Jensen Huang, CEO da Nvidia: A IA não vai tirar o seu trabalho, mas as pessoas que usam IA vão

Fonte: Há um novo Newin

Esta manhã, o relatório de resultados do 3º trimestre da Nvidia foi anunciado após as horas do mercado de ações dos EUA, com receita de US$ 18,12 bilhões para o terceiro trimestre encerrado em 29 de outubro de 2023, um aumento de 206% ano a ano, um aumento trimestral de 34%, os lucros de EPS aumentaram quase 6 vezes, quase 13% e 20% acima das expectativas dos analistas, respectivamente, e a receita do data center do negócio onde o chip de IA está localizado aumentou quase 2 vezes ano a ano, atingindo um novo recorde em um único trimestre.

“Nosso forte crescimento reflete a transformação de uma ampla gama de plataformas do setor, de computação de uso geral a computação acelerada e IA generativa, com startups LLM, empresas de internet de consumo e provedores globais de serviços de nuvem sendo os pioneiros, e a próxima onda está começando a tomar forma, com provedores de serviços de comunicações nacionais e regionais investindo em nuvens de IA para atender à demanda local, empresas de software empresarial adicionando Copiloto e Assistente de IA às suas plataformas e empresas criando IA personalizada”, disse Huang A era da IA generativa está decolando com GPUs, CPUs, redes, serviços de fundição de IA e software NVIDIA AI Enterprise como motores de crescimento a toda velocidade!"

PS: Na coluna do último fim de semana, compartilhamos John Luttig, chefe de investimento do Funders Fund, sobre sua análise do atual cenário do mercado de GPUs.

No mês passado, Jensen Huang, cofundador e CEO da Nvidia, também deu uma palestra muito seca na Columbia Business School (CBS), onde Huang conversou com o reitor da CBS, Costis Maglaras, para discutir o futuro digital, incluindo como a NVIDIA faz estratégia e operações, e como Huang tem experiência empreendedora e como se tornar um CEO qualificado.

Aqui estão alguns dos produtos secos que Lao Huang compartilhou no processo de CBS para você experimentar:

Antes de tomar uma decisão, todos têm que descobrir o que estão fazendo, por que estão fazendo isso, e é tudo uma questão de escolha.

De um ponto de vista pessoal: Há três coisas que precisam ser determinadas:

1. Coisas difíceis, mas certas;

2. o que você está destinado a fazer;

3. Coisas que você gosta;

Do ponto de vista da empresa: Usando a NVIDIA como exemplo, a resposta de Lao Huang foi muito direta, explicando claramente as escolhas de mercado, modelos de negócios, barreiras e efeitos de volante envolvidos no Pivot da NVIDIA:

"A razão pela qual não fazemos fabricação é porque a TSMC está indo tão bem e eles já estão fazendo isso, por que eu deveria ir e levar seus empregos? Eu gosto das pessoas da TSMC, elas são boas amigas para mim, só porque eu tenho um negócio, eu posso entrar neste espaço, e daí? Eles fizeram um ótimo trabalho para mim, não vamos perder tempo repetindo o que já fizeram, vamos perder tempo fazendo algo que ninguém fez, algo que ninguém fez, e é assim que você constrói algo especial, caso contrário, você está apenas falando de participação de mercado. **

Observamos duas coisas: a computação acelerada é um problema de software, é um problema de algoritmo, e a IA É um problema de data center, então somos a única empresa que sai e constrói todas essas coisas, e parte do que fazemos é a escolha do modelo de negócios, poderíamos ter sido uma empresa de data center, totalmente integrada verticalmente, e ainda assim, reconhecemos que, não importa quão bem-sucedida seja uma empresa de computadores, ela não será a única empresa de computadores no mundo, e é melhor como uma empresa de computação de plataforma porque amamos desenvolvedores. Ser uma empresa de computação de plataforma que atende todas as empresas de computadores do mundo é melhor do que ser uma empresa de computadores sozinha. **

Nós adotamos essa abordagem, nós pegamos esse data center que é do tamanho desta sala, todos os fios, todos os switches e a rede, e um monte de software, e nós quebramos tudo e integramos em outros centros de dados diferentes ao redor do mundo, e é uma complexidade louca, e encontramos uma maneira de ter padronização suficiente quando necessário, flexibilidade suficiente quando necessário para que possamos trabalhar com empresas de computadores em todo o mundo o suficiente.

O resultado é que a arquitetura da Nvidia agora está implantada em todas as empresas de computadores do mundo, o que cria uma pegada maior, uma base instalada maior, mais desenvolvedores, melhores aplicativos, o que deixa os clientes mais felizes, eles compram mais chips, o que aumenta a base instalada, aumenta nosso orçamento de pesquisa e desenvolvimento, etc., o efeito volante, o sistema de feedback positivo, é assim que funciona, é simples e direto"

Além disso, Lao Huang também deixou claro seus pontos de vista sobre IA e fluxo de trabalho em seu compartilhamento - **IA não vai tirar seu emprego, as pessoas que usam IA vão tirar seu emprego, e se uma empresa não tem mais ideias para investir em ganhos incrementais, então quando o trabalho é substituído pela automação, a empresa tem que demitir funcionários e se juntar àquelas empresas que têm mais ideias, mas não podem se dar ao luxo de investir dinheiro, de modo que, quando a IA automatiza seu trabalho, é claro que a situação mudará, é claro que mudará a maneira de trabalhar. **

A seguir está o conteúdo completo da conversa entre Lao Huang e o presidente da CBS, Costis Maglaras, aproveite ~

Costis Maglaras:

Eu quero que você primeiro nos leve de volta um pouco através da história da Nvidia, e depois eu quero falar sobre a questão da liderança que acabamos de mencionar, mas você começou esta empresa há 30 anos e a liderou através de uma transformação que lançou diferentes aplicações e tipos de produtos. Leve-nos através da viagem.

Jensen Huang:

Um dos meus momentos de maior orgulho. Comecei com um dos momentos de maior orgulho que aconteceu recentemente, quando fui CEO da primeira empresa em que trabalhei, a Denny’s, e aprendi que a Nvidia não era apenas a minha progressão de lava-louças e faz-tudo para o topo da empresa para garçom na Denny’s, mas que eles foram minha primeira empresa e que ainda estou familiarizado com o menu. By the way, Superbird é ótimo, alguém sabe o que é Superbird? Que tipo de estudantes universitários você é?

Denny’s é um restaurante nos Estados Unidos, e a Nvidia foi fundada por mim e dois outros cofundadores em San Jose - Denny’s fora de nossa casa, então eles recentemente entraram em contato comigo, e a caixa em que costumávamos sentar agora é a caixa da Nvidia, e se chama Nvidia, e esse é o berço de uma empresa de trilhões de dólares, e é um momento de muito orgulho.

A Nvidia foi fundada em um momento em que a revolução dos PCs estava apenas começando, e os microprocessadores capturaram a imaginação de toda a indústria. O mundo vê corretamente como CPUs, microprocessadores, vão remodelar a indústria de TI, como eles vão remodelar a indústria de computadores, e antes e depois da revolução x86, as empresas de sucesso eram muito diferentes. Começamos nossa empresa durante esse período, e nossa visão era que, por mais incrível que seja a computação de uso geral, ela não pode ser a solução para todos os problemas.

Acreditamos que existe uma forma de computação que chamamos de computação acelerada, onde você adiciona um especialista ao lado da computação de uso geral. A CPU é generalista e pode fazer qualquer coisa, se quiser. Pode fazer qualquer coisa. No entanto, obviamente, se você pode fazer qualquer coisa, então, obviamente, você não pode fazer nada bem.

Como resultado, acreditamos que existem alguns problemas que não são adequados para resolver pelo que chamamos de computadores comuns. É por isso que começamos esta empresa de computação acelerada. O problema é que, se você quiser criar uma empresa de plataforma de computação, eu não sei quantos cientistas da computação existem, mas se você quiser criar uma empresa de plataforma de computação, não há uma empresa assim desde 1964, e isso foi no ano depois que eu nasci, o IBM Systems 360 descreve perfeitamente o que é um computador.

Em 1964, a IBM descreveu que o 360 tinha uma unidade central de processamento, subsistema de E/S, acesso direto à memória, memória virtual, compatibilidade binária entre arquiteturas escaláveis, e descreveu tudo o que temos hoje como computadores que descrevemos hoje, e 60 anos depois, sentimos que há uma nova forma de computação que resolve alguns problemas interessantes, e não estava totalmente claro o que poderíamos resolver na época, mas sentimos que havia um futuro para a computação acelerada.

Ainda assim, nós nos propusemos a começar esta empresa e tomamos uma primeira decisão muito boa, e francamente, essa decisão tem sido incrível até hoje, e se alguém chegar até você e disser para você, vamos inventar uma nova tecnologia que não existe no mundo, todo mundo quer construir uma empresa de computadores em torno de CPUs, queremos construir uma empresa de computadores em torno de outras coisas que estão conectadas a CPUs, número um.

Número dois, o aplicativo assassino é um videogame, um videogame 3D de 1993, e esse aplicativo não existe, a empresa que construiu essa empresa não existe, a tecnologia que estamos tentando construir não existe. Então agora você tem uma empresa que tem desafios técnicos e desafios de mercado e desafios de ecossistema, então a probabilidade de sucesso para essa empresa é de quase 0%, mas de qualquer forma, temos sorte por causa de duas pessoas muito importantes.

Francamente, nós três cofundadores trabalhamos juntos, eles eram figuras muito importantes na indústria de tecnologia na época, e eu liguei para Don Valentine, o capitalista de risco mais importante do mundo na época, e disse a Don para dar a esse garoto algum dinheiro e depois descobrir ao longo do caminho se funcionaria, e felizmente eles fizeram, mas esse plano de negócios, ainda hoje, eu não investiria porque tinha muitas dependências, e cada um tinha uma certa probabilidade de sucesso.

Quando você soma isso, multiplica, você obtém 0%, mas imaginamos que haverá um mercado chamado videogames, e essa será a maior indústria de entretenimento do mundo, que era 0 na época, e especulamos que os gráficos 3D serão usados para contar a história de quase todos os esportes, jogos. Então, no mundo virtual, você pode ter qualquer jogo, qualquer esporte e, como resultado, todos se tornarão jogadores.

Don Valentine me perguntou, quão grande é o mercado, e eu disse, todo mundo vai ser um jogador no futuro, e a resposta errada ao começar uma empresa, e francamente, esses são maus hábitos, habilidades ruins, e eu não estou sugerindo isso, mas de qualquer forma, acabou sendo verdade, e os videogames se tornaram a maior indústria de entretenimento do mundo, 3D Os gráficos foram um sucesso, e encontramos a primeira aplicação assassina de computação acelerada, que nos comprou tempo, usando computação acelerada para resolver uma série de outros problemas, e finalmente mudamos para a IA.

Costis Maglaras:

É uma ótima história, e antes de falarmos sobre IA, quero perguntar um pouco sobre os dias das criptomoedas, obviamente, os jogos foram um grande passo para a Nvidia, e então, em algum momento, o aplicativo assassino se tornou cripto e mineração, o que foi esse desenvolvimento?

Jensen Huang:

A computação acelerada resolve problemas que os computadores comuns não conseguem. Todas as nossas GPUs, mesmo que você a use para projetar carros, arquitetura, fazer estudos de dinâmica molecular, jogar videogames, tem um modelo de programação que inventamos chamado CUDA. CUDA é o único modelo de computação que existe hoje e é tão popular quanto x86, e é usado por desenvolvedores em todo o mundo.

Em qualquer caso, CUDA é capaz de fazer processamento paralelo muito rapidamente, e obviamente, um dos algoritmos que podemos lidar muito bem é a criptografia. Quando o Bitcoin surgiu, não havia ASICs para Bitcoin, e a coisa óbvia a fazer era ir para o supercomputador mais rápido do mundo, e o supercomputador com o maior volume de produção era ninguém menos que as GPUs da Nvidia, que estavam nas casas de milhões de jogadores, então, baixando um aplicativo, você poderia minerar criptomoedas de sua casa.

O fato de que você pode comprar nossas GPUs, nossos computadores, conectá-los, e o dinheiro começa a jorrar. Esse foi o dia em que minha mãe entendeu o que eu estava fazendo. Um dia ela me ligou e disse, filho, eu pensei que você estava fazendo algo sobre videogames, e eu finalmente entendi o que você estava fazendo, e você comprou um produto da Nvidia, conectou-o, e o dinheiro começou a jorrar.

E eu disse, sim, é isso que estou fazendo, e é por isso que tantas pessoas compram Bitcoin, o que posteriormente levou ao surgimento do Ethereum, mas você vai usar um sistema de supercomputação como uma GPU da Nvidia para codificar ou compactar, ou fazer algo para refinar os dados e transformá-los em um token valioso, e você sabe como isso soa? ChatGPT que gera tokens valiosos.

Uma das coisas que aconteceu até agora é que, se você esticar seu pensamento sobre Ethereum e mineração de criptomoedas, faz sentido em certo sentido, porque de repente criamos esse novo tipo de indústria, onde os dados brutos entram, você aplica energia neste computador, e literalmente o dinheiro começa a sair, e essas moedas são, claro, na forma de tokens, e esses tokens são tokens inteligentes Agora estou apenas descrevendo outra coisa que faz muito sentido para nós hoje, mas parece estranho na época, você pega água em um prédio, você a aquece, e o que sai é uma coisa muito valiosa e invisível chamada eletricidade. **

Hoje estamos movendo dados para data centers, e isso vai refiná-los e processá-los, e usar sua capacidade de gerar muitos tokens digitais valiosos, na biologia digital, eles serão valiosos, na física, na TI e todos os tipos de computação, mídias sociais, todos os tipos de coisas, jogos de computador e assim por diante, eles estão vindo na forma de tokens, então o futuro será sobre fábricas de IA, e os dispositivos da Nvidia vão alimentar essas fábricas de IA.

Costis Maglaras:

Então, saltamos para redes neurais, e acho que falamos sobre computação paralela, como renderizar gráficos em um monitor, como jogar, como resolver problemas criptográficos para Bitcoin. Conte-nos um pouco sobre quais GPUs são usadas para treinar redes neurais, e eu quero falar com o público aqui, o que é preciso para treinar um modelo como o ChatGPT, que hardware você precisa, quais dados você precisa, quão grande um cluster você precisa, quanto custa, porque essas são questões enormes, e acho que seria bom para você nos dar alguma ideia de escala.

Jensen Huang:

Todo mundo quer que você pense que é um problema enorme e muito caro. Na verdade, não, deixe-me dizer-lhe por que, nossa empresa gastou cerca de US $ 5 ~ US $ 600 milhões em custos de engenharia para projetar um chip, e então um a dois anos depois, eu bati enter, enviar um e-mail para a TSMC, enviar um grande arquivo para a TSMC via FTP, e eles fariam isso, e o processo custou à nossa empresa cerca de US $ 500 milhões.

Por um total de US$ 5,5 bilhões, eu consegui um chip que certamente era valioso para nós, mas não era um grande negócio. Eu tenho feito isso, então se alguém, ei, Jensen, você precisa criar um data center de bilhões de dólares, e uma vez que você está conectado, o dinheiro vai jorrar do outro lado. Eu vou fazer isso imediatamente, e obviamente muita gente vai fazer também, porque quem não gostaria de criar uma fábrica que gera inteligência?

Agora, US$ 1 bilhão não é realmente muito dinheiro, e francamente, o mundo está gastando cerca de US$ 250 bilhões por ano em infraestrutura de computação, e nenhum de nós está gerando dinheiro, está apenas armazenando nossos arquivos, passando nossos e-mails, isso já é US$ 250 bilhões, e uma das razões pelas quais estamos crescendo tão rápido é que, após 60 anos de desenvolvimento, a computação de uso geral está diminuindo por causa de outros 2500 Seria imprudente criar outro centro de dados de computação de uso geral com bilhões de dólares, que é muito bruto em energia e muito lento em computação. **

Agora que a computação acelerada chegou, esses US$ 250 bilhões serão destinados à criação de centros de dados de computação acelerada, e estamos entusiasmados em apoiar os clientes a fazer isso. Além disso, computação acelerada, você agora tem uma infraestrutura para gerar IA e, como todas as coisas que acabamos de falar, basicamente a maneira como funciona é que você pega muitos dados e depois os comprime. **

O deep learning é como um algoritmo de compressão, onde você está tentando aprender as representações matemáticas, padrões e relações dos dados em que está trabalhando e compactá-los em uma rede neural, então a entrada é, digamos, trilhões de bytes, trilhões de tokens, então digamos trilhões de bytes, e a saída é de 100GB, então você compactou todos esses dados neste pequeno arquivo, e 100GB é como 2 DVDs que você pode baixar e assistir no seu telefone, certo?

Então, você pode baixar esta enorme rede neural em seu telefone. Agora, todos esses dados foram compactados, e esse modelo de rede neural compactada é um LLM, o que significa que você pode interagir com ele, você pode fazer perguntas, e ele voltará à sua memória, entenderá suas intenções e gerará texto para você, tenha uma conversa com você, então, o núcleo é isso, parece mágico, mas para todos os cientistas da computação e cientistas na sala, é muito razoável, não deixe ninguém convencê-lo de que vai custar muito dinheiro, eu vou te dar um bom desconto, todo mundo vai e cria Barra de IA.

Costis Maglaras:

Se eu fosse buscar um pouco mais essa escala, você precisaria de um computador que é basicamente o data center equivalente para estimar esses modelos.

Jensen Huang:

**O que é necessário para criar o GPT-4 são 16.000 GPUs, que é o maior modelo que alguém já usou, valendo US $ 1 bilhão, e isso é apenas um cheque, nem mesmo um grande, não tenha medo, não deixe ninguém dissuadi-lo de começar um negócio e tornar seus sonhos realidade. **

Costis Maglaras: Deixe-me fazer uma pergunta sobre o cheque bilionário e o crescimento que você está experimentando. Acho que você foi nomeado o melhor CEO pela Harvard Business Review, e isso é divertido. Eu vou continuar repetindo isso, mas de certa forma, você está liderando uma empresa através de um crescimento extremo, super crescimento, que a maioria das empresas não experimentou em suas vidas, e eu quero pedir que você nos diga alguns detalhes, como dobrar o tamanho em um ano ou gerenciar a cadeia de suprimentos, gerenciar os clientes, gerenciar o crescimento, gerenciar o dinheiro, como você fez isso?

Jensen Huang:

Adoro gestão, e a única parte dela, que é contar dinheiro, é divertida. Acorde de manhã e rebole com todo o dinheiro, não é para isso que todos vocês estão aqui? Eu entendo que esse é o objetivo final, é difícil construir uma empresa, não há nada fácil de fazer, há muita dor e sofrimento, é preciso muito esforço. **

Se for fácil, todo mundo vai fazer, e sobre todas as empresas, grandes ou pequenas, seja nossa ou de outras empresas de tecnologia, você está sempre morrendo, porque sempre há alguém tentando superá-lo, então você está sempre a caminho da falência, e se você não internalizar esse sentimento, se você não acreditar nisso, você vai à falência. E eu comecei originalmente na Denny, e como todos sabem, a Nvidia foi construída em uma situação extremamente improvável. Demorámos muito tempo a chegar onde estamos hoje. Quer dizer, somos uma empresa de 30 anos. Quando a Nvidia foi fundada, em 1993, o Windows 95 ainda não tinha sido lançado. Naquela época, era o primeiro PC disponível, e não tínhamos e-mail.

Não havia laptops ou smartphones naquela época. Todas essas coisas não existem, então você pode imaginar o quão diferente era o mundo que tínhamos quando começamos e como é diferente agora. Não temos um ecrã LCD. Todos são tubos de raios catódicos (CRTs). Naquela época, nem mesmo os CD-ROMs existiam. Em suma, estas coisas são o contexto dos tempos em que fomos fundados, e demorámos tanto tempo até a empresa ser reconhecida como a primeira empresa a reinventar a computação em 60 anos. O crescimento rápido depende das pessoas.

Obviamente, a empresa tem tudo a ver com pessoas, e se você tiver o sistema certo e tiver pessoas como eu ao seu redor, a empresa terá as habilidades. Não importa se você está vendendo US$ 100 bilhões ou US$ 200 bilhões.

Agora a verdade é que a cadeia de suprimentos não é simples, alguém sabe como é uma placa gráfica G-Force? Levante a mão, alguém sabe como é uma placa gráfica Nvidia, então você pensaria que uma placa gráfica é como um cartucho que se conecta ao slot PC Express de um PC, mas os chips gráficos que temos agora, usados nesses sistemas de deep learning, têm 35.000 peças e pesam até 70 Libras, porque eles são tão pesados, eles precisam de robôs para montar, eles precisam de um supercomputador para testar porque é um supercomputador por si só, e custa US $ 200.000, e com esses US $ 200.000, você pode comprar um computador como este, e ele pode substituir centenas de processadores de uso geral, e esses processadores custam até milhões de dólares, e para cada US $ 200.000 gastos na compra na Nvidia, você economiza US $ 250 $10.000 para calcular o custo, é por isso que estou lhe dizendo, quanto mais você compra, mais você economiza, obviamente, essa estratégia é muito bem-sucedida, as pessoas estão realmente fazendo fila para comprar, é isso que fazemos;as cadeias de suprimentos são muito complexas, fazemos os computadores mais complexos do mundo, mas quão difícil é isso? Na verdade, é muito difícil, e o núcleo é que, se você está cercado por grandes pessoas, a verdade simples é que é tudo sobre pessoas, tenho sorte de ter uma ótima equipe de gestão por perto, e então o CEO dirá algo como." Faça com que seja o número um", como “deixe funcionar”.

Costis Maglaras:

Eu quero voltar às tendências de IA e sua visão para o futuro, mas você mencionou a palavra “plataforma” anteriormente, e mencionou seu ambiente de software. Então você tem a infraestrutura de hardware, você tem um ambiente de software que atualmente é onipresente em termos de treinamento de redes neurais. Você está construindo data centers ou criando ambientes dentro de data centers que são compostos por hardware, software e clusters de comunicação da Nvidia entre esses recursos, quão importante é ser uma solução de plataforma completa e apenas envolvimento de hardware? Quão central é isso para a estratégia da Nvidia?

Jensen Huang:

Eu acho que, em primeiro lugar, antes de criar algo, você tem que saber o que você está criando e por que você está criando, quais são os primeiros princípios de sua existência. **

A computação acelerada não é um chip, é por isso que não é chamada de acelerador, a computação acelerada é sobre entender como você pode acelerar tudo na vida. Se você pode acelerar todos os aplicativos, isso é chamado de computação realmente rápida, então a computação acelerada é primeiro sobre entender quais domínios, quais aplicativos são importantes para você e entender os algoritmos, sistemas de computação e arquiteturas necessários para acelerar esses aplicativos.

Acontece que a computação de uso geral é uma ideia razoável, assim como acelerar uma aplicação. Como exemplo, você tem um decodificador de DVD. Você usa seu telefone para reproduzir um DVD ou decodificador h.264. Faz uma coisa, e fá-lo muito bem. Ninguém sabe como fazê-lo melhor.

A computação acelerada é um pouco como esse estranho estado intermediário. Há muitos aplicativos que você pode acelerar. Por exemplo, podemos acelerar vários processamentos de imagem, física de partículas e muito mais, incluindo álgebra linear. Podemos acelerar muitas aplicações, e isso é um desafio, geralmente é fácil acelerar uma coisa, e é fácil executar tudo com um compilador C.

Acelere domínios suficientes para que, se você acelerar muitos domínios, volte a usar processadores de uso geral, certo? Por que eles não podem fazer um chip mais rápido? Por outro lado, se você acelerar apenas uma aplicação, o mercado não é grande o suficiente para suportar sua pesquisa e desenvolvimento.

Então, temos que encontrar o ponto médio dessa mudança, e essa é a jornada estratégica da nossa empresa, e é aqui que a estratégia encontra a realidade, e é aqui que a Nvidia acerta, e é onde nenhuma outra empresa na história da computação acerta, encontrar uma maneira de ter uma área de aplicação grande o suficiente para que possamos acelerar, que ainda é 100 ~ 500 vezes mais rápido do que as CPUs, para que o efeito volante econômico possa escalar o número de aplicações, expandir o número de clientes, expandir o número de mercados, Aumentar as vendas e, assim, criar maiores orçamentos de pesquisa e desenvolvimento, nos permite criar coisas mais incríveis e ficar muito à frente da CPU,**Isso faz sentido?

É muito difícil criar esse efeito volante, ninguém fez isso antes, apenas uma vez, e isso é habilidade. Para fazer isso, você tem que entender o algoritmo, você tem que entender o domínio do aplicativo muito bem, você tem que escolher certo, você tem que criar a arquitetura certa para ele**, e então a última coisa que fazemos certo é, percebemos que para ter uma plataforma de computação, o aplicativo que você desenvolve para a Nvidia deve rodar em todos os Nvidias, e você não deve pensar, ele está rodando neste chip? Será que vai rodar nesse chip? Ele deve ser executado em todos os computadores que têm Nvidia nele.

É por isso que cada GPU que nossa empresa cria, mesmo que nenhum cliente tenha usado CUDA há muito tempo, estamos comprometidos com isso. Estávamos determinados a criar esta plataforma de computação desde o início. Os clientes não são, é uma dificuldade de 10 anos, multibilionária para a empresa. Se não fossem todos os jogadores de vídeo aqui, não estaríamos aqui. Você é o nosso trabalho do dia-a-dia, e à noite podemos ir e resolver biologia digital, ajudar as pessoas a resolver química quântica, ajudar as pessoas com IA e robótica, e assim por diante.

Percebemos que, em primeiro lugar, a computação acelerada é um problema de software e, em segundo lugar, a IA é um problema de infraestrutura de data center, o que é muito óbvio porque você não pode treinar um modelo de IA em um laptop, você não pode treinar em um telefone porque não é um computador grande o suficiente, a quantidade de dados é calculada em terabytes, e você tem que lidar com esses trilhões de bytes, bilhões de vezes, então, obviamente, será um computador enorme, e o problema está espalhado por milhões de GPUs.

Digo milhões porque há dezenas de milhares dentro de 16000. Como resultado, estamos distribuindo a carga de trabalho por milhões de processadores. Nenhuma aplicação no mundo de hoje pode ser espalhada por milhões de processadores, o Excel é executado em um único processador. Então, esse problema da ciência da computação distribuída é um grande avanço, definitivamente um grande avanço, e é por isso que é capaz de habilitar IA generativa, habilitar LLMs.

Observamos duas coisas: a computação acelerada é um problema de software, é um problema de algoritmo, e a IA É um problema de data center, então somos a única empresa que sai e constrói todas essas coisas, e parte do que fazemos é a escolha do modelo de negócios, poderíamos ter sido uma empresa de data center, totalmente integrada verticalmente, e ainda assim, reconhecemos que, não importa quão bem-sucedida seja uma empresa de computadores, ela não será a única empresa de computadores no mundo, e é melhor como uma empresa de computação de plataforma porque amamos desenvolvedores. Ser uma empresa de computação de plataforma que atende todas as empresas de computadores do mundo é melhor do que ser uma empresa de computadores sozinha. **

Nós adotamos essa abordagem, nós pegamos esse data center que é do tamanho desta sala, todos os fios, todos os switches e a rede, e um monte de software, e nós quebramos tudo e integramos em outros centros de dados diferentes ao redor do mundo, e é uma complexidade louca, e encontramos uma maneira de ter padronização suficiente quando necessário, flexibilidade suficiente quando necessário para que possamos trabalhar com empresas de computadores em todo o mundo o suficiente.

O resultado é que a arquitetura da Nvidia agora está implantada em todas as empresas de computadores do mundo, e isso cria uma pegada maior, uma base instalada maior, mais desenvolvedores, melhores aplicativos, o que deixa os clientes mais felizes, eles compram mais chips, o que aumenta a base instalada, aumenta nosso orçamento de P&D, e assim por diante, o efeito volante, o sistema de feedback positivo, e é assim que funciona, é simples e direto. **

Costis Maglaras:

Uma das coisas que você não fez, e eu quero que você explique, é que você não investiu em fazer suas próprias fichas.

Jensen Huang:

Essa é uma boa pergunta, e a razão é que, como uma escolha estratégica, os valores fundamentais da nossa empresa, os meus valores fundamentais pessoais, os valores fundamentais da nossa empresa têm tudo a ver com escolha.

A coisa mais importante na vida é a escolha. Como escolher? Bem, tudo é, como você escolhe o que fazer esta noite? Como escolher? A nossa empresa decidiu escolher o projeto com um único objetivo fundamental, e o meu objetivo é criar um ambiente, um ambiente onde as melhores pessoas do mundo venham trabalhar aqui. Um ambiente incrível para as melhores mentes do mundo, que querem seguir as áreas de computação computacional, ciência da computação e IA, para criar as condições para que eles venham aqui e façam o trabalho de sua vida. **

Então, se eu digo isso, a questão agora é: como você consegue isso? Deixe-me dar-lhe um exemplo de como você não precisa fazer isso. Ninguém que eu conheça que acorde de manhã e diga, você sabe, meu vizinho está fazendo isso. O que eu quero fazer é, eu quero tirar isso deles. Eu também posso fazer isso. Eu quero tirar isso deles. Quero agarrar a sua quota de mercado. Eu quero suprimi-los no preço, eu quero chutá-los, eu quero tomar a parte deles.

Acontece que nenhuma grande pessoa faz isso, e todo mundo acorda de manhã e diz, eu quero fazer algo que nunca foi feito antes, o que é muito difícil de fazer. Se você tiver sucesso, poderá causar um enorme impacto no mundo, e esses são os valores fundamentais da NVIDIA.

Número um, como escolhemos fazer algo que nunca foi feito antes no mundo? A propósito, a razão pela qual você escolhe fazer algo incrivelmente difícil é porque você tem muito tempo para aprender se algo é fácil de fazer, como o TikTok Dança, eu não vou me preocupar com isso, obviamente a razão é que há muita competição, então você tem que escolher algo que é realmente difícil de fazer, e essas coisas difíceis em si vão parar muitos outros, porque aquele que está disposto a suportar mais tempo acabará vencendo, então escolhemos algo que é muito difícil de fazer, e você já me ouviu dizer muitas vezes que dor e sofrimento, e isso é realmente um traço positivo e aquele que é capaz de suportar acaba sendo o mais bem-sucedido.

Número dois, você deve escolher algo que você está destinado a fazer, seja seus traços de personalidade, sua experiência ou o ambiente em que você está, seu tamanho, o que você tem, sua perspetiva, o que você deve fazer. **

Em terceiro lugar, é melhor você gostar muito de fazer essa coisa, porque a menos que a dor e o sofrimento sejam muito grandes. Agora, o que acabei de descrever são os valores fundamentais da NVIDIA. Simples assim. Se for esse o caso, por que eu faria chips de telefone? Quantas empresas no mundo podem fabricar telemóveis? Por que preciso de CPUs? Precisamos de mais CPUs? Isso é razoável? Não precisamos de todas essas coisas.

Como resultado, excluímo-nos naturalmente do mercado de massas. Nós naturalmente nos excluímos do mercado de massa porque escolhemos mercados incríveis, escolhemos coisas realmente difíceis de fazer, pessoas incríveis se juntaram a nós porque pessoas incríveis se juntaram a nós porque tivemos paciência para torná-las bem-sucedidas e fazer algo incrível. Tenha paciência para deixá-los fazer algo incrível, e eles farão algo incrível.

É razoável que a equação seja realmente tão simples, mas é preciso um caráter incrível para fazer? É por isso que aprender é a coisa mais importante, grande sucesso e grandeza são tudo sobre caráter. A razão pela qual não fazemos fabricação é porque a TSMC está indo tão bem, e eles já estão fazendo isso, então por que eu deveria aceitar o trabalho deles? Eu gosto das pessoas da TSMC, elas são boas amigas minhas, e só porque eu tenho um negócio, eu posso entrar nesse campo, e daí? Eles fizeram um ótimo trabalho para mim, não vamos perder tempo repetindo o que já fizeram, vamos perder tempo fazendo algo que ninguém fez, algo que ninguém fez, e é assim que você constrói algo especial, caso contrário, você está apenas falando de participação de mercado. **

Costis Maglaras:

A pensar no futuro, quando pensamos nestes 10 anos.

Jensen Huang:

Resposta correta?By the way, eu sei que eu não tenho um MBA, eu não tenho um diploma em finanças, eu leio alguns livros, eu assisto um monte de vídeos do Youtube, e eu tenho que dizer a vocês, ninguém assiste mais vídeos de negócios do YouTube do que eu, então eu posso dizer a vocês, vocês não são nada de bom para mim, mas estas são as respostas corretas, Professor Maglaras?

Costis Maglaras:

Você está perguntando a pessoa errada, e eu também não estudei negócios, mas eles são a resposta certa haha~ O que você acha da IA, quando você pensa em aplicações de IA e as mudanças que veremos nos próximos três, cinco, sete anos, e o que pode ser afetado em nossas vidas diárias?

Jensen Huang:

Em primeiro lugar, vou saltar direto para a conclusão, a IA não aceita o seu trabalho, as pessoas que usam IA aceitam o seu trabalho. Bem, use IA o mais rápido possível para que você possa manter um emprego benéfico.

A segunda coisa que eu pergunto a vocês é, quando a produtividade aumenta, isso significa que estamos totalmente incorporados à IA na NVIDIA, e a NVIDIA vai ser uma grande entidade de IA, e já estamos projetando nossos chips com IA, e não podemos projetar nossos chips, e não podemos escrever nossos compiladores otimizados sem IA, então estamos usando IA em todos os lugares.

Quando a IA aumenta a produtividade da sua empresa, o que vem a seguir? demissões ou mais pessoas, você vai contratar mais pessoas. O crescimento rentável deveu-se ao aumento da produtividade.

Por que as pessoas pensam em perder o emprego? Se você acha que não tem uma ideia nova, não faz sentido. Se você não tem mais ideias para investir em seus ganhos incrementais, o que você faz quando os trabalhos são substituídos pela automação? Você vai demitir pessoas e se juntar a empresas que têm mais ideias e não podem investir o dinheiro para que, quando a IA automatiza seu trabalho, é claro que as coisas mudam, é claro que mudam a maneira como as coisas funcionam. **

A IA em breve terá como alvo CEOs, presidentes de departamento e CEOs, estamos prontos, parece bom, acho que primeiro o CEO, depois os presidentes de departamento, mas você está perto, então você se junta a empresas que têm mais ideias e não têm dinheiro suficiente para investir e, naturalmente, quando os ganhos aumentam, você contrata mais pessoas. Primeiro de tudo, é um grande avanço, de alguma forma ensinamos computadores a aprender e representar informações digitalmente, ok? Então, algum de vocês já ouviu falar dessa coisa chamada Word2vec? É uma das melhores coisas de sempre, Word2vec, você pega uma palavra e aprende estudando cada palavra e como ela se relaciona com todas as outras palavras, você estuda todas as nossas frases e parágrafos, e você tenta descobrir qual é o vetor de números que são mais relevantes para essa palavra, quais números são mais relevantes para essa palavra, então “mãe” e “pai” estão próximos um do outro numericamente, “laranja” e “maçã” estão próximos um do outro numericamente, mas estão longe de “mãe” e “pai”, “cachorro” e “gato” Longe de “Mãe” e “Pai”, mas provavelmente mais próximos do que estão de “laranjas” e “maçãs”, cadeiras e mesas, é difícil dizer exatamente onde estão, mas estas duas figuras estão próximas uma da outra, longe de “Mãe” e “Papai”, “Rei” e “Rainha”, mais próximas de “Mãe” e “Papai”.

Isso é razoável? Imagine fazer isso para cada número, e toda vez que você testa, você fica tipo, poxa, isso é ótimo. Faz sentido quando você subtrai algo do outro. Bem, isso é basicamente a representação da informação de aprendizagem. Imagine fazer isso com a língua inglesa. Imagine fazer isso para todas as línguas. Imagine fazer isso com qualquer coisa que tenha estrutura, ou seja, qualquer coisa que seja previsível.

A imagem tem estrutura, porque se não há estrutura, seria ruído branco, na verdade, ruído branco, então deve haver estrutura, e é por isso que você vê um gato, eu vejo um gato, você vê uma árvore, eu vejo uma árvore, você pode identificar onde a árvore está, você pode identificar onde está o litoral, onde estão as montanhas, onde estão as nuvens, certo? Podemos aprender tudo isso, obviamente você pode converter essa imagem em um vetor, você pode converter o vídeo em um vetor, 3D Convertidas em vetores, proteínas em vetores, porque as proteínas obviamente têm estruturas, os químicos são convertidos em vetores, os genes são eventualmente convertidos em vetores, e podemos aprender os vetores de tudo.

Se você pode aprender tudo em números, e faz sentido, então obviamente você pode converter a palavra gato “gato” em uma imagem, que obviamente não é uma imagem de um gato, é o mesmo significado, se você pode converter de palavras para imagens, isso é chamado de difusão constante jornada intermediária, se você pode converter de imagens para palavras, é chamado de legendagem, legendas em vídeos do YouTube, então se você for, o que você chama? Se você converter de aminoácidos em proteínas, é chamado de Prêmio Nobel, porque é uma dobra alfa, um avanço incrível.

Então, este é um momento incrível na ciência da computação, onde podemos realmente transformar um tipo de informação em outro tipo de informação, para que você possa fazer texto-a-texto, muito texto, PDFs para pequenas quantidades de texto, agregar arquivos, que é o que eu realmente gosto, certo?

Podemos pedir-lhe para agregar este papel, e em vez de ler cada papel, ele tem que entender as imagens, porque no arquivo, o papel tem muitas imagens, gráficos e coisas assim, então você pode juntar tudo isso, então você pode agora imaginar todos os benefícios de produtividade, e realmente a capacidade de fazê-lo sem ele, então no futuro próximo, você vai fazer isso.

Você pode dizer, ei, eu quero projetar, me dar algumas opções para carros. Eu trabalho na Mercedes e me preocupo muito com a marca, é o estilo da marca, deixe-me dar alguns esboços, talvez algumas fotos do modelo que eu quero construir, que é um SUV de tração nas quatro rodas, digamos, e então, de repente, surgiu com 2010, 200 CAD de design 3D completo, agora, a razão pela qual você quer isso e não apenas terminar este carro é porque você pode querer escolher um deles e dizer iteração 10 em cima disso Em segundo lugar, você pode acabar escolhendo um e, em seguida, fazendo suas próprias modificações, então o futuro do design será muito diferente. Tudo vai ser muito diferente no futuro, e agora, se você der aos designers essa capacidade, eles ficarão loucos. Eles vão te amar muito, e é por isso que fazemos isso.

Então, quais são as implicações para os efeitos a longo prazo? Uma das minhas áreas favoritas é que, se você pode descrever uma proteína em palavras, e você pode descobrir como sintetizar uma proteína em palavras, então o futuro da engenharia de proteínas é agora. Como você sabe, a engenharia de proteínas envolve fazer enzimas para quebrar plásticos, fazer enzimas para capturar carbono, fazer todos os tipos de enzimas para cultivar vegetais melhor, sua geração pode criar todos os tipos de enzimas diferentes, então os próximos 10 anos serão incríveis, nós somos a geração da engenharia de chips de computador, você será a geração da engenharia de proteínas, que não poderíamos ter imaginado há alguns anos. **

Costis Maglaras:

Ok, acho que vamos abrir a sessão de perguntas para o público, então se houver uma pergunta, talvez eu aponte, teremos alguns microfones chegando, ok, lá vamos começar primeiro.

Espectador:

Obrigado por estar aqui esta noite, você está preocupado se a Lei de Moore alcançará a indústria de GP como fez com a Intel? Você pode explicar a diferença entre a Lei de Moore e a Lei de Huang? Jensen Huang: Eu não criei a Lei de Huang, e não é como algo que eu faria. A Lei de Moore é que o desempenho dobra a cada ano e meio, e a maneira mais fácil de calcular é crescer 10 vezes a cada 5 anos, então é cerca de 100 vezes a cada 10 anos. Se sim, se a computação de uso geral é um microprocessador, por que mudar o método de cálculo se a computação de uso geral cresce 5 vezes a cada 10 anos e a cada 100 anos 100 vezes? Não é rápido o suficiente? Está a brincar? A vida não seria boa se os carros fossem 5 vezes mais rápidos a cada 100 anos?

Então, a resposta é, na verdade, a Lei de Moore é muito boa, e eu me beneficiei dela. Toda a indústria se beneficiou disso, e a indústria de computadores existe por causa disso, mas, em última análise, a Lei de Moore da Computação Universal, não é sobre o número de transistores na computação, é sobre o número de transistores, como você usa para a CPU, como você acaba traduzindo isso em desempenho, essa curva não é mais 10 vezes a cada 5 anos. Se você tiver sorte, essa curva é de duas a quatro vezes a cada 10 anos. O problema é que a curva é de 2 ~ 4 vezes a cada 10 anos.

Necessidades de computação e nossa visão de usar computadores para resolver problemas, nossa imaginação, a imaginação de usar computadores para resolver problemas não é mais de 4 vezes a cada 10 anos? Então a nossa imaginação, as nossas necessidades, o consumo mundial de tudo isso está além desse limite, e você pode resolver esse problema comprando mais CPUs, você pode comprar mais, mas o problema são essas CPUs Consome muita energia porque é genérico, como um generalista, um generalista não é tão eficiente quanto um especialista, seu ofício não é tão bom quanto um especialista, não é tão produtivo quanto um especialista, se eu vou fazer uma toracotomia e não me arranjar um generalista, sabe o que quero dizer? Se você estiver por perto, chame um especialista, então a maneira como o jornalista é força bruta demais, então agora está fazendo o mundo consumir muita energia, fazendo o mundo gastar muito, apenas para forçar brutalmente a computação universal.

Agora, felizmente, estamos trabalhando em computação acelerada há muito tempo, e como mencionei, computação acelerada não é apenas sobre processadores, é realmente sobre entender o domínio do aplicativo e, em seguida, criar o software, algoritmos, arquiteturas e chips necessários, e de alguma forma encontramos uma maneira de fazer isso com uma arquitetura, e essa é a genialidade do que fizemos, e de alguma forma encontramos essa arquitetura, que é muito rápida, às vezes para acelerar CPUs em 100*500 vezes, até às vezes 1000 vezes, mas não é tão específico, é apenas para uma única atividade, é razoável? E você precisa ser amplo o suficiente para que você tenha um grande mercado, mas você precisa ser estreito o suficiente para que você possa acelerar a aplicação, e essa linha delicada, esse fio de navalha, é a razão pela qual a Nvidia existe. Se eu tivesse explicado isso há 30 anos, ninguém teria acreditado, na verdade, se você fosse honesto agora, ninguém teria acreditado também.

Demorou muito tempo, ficamos com isso, começamos com processamento sísmico, dinâmica molecular, processamento de imagem e, claro, computação gráfica, e trabalhamos em e sobre, e sobre e sobre, e então um dia deep learning, e então com transformadores, e então havia alguma forma de transformador de aprendizagem por reforço, e então haveria algum sistema de inferência de várias etapas, então todas essas coisas, somos apenas uma aplicação.

De alguma forma, encontramos um caminho, criamos uma arquitetura que resolveu todos esses problemas, e será que essa nova lei vai acabar? Penso que não. A razão é esta, ele não substitui a CPU, ele complementa a CPU, então a pergunta é, o que estará lá a seguir para nos complementar?

Estamos apenas ligando-o ao lado dele, então quando chegar a hora, saberemos que devemos usar outra ferramenta para resolver o problema, porque estamos servindo o problema que estamos tentando resolver. Não estamos tentando fazer uma faca e fazer com que todos a usem. Não estamos tentando fazer um alicate para todos usarem. Estamos aqui para acelerar a computação para atender ao problema, então isso é uma coisa para todos vocês aprenderem. Certifique-se de que a sua missão está certa. É razoável ter certeza de que sua missão não é fazer trens, mas facilitar o transporte? A nossa missão é acelerar as aplicações e resolver problemas que os computadores comuns não conseguem resolver. Se a sua missão for bem articulada e você se concentrar nas coisas certas, ela durará para sempre. **

Espectador:

Mais uma vez, felizmente, há agora um esforço para localizar a cadeia de abastecimento de semicondutores, e depois há restrições à exportação de produtos de alta tecnologia de certos países. Que impacto você acha que isso terá na NVIDIA no curto prazo e que impacto terá em nossos consumidores a longo prazo?

Jensen Huang:

Boa pergunta. Todos vocês já ouviram isso, e repito, é sobre geopolítica e tensões geopolíticas, etc. As tensões geopolíticas, os desafios geopolíticos afetarão todos os setores, afetarão todos. A nossa empresa acredita na segurança nacional, estamos aqui porque o nosso país é seguro, e também acreditamos na segurança económica.

A verdade é que a maioria das famílias acorda de manhã e não diz, oh meu Deus, eu me sinto tão vulnerável, por causa da falta de força militar, elas se sentem vulneráveis, por causa da viabilidade econômica, então nós também acreditamos nos direitos humanos, e ser capaz de criar uma vida próspera faz parte dos direitos humanos. Como sabem, os Estados Unidos acreditam nos direitos humanos tanto dos que aqui vivem como dos que não vivem, pelo que este país acredita em todas estas coisas ao mesmo tempo. Nós também.

O desafio das tensões geopolíticas é que, se decidirmos demasiado unilateralmente, decidirmos sobre a prosperidade dos outros, haverá uma reação negativa. Haverá consequências não intencionais, mas estou otimista. Espero poder esperar que aqueles que pensam sobre esta questão tenham considerado todas as consequências e não intencionais, mas isso levou à profunda internalização dos direitos soberanos de cada país. Cada país está a falar da sua própria soberania, o que é outra forma de dizer que todos estão a pensar em si próprios.

No que nos diz respeito, por um lado, isso poderia limitar o uso de nossa tecnologia na China, bem como os controles de exportação lá, e, por outro lado, uma vez que a soberania e cada país quer construir sua própria infraestrutura de IA soberana, e a maioria deles não são inimigos dos Estados Unidos e não têm uma relação difícil com os Estados Unidos, vamos ajudá-los a construir infraestrutura de IA em todo o mundo.

Então, de muitas maneiras, essa coisa estranha sobre geopolítica, meio que limita nossas oportunidades de mercado. Por outro lado, abre oportunidades de mercado para nós de outras formas, mas para as pessoas, eu sou, eu realmente quero.

Eu realmente espero que não deixemos nossas tensões com a China evoluir para tensões com os chineses, não deixemos nossas tensões com o Oriente Médio evoluir para tensões com muçulmanos, e não podemos nos permitir cair nessa armadilha, e estou um pouco preocupado que seja uma pista escorregadia.

Uma das maiores fontes de propriedade intelectual no nosso país, como sabem, são os estudantes estrangeiros, e vejo muita coisa aqui. Eu quero que você fique aqui, essa é uma das maiores forças do nosso país. Se não permitirmos que as mentes mais brilhantes do mundo venham para a Colômbia e permaneçam em Nova York, não seremos capazes de manter a maior propriedade intelectual do mundo, então essa é a nossa força fundamental, e eu realmente espero que não a prejudiquemos.

Você pode ver que os desafios geopolíticos são reais, as questões de segurança nacional são reais, mas as questões econômicas, de mercado, sociais, tecnológicas são igualmente reais, a liderança tecnológica é importante, a liderança de mercado é importante, tudo isso é importante, o mundo é apenas um lugar complexo, não tenho uma resposta simples, todos nós seremos afetados.

Espectador:

Eu comecei como engenheiro em uma empresa de semicondutores, trabalhando como empreendedor, e no caso de mim como você, como tecnólogo e engenheiro de coração, comecei com sucesso uma empresa, e aprendi sobre finanças com vídeos do YouTube, o que você acha de um MBA?

Jensen Huang:

Eu acho isso muito legal. Em primeiro lugar, você provavelmente vai viver até os 100 anos de idade, então a pergunta é: como você vai passar os últimos 7 ou 60 anos? Não é o que eu te disse, é o que eu disse a todos, se preocupe com a educação o máximo que puder.

Quando você vem aqui e é forçado a obter uma educação, quão bom isso pode ser? Depois de sair, como eu, tenho que dar a volta ao mundo em busca de conhecimento, tenho que passar por muito lixo para encontrar algo bom, e na escola, você tem esses professores incríveis que peneiram o conhecimento para você e o apresentam como um prato, meu Deus, se eu pudesse fazer isso de novo, eu ficaria aqui o máximo de tempo que pudesse e absorveria muito conhecimento. **

Eu estarei sentado aqui com o reitor. Eu sou o aluno mais velho aqui. Estou apenas me preparando para um grande salto quando me formar, e vou ser bem-sucedido logo após a graduação, mas estou apenas brincando. Você vai ter que sair um dia. Seus pais vão gostar, mas não se apressem. Acho que aprenda o máximo que puder. Não há uma única resposta certa para lá chegar.

Obviamente, eu tenho amigos que nunca se formaram na faculdade, mas são muito bem-sucedidos, então há várias maneiras de chegar lá, mas estatisticamente eu ainda acho que é a melhor maneira de chegar lá, então se você acredita em estatística e matemática, basta ficar na escola e passar por todo o processo, então**Eu consegui um MBA virtual trabalhando duro, não por escolha, mas porque quando me formei na escola, pensei que ia ser engenheiro, ninguém diria." Ei, Jensen, dê-lhe um diploma e você vai ser o CEO. "Eu não sabia, então quando cheguei lá, tive que ir estudar. **

Há muitas maneiras de obter um MBA e aprender estratégia de negócios, obviamente as questões de negócios são coisas muito diferentes, questões financeiras também, então você tem que aprender todas essas coisas diferentes para construir uma empresa, mas se você estiver cercado por pessoas incríveis como eu, elas vão te ensinar ao longo do caminho, então algumas coisas, dependendo do papel que você quer desempenhar, são cruciais, e há algumas coisas que não são apenas meu trabalho, mas são críticas, e eu vou seguir com isso. Isso é caráter, há algo em seu personagem que importa sobre as escolhas que você faz, como você lida com o sucesso, como você lida com o fracasso e grandes contratempos, como você faz escolhas. **

Agora, em termos de habilidades e artesanato, a coisa mais importante para um CEO é o pensamento estratégico, e não há outra escolha. As empresas precisam que você pense estrategicamente porque você vê mais, você deve ser capaz de ver o futuro melhor do que ninguém, você deve ser capaz de ligar os pontos melhor do que ninguém, você deve ser capaz de mobilizar, lembrar o que é estratégia – ação! Assim, o CEO está posicionado de forma única na posição certa para ser um diretor de estratégia, se quiser. Do meu ponto de vista, essas duas são as coisas mais importantes, e o resto tem muitas habilidades e coisas que você vai aprender habilidades.

Se me permitem acrescentar mais uma coisa, acredito que uma empresa é sobre um determinado ofício, você dá alguma contribuição única para a sociedade, você faz alguma coisa. Se você faz algo, você deve ser bom nisso, você deve apreciar o ofício, você deve amar o ofício, você deve saber algo sobre o ofício, de onde vem, onde está agora, para onde está indo no futuro, você deve tentar mostrar sua paixão por este ofício.

Espero que hoje eu tenha feito algo que exemplifique a paixão e experiência deste ofício, que eu saiba muito sobre o meu campo, e que o CEO deve saber sobre este ofício, se possível. Você não tem que criar este ofício, mas é melhor ser este ofício, você pode aprender muito, então você, você quer ser um especialista neste campo, mas estas são algumas coisas. Você pode aprender isso aqui. Idealmente, você pode aprender isso no trabalho, você pode aprender isso com seus amigos, e você pode aprender isso fazendo muitas coisas diferentes.