有这样一个支持体系。

David我知道这在任何公司都意义重大，但对你来说，Nvidia 的历程在这些方面尤为突出。你在公开市场经历了两次甚至三次 80% 以上的暴跌，而能有投资者从一开始就一路陪伴，这种支持一定非常巨大。

Jensen这太不可思议了。你当然不希望发生那些事。大部分都超出你的控制，但 80% 的跌幅，无论如何看都是非同寻常的。

我记不清具体数字了，但因为我们要投身 CUDA 以及所有相关工作的决定，有一阵子我们的市值跌到了大约二三十亿美元。你的信念体系必须非常非常坚定。你必须非常非常相信它，非常非常想要它。

否则根本承受不住，因为所有人都在质疑你。员工不是在质疑你，但员工会有疑问。外界的人在质疑你，这有点令人难堪。

就像股价暴跌时，无论如何你都会感到难堪。这很难解释。对这些事没有好的答案。CEO 也是人，公司也是由人组成的。这些挑战很难承受。

DavidBen 在我们最近一期关于你们的节目里有一句很贴切的评论，当时我们在聊 Nvidia 现在的处境。我想你当时说，对任何其他公司来说，这都是一个岌岌可危的位置，但对 Nvidia 来说……

Ben这算是家常便饭了。你们对这种大幅波动早已习以为常。

Jensen是的。需要时刻记住的是，你投身其中的市场机会到底是什么？这决定了你的规模。很久以前有人告诉我，Nvidia 永远不可能超过 10 亿美元。显然，这低估了机会的规模，缺乏对机会规模的想象力。确实，没有一家芯片公司能做得那么大。但如果你不是一家芯片公司，那这条限制凭什么适用于你？

这是当下科技领域非同寻常之处。科技是一种工具，规模有限。但我们今天所处环境的独特之处在于，我们从事的是智能的制造。我们从事的是工作世界的制造。这就是 AI。任务执行的世界——生产性的、生成式 AI 的工作，生成式智能的工作——这个市场规模巨大，以万亿美元计。

可以这样理解：如果你为汽车造一颗芯片，全球有多少辆车，它们会消耗多少颗芯片？这是一种思路。然而，如果你打造一套系统，在需要时辅助驾驶汽车，那么一个偶尔能用的自动驾驶管家价值几何？

显然，问题就变得大多了，机会也变大了。如果我们能神奇地为每个有车的人变出一个司机，那会怎样？这个市场有多大？显然，那是一个要大得多的市场。

科技行业的情况是，我们所发现的，Nvidia 所发现的，也是一些人所发现的：通过让自己不再只是一家芯片公司，而是在芯片之上构建，成为一家 AI 公司，市场机会可能增长了一千倍。

如果未来科技公司变得大得多，不要惊讶，因为你所产出的东西已经完全不同。思考你的机会能有多大、你能做多大，应该从这个角度出发。这一切完全取决于机会的规模。

Ben是的。Jensen，非常感谢你。

听众朋友们，我们想告诉大家，一定要订阅我们的邮件列表。当然，它会通知你我们发出了新邮件，但我们还增加了新内容。我们会分享节目发布后才了解到的小知识点，包括听众的勘误。

我们还会预告下一期节目是什么。如果你想和 Acquired 社区的其他听众一起玩这个猜谜游戏，请到 acquired.fm/email 订阅。

你们应该去听听 ACQ2，在任何播客平台都能找到。随着 Acquired 的主节目越来越长，发布频率从每两周一次变成每月一次，如今它显得有点稀有了。

David我们一直在提升制作流程，这需要时间。

Ben是的。ACQ2 已经成为我和 David 输出更多内容的地方，接下来我们有一些很棒的节目，非常期待。

如果你想更深入 Acquired 的后厨，那就成为 LP 吧，网址是 acquired.fm/lp。每隔几个月左右，我们会在 Zoom 上和所有 LP 进行一次通话，只有 LP 能参加，了解 Acquired 内部的最新动态，也能更好地认识我和 David。每季有一次机会，你可以帮我们挑选未来的节目。网址是 acquired.fm/lp。

任何人都应该加入我们的 Slack，acquired.fm/slack。天哪，David，我们现在有好多东西啊。

David我知道。我们网站上的汉堡菜单越来越膨胀了。

Ben这就说明我们正在企业化了。等到我们有了超级菜单，或者说菜单的菜单，你就知道了。

David我们能卖的 Acquired 解决方案是什么？

Ben好了。听众朋友们，去 acquired.fm/slack 加入 Slack 讨论本期节目，去 acquired.fm/store 购买大家都在热议的周边好物。就这样，听众朋友们，我们下期再见。

返回来源 NVIDIA CEO Jensen Huang 关闭 NVIDIA CEO Jensen Huang 本期节目的 PDF 配套资料，包括：时间线、详细解读和数据可视化。获取配套资料查看配套资料出了点问题。再试一次？查看配套资料 取消

近期发布 The Walt Disney Company Sp26 | E4 • 2026年6月21日 Vanguard Sp26 | E3 • 2026年5月18日 Ferrari Sp26 | E2 • 2026年4月12日 Formula 1 Sp26 | E1 • 2026年3月2日

精选播放列表必听推荐小众精品访谈查看全部行业软件奢侈品金融社交媒体 VC/投资体育金融科技半导体未找到相关节目。

菜单 收听首页节目库关于赞助 ACQ2 Show Ben 与 David 的邮件我们的核心要点、研究照片、下期节目线索，以及你对未来主题的投票。加入列表欢迎加入邮件列表。请查收 Ben 与 David 发来的简短邮件。出了点问题。再试一次？本期节目在 Acquired Spotify Apple Podcasts YouTube Overcast Pocket Casts

邮件预览——我们在参观迪士尼动画总部时，亲自体验了动画赛璐珞片的描线和上色！本期节目在 Acquired Spotify Apple Podcasts YouTube Overcast Pocket Casts 复制 svg 媒体资料包媒体全部节目未找到相关内容。

Nvidia 半导体访谈 NVIDIA CEO Jensen Huang 期 • 2023年10月15日文字实录资料来源非常感谢我们的赞助商未找到相关内容。

深入 Nvidia 的起源、平台战略，以及赌上公司的关键时刻概述我们终于与本人坐下深谈：Nvidia 联合创始人兼 CEO Jensen Huang。在分三期、花了七个多小时讲述这家公司之后，我们自以为已经无所不知，但不出所料的是——Jensen 知道得更多。先透露几个亮点：我们了解到，这家公司进军数据中心业务的最初动机，来源可能并非你所想；而 Nvidia 平台战略的根基，不仅可以追溯到 CUDA 之前，更可以一直回溯到公司创立之初。

我们还得以一窥 Jensen 多次“赌上公司”背后的思维模式与权衡考量，以及如果可以时光倒流，他是否愿意再次踏上创始人之旅——对此他有着令人意外的真实感受。我们想不出还有什么更好的方式，能为我们（暂时告一段落的）Nvidia 系列画上圆满句号。敬请收听！