黄仁勋斯坦福最新2万字访谈实录
作者：林志佳
来源：钛媒体APP（ID：taimeiti）
核心观点：
1、面对英伟达暴跌80%时的“低谷期”，回到事情的“核心”，坚持我所相信的，然后什么都不改变、继续前进。
2、英伟达成立之初，第一个重大决策就是确定3D图形技术将成为第一个“杀手级”应用。公司使命就是“构建特殊的计算机，解决普通计算机无法解决的问题”。
3、英伟达三十年来的所有工作几乎围绕技术和市场展开，这也是英伟达的核心：在创造需求前，先创造技术。未来十年，英伟达最大的挑战来自技术和市场，其他的挑战还来自工业、地缘政治和社会层面。
4、英伟达能对推动计算的未来做出了独一无二的贡献，这对人类来说是最重要的工具之一。
5、AI最新的一大突破是深度学习，另一个重要的突破是为语言模型而新发明的基于人类反馈的强化学习（RLHF）技术，英伟达已经找到了在系统层面实现该技术的方案。
6、未来，信息处理的方式将从根本上发生变化，生成式AI将从一个信息“种子”出发，计算的未来将高度依赖生成而非检索。
7、未来对AI的监管来自两方面：社会监管和产品服务监管。应当将AI发展带来的社会问题细分加以监管。
8、随着技术的发展，信息处理和软件开发将会发生根本性变化，导致行业结构和组织方式面临重大调整。重塑组织架构力求摒弃传统的层级式管理，倡导更加平等、开放的组织文化。
9、不相信“信息=权力”的文化环境，对员工的信任和赋权的十分重要。英伟达仅有3万名员工，是世界上最小的大公司，但每位员工都被赋予了巨大权力。
10、希望英伟达能通过坚持不懈地去做擅长且热爱的事，被历史以“改变了一切”的名号记住。
*本对话信息来自黄仁勋与MBA ’24 Shantam Jain的对话，中文字幕翻译部分自@美国攻略，并由钛媒体编辑进行人工整理和修正。
01
努力造就英伟达
主持人：Jensen，非常荣幸能邀请到您，谢谢。
黄仁勋：能来这里我很高兴，谢谢。
主持人：为了庆祝您回到斯坦福，我想先聊聊您离开斯坦福的那段经历。当时您加入了 LSI Logic（美国逻辑芯片公司），那是当时最棒的公司之一。您也跟很多人建立了良好的声誉，但却决定离开去创业。是什么促使您做出这样的决定？
黄仁勋：是 Chris 和 Curtis（两位英伟达联合创始人、黄仁勋的好友）。当时我在 LSI 做工程师，他们在 Sun 工作。我当时跟 CS 领域最聪明的人共事，制造各种工作站包括图形工作站。有一天 Chris 和 Curtis 说，他们想离开 Sun 。他们想让我帮忙想想做什么好。我的工作很棒，但他们坚持要我加入他们一起思考如何创立一家公司。他们过来时，我们就在 Denny’s 聚会，那几乎算是我最初效力的公司。我成为 CEO 之前的第一份工作是洗碗工，那份工作我做得很出色。总之，我们经常聚会，而那段时期正值微处理器革命。
那是在1992到1993年期间，PC革命才刚开始。革命性的Windows 95 还没上市，奔腾处理器甚至还没发布。这一切都发生在 PC 革命爆发之前，显而易见，微处理器会非常重要。于是我们想，为什么不创立一家公司解决通用计算机无法解决的问题呢？这便成了公司使命：制造特殊的计算机解决普通计算机无法解决的问题。直到今天，我们还一直专注于此。
看看这些我们开拓的市场以及市场中的各种问题，比如计算机药物设计、天气模拟，材料设计。这些都是我们引以为豪的东西。机器人、自动驾驶汽车，以及人工智能的自主软件。随后我们不断地推动着技术进步，最终计算成本接近于零。这促成了一个全新的软件开发方式，计算机自己编写软件，也就是我们今天熟知的人工智能。就是这样。
主持人：这就是整个历程，感谢大家的光临（玩笑）。嗯，如今我们都在思考这些应用。那时，LSI 的 CEO 说服了他的最大投资者 Don Valentine 与您会面。就是红杉资本的创始人。我可以看到很多创始人都满怀期待地向前倾着身子。但您是如何说服硅谷最炙手可热的投资者为您投资的呢？您的团队是初创者，产品是面向尚不存在的市场。
黄仁勋：我不知道如何写商业计划书，所以我去了家书店。那时候还有书店呢。商业书籍区，有这本书，作者我认识，Gordon Bell 。这本书我应该再去把它找出来，不过它非常厚。书名叫《如何写商业计划书》。
对于一个很小众的市场来说，它的书名相当具体了。感觉像是他特意为十几个人写的，我就是其中之一。我买了这本书，立刻就意识到这是个坏主意，因为Gordon非常聪明，聪明的人总有很多话想说。
我很确定Gordon想从头到尾教我怎么写商业计划书，所以我拿起这本书，大概有450页后，好吧，我从没读完过，根本读不完。我随便翻了几页，然后想：算了。等我读完它的时候，公司估计都倒闭了，钱也花光了。
Laurie和我当时银行里只有六个月左右的生活费，我们已经有了 Spencer和Madison，还有一条狗，所以我们一家五口只能靠手头这点存款生活。因此我时间不多，我没有写商业计划书，而是直接去找了 Wilf Corrigan 。
他曾经有一天给我打电话说：「嘿，您离开公司了，您都没告诉我您干嘛去了，我希望您能回来给我讲讲。」我回去给 Wilf 做了详细的介绍。Wilf听完我的介绍后说：「我完全不明白您在说什么。」「这是我听过最烂的创业推销之一。」
随后他拿起电话打给 Don Valentine，他打电话给Don说：「Don，我要给您送个小伙子过去，我希望您能给他投资。他是我在 LSI 最棒的员工之一。」
我学到的教训是：你可以忽悠一个精彩的面试，你也可能会把面试搞砸，但你无法逃避自己的过去，所以要把自己的「过去」做好。从很多方面来说，我说我是个好洗碗工是认真的，我可能是Denny’s餐馆史上最好的洗碗工。我有规划，注重组织有序，我准备工作很用心，然后全力以赴地清洗盘子，之后我被提拔为服务员，我是Denny’s最好的服务员。
我从不空手离开工作区，也不空手回来，我效率很高。总之，我最终成为了CEO，但我仍在努力成为一名优秀的CEO 。
02
逆风中，坚持我所相信的
主持人：您曾说要做最好的，要成为后来获得投资、做同样事情的 89 家公司中最优秀的。当公司的资金仅够维持6到9个月时，您意识到最初的愿景行不通。在如此不利的情况下，您如何决定下一步来挽救公司呢？
黄仁勋：我们创立了「加速计算」（NVIDIA）公司。问题是，它用来做什么？它的杀手级应用是什么？这就是我们做出的第一个重大决定，也是红杉投资的项目。我们的第一个重大决定就是，首个重点应用领域是3D图形。技术将是3D图形，而具体应用程序将是电子游戏。
当时，廉价的3D图形技术是不可能做到的。硅谷图形芯片产品要上百万美元，做廉价版本很难。而电子游戏市场当时的价值是零美元、不存在。你有一项难以商品化的技术，瞄准了一个尚未存在的市场。这个交集就是我们公司的创立点。
我还记得当我完成展示后，Don说了句话，当时很有道理，今天听来也是：「初创公司不该投资初创公司或者跟初创公司合作。」他的观点是，为了让NVIDIA成功，我们需要另一家初创公司也取得成功，就是Electronic Arts。那家公司的CTO只有14岁，得由他妈妈开车送他上班。他想提醒我，这就是我要依靠的人。他说：「你要是赔了我的钱，我杀了你。」这就是我对第一次会议的回忆。
不过尽管如此，我们还是创造了点东西。接下来几年我们着手去开拓市场，为PC创造游戏市场。这花了很多时间，我们直到今天还在耕耘这块领域。
我们意识到，为了把百万美元的计算机图形技术商品化，使其适配进入售价300美元、400美元、500美元范围的电脑，你不仅要创造新技术，还得发明新的计算图形处理方式。同时你还需要去开拓全新的市场。因此，我们必须不断创造新技术、新市场。这种「创造技术、开拓市场」的理念定义了我们公司。我们做的几乎每件事情都是创造技术、创造市场。这就是人们说的「生态链」的本质。过去30年里，NVIDIA的核心领悟就在于：为了让别人购买我们的产品，我们必须亲手开拓这个新市场。
这就是为何我们很早就开始布局自动驾驶、深度学习，以及在很多领域都处于前沿，包括计算药物设计和发现。我们在创造技术的同时致力于开拓所有这些不同领域的市场。
接下来我们步入正轨，然后微软推出了 Direct 3D 的标准。这催生了成百上千家公司。几年后我们发现自己在跟几乎所有人竞争。我们赖以创立公司、开拓消费级 3D 图形的那项发明技术，居然跟 Direct 3D 标准不兼容。
我们创立公司，想把百万美元的发明技术商品化，但很快发现与新的标准不兼容。我们不得不更改赛道，否则就只能倒闭。但我们不知道如何按照微软的方式来构建它。
我还记得那次会议上的讨论：我们现在有89个竞争对手，我们知道之前的方式不对，但我们不知道正确的方式是什么。
幸运的是我又看到一家书店Fries Electronics。我不知道它现在还在不在。有个周末我带女儿 Madison 去书店，然后就看到了这本书 OpenGL手册，定义了硅谷图形的计算机图形处理方式。一本 68 美元，我带了几百块钱，买了三本。
我把书带回办公室，对大家说：「我找到了咱们的未来。」我把三本书分发下去传阅，中间有大幅的折叠插页，这个插页就是OpenGL流水线计算机图形处理流水线。我把它交给了与我共同创办公司的那些天才手中。
我们以前所未有的方式实现了OpenGL流水线，构建出了世界从未见过的东西。其中有很多经验教训。对我们公司来说，那一刻给了我们极大的信心：即使对所做的事情一无所知，也能成功创造出未来。
现在这就是我对任何事情的态度。当有人跟我说我没听过的事情，或者听说过但不懂原理，我的想法总是：能有多难呢？可能看本书就搞定了，可能找一篇论文就能搞清楚原理。
我确实花了很多时间阅读论文，这是真的。当然，你不能照搬别人的做法，指望会有不同的结果。但你可以了解某件事情的实现原理，然后回归问题的本质，扪心自问：基于现有的条件、动机、手段和工具，以及一切如今的变革，我会怎么去重做这件事？我会如何重新发明它？我会如何设计它？
如果今天造一辆车，我会沿用过去的方式吗？如果今天让我创造一台计算机，我会采用怎样的方式？如果今天让我来编写软件呢？
这么想有道理吗？即使是今天的公司，我也经常回归本质，从头思考。这是因为世界已经变了。过去编写软件的方式是单一的，是为超级计算机设计的，但现在软件架构已经解耦等等。我们今天思考软件、计算机的方式一直在改变。经常促使公司和自己回归问题本质，会创造出大量的机会。
03
英伟达的核心：开创一种新的计算方式
主持人：而当您运用这种技术时，结果可能是革命性的。公司上市之后您获得了更快的发展，四年里营收增长了九倍。但您却因为一通化学教授的电话转变了NVIDIA的创新方向，您能讲讲这个过程吗？您是如何把谈话与NVIDIA的未来联系起来的？
黄仁勋：英伟达公司本质上是在开创一种全新的计算方式。计算机图形是第一个应用领域，但我们一直知道会有其他应用。陆续有图像处理、粒子物理、流体等领域开始使用我们的技术。还有很多我们想做、觉得会很有趣的应用领域。
我们努力让处理器更具编程性，从而可以表达出更多样的算法。后来我们发明了可编程着色器，让成像和计算机图形的各部分都具备了可编程性。这是一次重大突破。我们试图找到可以充分利用我们处理器（它和 CPU 有很大区别）来计算更复杂算法的方式。
大概是2003年，我们创造了CG。C for GPUs的简写。它比CUDA早了大约三年。编写那本曾挽救公司的教科书的作者，Mark Kilgard，他也编写了关于CG的教科书。
CG 非常酷，我们还出了教科书。我们开始教人们如何使用它，也开发了一些相应的工具。后来有好几位研究人员发现了CG，斯坦福大学的很多研究人员和学生都有在用它。很多后来成为NVIDIA工程师的人当时也在捣鼓这个。
马萨诸塞有几位医生开始使用CG进行CT图像重建。我飞过去见了他们，问他们拿这个工具在干什么。他们告诉了我他们的工作。然后一位量子化学家也用它来表达他的算法。
我意识到有迹象表明人们可能真的开始有需求使用它。这让我们逐步确信我们应该更深入地发展这块领域。这个计算领域、这种计算形式能解决普通计算机难以解决的问题。这也强化了我们的信念，让我们继续前行。
主持人：每次听到新的应用方式时，您都觉得很惊喜。这似乎贯穿了您在NVIDIA领导生涯中的一个主题，就像您在技术拐点出现之前就做出了赌注。当苹果终于从树上掉下时，您正穿黑色皮夹克在等着接住它。您是如何做到如此确信的？
黄仁勋：这总是感觉像是一个飞身接球，就像在飞身接球。你的行动源自于核心的信念。我们坚信可以创造出一种计算机能解决一般计算无法解决的问题。我们相信CPU的能力是有极限的，通用计算的能力也有极限。同时我们也知道能去解决一些有趣的问题。
但这些问题只是有趣吗？还是能扩展成有趣的市场？只有当它们成为市场时才能保证可持续性。
NVIDIA有十年的时间在投资未来，但市场并不存在。当时只存在一个市场：计算机图形。十几年的时间，推动我们今天发展壮大的市场根本不存在。那么，你该如何继续带领身边的所有人：公司、管理团队、优秀的工程师、股东、董事会、合作伙伴？你带着所有人上路，但根本没有市场存在的证据。这是真的非常非常的具有挑战性。
我们的技术可以解决问题，有研究论文为证，这些都很有意思，但你得寻找市场。在市场出现之前，你仍然需要看到未来成功的早期指标。公司里有一句行话叫关键绩效指标KPI 。不幸的是，KPI很难理解，我觉得 KPI 很难理解。
什么是好的KPI呢？当我们看KPI时，很多人都会说「毛利率」，但那不是KPI，那是结果。你应该寻找未来成功的早期指标，而且越早越好。原因是你想尽早看到自己正走在正确的方向上。
我们有个短语叫EIOFS「未来成功早期指标」的缩写。我常使用这个词，它能帮助人们、给予公司希望。看，我们解决了这个问题，那个问题，这个问题。市场尚不存在，但存在着一些重要的问题，解决这些问题就是公司的意义所在。我们希望可持续发展，因此必须有市场在某个时刻出现。
但是，你要把结果与你正在做正确的事情的证据脱钩。这就是解决问题的办法：你投资某个非常遥远的事情，还得有信念坚持下去。办法就是尽早找出你做的事情是否正确的那些指标。最开始得有一个核心信念，除非有什么改变了你的想法，否则你就要继续相信它，并且寻找未来成功的早期指标。
主持人：NVIDIA的产品团队使用过哪些早期指标呢？
黄仁勋：各种各样的都有。我看到过这样一篇论文，在此之前很久我遇到了需要我在「深度学习」领域提供帮助的人。那时，我甚至不知道深度学习是什么。
他们需要我们创建一个领域特定的编程语言，这样他们所有的算法都能在我们的处理器上轻松实现。我们创造了这个叫做KU-DNN的东西。它本质上是在深度学习领域的SQL（数据库语言）。而SQL则应用在存储计算方面。
我们为深度学习创造了一门编程语言，就像是该领域的OpenGL。他们需要我们做这个，这样他们才能表达他们的数学计算。他们不懂 CUDA，但他们懂深度学习。我们在中间给他们创造了这个工具。我们之所以这么做，是因为即使当时市场规模是零……这些研究员身无分文，即使看不到财务回报、遥遥无期，只要你相信，公司也愿意去做。
这是我们公司的伟大能力之一。我们会问自己，这项工作是否有价值？它是否能在某个重要的领域推动科学的发展？注意，这是我从一开始就在强调的事情。从创立之初，我们就一直是注重工作的重要性而非市场规模。因为工作的重要性是未来市场存在的早期指标。