Fuente: Hay un nuevo Newin
Esta mañana, se anunció el informe de ganancias del tercer trimestre de Nvidia después del horario del mercado de valores de EE. UU., con ingresos de $ 18.12 mil millones para el tercer trimestre finalizado el 29 de octubre de 2023, un aumento del 206% interanual, un aumento intertrimestral del 34%, las ganancias de EPS aumentaron casi 6 veces, casi un 13% y un 20% más que las expectativas de los analistas, respectivamente, y los ingresos del centro de datos del negocio donde se encuentra el chip de IA aumentaron casi 2 veces interanual, alcanzando un nuevo máximo en un solo trimestre.
![]()
“Nuestro fuerte crecimiento refleja la transformación de una amplia gama de plataformas de la industria, desde la computación de propósito general hasta la computación acelerada y la IA generativa, con las nuevas empresas de LLM, las empresas de Internet de consumo y los proveedores globales de servicios en la nube siendo los primeros en moverse, y la próxima ola está comenzando a tomar forma, con proveedores de servicios de comunicaciones nacionales y regionales que invierten en nubes de IA para satisfacer la demanda local, empresas de software empresarial que agregan AI Copilot y Assistant a sus plataformas, y empresas que crean IA personalizada”, dijo Huang La era de la IA generativa está despegando con las GPU, LAS CPU, las redes, los servicios de fundición de IA y el software NVIDIA AI Enterprise como motores de crecimiento a toda velocidad".
![]()
PD: En la columna del fin de semana pasado, compartimos con John Luttig, Jefe de Inversiones de Funders Fund, su análisis del panorama actual del mercado de GPU.
El mes pasado, Jensen Huang, cofundador y CEO de Nvidia, también dio una charla muy seca en la Escuela de Negocios de Columbia (CBS), donde Huang habló con el decano de CBS, Costis Maglaras, para discutir el futuro digital, incluyendo cómo NVIDIA hace estrategia y operaciones, y cómo Huang tiene experiencia empresarial y cómo convertirse en un CEO calificado.
Estos son algunos de los productos secos que Lao Huang compartió en el proceso de CBS para que los pruebes:
Antes de tomar una decisión, todos tienen que averiguar qué están haciendo, por qué lo están haciendo, y todo es cuestión de elección.
Desde un punto de vista personal: Hay tres cosas que deben determinarse:
-
Cosas difíciles pero correctas;
-
lo que estás destinado a hacer;
-
Cosas que te gustan;
Desde el punto de vista de la empresa: Usando a NVIDIA como ejemplo, la respuesta de Lao Huang fue muy sencilla, explicando claramente las opciones de mercado, los modelos de negocio, las barreras y los efectos del volante involucrados en el Pivot de NVIDIA:
"La razón por la que no fabricamos es porque a TSMC le está yendo muy bien y ya lo están haciendo, ¿por qué debería ir y tomar sus trabajos? Me gusta la gente de TSMC, son buenos amigos para mí, solo porque tengo un negocio, puedo entrar en este espacio, ¿y qué? Han hecho un gran trabajo para mí, no perdamos el tiempo repitiendo lo que ya han hecho, perdamos el tiempo haciendo algo que nadie ha hecho, algo que nadie ha hecho, y así es como construyes algo especial, de lo contrario, solo estás hablando de cuota de mercado. **
Observamos dos cosas: la computación acelerada es un problema de software, es un problema de algoritmos y la IA Es un problema de centros de datos, por lo que somos la única empresa que sale y construye todas estas cosas, y parte de lo que hacemos es la elección del modelo de negocio, podríamos haber sido una empresa de centros de datos, totalmente integrada verticalmente, y sin embargo, reconocemos que no importa cuán exitosa sea una empresa de computadoras, no va a ser la única compañía de computadoras en el mundo, y es mejor como una empresa de computación de plataforma porque amamos a los desarrolladores. Ser una empresa de informática de plataforma que sirve a todas las empresas informáticas del mundo es mejor que ser una empresa informática sola. **
Hemos adoptado este enfoque, hemos tomado este centro de datos que es del tamaño de esta sala, todos los cables, todos los conmutadores y las redes, y una gran cantidad de software, y lo hemos desglosado todo y lo hemos integrado en otros centros de datos diferentes en todo el mundo, y es una complejidad loca, y hemos encontrado una manera de tener suficiente estandarización cuando sea necesario, suficiente flexibilidad cuando sea necesario para que podamos trabajar con las compañías informáticas de todo el mundo.
El resultado es que la arquitectura de Nvidia ahora está implantada en todas las compañías de computadoras del mundo, lo que crea una huella más grande, una base instalada más grande, más desarrolladores, mejores aplicaciones, lo que hace que los clientes sean más felices, compran más chips, lo que aumenta la base instalada, aumenta nuestro presupuesto de investigación y desarrollo, etc., el efecto volante, el sistema de retroalimentación positiva, así es como funciona, es simple y directo".
Además, Lao Huang también dejó en claro sus puntos de vista sobre la IA y el trabajo y el flujo de trabajo en su intercambio: ** La IA no te quitará el trabajo, las personas que usan la IA te quitarán el trabajo, y si una empresa no tiene más ideas para invertir en ganancias incrementales, entonces cuando el trabajo sea reemplazado por la automatización, la empresa tiene que despedir empleados y unirse a aquellas empresas que tienen más ideas pero no pueden permitirse invertir dinero, de modo que cuando la IA automatice su trabajo, por supuesto que la situación cambiará, por supuesto que cambiará la forma de trabajar. **
El siguiente es el contenido completo de la conversación entre Lao Huang y el presidente de CBS, Costis Maglaras, disfrute~
Costis Maglaras:
Quiero que primero nos lleven un poco atrás a través de la historia de Nvidia, y luego quiero hablar sobre el tema de liderazgo que acabamos de mencionar, pero ustedes comenzaron esta empresa hace 30 años y la llevaron a través de una transformación que lanzó diferentes aplicaciones y tipos de productos. Llévanos a través del viaje.
Jensen Huang:
Uno de mis momentos de mayor orgullo. Comencé con uno de los momentos de mayor orgullo que sucedió recientemente, cuando fui el CEO de la primera empresa para la que trabajé, Denny’s, y aprendí que Nvidia no solo fue mi progresión de lavaplatos y manitas a la cima de la empresa a un camarero en Denny’s, sino que fueron mi primera empresa y que todavía estoy familiarizado con el menú. Por cierto, Superbird es genial, ¿alguien sabe qué es Superbird?, ¿qué tipo de estudiantes universitarios sois?
![]()
Denny’s es un restaurante en los Estados Unidos, y Nvidia fue fundada por mí y otros dos cofundadores en San José: Denny’s afuera de nuestra casa, así que recientemente se pusieron en contacto conmigo, y la caja en la que solíamos sentarnos ahora es la caja de Nvidia, y se llama Nvidia, y ese es el lugar de nacimiento de una empresa de un billón de dólares, y es un momento de mucho orgullo.
![]()
Nvidia se fundó en un momento en que la revolución de las PC apenas comenzaba y los microprocesadores capturaron la imaginación de toda la industria. El mundo ve con razón cómo las CPU, los microprocesadores, van a remodelar la industria de TI, cómo remodelarán la industria informática, y antes y después de la revolución x86, las empresas exitosas eran muy diferentes. Comenzamos nuestra empresa durante ese período, y nuestra opinión era que, por increíble que sea la computación de propósito general, no puede ser la solución a todos los problemas.
Creemos que hay una forma de computación que llamamos computación acelerada, en la que se agrega un experto junto a la computación de propósito general. La CPU es generalista y puede hacer cualquier cosa, por así decirlo. Puede hacer cualquier cosa. Sin embargo, obviamente, si puedes hacer algo, entonces obviamente no puedes hacer nada bien.
Como resultado, creemos que hay algunos problemas que no son adecuados para ser resueltos por lo que llamamos computadoras ordinarias. Es por eso que comenzamos esta empresa de computación acelerada. El problema es que, si quieres crear una empresa de plataforma informática, no sé cuántos informáticos hay, pero si quieres crear una empresa de plataforma informática, no ha habido una empresa así desde 1964, y eso fue el año después de que yo naciera, IBM Systems 360 describe perfectamente lo que es un ordenador.
En 1964, IBM describió que 360 tenía una unidad central de procesamiento, un subsistema de E/S, acceso directo a la memoria, memoria virtual, compatibilidad binaria a través de arquitecturas escalables, y describió todo lo que tenemos hoy en día como computadoras que describimos hoy, y 60 años después, sentimos que hay una nueva forma de computación que resuelve algunos problemas interesantes, y no estaba del todo claro qué podíamos resolver en ese momento, pero sentimos que había un futuro para la computación acelerada.
Aun así, nos propusimos iniciar esta empresa y tomamos una muy buena primera decisión, y francamente, esa decisión ha sido increíble hasta el día de hoy, y si alguien se acerca a ti y te dice, vamos a inventar una nueva tecnología que no existe en el mundo, todo el mundo quiere construir una empresa de ordenadores en torno a las CPU, queremos construir una empresa de ordenadores en torno a otras cosas que están conectadas a las CPU, número uno.
Número dos, la aplicación asesina es un videojuego, un videojuego en 3D de 1993, y esa aplicación no existe, la compañía que construyó esta compañía no existe, la tecnología que estamos tratando de construir no existe. Así que ahora tienes una empresa que tiene desafíos técnicos, desafíos de mercado y desafíos de ecosistema, por lo que la probabilidad de éxito para esta empresa es casi del 0%, pero de cualquier manera, tenemos suerte debido a dos personas muy importantes.
Francamente, los tres cofundadores trabajábamos juntos, eran figuras muy importantes en la industria de la tecnología en ese momento, y llamé a Don Valentine, el capitalista de riesgo más importante del mundo en ese momento, y le dije a Don que le diera algo de dinero a este niño y luego averiguara en el camino si funcionaría, y afortunadamente lo hicieron, pero ese plan de negocios, incluso hoy, no lo invertiría porque tenía demasiadas dependencias, y cada uno tenía una cierta probabilidad de éxito.
Cuando sumas eso, multiplicas, obtienes 0%, pero imaginamos que va a haber un mercado llamado videojuegos, y que va a ser la industria del entretenimiento más grande del mundo, que era 0 en ese momento, y especulamos que los gráficos 3D se van a utilizar para contar la historia de casi todos los deportes, juegos. Entonces, en el mundo virtual, puedes tener cualquier juego, cualquier deporte y, como resultado, todos se convertirán en jugadores.
Don Valentine me preguntó, ¿qué tan grande es el mercado?, y le dije, todo el mundo va a ser un jugador en el futuro, y la respuesta incorrecta al iniciar una empresa, y francamente, estos son malos hábitos, malas habilidades, y no estoy sugiriendo eso, pero de todos modos, resultó ser cierto, y los videojuegos se convirtieron en la industria de entretenimiento más grande del mundo, el 3D Los gráficos fueron un éxito, y encontramos la primera aplicación asesina de la computación acelerada, que nos hizo ganar tiempo, utilizando la computación acelerada para resolver una serie de otros problemas, y finalmente nos trasladamos a la IA.
Costis Maglaras:
Es una gran historia, y antes de hablar de IA, quiero preguntar un poco sobre los días de la criptomoneda, obviamente, los juegos fueron un gran paso para Nvidia, y luego, en algún momento, la aplicación asesina se convirtió en criptografía y minería, ¿cuál fue ese desarrollo?
Jensen Huang:
La computación acelerada resuelve problemas que las computadoras ordinarias no pueden. Todas nuestras GPUs, incluso si las usas para diseñar coches, arquitectura, hacer estudios de dinámica molecular, jugar videojuegos, tiene un modelo de programación que inventamos llamado CUDA. CUDA es el único modelo informático que existe hoy en día y es tan popular como x86, y es utilizado por desarrolladores de todo el mundo.
En cualquier caso, CUDA es capaz de hacer un procesamiento paralelo muy rápidamente, y obviamente, uno de los algoritmos que podemos manejar muy bien es la criptografía. Cuando Bitcoin salió por primera vez, no había ASIC para Bitcoin, y lo obvio era ir a la supercomputadora más rápida del mundo, y la supercomputadora con mayor volumen de producción no era otra que las GPU de Nvidia, que estaban en los hogares de millones de jugadores, por lo que descargando una aplicación, podías minar criptomonedas desde tu casa.
El hecho de que puedas comprar nuestras GPUs, nuestras computadoras, conectarlas, y el dinero comienza a fluir. Ese fue el día en que mi mamá entendió lo que estaba haciendo. Un día me llamó y me dijo, hijo, pensé que estabas haciendo algo sobre videojuegos, y finalmente entendí lo que estabas haciendo, y compraste un producto Nvidia, lo conectaste y el dinero comenzó a fluir.
Y dije, sí, eso es lo que estoy haciendo, y es por eso que tanta gente compra Bitcoin, lo que posteriormente llevó al surgimiento de Ethereum, pero vas a usar un sistema de supercomputación como una GPU Nvidia para codificar o comprimir, o hacer algo para refinar los datos y convertirlos en un token valioso, ¿y sabes cómo suena eso? ChatGPT que genera tokens valiosos.
Una de las cosas que ha sucedido hasta ahora es que si estiras tu pensamiento sobre Ethereum y la minería de criptomonedas, tiene sentido en cierto sentido porque de repente creamos este nuevo tipo de industria, donde entran datos en bruto, aplicas energía a esta computadora y, literalmente, el dinero comienza a fluir, y estas monedas son, por supuesto, en forma de tokens, y estos tokens son tokens inteligentes Ahora solo estoy describiendo algo más que tiene mucho sentido para nosotros hoy, pero parece extraño en ese momento, tomas agua en un edificio, la calientas, y lo que sale es una cosa muy valiosa e invisible llamada electricidad. **
Hoy en día estamos trasladando datos a centros de datos, y se van a refinar y procesar, y utilizar su capacidad para generar una gran cantidad de tokens digitales valiosos, en biología digital, van a ser valiosos, en física, en TI y en todo tipo de informática, redes sociales, todo tipo de cosas, juegos de ordenador, etc., van a venir en forma de tokens, por lo que el futuro va a ser sobre las fábricas de IA, y los dispositivos de Nvidia van a impulsar esas fábricas de IA.
Costis Maglaras:
Así que hemos saltado a las redes neuronales, y creo que hemos hablado de la computación paralela, como cómo renderizar gráficos en un monitor, cómo jugar juegos, cómo resolver problemas criptográficos para Bitcoin. Cuéntanos un poco sobre qué GPU se utilizan para entrenar redes neuronales, y quiero hablar con la audiencia aquí, qué se necesita para entrenar un modelo como ChatGPT, qué hardware necesitas, qué datos necesitas, qué tan grande es el clúster que necesitas, cuánto cuesta, porque esas son preguntas enormes, y creo que sería bueno que nos dieras una idea de la escala.
Jensen Huang:
Todo el mundo quiere que pienses que es un gran problema y muy caro. En realidad, no, déjame decirte por qué, nuestra compañía gastó alrededor de $ 5 ~ $ 600 millones en costos de ingeniería para diseñar un chip, y luego, uno o dos años después, presioné enter, envié un correo electrónico a TSMC, envié un archivo grande a TSMC a través de FTP, y lo lograrían, y el proceso le costó a nuestra compañía alrededor de $ 500 millones.
Por un total de 5.500 millones de dólares, conseguí un chip que sin duda era valioso para nosotros, pero no era gran cosa. He estado haciendo esto, así que si alguien, oye Jensen, necesitas crear un centro de datos de mil millones de dólares, y una vez que estés conectado, el dinero va a salir a borbotones del otro lado. Lo voy a hacer de inmediato, y obviamente mucha gente también lo hará, porque ¿quién no querría crear una fábrica que genere inteligencia?
Ahora, 1.000 millones de dólares no es realmente mucho dinero y, francamente, el mundo está gastando alrededor de 250.000 millones de dólares al año en infraestructura informática, y ninguno de nosotros está generando dinero, solo está almacenando nuestros archivos, pasando nuestros correos electrónicos, eso ya es 250.000 millones de dólares, y una de las razones por las que estamos creciendo tan rápido es que, después de 60 años de desarrollo, la computación de propósito general está disminuyendo debido a otros 2.500 Sería imprudente crear otro centro de datos de computación de propósito general con miles de millones de dólares, que es demasiado crudo en energía y demasiado lento en computación. **
Ahora que la computación acelerada está aquí, esos 250.000 millones de dólares se destinarán a crear centros de datos de computación acelerada, y estamos entusiasmados de apoyar a los clientes para que lo hagan. Además de eso, la computación acelerada, ahora tienes una infraestructura para generar IA y, como todas las cosas de las que acabamos de hablar, básicamente la forma en que funciona es que tomas una gran cantidad de datos y luego los comprimes. **
El aprendizaje profundo es como un algoritmo de compresión, en el que intentas aprender las representaciones matemáticas, los patrones y las relaciones de los datos en los que estás trabajando y comprimirlos en una red neuronal, por lo que la entrada es, digamos, billones de bytes, billones de tokens, digamos billones de bytes, y la salida es de 100 GB, por lo que has comprimido todos esos datos en este pequeño archivo, y 100 GB es como 2 DVD que puedes descargar y ver en tu teléfono, ¿verdad?
Por lo tanto, puede descargar esta enorme red neuronal en su teléfono. Ahora, todos estos datos han sido comprimidos, y este modelo de red neuronal comprimido es un LLM, lo que significa que puedes interactuar con él, puedes hacer preguntas, y volverá a su memoria, entenderá tus intenciones y generará texto para ti, tendrá una conversación contigo, así que, el núcleo es eso, suena mágico, pero para todos los científicos informáticos y científicos en la sala, es muy razonable, no dejes que nadie te convenza de que va a costar mucho dinero, te daré un buen descuento, todos vayan y creen Barra de IA.
Costis Maglaras:
Si tuviera que perseguir esa escala un poco más, necesitaría una computadora que sea básicamente el equivalente al centro de datos para estimar estos modelos.
Jensen Huang:
** Lo que se necesita para crear GPT-4 son 16,000 GPU, que es el modelo más grande que alguien haya usado, con un valor de $ 1 mil millones, y esto es solo un cheque, ni siquiera uno grande, no tengas miedo, no dejes que nadie te disuada de iniciar un negocio y hacer realidad tus sueños. **
Costis Maglaras: Permítame hacerle una pregunta sobre el cheque de mil millones de dólares y el crecimiento que está experimentando. Creo que has sido nombrado el mejor CEO por Harvard Business Review, y eso es entretenido. Voy a seguir repitiendo esto, pero en cierto sentido, estás liderando una empresa a través de un crecimiento extremo, un súper crecimiento, que la mayoría de las empresas no han experimentado en sus vidas, y quiero pedirte que nos cuentes algunos detalles, como duplicar el tamaño en un año o gestionar la cadena de suministro, gestionar los clientes, gestionar el crecimiento, gestionar el dinero, ¿cómo lo hiciste?
Jensen Huang:
Me encanta la gestión, y la única parte de ella, que es contar dinero, es divertida. Despertarse por la mañana y rodar con todo el dinero en efectivo, ¿no es para eso para lo que todos ustedes están aquí? Entiendo que este es el objetivo final, es difícil construir una empresa, no hay nada fácil de hacer, hay mucho dolor y sufrimiento, requiere mucho esfuerzo. **
Si es fácil, todo el mundo lo hará, y en todas las empresas, grandes o pequeñas, ya sea la nuestra o la de otras empresas tecnológicas, siempre estás muriendo, porque siempre hay alguien tratando de superarte, así que siempre estás en camino a la bancarrota, y si no internalizas ese sentimiento, si no lo crees, vas a ir a la bancarrota. Y originalmente comencé en Denny, y como todos saben, Nvidia se construyó en una situación extremadamente improbable. Nos tomó mucho tiempo llegar a donde estamos hoy. Es decir, somos una empresa de 30 años. Cuando Nvidia se fundó por primera vez, en 1993, Windows 95 aún no se había lanzado. En ese momento, era la primera PC disponible y no teníamos correo electrónico.
No había computadoras portátiles ni teléfonos inteligentes en ese momento. Todas estas cosas no existen, así que puedes imaginar lo diferente que era el mundo que teníamos cuando empezamos y lo diferente que es ahora. No tenemos pantalla LCD. Todos son tubos de rayos catódicos (CRT, por sus siglas en inglés). En aquellos días, ni siquiera los CD-ROM existían. En resumen, estas cosas son el contexto de los tiempos en los que fuimos fundados, y nos tomó tanto tiempo para que la compañía fuera reconocida como la primera empresa en reinventar la computación en 60 años. El crecimiento rápido depende de las personas.
Obviamente, la empresa tiene que ver con las personas, y si tienes el sistema adecuado y tienes gente como yo a tu alrededor, la empresa tendrá las habilidades. No importa si estás vendiendo 100.000 millones de dólares o 200.000 millones de dólares.
Ahora bien, la verdad es que la cadena de suministro no es sencilla, ¿alguien sabe cómo es una tarjeta gráfica G-Force? Que levante la mano, ¿alguien sabe cómo es una tarjeta gráfica Nvidia?, por lo que pensaría que una tarjeta gráfica es como un cartucho que se conecta a la ranura PC Express de una PC, pero los chips gráficos que tenemos ahora, utilizados en estos sistemas de aprendizaje profundo, tienen 35.000 piezas y pesan hasta 70 libras, porque son tan pesadas, necesitan robots para ensamblar, necesitan una supercomputadora para probar porque es una supercomputadora por derecho propio, y cuesta $ 200,000, y con esos $ 200,000, puedes comprar una computadora como esta, y puede reemplazar cientos de procesadores de propósito general, y esos procesadores cuestan hasta millones de dólares, y por cada $ 200,000 gastados en comprar en Nvidia, ahorras $ 250 $10,000 para calcular el costo, por eso te digo, cuanto más compres, más ahorrarás; obviamente, esta estrategia es muy exitosa, la gente realmente está haciendo fila para comprar, eso es lo que hacemos; las cadenas de suministro son muy complejas, fabricamos las computadoras más complejas del mundo, pero ¿qué tan difícil es eso? En realidad es muy difícil, y el núcleo es que si estás rodeado de grandes personas, la simple verdad es que todo se trata de personas; Tengo la suerte de tener un gran equipo de gestión alrededor, y luego el CEO dirá algo como" Que sea el número uno", como “déjalo trabajar”.
Costis Maglaras:
Quiero volver a las tendencias de la IA y a su visión para el futuro, pero antes mencionaste la palabra “plataforma” y mencionaste tu entorno de software. Así que tienes la infraestructura de hardware, tienes un entorno de software que actualmente es omnipresente en términos de redes neuronales de entrenamiento. ¿Está construyendo centros de datos o creando entornos dentro de los centros de datos que se componen del hardware, el software y los clústeres de comunicación de Nvidia entre esos recursos, qué tan importante es ser una solución de plataforma completa y solo la participación del hardware? ¿Qué tan central es eso para la estrategia de Nvidia?
Jensen Huang:
Creo que, en primer lugar, antes de poder crear algo, tienes que saber qué estás creando y por qué lo estás creando, cuáles son los primeros principios de su existencia. **
La computación acelerada no es un chip, por eso no se llama acelerador, la computación acelerada se trata de entender cómo se puede acelerar todo en la vida. Si puede acelerar todas las aplicaciones, eso se denomina computación realmente rápida, por lo que la computación acelerada se trata primero de comprender qué dominios, qué aplicaciones son importantes para usted y comprender los algoritmos, los sistemas informáticos y las arquitecturas necesarias para acelerar esas aplicaciones.
Resulta que la computación de propósito general es una idea razonable, al igual que acelerar una aplicación. Por ejemplo, tiene un decodificador de DVD. Utiliza el teléfono para reproducir un DVD o un decodificador h.264. Hace una cosa, y la hace muy bien. Nadie sabe cómo hacerlo mejor.
La computación acelerada es un poco como este extraño estado intermedio. Hay muchas aplicaciones que puedes acelerar. Por ejemplo, podemos acelerar el procesamiento de varias imágenes, la física de partículas y más, incluido el álgebra lineal. Podemos acelerar muchas aplicaciones, y eso es un desafío, por lo general es fácil acelerar una cosa, y es fácil ejecutar todo con un compilador de C.
Acelere suficientes dominios como para que, si acelera demasiados dominios, vuelva a los procesadores de uso general, ¿verdad? ¿Por qué no pueden hacer un chip más rápido? Por otro lado, si solo acelera una aplicación, entonces el mercado no es lo suficientemente grande como para respaldar su investigación y desarrollo.
Así que tenemos que encontrar el punto medio de ese cambio, y ese es el viaje estratégico de nuestra empresa, y aquí es donde la estrategia se encuentra con la realidad, y aquí es donde Nvidia lo hace bien, y es donde ninguna otra empresa en la historia de la informática lo hace bien; encontrar una manera de tener un área de aplicación lo suficientemente grande como para que podamos acelerar, que sigue siendo 100 ~ 500 veces más rápida que las CPU, de modo que el efecto de volante económico pueda escalar el número de aplicaciones, ampliar el número de clientes, ampliar el número de mercados, Aumentar las ventas y, por lo tanto, crear mayores presupuestos de investigación y desarrollo, nos permite crear cosas más sorprendentes y mantenernos muy por delante de la CPU.
Es muy difícil crear este efecto de volante, nadie lo ha hecho antes, solo una vez, y eso es habilidad. Para hacer eso, tienes que entender el algoritmo, tienes que entender muy bien el dominio de la aplicación, tienes que elegir bien, tienes que crear la arquitectura adecuada para él**, y luego lo último que hacemos bien es que nos damos cuenta de que para tener una plataforma informática, la aplicación que desarrollas para Nvidia debe ejecutarse en todas las Nvidias, y no debes pensar en, ¿se está ejecutando en este chip? ¿Funcionará con ese chip? Debería ejecutarse en todas las computadoras que tengan Nvidia.
Es por eso que cada GPU que crea nuestra empresa, incluso si ningún cliente usaba CUDA hace mucho tiempo, estamos comprometidos con ella. Estábamos decididos a crear esta plataforma informática desde el principio. Los clientes no lo son, es una dificultad de 10 años y miles de millones de dólares para la empresa. Si no fuera por todos los jugadores de videojuegos aquí, no estaríamos aquí. Eres nuestro trabajo diario, y por las tardes podemos ir y resolver la biología digital, ayudar a la gente a resolver la química cuántica, ayudar a la gente con la IA y la robótica, etc.
Nos dimos cuenta de que, en primer lugar, la computación acelerada es un problema de software y, en segundo lugar, la IA es un problema de infraestructura del centro de datos, lo cual es muy obvio porque no se puede entrenar un modelo de IA en una computadora portátil, no se puede entrenar en un teléfono porque no es una computadora lo suficientemente grande, la cantidad de datos se calcula en terabytes y tiene que lidiar con esos billones de bytes, miles de millones de veces, por lo que, obviamente, será una computadora masiva y el problema se extenderá a millones de GPU.
Digo millones porque hay decenas de miles dentro de 16000. Como resultado, estamos distribuyendo la carga de trabajo entre millones de procesadores. Ninguna aplicación en el mundo de hoy en día se puede distribuir a través de millones de procesadores; Excel se ejecuta en un solo procesador. Así que este problema de la informática de la computación distribuida es un gran avance, definitivamente un gran avance, y es por eso que es capaz de habilitar la IA generativa, habilitar los LLM.
Observamos dos cosas: la computación acelerada es un problema de software, es un problema de algoritmos y la IA Es un problema de centros de datos, por lo que somos la única empresa que sale y construye todas estas cosas, y parte de lo que hacemos es la elección del modelo de negocio, podríamos haber sido una empresa de centros de datos, totalmente integrada verticalmente, y sin embargo, reconocemos que no importa cuán exitosa sea una empresa de computadoras, no va a ser la única compañía de computadoras en el mundo, y es mejor como una empresa de computación de plataforma porque amamos a los desarrolladores. Ser una empresa de informática de plataforma que sirve a todas las empresas informáticas del mundo es mejor que ser una empresa informática sola. **
Hemos adoptado este enfoque, hemos tomado este centro de datos que es del tamaño de esta sala, todos los cables, todos los conmutadores y las redes, y una gran cantidad de software, y lo hemos desglosado todo y lo hemos integrado en otros centros de datos diferentes en todo el mundo, y es una complejidad loca, y hemos encontrado una manera de tener suficiente estandarización cuando sea necesario, suficiente flexibilidad cuando sea necesario para que podamos trabajar con las compañías informáticas de todo el mundo.
El resultado es que la arquitectura de Nvidia ahora está implantada en todas las compañías de computadoras del mundo, y eso crea una huella más grande, una base instalada más grande, más desarrolladores, mejores aplicaciones, lo que hace que los clientes sean más felices, compran más chips, lo que aumenta la base instalada, aumenta nuestro presupuesto de investigación y desarrollo, etc., el efecto volante, el sistema de retroalimentación positiva, y así es como funciona, es simple y directo. **
Costis Maglaras:
Una de las cosas que no hiciste, y quiero que lo expliques, es que no invertiste en hacer tus propios chips.
Jensen Huang:
Esa es una buena pregunta, y la razón es que, como elección estratégica, los valores fundamentales de nuestra empresa, mis valores fundamentales personales, los valores fundamentales de nuestra empresa tienen que ver con la elección.
Lo más importante en la vida es la elección. Bueno, todo es, ¿cómo eliges qué hacer esta noche? ¿Cómo eliges? Nuestra empresa decidió elegir el proyecto con un solo objetivo fundamental, y mi objetivo es crear un entorno, un entorno en el que las mejores personas del mundo vengan a trabajar aquí. Un entorno increíble para las mejores mentes del mundo, que quieren dedicarse a los campos de la informática, la informática y la inteligencia artificial, para crear las condiciones para que vengan aquí y hagan el trabajo de su vida. **
Entonces, si digo eso, la pregunta ahora es, ¿cómo se logra esto? Déjame darte un ejemplo de cómo no tienes que hacer esto. No conozco a nadie que se despierte por la mañana y diga, ya sabes, mi vecino está haciendo eso. Lo que quiero hacer es quitárselo a ellos. Yo también puedo hacer eso. Quiero quitárselo a ellos. Quiero arrebatarles su cuota de mercado. Quiero suprimirlos en el precio, quiero patearlos, quiero tomar su parte.
Resulta que ninguna gran persona hace esto, y todos se despiertan por la mañana y dicen: quiero hacer algo que nunca se ha hecho antes, lo cual es muy difícil de hacer. Si tienes éxito, puedes tener un gran impacto en el mundo, y esos son los valores fundamentales de NVIDIA.
Número uno, ¿cómo elegimos hacer algo que nunca se ha hecho antes en el mundo? Por cierto, la razón por la que eliges hacer algo increíblemente difícil es porque tienes mucho tiempo para aprenderlo si algo es fácil de hacer, como TikTok Bailar, no me voy a preocupar por eso, obviamente la razón es que hay mucha competencia, así que tienes que elegir algo que sea realmente difícil de hacer, y esas cosas difíciles en sí mismas detendrán a muchas otras, porque el que está dispuesto a aguantar más tiempo eventualmente ganará, así que elegimos algo que es muy difícil de hacer, y me has escuchado decir muchas veces que el dolor y el sufrimiento, y eso en realidad es un rasgo positivo y el que es capaz de aguantar termina siendo el más exitoso.
Número dos, debes elegir algo que estés destinado a hacer, ya sean tus rasgos de personalidad, tu experiencia o el entorno en el que te encuentras, tu tamaño, lo que sea, tu perspectiva, lo que estás destinado a hacer. **
En tercer lugar, será mejor que disfrutes mucho haciendo eso, a menos que el dolor y el sufrimiento sean demasiado grandes. Ahora, lo que acabo de describirte son los valores fundamentales de NVIDIA. Es tan simple como eso. Si ese es el caso, ¿por qué iba a hacer chips telefónicos? ¿Cuántas empresas en el mundo pueden fabricar teléfonos móviles? Mucho. ¿Por qué necesito CPUs? ¿Necesitamos más CPUs? ¿Es razonable? No necesitamos todas estas cosas.
Como resultado, naturalmente nos excluimos del mercado masivo. Naturalmente, nos excluimos del mercado masivo porque elegimos mercados increíbles, elegimos cosas realmente difíciles de hacer, personas increíbles se unieron a nosotros porque personas increíbles se unieron a nosotros porque tuvimos la paciencia para hacerlas exitosas y hacer algo increíble. Ten la paciencia de dejarlos hacer algo increíble, y ellos harán algo increíble.
¿Es razonable que la ecuación sea realmente tan simple, pero se necesita un carácter increíble para hacerlo? Es por eso que aprenderlo es lo más importante, el gran éxito y la grandeza tienen que ver con el carácter. La razón por la que no fabricamos es porque a TSMC le está yendo muy bien, y ya lo están haciendo, así que ¿por qué debería aceptar su trabajo? Me gusta la gente de TSMC, son buenos amigos míos, y solo porque tengo un negocio, puedo entrar en este campo, ¿y qué? Han hecho un gran trabajo para mí, no perdamos el tiempo repitiendo lo que ya han hecho, perdamos el tiempo haciendo algo que nadie ha hecho, algo que nadie ha hecho, y así es como construyes algo especial, de lo contrario, solo estás hablando de cuota de mercado. **
Costis Maglaras:
Pensando en el futuro, cuando pensamos en estos 10 años.
Jensen Huang:
¿Respuesta correcta?Por cierto, sé que no tengo un MBA, no tengo un título en finanzas, leo algunos libros, veo muchos videos de Youtube, y tengo que decirles que nadie ve más videos de negocios en YouTube que yo, así que puedo decirles chicos, ustedes no son nada bueno para mí, pero estas son las respuestas correctas, profesor Maglaras?
Costis Maglaras:
Le estás preguntando a la persona equivocada, y yo tampoco he estudiado negocios, pero son la respuesta correcta jaja ~ ¿Qué piensas de la IA, cuando piensas en las aplicaciones de IA y los cambios que vamos a ver en los próximos tres, cinco, siete años, y qué podría verse afectado en nuestra vida diaria?
Jensen Huang:
En primer lugar, voy a ir directamente a la conclusión, la IA no te quita el trabajo, las personas que usan la IA te quitan el trabajo. ¿Estás de acuerdo con eso?Bueno, usa la IA lo antes posible para que puedas mantener un empleo beneficioso.
Lo segundo que les pregunto es que, cuando la productividad aumente, significa que estamos completamente integrados en la IA en NVIDIA, y NVIDIA va a ser una gran entidad de IA, y ya estamos diseñando nuestros chips con IA, y no podemos diseñar nuestros chips, y no podemos escribir nuestros compiladores optimizados sin IA, por lo que estamos usando IA en todas partes.
Cuando la IA aumenta la productividad de tu empresa, ¿qué sigue?, ¿despido o más gente?, vas a contratar a más gente. El crecimiento rentable se debió al aumento de la productividad.
¿Por qué la gente piensa en perder su trabajo? Si crees que no tienes una nueva idea, no tiene sentido. Si no tienes más ideas para invertir en tus ganancias incrementales, ¿qué haces cuando los trabajos son reemplazados por la automatización? Vas a despedir gente y unirte a empresas que tienen más ideas y no pueden permitirse invertir el dinero para que cuando la IA automatice su trabajo, por supuesto que las cosas cambien, por supuesto que cambien la forma en que funcionan las cosas. **
La IA pronto se dirigirá a los directores ejecutivos, jefes de departamento y directores ejecutivos, hemos terminado, suena bien, creo que primero el director ejecutivo, luego los jefes de departamento, pero estás cerca, así que te unes a empresas que tienen más ideas y no tienen suficiente dinero para invertir y, naturalmente, cuando las ganancias aumentan, contratas a más personas. En primer lugar, es un gran avance, de alguna manera enseñamos a las computadoras cómo aprender y representar información digitalmente, ¿de acuerdo? Entonces, ¿alguno de ustedes ha oído hablar alguna vez de esta cosa llamada Word2vec? Es una de las mejores cosas de la historia, Word2vec, tomas una palabra y aprendes estudiando cada palabra y cómo se relaciona con todas las demás palabras, estudias todas nuestras oraciones y párrafos, y tratas de averiguar cuál es el vector de números que son más relevantes para esa palabra, qué números son más relevantes para esa palabra, por lo que “madre” y “padre” están cerca el uno del otro numéricamente, “naranja” y “manzana” están cerca el uno del otro numéricamente, pero están lejos de “mamá” y “papá”, “perro” y “gato” Lejos de “mamá” y “papá”, pero probablemente más cerca de las “naranjas” y las “manzanas”, las sillas y las mesas, es difícil decir exactamente dónde están, pero estas dos figuras están cerca una de la otra, lejos de “mamá” y “papá”, “rey” y “reina”, más cerca de “mamá” y “papá”.
Imagínate hacer esto para cada número, y cada vez que lo pruebas, piensas, Dios mío, esto es genial. Tiene sentido cuando restas algo de otro. Bueno, esa es básicamente la representación de la información de aprendizaje. Imagínate hacer esto con el idioma inglés. Imagínese hacer esto para todos los idiomas. Imagínate hacer esto con cualquier cosa que tenga estructura, es decir, cualquier cosa que sea predecible.
La imagen tiene estructura, porque si no hay estructura, sería ruido blanco, de hecho, ruido blanco, así que debe haber estructura, y es por eso que ves un gato, yo veo un gato, tú ves un árbol, yo veo un árbol, puedes identificar dónde está el árbol, puedes identificar dónde está la costa, dónde están las montañas, dónde están las nubes, ¿verdad? Podemos aprender todo eso, obviamente puedes convertir esa imagen en un vector, puedes convertir el video en un vector, 3D Convertidas en vectores, las proteínas en vectores, porque las proteínas obviamente tienen estructuras, los productos químicos se convierten en vectores, los genes eventualmente se convierten en vectores, y podemos aprender los vectores de todo.
Si puedes aprender todo en números, y tiene sentido, entonces obviamente puedes convertir la palabra gato “gato” en una imagen, que obviamente no es una imagen de un gato, es el mismo significado, si puedes convertir de palabras a imágenes, eso se llama difusión constante de viaje intermedio, si puedes convertir de imágenes a palabras, se llama subtitulado, subtítulos en videos de YouTube, así que si pasas de, ¿cómo lo llamas? Si se convierte de aminoácidos a proteínas, se llama Premio Nobel, porque es un plegamiento alfa, un avance increíble.
Entonces, este es un momento increíble en las ciencias de la computación, donde realmente podemos transformar un tipo de información en otro tipo de información, por lo que puedes hacer texto a texto, mucho texto, archivos PDF a pequeñas cantidades de texto, archivos agregados, que es lo que realmente me gusta, ¿verdad?
Podemos pedirle que agregue este documento, y en lugar de leer cada uno de los artículos, tiene que entender las imágenes, porque en el archivo, el documento tiene muchas imágenes, gráficos y cosas así, por lo que puedes juntar todo eso, por lo que ahora puedes imaginar todos los beneficios de productividad y, de hecho, la capacidad de hacerlo sin él, así que en un futuro cercano, lo harás.
Puedes decir, oye, quiero diseñar, dame algunas opciones para los coches. Trabajo en Mercedes y me preocupo mucho por la marca, es el estilo de la marca, déjame darte un par de bocetos, tal vez un par de fotos del modelo que quiero construir, que es un SUV con tracción en las cuatro ruedas, digamos, y luego, de repente, se me ocurrió 2010, 200 CAD de diseño 3D completo; ahora, la razón por la que quieres esto y no solo terminar este auto es porque es posible que desees elegir uno de ellos y decir la iteración 10 encima de eso En segundo lugar, es posible que termines eligiendo uno y luego haciendo tus propias modificaciones, por lo que el futuro del diseño será muy diferente. Todo va a ser muy diferente en el futuro, y ahora, si le das a los diseñadores esta habilidad, se volverán locos. Te querrán mucho, y por eso lo hacemos.
Entonces, ¿cuáles son las implicaciones para los efectos a largo plazo? Una de mis áreas favoritas es que si puedes describir una proteína con palabras, y puedes descubrir cómo sintetizar una proteína con palabras, entonces el futuro de la ingeniería de proteínas es ahora. Como saben, la ingeniería de proteínas implica la fabricación de enzimas para descomponer los plásticos, la fabricación de enzimas para capturar carbono, la fabricación de todo tipo de enzimas para cultivar vegetales mejor, su generación puede crear todo tipo de enzimas diferentes, por lo que los próximos 10 años van a ser increíbles, somos la generación de la ingeniería de chips de computadora, ustedes van a ser la generación de la ingeniería de proteínas, que no podríamos haber imaginado hace unos años. **
Costis Maglaras:
Bien, creo que vamos a abrir la sesión de preguntas a la audiencia, así que si hay una pregunta, tal vez señale, tendremos algunos micrófonos que llegarán, está bien, allí comenzaremos primero.
Espectador:
Gracias por estar aquí esta noche, ¿le preocupa si la Ley de Moore alcanzará a la industria de GP como lo hizo con Intel? ¿Puedes explicar la diferencia entre la Ley de Moore y la Ley de Huang? Jensen Huang: No mencioné la Ley de Huang, y no es algo que yo haría. La ley de Moore es que el rendimiento se duplica cada año y medio, y la forma más fácil de calcularlo es crecer 10 veces cada 5 años, por lo que es aproximadamente 100 veces cada 10 años. Si es así, si la computación de propósito general es un microprocesador, ¿por qué cambiar el método de cálculo si la computación de propósito general crece 5 veces cada 10 años y cada 100 años 100 veces? ¿No es lo suficientemente rápido? ¿Estás bromeando? ¿No sería buena la vida si los coches fueran 5 veces más rápidos cada 100 años?
Así que la respuesta es, en realidad, la Ley de Moore es muy buena, y yo me beneficié de ella. Toda la industria se ha beneficiado de esto, y la industria de la computación existe gracias a ello, pero en última instancia, la Ley de Moore de la Computación Universal, no se trata de la cantidad de transistores en la computación, se trata de la cantidad de transistores, cómo se usa para la CPU, cómo terminas traduciendo eso en rendimiento, esa curva ya no es 10 veces cada 5 años. Si tienes suerte, esa curva es de dos a cuatro veces cada 10 años. El problema es que la curva es 2~4 veces cada 10 años.
¿Las necesidades informáticas y nuestra visión de usar computadoras para resolver problemas, nuestra imaginación, la imaginación de usar computadoras para resolver problemas no es más de 4 veces cada 10 años? Así que nuestra imaginación, nuestras necesidades, el consumo mundial de todo esto está más allá de ese límite, y puedes resolver este problema comprando más CPUs, puedes comprar más, pero el problema son estas CPUs Consume demasiada energía porque son genéricos, como un generalista, un generalista no es tan eficiente como un especialista, su oficio no es tan bueno como el de un experto, no es tan productivo como un experto; si me van a hacer una toracotomía y no me consiguen un generalista, ¿sabes a lo que me refiero? Si estás cerca, llama a un experto, así que la forma en que el periodista es demasiado fuerza bruta, por lo que ahora está haciendo que el mundo consuma demasiada energía, haciendo que el mundo gaste demasiado, solo para forzar brutalmente la computación universal.
Afortunadamente, hemos estado trabajando en la computación acelerada durante mucho tiempo, y como mencioné, la computación acelerada no se trata solo de procesadores, se trata realmente de comprender el dominio de la aplicación y luego crear el software, los algoritmos, las arquitecturas y los chips necesarios, y de alguna manera encontramos una manera de hacerlo con una arquitectura, y esa es la genialidad de lo que hemos hecho, y de alguna manera hemos encontrado esta arquitectura, que es muy rápida, a veces para acelerar las CPU en 100*500 veces, incluso a veces 1000 veces, pero no es tan específico, es solo para una sola actividad, ¿es razonable? Y hay que ser lo suficientemente amplio como para tener un gran mercado, pero hay que ser lo suficientemente estrecho como para poder acelerar la aplicación, y esta delicada línea, el filo de la navaja, es la razón por la que existe Nvidia. Si hubiera explicado esto hace 30 años, nadie lo habría creído, de hecho, si fueras honesto ahora, nadie lo habría creído tampoco.
Nos llevó mucho tiempo, nos quedamos con eso, comenzamos con el procesamiento sísmico, la dinámica molecular, el procesamiento de imágenes y, por supuesto, los gráficos por computadora, y trabajamos una y otra vez, y una y otra vez, y luego un día el aprendizaje profundo, y luego con transformadores, y luego hubo alguna forma de transformador de aprendizaje por refuerzo, y luego habría algún sistema de inferencia de varios pasos, así que todas esas cosas, somos solo una aplicación.
De alguna manera, encontramos una manera, creamos una arquitectura que resolvió todos estos problemas, ¿y terminará esta nueva ley? No lo creo. La razón es esta, no reemplaza a la CPU, complementa a la CPU, así que la pregunta es, ¿qué habrá a continuación para complementarnos?
Simplemente lo estamos conectando al lado, así que cuando llegue el momento, sabremos que debemos usar otra herramienta para resolver el problema porque estamos sirviendo al problema que estamos tratando de resolver. No estamos tratando de hacer un cuchillo y hacer que todos lo usen. No estamos tratando de hacer un par de alicates para que todos los usen. Estamos aquí para acelerar la computación para resolver el problema, así que eso es algo que todos ustedes deben aprender. Asegúrate de que tu misión sea la correcta. ¿Es razonable asegurarse de que su misión no es hacer trenes, sino facilitar el transporte? Nuestra misión es acelerar las aplicaciones y resolver problemas que las computadoras ordinarias no pueden resolver. Si tu misión está bien articulada y te enfocas en las cosas correctas, durará para siempre. **
Espectador:
Una vez más, afortunadamente, ahora hay un impulso para localizar la cadena de suministro de semiconductores, y luego hay restricciones a la exportación de productos de alta tecnología de ciertos países. ¿Qué impacto crees que tendrá esto en NVIDIA a corto plazo y qué impacto tendrá en nuestros consumidores a largo plazo?
Jensen Huang:
Es una buena pregunta. Todos ustedes han escuchado esto, y repito, se trata de geopolítica y tensiones geopolíticas, etc. Las tensiones geopolíticas, los desafíos geopolíticos afectarán a todas las industrias, afectarán a todos. Nuestra empresa cree en la seguridad nacional, estamos aquí porque nuestro país es seguro, y también creemos en la seguridad económica.
La verdad es que la mayoría de las familias se despiertan por la mañana y no dicen, Dios mío, me siento tan vulnerable, por la falta de fuerza militar, se sienten vulnerables, por la viabilidad económica, por lo que también creemos en los derechos humanos, y poder crear una vida próspera es parte de los derechos humanos. Como saben, Estados Unidos cree en los derechos humanos de los que viven aquí, así como de los que no, así que este país cree en todas estas cosas al mismo tiempo. Nosotros también.
El reto de las tensiones geopolíticas es que si decidimos demasiado unilateralmente, si decidimos por la prosperidad de los demás, entonces habrá una reacción violenta. Habrá consecuencias no deseadas, pero soy optimista. Espero poder esperar que quienes piensen en este tema hayan considerado todas las consecuencias y las no intencionadas, pero esto ha llevado a la interiorización profunda de los derechos soberanos de cada país. Cada país habla de su propia soberanía, que es otra forma de decir que todo el mundo piensa en sí mismo.
En lo que a nosotros respecta, por un lado, podría limitar el uso de nuestra tecnología en China, así como los controles de exportación allí, y por otro lado, dado que la soberanía y cada país quiere construir su propia infraestructura de IA soberana, y la mayoría de ellos no son enemigos de Estados Unidos y no tienen una relación difícil con Estados Unidos, les ayudaremos a construir infraestructura de IA en todo el mundo.
Así que, en muchos sentidos, esta cosa extraña de la geopolítica, limita nuestras oportunidades de mercado. Por otro lado, nos abre oportunidades de mercado de otras maneras, pero para la gente, yo soy, realmente quiero.
Realmente espero que no dejemos que nuestras tensiones con China se conviertan en tensiones con los chinos, no dejemos que nuestras tensiones con Oriente Medio se conviertan en tensiones con los musulmanes, y no podemos permitirnos caer en esa trampa, y me preocupa un poco que sea una pendiente resbaladiza.
Una de las mayores fuentes de propiedad intelectual en nuestro país, como ustedes saben, son los estudiantes extranjeros, y veo mucho aquí. Quiero que te quedes aquí, esta es una de las mayores fortalezas de nuestro país. Si no permitimos que las mentes más brillantes del mundo vengan a Colombia y se queden en la ciudad de Nueva York, no podremos mantener la propiedad intelectual más grande del mundo, así que esa es nuestra fortaleza fundamental, y realmente espero que no la socavemos.
Se puede ver que los desafíos geopolíticos son reales, los problemas de seguridad nacional son reales, pero los problemas económicos, de mercado, sociales y tecnológicos son igual de reales, el liderazgo tecnológico es importante, el liderazgo del mercado es importante, todos estos son importantes, el mundo es un lugar complejo, no tengo una respuesta simple, todos nos veremos afectados.
Espectador:
Empecé como ingeniero en una empresa de semiconductores, trabajando como empresario, y en el caso de mí como tú, como tecnólogo e ingeniero de corazón, inicié con éxito una empresa, y aprendí sobre finanzas a través de videos de YouTube, ¿qué opinas de un MBA?
Jensen Huang:
Creo que eso es bastante impresionante. En primer lugar, probablemente vas a vivir hasta los 100 años, así que la pregunta es, ¿cómo vas a pasar los últimos 7 o 60 años? No es lo que te dije, es lo que le dije a todo el mundo, preocúpate por la educación tanto como puedas.
Cuando vienes aquí y te ves obligado a recibir una educación, ¿qué tan bueno puede ser? Después de irme, como yo, tengo que dar la vuelta al mundo en busca de conocimiento, tengo que revisar mucha basura para encontrar algo bueno, y en la escuela, tienes estos profesores increíbles que tamizan el conocimiento por ti y te lo presentan como un plato, Dios mío, si pudiera hacerlo de nuevo, me quedaría aquí todo el tiempo que pudiera y absorbería mucho conocimiento. **
Estaré sentado aquí con el decano. Soy el estudiante más viejo aquí. Me estoy preparando para dar un gran salto cuando me gradúe, y voy a tener éxito justo después de graduarme, pero estoy bromeando. Vas a tener que irte algún día. Tus padres lo apreciarán, pero no te apresures. Creo que aprende todo lo que puedas. No hay una única respuesta correcta para llegar allí.
Obviamente, tengo amigos que nunca se han graduado de la universidad pero son muy exitosos, por lo que hay múltiples maneras de llegar allí, pero estadísticamente sigo pensando que es la mejor manera de llegar allí, así que si crees en la estadística y las matemáticas, simplemente quédate en la escuela y pasa por todo el proceso, así que ** obtuve un MBA virtual trabajando duro, no por elección, sino porque cuando me gradué por primera vez de la escuela, pensé que iba a ser ingeniero, nadie lo diría". Oye, Jensen, te doy un diploma y vas a ser el CEO. "No lo sabía, así que cuando llegué allí, tuve que ir a estudiar. **
Hay muchas maneras de obtener un MBA y aprender estrategia empresarial, obviamente los problemas comerciales son cosas muy diferentes, los problemas financieros también, por lo que tienes que aprender todas estas cosas diferentes para construir una empresa, pero si estás rodeado de personas increíbles como yo, te enseñarán en el camino, por lo que algunas cosas, dependiendo del papel que quieras desempeñar, son cruciales, y hay algunas cosas que no son solo mi trabajo, sino que son críticas, y voy a dirigirme con eso. Eso es carácter, hay algo en tu carácter que importa sobre las decisiones que tomas, cómo lidias con el éxito, cómo lidias con el fracaso y los grandes contratiempos, cómo tomas decisiones. **
Ahora, en términos de habilidades y artesanía, lo más importante para un CEO es el pensamiento estratégico, y no hay otra opción. Las empresas necesitan que pienses estratégicamente porque ves más, debes ser capaz de ver el futuro mejor que nadie, debes ser capaz de conectar los puntos mejor que nadie, debes ser capaz de movilizarte, recuerda lo que es la estrategia: ¡la acción! Por lo tanto, el CEO está en una posición única en la posición correcta para ser un director de estrategia, por así decirlo. Desde mi punto de vista, estas dos son las cosas más importantes, y el resto tiene muchas habilidades y cosas que aprenderás.
Si se me permite añadir una cosa más, creo que una empresa tiene que ver con un oficio en particular, haces una contribución única a la sociedad, haces algo. Si haces algo, debes ser bueno en ello, debes apreciar el oficio, debes amar el oficio, debes saber algo sobre el oficio, de dónde viene, dónde está ahora, hacia dónde va en el futuro, debes tratar de mostrar tu pasión por este oficio.
Espero que hoy haya hecho algo que ejemplifique la pasión y la experiencia de este oficio, que sepa mucho sobre mi campo y que el CEO debería saber sobre este oficio si es posible. No tienes que crear esta manualidad, pero es mejor ser esta manualidad, puedes aprender mucho, así que tú, quieres ser un experto en este campo, pero estas son algunas cosas. Puedes aprenderlo aquí. Idealmente, puedes aprender esto en el trabajo, puedes aprender esto de tus amigos y puedes aprender esto haciendo muchas cosas diferentes.
