黄仁勋如何在客户出现之前就构建了未来
摘要
关于黄仁勋如何用几十年时间打造NVIDIA的详细回顾,重点在于加速计算和在市场尚未形成之前就创造市场,而非仅仅预测AI热潮。
查看缓存全文
缓存时间: 2026/05/21 16:09
黄仁勋如何在没有客户时便构建了未来
黄仁勋并非靠预测AI取胜。他取胜靠的是打造那台让AI变得不可避免的机器——持续三十年,而几乎其他所有人都只看到了显卡。这才是人们忽略的部分。
关于英伟达故事的粗浅版本是,黄仁勋只是运气好。他做了游戏芯片,然后AI爆发了,接着所有AI公司都需要那些芯片,最终英伟达成为地球上最有价值的公司之一。
这个故事令人安心,因为它抹去了痛苦。它让伟大听起来像是时机问题。它让每个人都相信,如果自己当时站在浪潮到来的正确位置,也能做成同样的事。但在我浏览了黄仁勋的访谈、演讲、公司历史、Acquired的研究、英伟达自己的时间线,以及数小时的播客文字记录后,真实的故事要锐利得多。
黄仁勋没有站在浪潮所在的地方。他站在了浪潮必将流经的地方。
英伟达于1993年由黄仁勋、Chris Malachowsky和Curtis Priem创立,他们相信,需要一种新型计算机来解决普通计算机无法解决的问题。第一个可见的市场是3D图形。第一个商业楔子是电子游戏。但更深层的使命是加速计算。这个区别至关重要。
平庸的创始人打造产品。强大的创始人打造楔子。顶尖的创始人则用楔子将整个未来拉入现实。黄仁勋属于第三种。
一个价值0亿美元的市场
在他的斯坦福商学院研究生院(GSB)访谈中,黄仁勋讲述了英伟达早期的故事,如果用常规的创业逻辑来判断,这听起来简直疯狂。公司的第一个杀手级应用是3D图形。当时,高端图形系统的成本可能高达一百万美元左右。英伟达想要让这种能力足够便宜,以至于能塞进个人电脑里。应用场景是电子游戏。
问题在于,这种3D图形的电子游戏市场基本上是一个价值0亿美元的市场。这不是笔误。黄仁勋试图将一项困难的技术商业化,而市场几乎还不存在。大多数创始人会把这视为一个危险信号。黄仁勋看到的却是全部机遇。
如果市场已经存在,你可能已经晚了。如果技术已经廉价,你可能正在被商品化。如果每个投资者都已经理解这个品类,那么赛道可能已经拥挤不堪。更好的机遇往往隐藏在这三个令人不安的事实交汇处:技术很难。市场看起来太早。只有当下不可能的事情变得廉价时,回报才会变得显而易见。
这就是英伟达的处境。公司必须同时创造技术和创造市场。黄仁勋曾说过,创造技术和创造市场这个理念定义了英伟达。不是“进入市场”,不是“服务需求”,而是创造需求能够存在的条件。这是一个完全不同层次的雄心。
大多数企业家会问:“人们想要什么?”黄仁勋问的是:“一旦瓶颈消失,人们会想要什么?”第一个问题带来客户访谈。第二个问题带来了英伟达。
楔子是游戏。使命却从来不是游戏。
这是人们从外部研究伟大公司时常犯的错误。他们把第一个用例误认为是真正的使命。
英伟达看起来像一家游戏图形公司,是因为游戏是加速计算能够变得具有商业实用价值的第一个市场。游戏需要并行处理。它们需要快速渲染出视觉世界。它们需要能同时执行大量简单计算而不是每次执行一条通用指令的硬件。
游戏给了英伟达规模。规模资助了研发。研发让芯片变得更好。更好的芯片让新的应用成为可能。新应用扩大了市场。市场资助了下一个周期。这个飞轮就是公司的本质。
黄仁勋后来将GPU描述成一种时间机器。GPU让科学家、工程师和创作者能更快地看到未来,因为它压缩了模拟、渲染、训练或发现某事物所需的时间。这句话的含义比听起来更深。
如果你让计算变得极其迅速,你不仅仅是让旧任务变得更便宜。你是在创造新的行为。你是在创造新的研究。你是在创造新的产品。你是在创造新的市场。一个视野浅薄的创始人会说:“我们为游戏玩家制造显卡。”黄仁勋的实际框架更接近于:“我们让不可能的计算变得足够便宜,以至于新世界成为可能。”这个框架能够跨越多个时代。
图形是一个时代。科学计算是另一个。深度学习是另一个。AI工厂是又一个。机器人和世界模型可能是下一个。应用在变。信念却始终如一。
在世界理解英伟达之前,它几乎死掉
干净的成功故事掩盖了其中的血泪。早期的英伟达打了一个技术赌注,而这个赌注后来与市场的发展方向格格不入。微软的DirectX将行业推向了一种不适合英伟达原有架构的图形模型。竞争对手蜂拥而至。黄仁勋曾说过有数十个竞争对手,斯坦福的访谈提到有89家公司获得了资金,在同一领域进行建设。
公司要么重置,要么死亡。这是黄仁勋故事中最重要的部分之一,因为它展示了信念与自负之间的区别。信念说:“使命仍然是正确的。”自负说:“我当前的实现必须是正确的。”黄仁勋没有保护错误的实现。他找到了一条新的道路。
他曾讲过自己去Fry’s Electronics购买OpenGL手册的故事,因为公司不知道如何构建市场所需的新架构。他把这些手册带回公司,并有效地告诉团队:这就是我们的未来。这是一个多么好的创始人形象。不是为期三个月的战略评估。不是咨询公司的演示文档。
不是躲在“我们需要更多数据”后面。而是一个创始人,一家书店,一本手册,以及在时间耗尽前重置公司的意志。这就是黄仁勋“这能有多难?”思维模式发挥作用的地方。他并非指问题很容易。他指的是无知不是一堵墙。无知是起点线。
在多次访谈中,黄仁勋都回到这个想法:如果你不理解某件事,你可能只差一本教科书、一篇论文或一次认真的学习,就能理解到足以行动的程度。大多数人用“我不知道”作为停下的理由。黄仁勋却把它作为工作的开始。
赌上公司不是赌博
RIVA 128的故事是了解黄仁勋在压力下如何思考的最清晰窗口之一。英伟达的时间和资金都耗尽了。常规的芯片开发流程行不通,因为公司没有足够的时间进行缓慢的迭代。团队必须在几乎没有容错空间的情况下完成构建、测试和发布。
在Acquired播客中,黄仁勋解释了这种心态。如果你只有一次机会,那么芯片就必须完美。这并不意味着闭上眼睛碰运气。它意味着你要尽可能多地把未来的风险拉到当下。
他们进行模拟。他们进行仿真。他们运行软件栈。他们在物理世界有机会给他们带来惊喜之前,测试了所有可以测试的东西。这就是“赌上公司”背后真正的教训。
大多数人听到“赌上公司”会联想到鲁莽的勇气。黄仁勋的版本则更加冷静。你赌上公司不是因为你觉得勇敢。你赌上公司是因为你已经把足够多的风险前置,以至于未来看起来比外界所见的要神秘得多。如果你已经在模拟中打过了这场仗,这就不是赌博。
这个想法在英伟达的历史中反复出现。模拟对他们来说不仅仅是一个产品类别。这是一种思考方式。我们能否在拥有芯片之前就测试它?我们能否在部署系统之前就对其进行建模?我们能否在机器人接触物理世界之前,就在数字世界中训练它?
我们能否在市场有语言描述之前,就推理出它的影响?黄仁勋痴迷于预见拐角,但并非以神秘的方式。他通过把拐角拉得更近来做到这一点。
CUDA:看起来错了十年
如果说RIVA 128证明了英伟达能够生存,那么CUDA则证明了黄仁勋能够进行复利积累。英伟达在1999年发明GPU是计算机史上的一个重大事件。但更重要的战略举措在后头:2006年推出的CUDA,将GPU的并行处理能力开放给了科学、研究和通用计算工作负载。这在第一天并不是一个显而易见的商业胜利。
CUDA需要多年的生态系统建设。开发者必须学习它。研究人员必须信任它。大学必须采用它。软件必须围绕它来编写。英伟达必须在需求变得明显之前持续投资。
在一次访谈中,黄仁勋谈到了“CUDA无处不在”——将CUDA带到大学、初创公司、实验室和会议,有时甚至向只有寥寥数人的小房间进行演示,因为他相信未来在被购买之前,必须先被教导。这是平台构建中最被低估的部分。产品可以被销售。平台则必须被传道。
多年来,CUDA看起来像一次奇怪的分支任务。然后深度学习来了,它变成了所有人都已经站在上面的那条路。这就是持久战略的运作方式。你在交通流量得到保证之前就修好了路,因为你的第一性原理推理告诉你,交通最终必然流向那里。
大多数创始人做不到这一点,因为太早付出的是高昂的情感代价。早意味着客户困惑。投资者怀疑。员工疲惫。竞争对手嘲笑你。市场给你零星的证据,然后是沉默,然后是更多零星的证据。你需要一个足够强大的信念体系来度过这段沉默期。黄仁勋有。
AlexNet:未来泄露的时刻
2012年,AlexNet改变了现代AI的轨迹。英伟达自己的公司时间线将2012年标记为英伟达通过驱动突破性的AlexNet神经网络来帮助激发现代AI时代的年份。
简而言之,AlexNet展示了深度学习可以碾压先前的计算机视觉方法。更深层的意义在于,它给了黄仁勋一个证明事件,验证了英伟达多年来一直致力于构建的信念。黄仁勋的反应不仅仅是“这很酷”。而是:“为什么这能起作用?它可扩展吗?这对计算的每一层意味着什么?”
这就是黄仁勋的模式。
他不仅仅注意到突破。他审视它们。如果一个新的算法突然击败了数十年的工作,他想知道其下的什么原理改变了。如果这个原理可以扩展,他想知道必须存在什么样的新计算机。如果新计算机必须存在,他希望英伟达在世界还在争论市场是否真实之前就把它造出来。
这就是他看到深度学习的方式。
在Acquired访谈中,黄仁勋描述了从AlexNet推理出这样的想法:世界可能已经发现了一种类似通用函数逼近器的东西。
无论你是否使用这个确切的术语,其含义都是巨大的:如果模型可以从数据中学习函数,并且如果扩展它们能使其变得更强大,那么计算就成为了智能的原材料。
一旦你相信了这一点,下一个问题就不是“AI会变得重要吗?”下一个问题是:“生产智能的工厂是什么?”而这正是英伟达已经占据的位置。
英伟达没有等待AI公司成为显而易见的客户
在AI成为董事会的必谈话题之前,它是一个研究前沿。黄仁勋在那里投入了关注。英伟达与大学、研究人员、实验室和早期AI团队合作,因为这些人是在界限变得商业化之前推动界限的人。
黄仁勋谈到过阅读论文、监控进展,并看到这个领域从几个月一篇论文加速到每天都有海量进展。
这很重要,因为未来很少以整洁的客户细分市场开始。它开始于边缘地带的怪异行为。
少数研究人员使用消费级GPU来训练模型。少数实验室需要一台尚不存在的机器。
少数初创公司要求的算力听起来很荒谬。少数技术人员看到了一个商人还没有词汇来描述的机遇。
黄仁勋的优势在于,他认真对待这些信号。他将第一台DGX系统交付给了OpenAI。他将那早期的成功描述为与帮助研究人员达到更高水平的目标相一致。
这听起来很谦虚,但从战略上讲是致命的。如果你帮助领域的前沿跑得更快,而前沿变成了中心,你就成为了新世界的基础设施。
大多数公司销售给当下。英伟达服务于边缘,直到边缘变成了当下。
黄仁勋的公司不像普通公司那样构建
我研究黄仁勋越多,就越清楚地看到,英伟达的产品策略和管理体系是相连的。他运行的不是一个常规的层级结构,因为他并不是在管理一家常规的公司。
黄仁勋以拥有一个异常扁平的组织而闻名。在公开访谈中,直接下属的数量经常被描述为50到60人左右。在斯坦福大学,访谈者提到员工会给他发送他们心中最重要的五件事。
在另一次访谈中,黄仁勋说英伟达实际上有“61位CEO”,因为他的领导者们不断地看到他如何决策推理。这就是关键所在。
扁平结构不是为了炫耀。它是一个信息系统。黄仁勋相信层级会扭曲事实。当信息向上传递时,它会被总结、被软化、被政治化、被剥离上下文。
等它到达决策者手中时,事实往往已经被肢解了。扁平结构让现实更接近决策者。
它也迫使领导者去思考。如果你移除层级,人们就不能隐藏在机器内部。他们必须推理。他们必须掌握上下文。他们必须行动,而无需等待漫长的审批链条。这与大多数公司使用层级结构的方式非常不同。大多数公司使用层级来管理地位。黄仁勋则用结构来提高真相的传播速度。
他教导推理,而非任务
黄仁勋在斯坦福大学访谈中最有力的一个观点是,当他审阅工作时,他不仅仅是在试图修正工作本身。他是在试图向人们展示他是如何推理的。
这是一种不同的领导模式。平庸的领导者给出答案。优秀领导者给出原则。罕见的领导者会暴露推理过程,以便整个组织都能学会如何思考。
黄仁勋说,当有人发给他某物并请他审阅时,他可以向他们展示他是如何分解模糊性、预测、战略和恐惧的。他不仅仅是在修正文档。他是在传递判断力。这就是标准如何在公司内部传播开来的方式。不是通过海报。不是通过价值观文件。不是通过一场全员大会,会上大家鼓掌,午饭前就把信息忘光了。
标准在人们反复接触到更好的思维方式时得以传播。这也解释了为什么黄仁勋说没有任务是他不屑于做的。他谈到年轻时做过洗碗工、打扫过厕所。这段经历不仅仅是一个谦逊的轶事。
它是一个领导力武器。如果没有任务是你视为不屑于做的,那么现实的任何一个层面都不允许变得不可见。
当一个创始人变得对细节不屑一顾时,公司就开始对他撒谎。黄仁勋保持足够接近一线工作,这样现实仍然能够触及到他。
黑暗边缘:痛苦是操作系统的一部分
黄仁勋的世界观有一种现代商业文化试图回避的硬核边缘。他直言不讳地谈论苦难。
在挪威央行投资管理公司(Norges Bank)的访谈中,他将公司特质与韧性、敏捷性、创造力、智谋、意志力以及承受非凡痛苦的能力联系起来。在加州理工学院的毕业典礼演讲中,他告诉毕业生,他们忍受痛苦和苦难的能力将增强他们的品格、韧性和敏捷性。他称自己忍受痛苦、长期致力于某事的能力为……
相似文章
@YahooFinance:黄仁勋眼中十年后Nvidia的模样:
Yahoo Finance报道Nvidia CEO黄仁勋对公司未来十年的长期愿景,Nvidia与Supermicro正基于Blackwell系统推进交钥匙AI工厂基础设施。
@CNET:NVIDIA GTC 主题演讲中,CEO 黄仁勋谈到我们正面临的推理拐点
NVIDIA CEO 黄仁勋在 GTC 主题演讲中指出 AI 推理正处于拐点;Supermicro 正与 NVIDIA 合作,基于 Blackwell 平台交付一站式“AI 工厂”基础设施方案。
@CNET:Nvidia GTC 2026,黄仁勋谈“AI原生”投资
Supermicro 与 NVIDIA 发布交钥匙“AI Factory”参考架构,整合 Blackwell GPU、认证服务器、网络、存储与部署服务,让企业更快搭建集群级 AI 基础设施。
NVIDIA CEO 对毕业生说:“你的职业生涯始于 AI 革命的起点”
NVIDIA CEO 黄仁勋在卡内基梅隆大学的毕业典礼上发表讲话,敦促毕业生拥抱 AI 革命,将其视为一个可与 PC 革命相媲美的全新工业时代。
@CNET:Nvidia CEO 黄仁勋在 GTC 2026 详解 Vera Rubin 系统
在 Nvidia GTC 2026 上,CEO 黄仁勋发布了下一代 Vera Rubin 系统;Supermicro 也推出基于 Nvidia Blackwell GPU 的全栈 AI Factory 产品组合,实现企业级 AI 一站式部署。