Jensen Huang谈创业与AI（TiEcon 2024）
Navin Chaddha, Mayfield Managing Partner
核心观点
“加速计算”准确的表述是“应用加速计算”，我们真正关注的是应用程序，所有的芯片、库、平台都是为了满足应用的需求。 计算机并不理解任何语言，它只理解数字，只要AI能将语言转化为token，蛋白质、化学物质和氨基酸的结构等等也一样。 第二次工业革命生产了当时大多数人无法理解的东西：电子和交流电；第三次工业革命生产了当时大多数人无法理解的东西：软件；现在正迎来第四次工业革命，我们正在生产一些大多数人目前还难以理解的东西：智能，这个新的工业革命将主要生产“token”。 从第一性原理出发思考事物的本质，并试图直观地理解支配事物运行的基本规律。然后，基于此进行推断，新奇的想法就会突然涌现。 公司的真正价值并不在于技术选择，技术选择并不能定义公司，要将技术选择与公司存在的目的分开，就能更客观地评价你的选择。 创业30年的经验：坚信自己所相信的东西，同时要有避免失败方面的技巧和智慧。 在31年里，我确实学到了很多。但我不会把这些都告诉“年轻的自己”。就让他保持未知。原因是无知中蕴含着一种超能力：不相信一件事是不可能的。这就是一种超能力。所以，我喜欢那种遇到事情问“有多难呢？”的想法。 没有什么工作是微不足道的，只要做到最好，你就会在各方面变得出色。
-----
Navin Chaddha: 让我们从你的创业之旅开始谈起吧，因为这里有很多企业家、初创企业家、新企业家以及那些希望通过你的经历获得灵感的人。你能分享一下你创办NVIDIA的初衷和灵感吗？
Jensen Huang: 其实我犹豫了片刻，因为我的创业历程相当平凡。并不是那种早上醒来就突然有了什么伟大想法的故事。我有幸与世界上最聪明的工程师一起工作，我的两个好朋友Chris和Curtis想创业，他们找到我，希望我加入。这就是故事的开始。这个想法并不是由某个非凡的事件激发的，不像现在的AI热潮促使人们纷纷创业。只是我恰好有两个好朋友，他们真心希望我加入他们的团队，他们不断鼓励我，最终我们决定一起实现这个梦想。
Navin Chaddha: 在我的记忆中，你们是在Denny's餐厅讨论的吗？
Jensen Huang: 是的，我们都有家庭，所以需要一个聚会的地方。Denny's就在我家附近。我们住在东湾的Beresa附近，附近有一家Denny's，所以我们就在那里见面。人们创业的原因有很多，但我们的原因并不特别。这是一群普通人做着普通的事，观察、尝试解决问题。我们有一技之长，对计算有着深厚的了解，我们是出色的计算机工程师，身边还有杰出的计算机科学家。每个创业者都有自己的伟大之处，我并不想贬低任何人。但我经常看到这些企业家，他们做出了惊人的发明或发现。对于我们的故事，我不知道如何让它听起来更动听。
如果我知道如何让它听起来更好，我肯定会为你们编一个更精彩的故事。但事实是，我们三个工程师创办了一家公司，并且我们创新了我们的方法。我们坚信加速计算的重要性，也许我们最好的故事是，如果我们能传递一个教训，那就是要坚信自己所相信的东西。这并不容易做到。我们需要塑造、改变并激励整个行业跟随我们、加入我们。这花了我们30年的时间。这可能是我们故事中最精彩的部分。
Navin Chaddha: 那就是坚持，对吗？
Jensen Huang: 坚持、韧性、深厚的承诺和信念，以及在避免失败方面的智慧。如果你失败了，你就无法坚持30年，也无法持续30年。这可能是我们故事中最美好的部分，不是它的开始，而是它的延续。
Navin Chaddha：当我在斯坦福大学时，你创办了NVIDIA。即使是在图形处理领域，Mayfield也投资过一些公司，比如18到20家图形公司。我相信每家公司都需要一个创始人深信不疑并全力投入的重要策略。当时你们是怎么下注的？那时有S3和其他17家公司，它们都得到了顶级风投公司的支持。那么，你们是如何制定战略的呢？
Jensen Huang：随着时间的推移，我们与大约110到120家图形公司展开竞争。我们与众不同之处在于视角。有人会说这是愿景，但简而言之就是视角。我们以不同的方式看待世界。
举个例子，当其他公司致力于构建计算机图形芯片或系统时，或试图创造世界上最好的产品时，你可以看到，他们的使命宣言是“我们要构建世界上最好的3D图形技术”。而我们始终将其视为应用问题。我们的目标是让应用程序更加丰富或有趣，在很多情况下，这是完全可行的。我们始终将目标表述为“加速计算”。
我省略了“应用”这个词，即“应用加速计算”（application acceleration computing）。它真正关注的是应用程序。我们始终清楚这不仅仅是关于3D图形芯片。我们发明了用于AI的cuDNN，用于数据处理的RAPIDS，以及用于量子模拟的cuQuantum等特定领域的库。我们创建了一整套算法和特定领域的库。但这个平台、这些库和这些芯片，都是为了满足应用的需求。
所以，从一开始，我们就不只是有图形芯片设计师，我们始终有与应用行业合作的人员，激励他们使用我们的技术，与他们合作重构他们的应用程序，以便他们能够利用我们发明的技术或可能的算法来改进他们的计算机图形游戏。因此，我们始终处在应用和我们所创建的架构的交叉点上。在科学计算行业和许多行业中，这被称为协同设计。协同设计意味着你会同时开发应用程序、算法、库、系统和架构。
Navin Chaddha：这是一种端到端的视角，对吧？
Jensen Huang：端到端的视角。AI就是一个协同设计问题。AI是一个全栈问题。
在1993年，NVIDIA就是以这种非常具体的方式创立的。这就是为什么我们能够发明新的计算机图形算法并被行业采纳，因为我们始终与游戏开发者、科学家和生态系统合作。因为我们的目标不仅仅是构建一个出色的图形芯片，而是要让应用程序在某种程度上变得更好。这种视角的差异体现为不同类型待世界，就会如何体现在你的组织创建方式和公司内部技术创建方式上，结果可能会有天壤之别。
Navin Chaddha：是的，我记得你们当时这样做的时候，我恰好在微软工作。他们收购了我作为创业者创办的第一家公司，这家公司发明了互联网视频流。我从比尔·盖茨那里学到，你只能尽力去构建一个生态系统，而不是孤军奋战。当时有成千上万的Unix专有系统，然后乔布斯在做iPhone和iPad时再次做对了。我在这里看到了一些相似之处，你称之为一个端到端的平台。我认为你们做得非常出色，建立了一个生态系统，当你赚钱时，你确保其他人也赚钱，这是对更广泛受众的一个很好的总结吗？扩大蛋糕。
Jensen Huang：是的，本质上我们是一家加速计算平台公司，因此从定义上讲，除非有人使用它，否则它没有任何用处。而这些人就是开发者。因此，开发者、生态系统，一直深深地植根于我们公司。每个领域都没有通用的应用加速器，因为你不可能设计一个能加速所有应用的加速器。如果你做到了，那就叫微处理器。为什么CPU会有如此巨大的缺陷，它能加速所有的应用程序。因此，你不可能设计出一个处理器来做到这一点。
因此，我们必须创建一整套基于加速平台的特定领域库。生命科学、制造、娱乐，当然还有视频游戏，以及人工智能、机器人、自动驾驶汽车——它们都有自己的特定领域库。数据处理、科学计算、气候技术——它们都有这些基于我们平台的DSL（领域特定语言）。我们必须去创建它们，一旦我们创建了它们，我们必须帮助生态系统利用它们。如果他们利用这些库，他们就会从我们开发的技术中受益，所有这些好处最终都会回馈给他们。
我们现在知道，最初人们为何选择使用Nvidia进行加速计算，是因为它让他们做到了之前无法做到的事情。事实上，如今几乎所有事情都需要加速，因为CPU的扩展能力已近极限，而计算需求几乎每年翻倍。如果CPU性能不能在相同功耗或成本下每年翻倍，就会面临计算膨胀的问题。我们在全球各地都看到了这种现象——人们开始感受到计算膨胀的压力。
因此，我们必须重构应用程序，加速一切可以加速的事物。现在，我们加速的一个应用程序已经展现了加速计算的巨大成本效益。最终，我们成功地在一段时间内大幅降低了计算的边际成本。
回顾摩尔定律，过去40年中，在表现最好的三个十年里，它每5年将计算成本降低10倍。每两年半计算性能提升1.5倍，因此每5年成本降低10倍，每10年降低100倍，每15年降低1000倍，以此类推。而在过去的10年里，通过加速计算，我们将深度学习的成本降低了近100万倍。
人们逐渐意识到，为何不能让计算机在我们海量的数字体验数据中彻底寻找模式和关系，从中学习，这自然催生了生成式AI。我认为，如果我是你们，我不会对这场会议全部聚焦于创业公司和企业家如何利用我们所见过的最大技术变革而感到惊讶。
这是一个非凡的时刻，也是我们的贡献所在。我们的贡献在于，通过大幅降低计算的边际成本，首次在60年内发现了新的计算方式。自1964年System/360引入CPU以来，我们所知的计算方式一直未有真正改变。现在，人们意识到加速计算才是未来的真正方向。
Navin Chaddha：作为一名企业家，我自己也曾与数百位企业家合作过，我坚信人生中有许多选择。你可以有很多不错的选项，但做出一个伟大的选择确实很难。那么，你是如何学会拒绝，甚至是停止正在进行的项目的呢？你是如何获得这种洞察力的？就像AI和生成式AI，你在过去的18个月里一直在做加速计算，10到12年了。可能在某个时刻，比如AlexNet的出现，你说：“就是它了。”那么，你是如何做出这些判断的？你是如何预见世界的发展方向？或者你会如何回顾过去并思考未来？如果世界朝着某个方向发展，企业家应该如何应对？因为大多数人会说：“我要打败Google”或者“我有一个与你们竞争的产品”，然后五分钟内会议就结束了。你又是怎么做的呢？
Jensen Huang：我的做法和你一样，我亲眼见过你这样做——从基本原则出发进行推理。在深度学习领域，当我看到它并尝试理解它时，我很早就接触到了它。但我所看到的并没有特别之处——AlexNet的惊人效益和令人印象深刻的结果。然而，深度学习的结构看起来非常可扩展。这是历史上第一次，你可以看到设计的蓝图，这是第一次你可以想象绘制软件的示意图。没有软件——你可以绘制操作和指令的方框图，所有这些模块，但你从未能够通过绘制示意图来描述软件的功能。能够绘制示意图意味着它是结构化的。既然它是结构化的，问题就是，它是否可扩展？你能否制作更大的软件，就像芯片一样？你能否制作更大的芯片，并且它仍然保持其理想的特性？如果我们给它更多的计算资源，如果我们给它更多的数据，我们是否仍会看到更好的结果？这与我们给它更多的晶体管，我们使管道更深，我们使它更超标量，我们有更多线程一样——我们是否会继续看到理想的特性？
历史上第一次，我在软件中看到了这一点。问题是，你能从数据中学到什么？我认为相反的思考方式可能更好——你不能从数据中学到什么？大约15年前，当我们坐在那里推理时，我们得出结论，这将彻底改变软件的开发方式。
Navin Chaddha：所以这是你当时的策略吗？
Jensen Huang：现在你已经有了一些核心信念。一旦你形成了核心信念，你每天都在验证你的假设。我每天都在验证我的假设。如果事实发生变化，你的想法也应该随之变化。随着每天对这些假设进行更多的测试，我的信念变得越来越坚定：这将是未来的发展方向。这就是你做任何事情的方法。
Navin Chaddha：是的，这很重要。对于观众来说，建立自己的“北极星”，制定一个策略，深入研究，然后让事情自然发展。最糟糕的情况是什么？你尝试了，但没有成功，然后你可以转变方向，找出解决方案。
Jensen Huang：当然，这涉及很多技巧，不仅仅是相信某件事就把整个公司押在上面，亏损20年。最后这一部分和最初的那一部分不一定是紧密相连的。原因是你仍然需要技巧。你可以在这个过程中赚钱，你可以在不同的应用场景中应用技术。你可以全力以赴，但不必孤注一掷。创建企业和创造美好的未来不需要牺牲任何东西。
Navin Chaddha：最终是机器理解了人类的语言，而不是我们学习新的语言去适应机器。我们可以用自己的语言与机器交流。你认为机器何时能够理解自然语言？
Jensen Huang：我们都在为此努力。
首先，我们要明确的是，计算机并不理解任何语言，它只理解数字。关键在于，我们能将什么转化为数字token。如果我们能将英语转化为数字，并且这些数字与对应的单词有所关联，那么计算机就能学会。因此，它不仅能学英语，还能学日语、中文、法语，甚至理解蛋白质、化学物质和氨基酸的结构。
如果我们可以实现多模态学习，并可能将知识编码到学习过程中，我们甚至可能在无监督的情况下理解这些token的所有含义。这是近年来的重要突破。我们已经几乎将所有事物都转化为数字token，并用数字表示了几乎所有信息。
多模态和无监督学习使我们能够从海量数据中学习。因此，我们现在正在探索跨模态的方法，比如如何从文本生成图像，如何从图像提取文本信息。图像到文本的转换相对容易，但文本到图像的生成，以及文本到氨基酸再到蛋白质的转化等，都是我们可以不断探索的领域。
那么，声波模式（即语音识别）与语音文本之间的转换关系又是什么呢？既然我们能实现文本到语音的转换，那么文本到机器人关节运动的转换又为何不可行呢？一旦对AI的工作原理有了整体的理解，或许可以将其视为一个心理模型，那么其应用空间就会迅速扩大。这时，你就能思考如何让特定行业更容易利用这项技术，开发另一个DSL（领域特定语言）或领域特定库，从而催生新的生态系统，创造新的行业，带来更多的应用场景和初创公司。
Navin Chaddha：我认为这是对企业家的一个好建议，不要盲目跟风，而要思考未来的方向，去解决尚未解决的问题，对吗？
Jensen Huang：从第一性原理出发思考事物的本质，并试图直观地理解支配事物运行的基本规律。然后，基于此进行推断，新奇的想法就会突然涌现。
Navin Chaddha：世界正在发生深刻的变化。过去，数据中心的服务器端是分散的。现在，超大规模企业从你们和其他公司购买了大量的半导体系统和核心基础设施。但随着AI的浪潮来临，我相信会有1000亿的物联网设备涌现，并引发一系列关于主权的讨论。对此，你有什么愿景？当前的进展如何？世界上最大的数据中心可以进行训练，他们拥有庞大的资金，数千亿甚至数千亿美元的现金。但智能，我称之为认知，将会无处不在。那么，你认为企业家和科技公司如何能够推动这一目标的实现？关于AI的主权问题，因为很多人来自不同的国家。我知道你一直在关注这个问题，但如果你能具体一些，他们应该从哪里开始，你们又如何帮助他们？
Jensen Huang：这是一个既深入又广泛的问题。让我们来逐步拆解它。主权AI，一个国家的自然资源之一便是其社会数据。在以前，我们总是认为自然资源是指一个国家地下的东西。但在未来的新世界中，数据也将成为这个国家的一部分。出于什么原因，一个国家要将自己的数据出口到另一个国家进行加工，然后再进口回来并支付溢价？从某种基本原则来看，这是不合理的。印度当然应该以自己的社会数据，也就是以数字数据的形式，作为自然资源来加以利用，训练自己的模型，内部使用，并通过服务让其他人连接。许多国家都应该这样做，这是一个思考的角度。
另一个思考的角度是，我们退后一步，观察在工业层面上发生了什么。第一次工业革命是蒸汽动力引擎和机械生产的时代。第二次工业革命则是生产大多数人无法理解的东西，如电子和交流电。当时，大多数人无法想象交流电会有如此巨大的价值，无论是在社会层面还是工业层面，它都引发了工业革命。
第三次工业革命，我们生产了一些在我们的时代内很多人都无法理解的东西。事实上，硅谷有很多公司最初并没有看到我要说的东西的价值，那就是软件——那些没有重量、没有质量、不装在盒子里的东西的价值。计算机行业最初是从一个认为计算机本身和箱子（即系统）有价值的时代开始的，而不是软件。这次工业革命推动了软件的生产，创造了大量的工作岗位，如软件工程师，并形成了完整的软件开发方法论，以及大量支持软件生产的工具和生态系统。
现在我们正迎来第四次工业革命，我们正在生产一些大多数人目前还难以理解的东西——智能。随着新的工厂的建立，我们将实现智能的大规模生产。我们现在知道如何制造、生产、改进和推销智能，这些都被我们称为token的浮点数。这些AI工厂与传统的数据中心截然不同。我们之前所讨论的关于加速计算的所有内容在这里都适用，但我们会使用相同的技术，以不同的方式进行部署，以建设服务于不同目标的工厂。
我们现在设想的这个新的工业革命将主要生产这些token。那么，会在哪里生产这些token呢？答案是世界各地。那些拥有过剩能源的国家，尤其是那些拥有大量可再生能源的国家，将具有巨大的优势。你可以在应用智能的地方之外生产智能。这进而引出了边缘计算的问题。将AI引入边缘计算有两种方式。一种是远程感知，即只是了解物理世界发生了什么。
另一种，虽然更难以实现，但价值更大，那就是物理AI，即AI从数字世界走进物理世界。在那里，它不仅要理解英语、自然语言或数字信息的含义；还需要理解物理属性。在那个世界中，任何幻觉都可能导致物理伤害。因此，我们必须确保在自动驾驶汽车、机器人等场景中都能看到AI的身影。概括来说，AI不仅需要学习如何生成下一个token，如图像；它还必须符合物理规律，必须遵守物理定律。因此，未来的AI将会保持和认识到如能量守恒、质量守恒等物理定律，并理解不变性等概念。
Navin Chaddha：就像你谈到的智能作为一种服务。我们提出，为什么不把智能作为一种服务称为“认知作为一种服务”（Cognition-as-a-Service，CaaS）呢？因为有IaaS、为开发人员提供的PaaS、为业务用户提供的SaaS，而它将以非常类似于智能作为一种服务的方式提供。
如果要构建首先是AI和数字助手、数字孪生体的应用，它们起初可能看起来比较基础，但这些基础层将具有更高的价值，而且这种情况总是如此，比起那些人们还不了解的应用。我称之为“认知管道”（Cognitive Plumbing）。其中一层是系统训练推理，就是你们。再往上一层是模型层，然后是数据层，接着是中间件和工具层。这就是所谓的“认知管道”。
NVIDIA是这一领域的领军企业。我在LinkedIn上提出了很多问题：NVIDIA将如何帮助这些公司？你们在哪里发挥作用？你们有一个名为Inception的计划，还有一个风险计划。你们想对企业家说些什么？你们将在哪些方面发挥作用？由于你们是一个平台公司，你们希望在哪些方面发展你们所谈到的生态系统？如果这些基础层得到了解决，当然，应用程序将会被构建，数字孪生体、数字助手等也将被创建。所以，在这四个层面中，你们将如何合作，以实现加速计算的提升？你们的一个团队成员正在领导Inception计划，另一个团队成员正在领导风险计划。你们将如何帮助这些企业家？
Jensen Huang：我们做得很好的一件事是认识到，一方面，AI和加速计算正改变着人们享受计算的方式，以及数据中心的形式。超大规模的计算是关于许多微服务共享和许多用户共享一个计算资源。在未来，一个AI工厂将是一个巨大的AI系统，使用整个数据中心作为资源。这种计算方式与过去截然不同，因此我们成为了一个数据中心公司。
然而，每个公司的数据中心都是独特的，我们有着丰富的经验，设计我们的数据中心的方式使其可以被解耦、拆分，然后集成到Azure、GCP和AWS等云服务中，以便我们的平台能够无处不在。我们公司的伟大成就之一是开创了加速计算这一方法，但更重要的是让它真正无处不在。实现体系结构的兼容性和软件兼容性是非常困难的。我们在每个云服务中都有布局，在本地，我们同样无处不在。
因此，对于开发人员来说，首先要意识到的是我们为你提供了可以在任何地方运行你软件的工具包。其次，是联系我们的开发者计划。我们有一个名为Inception的开发者计划。我们与全球约2万家初创公司合作。我们提供我们的能力来增强你们的能力，使你们拥有一个大公司的超能力。这可能包括基础设施访问、技术访问等。我们有许多工程师与初创公司和大公司共同开发、共同设计算法。
我们很高兴帮助大家了解加速计算、深度学习，以及如何在所有这些云中高效地训练模型和部署模型。我们提供了许多资源，包括市场资源，如何在GTC大会上展示你的成就，为你提供一个讲述你故事的平台，与像Mayfield这样的优秀风险投资公司合作资助你的初创公司。我们有各种不同的方式来帮助你。
Navin Chaddha：我记得你曾经说过，没有什么工作是微不足道的，只要做到最好，你就会在各方面变得出色。就像运动员一样，只要竭尽全力地投入，即使不能成为最顶尖的人，也能取得卓越的成绩。卓越并不在于成为最好的人，而是尽自己最大的努力。当你做到这一点，奇迹就会发生。
你不仅是计算机领域的先驱，也是管理领域的先驱。有一种理念叫做“七条鱼一起游”，意味着合适的下属人数是七个，但这与你经营公司的方式非常不同。为什么会这样呢？我知道你有自己的行事准则（“北极星”）。这能给企业家带来哪些启发呢？因为董事会成员们经常会说你手下的人手太多了。你实际有多少个下属呢？
Jensen Huang：我有60个直接下属。
组织的构建方式，原本是为了让军队上战场。信息系统不完善，命令不容置疑，希望将军远离战场，因为他们不应该看到战场的痛苦和苦难，而做出战略决策。希望战场上的人不知道决策是如何做出的，以便他们可以为国家和使命牺牲自己的生命。
但这不是我们的目标。我不想让任何人为我牺牲在“战场”上，我需要我们的所有员工。你对组织的思考方式应该基于第一性原理。问题是，这个被称为公司的“盒子”的目的是什么？产品的性质是什么，它处于什么样的环境中？你希望这个“盒子”如何茁壮成长？环境是稳定的吗？环境是动态的吗？它是敌对的吗？这个环境的条件是什么，这个“盒子”的成熟程度如何？你必须从第一性原理出发进行思考。
我得出的一个结论是，公司内部的信息流必须非常畅通，因为我们处在一个高度不稳定的环境中。技术变化非常快。如果技术每10年变化一百万倍，我们必须确保我们非常灵活，人们能够跟上或理解我们正在做出的决定的性质，因为时间非常宝贵。另一个认识是，向CEO报告的人都是世界一流的专家。我身边的都是各自领域中的佼佼者。他们非常有天赋，是出色的经理。他们需要很少的管理和很少的现场指导。他们自身已经取得了令人难以置信的成就。
如果情况如此，CEO管理围绕CEO的团队的方式应该与一级经理管理新毕业大学生的方式截然不同。应用相同的原则是毫无意义的。因此，我只是基于第一性原理，构建了一家公司，其组织、人员和文化都与众不同。业务流程被结构化以生产NVIDIA。它不会擅长做炸鸡，也不会擅长提供医疗保健等服务。但它擅长做它现在做的事情。
Navin Chaddha：下一个问题是关于艰难的决定。没有一家公司是一夜之间成功的。有很多起起落落，但最好的领导者必须做出艰难的决定。你在职业生涯中做过的最艰难的决定是什么？你对自己所做的决定感到满意吗？创始人和CEO经常在这方面挣扎，但你以做出艰难的决定而著称。你能否分享一个最大的需要勇气和信念的决定？
Jensen Huang：我领导NVIDIA已经31年了，期间做过无数决定，其中不乏生死攸关的，要选“最艰难的”一个确实不易。
多年前，我们启动了一个名为“前向纹理映射”（Forward texture mapping）的架构——没有Z缓冲区，没有三角形，而是曲面。然而，事实证明，正确的架构与之相反：包含纹理映射、三角形，以及Z缓冲区，而非曲面。我们当时选择了一个完全错误的技术组合。很多人会觉得一家公司连续做出错误选择是不可能的，这简直就像在SAT考试中得零分一样。但我们作为聪明的工程师，在一个飞速变化的世界中做出了我们认为正确的决策。
公司内部对于技术方向存在分歧。我们曾全心投入于那项技术，我对它寄予厚望，渴望它能成功。但当它明显是个错误的选择时，我们却不愿接受这个事实。一个有益的认识是，公司的真正价值并不在于这些技术选择。技术选择并不能定义公司。如果你能够将选择与公司存在的目的分开，你就能更客观地评价你的选择，而不会过于自我。这对公司和我个人都是一个重大的学习经历。它让我们从战略、技术或CEO的角度重新审视公司的目的。
当事实发生变化时，我们的想法也应该随之改变。世界在变，理性的人也会做出相应的调整。当世界改变时，我们也必须随之改变。这是一个艰难的决定，因为那时我们年轻，公司也处于脆弱期，我们并不确定。但我们回归了初心，依靠团队中每个人的信心和智慧。我们摆脱了错误的决定，开始做一些真正了不起的事情。
Navin Chaddha：如果你重新开始创业，作为一名企业家，你会对年轻的自己说些什么？因为大多数创业者都是第一次创业。如果你在NVIDIA初创时期，你会给出什么建议？现在你已经历过这一切，会有什么不同？比如，你会告诉自己什么？
Jensen Huang：首先，在31年里，我确实学到了很多。但我不会把这些都告诉“年轻的自己”。这是我想做的第一件事。就让他保持未知，并在过程中逐渐分享。原因是无知中蕴含着一种超能力。不知道一件事有多难，不相信一件事是不可能的，这就是一种超能力。随着经验的积累，我们越来越意识到事情的难度。所以，我喜欢那种“有多难呢？”的想法。
Navin Chaddha：这就是激励你前进的动力，对吧？
Jensen Huang：就像我们现在面对的所有困难一样，我的第一反应总是“哦，有多难呢？”然后发现，嗯，这真的很难。
但我认为提前知道这些并不会有多大帮助。这就像跑马拉松一样，我从未跑过，但我会想“有多难呢？”
Navin Chaddha：这是我非常喜欢的一句话。公司的建设总是一场马拉松，而不是短跑。我也不是长跑健将，但在公司建设中，确实需要这种毅力。
Jensen Huang：就是“有多难呢？”只要我们一步一步地向前走。所以，如果别人能做到，我们也能做到。因此，“有多难呢？”我想这可能就是初创公司的超能力所在。
Navin Chaddha：你已经经营这家公司30多年了，而我也从事创业和风险投资30多年了。我也常被问到这个问题，所以我想问你。你为什么还在继续前进？我告诉他们，我才刚过50岁，沃伦·巴菲特一直工作到90多岁，那么是什么推动你不断前行？我知道生命很长，人的寿命已经延长了，但每天早上醒来，面对无尽的工作，没有传记可以参考，就像我一样，是什么让你不断前进，是否还有未竟的事业？
Jensen Huang：我听过其他人对这个问题的回答，他们总是显得很有智慧。他们总是显得很有智慧。但对我来说，我没有其他选择，除了继续前行。
Navin Chaddha：这是个很好的答案。我需要借鉴一下，这是我第一次不用自己的话来回答。
Jensen Huang：我觉得你才华横溢，因此你有很多选择。你可以成为F1赛车手，可以成为篮球运动员，可以成为网球运动员，甚至可以成为演员。但在我看来，你选择成为NVIDIA的CEO，这是你的决定。而除了这个身份之外，其他选择对你来说似乎并不那么吸引人。
另一方面，这份工作极其有趣。没有别的词可以形容，这就是与一群杰出的人共事的快乐。我们共同做着一些我们个人无法完成的事情。我自己做不到，但一个想法得以实现，与一群杰出的人一同见证这一切变为现实，看着公司做出卓越的成就，在多个行业产生影响，为许多初创公司构建了一个平台。你我都知道，通过你，我有幸认识了许多初创公司，他们对这个平台充满了感激之情。看到这些，看到每一天在不同科学领域都有惊人的突破发生，你怎能不为之动容？你无法写一本书说“我希望我的生活变成这样”，然后让它发生。这几乎就像是在写小说。
Navin Chaddha：我从你那里听到了很多，也学到了很多。就像我在你的办公室与你的高管们交流时所说的那样，你也需要为当前的员工做同样的事情。听到这些，不仅是与你共事的人，还有那些尚未加入但可能被你吸引的人，都会感到这是一项未竟的事业，不仅限于科技领域，更是一项高尚的事业。与你一同开始的人们，他们的平均任期是多久？18年、20年，还是更久？
Jensen Huang：嗯，我刚刚给一个人发了封邮件，他上周庆祝了他在NVIDIA的30周年纪念日。我被一群非常优秀的人包围着，希望你们不要因此感到气馁。我们都是普通人，正在做着看似不可思议的事情。我想每个人都能做到这一点，这并没有那么难。你们也在做着令人惊叹的事情。
Navin Chaddha：正如我一开始所说的，真的很荣幸，从心底感谢你与我分享这个舞台。你是一个传奇。
感谢Jensen Huang抽出宝贵的时间与我们相聚。
请允许我代表大家，再次感谢Jensen Huang与我们共度的美好时光。
--【本文完】---
近期受欢迎的文章：
更多交流，可添加本人微信
（请附姓名/单位/关注领域）