Источник: Есть новый Newin
Сегодня утром после часов работы фондового рынка США был объявлен отчет о прибылях и убытках Nvidia за 3-й квартал, в котором выручка составила $18,12 млрд за третий квартал, завершившийся 29 октября 2023 года, что на 206% больше в годовом исчислении, квартальное увеличение на 34%, прибыль на акцию увеличилась почти в 6 раз, почти на 13% и 20% выше ожиданий аналитиков соответственно, а выручка дата-центра бизнеса, где расположен чип ИИ, увеличилась почти в 2 раза в годовом исчислении, достигнув нового максимума за один квартал.
«Наш уверенный рост отражает трансформацию широкого спектра отраслевых платформ от универсальных до ускоренных вычислений и генеративного ИИ, при этом стартапы LLM, потребительские интернет-компании и глобальные поставщики облачных услуг являются первыми движущими силами, и следующая волна начинает формироваться: национальные и региональные поставщики услуг связи инвестируют в облака ИИ для удовлетворения местного спроса, компании-разработчики корпоративного программного обеспечения добавляют AI Copilot и Assistant на свои платформы, а предприятия создают собственный ИИ», — сказал Хуан Эра генеративного искусственного интеллекта начинается с GPU, CPU, сетей, литейных сервисов ИИ и программного обеспечения NVIDIA AI Enterprise в качестве двигателей полноскоростного роста!"
P.S.: В колонке на прошлых выходных мы поделились Джоном Латтигом, главой отдела инвестиций в Funders Fund, о его анализе текущего ландшафта рынка графических процессоров.
В прошлом месяце Дженсен Хуанг (Jensen Huang), соучредитель и генеральный директор Nvidia, также выступил с очень сухим докладом в Колумбийской школе бизнеса (CBS), где Хуан поговорил с деканом CBS Костисом Магларасом, чтобы обсудить цифровое будущее, в том числе то, как NVIDIA реализует стратегию и операции, а также то, как Хуан имеет предпринимательский опыт и как стать квалифицированным генеральным директором.
Вот некоторые из сухих продуктов, которыми Лао Хуан поделился в процессе CBS, чтобы вы могли попробовать:
Прежде чем принять решение, каждый должен понять, что он делает, почему он это делает, и все дело в выборе.
С личной точки зрения: Есть три вещи, которые необходимо определить:
-
Трудные, но правильные вещи;
-
что вам суждено сделать;
-
То, что вам нравится;
С точки зрения компании: Используя NVIDIA в качестве примера, ответ Лао Хуанга был очень простым, четко объясняя рыночные выборы, бизнес-модели, барьеры и эффекты маховика, связанные с NVIDIA Pivot:
«Причина, по которой мы не занимаемся производством, заключается в том, что TSMC работает так хорошо, и они уже делают это, почему я должен идти и забирать их рабочие места? Мне нравятся люди в TSMC, они мои хорошие друзья, просто потому, что у меня есть бизнес, я могу попасть в эту сферу, и что? Они проделали большую работу для меня, давайте не будем тратить время на повторение того, что они уже сделали, давайте тратить время на то, что никто не делал, что-то, чего никто не делал, и именно так вы создаете что-то особенное, иначе вы просто говорите о доле рынка. **
Мы наблюдаем две вещи: ускоренные вычисления — это проблема программного обеспечения, это проблема алгоритмов, и ИИ Это проблема центров обработки данных, поэтому мы единственная компания, которая идет и строит все эти вещи, и часть того, что мы делаем, - это выбор бизнес-модели, мы могли бы быть компанией центра обработки данных, полностью вертикально интегрированной, и все же мы признаем, что независимо от того, насколько успешна компьютерная компания, она не будет единственной компьютерной компанией в мире, и она лучше как компания, занимающаяся платформенными вычислениями, потому что мы любим разработчиков. Быть компанией, занимающейся платформенными вычислениями, которая обслуживает все компьютерные компании в мире, лучше, чем быть компьютерной компанией в одиночку. **
Мы применили этот подход, мы взяли этот центр обработки данных, размером с эту комнату, все провода, все коммутаторы и сети, и много программного обеспечения, и мы разбили все это и интегрировали в другие центры обработки данных по всему миру, и это сумасшедшая сложность, и мы нашли способ иметь достаточную стандартизацию, когда это необходимо, достаточную гибкость, когда это необходимо, чтобы мы могли работать с компьютерными компаниями по всему миру.
В результате архитектура Nvidia теперь внедрена в каждую компьютерную компанию в мире, что создает большую площадь, большую установленную базу, больше разработчиков, лучшие приложения, что делает клиентов счастливее, они покупают больше чипов, что увеличивает установленную базу, увеличивает наш бюджет на исследования и разработки и т. д., эффект маховика, система положительной обратной связи, вот как это работает, это просто и понятно».
Кроме того, Лао Хуан также ясно изложил свои взгляды на ИИ и труд и рабочий процесс в своем делимости: «ИИ не отнимет у вас работу, люди, которые используют ИИ, отнимут у вас работу, и если у компании нет больше идей для инвестирования в дополнительную прибыль, то, когда работа будет заменена автоматизацией, компания должна будет уволить сотрудников и присоединиться к тем компаниям, у которых больше идей, но они не могут позволить себе инвестировать деньги, так что, когда ИИ автоматизирует свою работу, конечно, ситуация изменится, конечно, это изменит способ работы. **
Ниже приводится полное содержание беседы между Лао Хуаном и президентом CBS Костисом Магларасом, наслаждайтесь~
Костис Магларас:
Я хочу, чтобы вы сначала провели нас немного назад по истории Nvidia, а затем я хочу поговорить о проблеме лидерства, о которой мы только что упомянули, но вы основали эту компанию 30 лет назад и провели ее через трансформацию, в ходе которой были запущены различные приложения и типы продуктов. Расскажите нам об этом путешествии.
Дженсен Хуанг:
Один из моментов, которым я горжусь больше всего. Я начал с одного из самых гордых моментов, который произошел недавно, когда я был генеральным директором первой компании, в которой работал, Denny’s, и узнал, что Nvidia — это не только мой путь от посудомойщика и разнорабочего до топа компании и официанта в Denny’s, но и что это была моя первая компания, и что я до сих пор знаком с меню. Кстати, Суперберд – это здорово, кто-нибудь знает, что такое Суперптица? К какому типу студентов вы относитесь?
Denny’s — это ресторан в Соединенных Штатах, а Nvidia была основана мной и двумя другими соучредителями в Сан-Хосе — Denny’s находится рядом с нашим домом, поэтому они недавно связались со мной, и коробка, в которой мы раньше сидели, теперь является ложей Nvidia, и она называется Nvidia, и это место рождения компании с оборотом в триллион долларов, и это очень гордый момент.
Nvidia была основана в то время, когда революция ПК только начиналась, а микропроцессоры захватили воображение всей отрасли. Мир справедливо видит, как процессоры, микропроцессоры, собираются изменить ИТ-индустрию, как они изменят компьютерную индустрию, и до и после революции x86 успешные компании были очень разными. Мы основали нашу компанию в этот период, и мы считали, что какими бы удивительными ни были компьютеры общего назначения, они не могут быть решением всех проблем.
Мы считаем, что существует способ вычислений, который мы называем ускоренными вычислениями, когда вы добавляете эксперта рядом с вычислениями общего назначения. Процессор универсален и может делать все, что угодно, если хотите. Он может все, что угодно. Однако, очевидно, что если вы можете что-то сделать, то, очевидно, вы ничего не можете сделать хорошо.
В результате, мы считаем, что есть некоторые проблемы, которые не подходят для решения тем, что мы называем обычными компьютерами. Вот почему мы основали эту компанию по ускоренным вычислениям. Проблема в том, что если вы хотите создать компанию, занимающуюся вычислительными платформами, я не знаю, сколько там специалистов по информатике, но если вы хотите создать компанию, занимающуюся вычислительными платформами, такой компании не было с 1964 года, и это было через год после моего рождения, IBM Systems 360 прекрасно описывает, что такое компьютер.
В 1964 году IBM описала, что у 360 есть центральный процессор, подсистема ввода-вывода, прямой доступ к памяти, виртуальная память, двоичная совместимость между масштабируемыми архитектурами, и она описала все, что мы имеем сегодня, как компьютеры, которые мы описываем сегодня, и 60 лет спустя мы чувствуем, что существует новая форма вычислений, которая решает некоторые интересные проблемы, и в то время было не совсем ясно, что мы можем решить, но мы чувствовали, что у ускоренных вычислений есть будущее.
Тем не менее, мы решили основать эту компанию и приняли действительно хорошее первое решение, и, честно говоря, это решение было невероятным по сей день, и если кто-то придет к вам и скажет: «Мы собираемся изобрести новую технологию, которой не существует в мире, все хотят построить компьютерную компанию вокруг процессоров, мы хотим построить компьютерную компанию вокруг других вещей, связанных с процессорами, номер один».
Во-вторых, приложение-убийца — это видеоигра, 3D-видеоигра 1993 года, и этого приложения не существует, компании, которая создала эту компанию, не существует, технологии, которую мы пытаемся создать, не существует. Итак, теперь у вас есть компания, которая сталкивается как с техническими проблемами, так и с проблемами рынка и экосистемы, поэтому вероятность успеха для этой компании составляет почти 0%, но в любом случае нам повезло из-за двух очень важных людей.
Честно говоря, мы трое соучредителей работали вместе, они были очень важными фигурами в технологической индустрии в то время, и я позвонил Дону Валентайну, самому важному венчурному капиталисту в мире в то время, и сказал Дону, чтобы он дал этому парню немного денег, а затем выяснил, сработает ли это, и, к счастью, они это сделали, но этот бизнес-план, даже сегодня, я бы не стал инвестировать, потому что у него было слишком много зависимостей, и каждая из них имела определенную вероятность успеха.
Если сложить и умножить, то получится 0%, но мы представляем, что будет рынок под названием видеоигры, и это будет самая большая индустрия развлечений в мире, которая в то время была равна 0, и мы предполагаем, что 3D-графика будет использоваться для того, чтобы рассказать историю почти каждой спортивной игры. Так, в виртуальном мире у вас может быть любая игра, любой вид спорта, и в результате каждый станет геймером.
Дон Валентайн спросил меня, насколько велик рынок, и я сказал, что в будущем все станут геймерами, и неправильный ответ при создании компании, и, честно говоря, это плохие привычки, плохие навыки, и я не предлагаю этого, но в любом случае, это оказалось правдой, и видеоигры стали самой большой индустрией развлечений в мире, 3D Графика была успешной, и мы нашли первое убийственное применение ускоренных вычислений, которое позволило нам выиграть время, используя ускоренные вычисления для решения ряда других задач, и, наконец, перешли к искусственному интеллекту.
Костис Магларас:
Это замечательная история, и прежде чем мы поговорим об искусственном интеллекте, я хочу спросить немного о днях криптовалюты, очевидно, что игры были большим шагом для Nvidia, а затем в какой-то момент убийственным приложением стала криптовалюта и майнинг, что это было за развитие?
Дженсен Хуанг:
Ускоренные вычисления решают проблемы, с которыми не могут справиться обычные компьютеры. Все наши графические процессоры, даже если вы используете их для проектирования автомобилей, архитектуры, молекулярно-динамических исследований, видеоигр, имеют модель программирования, которую мы изобрели, под названием CUDA. CUDA — единственная вычислительная модель, которая существует на сегодняшний день и пользуется такой же популярностью, как и x86, и используется разработчиками по всему миру.
В любом случае, CUDA способна выполнять параллельную обработку очень быстро, и, очевидно, один из алгоритмов, с которым мы можем очень хорошо справиться, — это криптография. Когда Биткойн только появился, не было ASIC для Биткойна, и очевидно, что нужно было перейти к самому быстрому суперкомпьютеру в мире, а суперкомпьютером с самым высоким объемом производства был не кто иной, как графические процессоры Nvidia, которые находились в домах миллионов игроков, поэтому, загрузив приложение, вы могли добывать криптовалюты из своего дома.
Тот факт, что вы можете купить наши графические процессоры, наши компьютеры, подключить их, и деньги начнут литься рекой. Это был день, когда мама поняла, что я делаю. Однажды она позвонила мне и сказала: «Сынок, я думала, что ты делаешь что-то с видеоиграми, и я, наконец, поняла, что ты делаешь, и ты купил продукт Nvidia, подключил его, и деньги потекли рекой».
И я сказал: «Да, это то, чем я занимаюсь, и именно поэтому так много людей покупают биткоин, что впоследствии привело к росту Ethereum, но вы собираетесь использовать суперкомпьютерную систему, такую как графический процессор Nvidia, для кодирования или сжатия, или сделать что-то, чтобы усовершенствовать данные и превратить их в ценный токен, и вы знаете, как это звучит?» ChatGPT, генерирующий ценные токены.
Одна из вещей, которая произошла до сих пор, заключается в том, что если вы расширите свои размышления об Ethereum и майнинге криптовалют, это имеет смысл в некотором смысле, потому что мы внезапно создаем этот новый тип индустрии, где поступают необработанные данные, вы прикладываете энергию к этому компьютеру, и буквально деньги начинают литься, и эти валюты, конечно же, в форме токенов, и эти токены являются смарт-токенами Сейчас я просто описываю кое-что еще, что имеет большой смысл для нас сегодня, но в то время это казалось странным: вы берете воду в здании, нагреваете ее, и получается очень ценная и невидимая вещь, называемая электричеством. **
Сегодня мы перемещаем данные в центры обработки данных, и они будут перерабатывать и обрабатывать их, и использовать свои возможности для генерации множества ценных цифровых токенов, в цифровой биологии они будут ценными, в физике, в ИТ и во всех видах вычислений, социальных сетях, всевозможных вещах, компьютерных играх и так далее, они появятся в виде токенов, так что будущее будет связано с фабриками искусственного интеллекта, и устройства Nvidia будут поддерживать эти фабрики искусственного интеллекта.
Костис Магларас:
Итак, мы перешли к нейронным сетям, и, по-моему, мы говорили о параллельных вычислениях, например, о том, как рендерить графику на мониторе, как играть в игры, как решать криптографические проблемы для биткоина. Расскажите нам немного о том, какие графические процессоры используются для обучения нейронных сетей, и я хочу поговорить с аудиторией здесь, что нужно для обучения такой модели, как ChatGPT, какое оборудование вам нужно, какие данные вам нужны, насколько большой кластер вам нужен, сколько это стоит, потому что это огромные вопросы, и я думаю, что было бы неплохо, если бы вы дали нам некоторое представление о масштабе.
Дженсен Хуанг:
Все хотят, чтобы вы думали, что это огромная проблема и очень дорого. На самом деле, нет, позвольте мне сказать вам, почему, наша компания потратила около 5 ~ 600 миллионов долларов на инженерные затраты на разработку чипа, а затем через один-два года я нажимаю клавишу ввода, отправляю электронное письмо в TSMC, отправляю большой файл в TSMC по FTP, и они делают это, и процесс обошелся нашей компании примерно в 500 миллионов долларов.
В общей сложности за 5,5 миллиарда долларов я получил чип, который, безусловно, был ценным для нас, но это не было большой проблемой. Я занимаюсь этим, так что если кто-то, эй, Дженсен, вам нужно создать дата-центр стоимостью в миллиард долларов, и как только вы будете подключены, деньги будут хлынуть с другой стороны. Я собираюсь сделать это прямо сейчас, и, очевидно, многие люди тоже это сделают, потому что кто не хотел бы создать фабрику, которая генерирует интеллект?
Сейчас 1 миллиард долларов — это не так уж и много, и, честно говоря, мир тратит около 250 миллиардов долларов в год на инфраструктуру инфраструктурных вычислений, и никто из нас не зарабатывает деньги, они просто хранят наши файлы, передают наши электронные письма, это уже 250 миллиардов долларов, и одна из причин, по которой мы так быстро растем, заключается в том, что после 60 лет развития вычисления общего назначения сокращаются еще на 2500 Было бы неразумно создавать еще один вычислительный дата-центр общего назначения с миллиардами долларов, который слишком груб по энергии и слишком медленен в вычислениях. **
Теперь, когда ускоренные вычисления уже здесь, эти 250 миллиардов долларов пойдут на создание центров обработки данных для ускоренных вычислений, и мы рады поддержать клиентов в этом. Вдобавок ко всему, ускоренные вычисления, теперь у вас есть инфраструктура для создания ИИ, и, как и во всех вещах, о которых мы только что говорили, в основном это работает так: вы берете много данных, а затем сжимаете их. **
Глубокое обучение похоже на алгоритм сжатия, где вы пытаетесь изучить математические представления, закономерности и взаимосвязи данных, с которыми вы работаете, и сжать их в нейронную сеть, так что входные данные составляют, скажем, триллионы байт, триллионы токенов, скажем, триллионы байт, а на выходе получается 100 ГБ, так что вы сжимаете все эти данные в этот маленький файл, а 100 ГБ — это как 2 DVD-диска, которые вы можете скачать и посмотреть на своем телефоне, верно?
Итак, вы можете скачать эту огромную нейронную сеть на свой телефон. Теперь все эти данные были сжаты, и эта сжатая модель нейронной сети является LLM, что означает, что вы можете взаимодействовать с ней, вы можете задавать вопросы, и она вернется к своей памяти, поймет ваши намерения и сгенерирует для вас текст, поговорит с вами, так что суть в этом, звучит волшебно, но для всех ученых в области информатики и ученых в комнате это очень разумно, не позволяйте никому убеждать вас, что это будет стоить больших денег, я дам вам хорошую скидку, все идите и творите Панель ИИ.
Костис Магларас:
Если бы я углубился в этот масштаб, вам бы понадобился компьютер, который, по сути, является эквивалентом центра обработки данных, чтобы оценить эти модели.
Дженсен Хуанг:
** Для создания GPT-4 необходимо 16 000 графических процессоров, что является самой большой моделью, которую кто-либо когда-либо использовал, стоимостью 1 миллиард долларов, и это всего лишь чек, даже не большой, не бойтесь, не позволяйте никому отговорить вас от начала бизнеса и воплощения ваших мечтаний в реальность. **
Костис Магларас: Позвольте мне задать вам вопрос о чеке на миллиард долларов и о росте, который вы наблюдаете. По-моему, вы были названы лучшим генеральным директором по версии Harvard Business Review, и это интересно. Я буду продолжать повторять это, но в каком-то смысле вы ведете компанию через экстремальный рост, суперрост, которого большинство компаний не испытывали в своей жизни, и я хочу попросить вас рассказать нам несколько деталей, таких как удвоение размера за год или управление цепочкой поставок, управление клиентами, управление ростом, управление деньгами, как вы это сделали?
Дженсен Хуанг:
Я люблю менеджмент, и единственная его часть, которая заключается в подсчете денег, — это удовольствие. Проснуться утром и покататься на всех деньгах, разве не для этого все вы здесь? Я понимаю, что это конечная цель, трудно построить компанию, нет ничего легкого, есть много боли и страданий, это требует больших усилий. **
Если это легко, то все это сделают, и во всех компаниях, больших или маленьких, будь то наша или другие технологические компании, вы всегда умираете, потому что всегда есть кто-то, кто пытается превзойти вас, поэтому вы всегда на пути к банкротству, и если вы не усвоите это чувство, если вы не верите в это, вы обанкротитесь. Изначально я начинал с Denny, и, как вы все знаете, Nvidia была создана в крайне маловероятной ситуации. Нам потребовалось много времени, чтобы прийти к тому, что мы имеем сегодня. Я имею в виду, что нам 30 лет. Когда Nvidia была основана в 1993 году, Windows 95 еще не была выпущена. На тот момент это был первый доступный ПК, и у нас не было электронной почты.
Ноутбуков и смартфонов в то время не было. Все эти вещи не существуют, так что вы можете себе представить, насколько разным был мир, который у нас был, когда мы только начинали, и насколько он отличается сейчас. У нас нет ЖК-экрана. Все они представляют собой электронно-лучевые трубки (ЭЛТ). В те времена не существовало даже компакт-дисков. Короче говоря, эти вещи являются контекстом времени, когда мы были основаны, и нам потребовалось так много времени, чтобы компания была признана первой компанией, которая заново изобрела компьютеры за 60 лет. Быстрый рост зависит от людей.
Очевидно, что компания — это люди, и если у вас есть правильная система и вокруг вас есть такие люди, как я, у компании будут навыки. Неважно, продаете ли вы $100 млрд или $200 млрд.
Правда в том, что цепочка поставок не простая, кто-нибудь знает, как выглядит видеокарта G-Force? Поднимите руку, кто-нибудь знает, как выглядит видеокарта Nvidia, поэтому вы можете подумать, что видеокарта похожа на картридж, который вставляется в слот PC Express ПК, но графические чипы, которые мы имеем сейчас, используемые в этих системах глубокого обучения, имеют 35 000 деталей и весят до 70 фунтов, потому что они очень тяжелые, им нужны роботы для сборки, им нужен суперкомпьютер для тестирования, потому что это суперкомпьютер сам по себе, и он стоит 200 000 долларов, и на эти 200 000 долларов вы можете купить такой компьютер, и он может заменить сотни процессоров общего назначения, и эти процессоры стоят до миллионов долларов, и на каждые 200 000 долларов, потраченные на покупку в Nvidia, вы экономите 250 долларов 10 000 долларов для расчета стоимости, вот почему я говорю вам, чем больше вы покупаете, тем больше вы экономите; очевидно, что эта стратегия очень успешна, люди действительно выстраиваются в очередь, чтобы купить, это то, что мы делаем; цепочки поставок очень сложны, мы производим самые сложные компьютеры в мире, но насколько это сложно? На самом деле это очень сложно, и суть в том, что если вас окружают замечательные люди, то простая истина заключается в том, что все дело в людях; Мне повезло, что у меня отличная управленческая команда, и тогда генеральный директор скажет что-то вроде: Сделайте его номером один», например, «пусть это работает».
Костис Магларас:
Я хочу вернуться к трендам в области искусственного интеллекта и вашему видению будущего, но ранее вы упомянули слово «платформа», и вы упомянули свою программную среду. Итак, у вас есть аппаратная инфраструктура, у вас есть программная среда, которая в настоящее время повсеместно распространена с точки зрения обучения нейронных сетей. Строите ли вы центры обработки данных или создаете среды в центрах обработки данных, которые состоят из аппаратного и программного обеспечения Nvidia, а также коммуникационных кластеров между этими ресурсами, насколько важно, чтобы это было комплексное платформенное решение и только аппаратное участие? Насколько это важно для стратегии Nvidia?
Дженсен Хуанг:
Я думаю, прежде всего, прежде чем что-то создать, нужно знать, что ты создаешь и почему ты это создаешь, каковы основные принципы его существования. **
Ускоренные вычисления — это не чип, поэтому их не называют ускорителем, ускоренные вычисления — это понимание того, как можно ускорить все в жизни. Если вы можете ускорить каждое приложение, это называется действительно быстрыми вычислениями, то ускоренные вычисления в первую очередь связаны с пониманием того, какие области и какие приложения важны для вас, а также с пониманием алгоритмов, вычислительных систем и архитектур, необходимых для ускорения этих приложений.
Оказывается, что вычисления общего назначения — это разумная идея, как и ускорение приложения. Например, у вас есть DVD-декодер. Телефон используется для воспроизведения DVD или декодера h.264. Он делает одну вещь, и делает это очень хорошо. Никто не знает, как сделать это лучше.
Ускоренные вычисления немного похожи на это странное промежуточное состояние. Есть много приложений, которые вы можете ускорить. Например, мы можем ускорить обработку изображений, физику элементарных частиц и многое другое, включая линейную алгебру. Мы можем ускорить множество приложений, и это непростая задача, обычно легко ускорить что-то одно, и легко запустить все с помощью компилятора C.
Ускоряйте достаточное количество доменов, чтобы, если вы ускорите слишком много доменов, вы вернулись к процессорам общего назначения, верно? Почему они не могут сделать более быстрый чип? С другой стороны, если вы ускоряете только одно приложение, то рынок недостаточно велик для поддержки ваших исследований и разработок.
Таким образом, мы должны найти золотую середину этого перехода, и это стратегический путь нашей компании, и это место, где стратегия встречается с реальностью, и это то, где Nvidia делает это правильно, и это то, где ни одна другая компания в истории вычислений не делает это правильно; найти способ иметь достаточно большую область применения, которую мы можем ускорить, что по-прежнему в 100 ~ 500 раз быстрее, чем процессоры, так что экономический эффект маховика может масштабировать количество приложений, увеличивать количество клиентов, расширять количество рынков, Увеличение продаж и, таким образом, увеличение бюджетов на исследования и разработки позволяет нам создавать более удивительные вещи и оставаться далеко впереди процессора.** Есть ли в этом смысл?
Очень сложно создать этот эффект маховика, никто не делал этого раньше, только один раз, и это способность. Для того, чтобы сделать это, вы должны понимать алгоритм, вы должны очень хорошо понимать предметную область приложения, вы должны сделать правильный выбор, вы должны создать правильную архитектуру для него**, и последнее, что мы делаем правильно, это то, что мы понимаем, что для того, чтобы иметь вычислительную платформу, приложение, которое вы разрабатываете для Nvidia, должно работать на всех Nvidia, и вы не должны думать о том, работает ли оно на этом чипе? Будет ли он работать на этом чипе? Он должен работать на каждом компьютере, на котором установлена Nvidia.
Вот почему каждый графический процессор, который создает наша компания, даже если ни один клиент не использовал CUDA давным-давно, мы привержены этому. Мы с самого начала были полны решимости создать эту вычислительную платформу. Клиенты — нет, это 10-летние, многомиллиардные трудности для компании. Если бы не все присутствующие здесь геймеры, нас бы здесь не было. Вы — наша повседневная работа, и по вечерам мы можем заниматься цифровой биологией, помогать людям решать квантовую химию, помогать людям с искусственным интеллектом и робототехникой и так далее.
Мы поняли, что, во-первых, ускоренные вычисления — это проблема программного обеспечения, а во-вторых, ИИ — это проблема инфраструктуры центра обработки данных, что очень очевидно, потому что вы не можете обучить модель ИИ на ноутбуке, вы не можете обучить на телефоне, потому что это недостаточно большой компьютер, объем данных исчисляется терабайтами, и вам приходится иметь дело с этими триллионами байт, миллиардами раз, так что, очевидно, это будет огромный компьютер, и проблема распределена по миллионам графических процессоров.
Я говорю о миллионах, потому что внутри 16000 десятки тысяч. В результате мы распределяем рабочую нагрузку между миллионами процессоров. Сегодня ни одно приложение в мире не может быть распределено по миллионам процессоров; Excel работает на одном процессоре. Таким образом, проблема распределенных вычислений в информатике является огромным прорывом, определенно огромным прорывом, и именно поэтому она способна обеспечить генеративный ИИ, сделать возможными LLM.
Мы наблюдаем две вещи: ускоренные вычисления — это проблема программного обеспечения, это проблема алгоритмов, и ИИ Это проблема центров обработки данных, поэтому мы единственная компания, которая идет и строит все эти вещи, и часть того, что мы делаем, - это выбор бизнес-модели, мы могли бы быть компанией центра обработки данных, полностью вертикально интегрированной, и все же мы признаем, что независимо от того, насколько успешна компьютерная компания, она не будет единственной компьютерной компанией в мире, и она лучше как компания, занимающаяся платформенными вычислениями, потому что мы любим разработчиков. Быть компанией, занимающейся платформенными вычислениями, которая обслуживает все компьютерные компании в мире, лучше, чем быть компьютерной компанией в одиночку. **
Мы применили этот подход, мы взяли этот центр обработки данных, размером с эту комнату, все провода, все коммутаторы и сети, и много программного обеспечения, и мы разбили все это и интегрировали в другие центры обработки данных по всему миру, и это сумасшедшая сложность, и мы нашли способ иметь достаточную стандартизацию, когда это необходимо, достаточную гибкость, когда это необходимо, чтобы мы могли работать с компьютерными компаниями по всему миру.
В результате архитектура Nvidia теперь внедрена в каждую компьютерную компанию в мире, и это создает большую площадь, большую установленную базу, больше разработчиков, лучшие приложения, что делает клиентов более счастливыми, они покупают больше чипов, что увеличивает установленную базу, увеличивает наш бюджет на исследования и разработки и так далее, эффект маховика, система положительной обратной связи, и вот как это работает, это просто и понятно. **
Костис Магларас:
Одна из вещей, которую вы не сделали, и я хочу, чтобы вы объяснили, заключается в том, что вы не инвестировали в производство собственных чипов.
Дженсен Хуанг:
Это хороший вопрос, и причина заключается в том, что основные ценности нашей компании, мои личные основные ценности, основные ценности нашей компании связаны с выбором.
Самое главное в жизни – это выбор. Как вы выбираете? Ну, все есть, как вы выбираете, чем заняться сегодня вечером? Как выбрать? Наша компания решила выбрать проект только с одной фундаментальной целью, и моя цель – создать среду, среду, куда приходят и работают лучшие люди в мире. Удивительная среда для лучших умов мира, которые хотят заниматься компьютерными вычислениями, информатикой и искусственным интеллектом, чтобы создать условия для того, чтобы они приезжали сюда и занимались делом своей жизни. **
Итак, если я скажу это, то вопрос теперь в том, как этого достичь? Позвольте мне привести вам пример того, как вам не нужно этого делать. Я не знаю никого, кто просыпался бы утром и говорил: «Знаете, мой сосед делает это». Что я хочу сделать, так это забрать это у них. Я тоже так могу. Я хочу забрать его у них. Я хочу захватить их долю рынка. Я хочу подавить их по цене, я хочу пнуть их, я хочу забрать их долю.
Получается, что ни один великий человек так не поступает, и все просыпаются утром и говорят: «Я хочу сделать что-то, чего никогда раньше не делали, что очень трудно сделать». Если вам это удастся, вы сможете оказать огромное влияние на мир, и это основные ценности NVIDIA.
Во-первых, как мы решаем сделать что-то, чего никогда раньше не делали в мире? Кстати, причина, по которой вы решаете сделать что-то невероятно сложное, заключается в том, что у вас есть много времени, чтобы научиться этому, если что-то легко сделать, например, TikTok Танцуйте, я не собираюсь беспокоиться об этом, очевидно, причина в том, что существует большая конкуренция, поэтому вы должны выбрать что-то, что действительно трудно сделать, и эти трудные вещи сами по себе остановят многих других, потому что тот, кто готов терпеть дольше всех, в конечном итоге победит, поэтому мы выбираем то, что очень трудно сделать, и вы слышали, как я много раз говорил, что боль и страдание, и это на самом деле положительная черта, и тот, кто способен терпеть, в конечном итоге становится самым успешным.
Во-вторых, вы должны выбрать то, чем вам суждено заниматься, будь то ваши личностные качества, ваш опыт или среда, в которой вы находитесь, ваш размер, то, что у вас есть, ваша точка зрения, то, что вы должны делать. **
В-третьих, вам лучше получать удовольствие от того, что вы делаете, потому что, если только боль и страдания не слишком велики. То, что я только что описал вам, является основными ценностями NVIDIA. Все очень просто. Если это так, то зачем мне делать чипы для телефонов? Сколько компаний в мире могут производить мобильные телефоны? Очень много. Зачем нужны процессоры? Нужно ли нам больше процессоров? Разумно ли это? Нам все это не нужно.
В результате мы, естественно, исключаем себя из масс-маркета. Мы, естественно, исключили себя из массового рынка, потому что мы выбрали удивительные рынки, мы выбрали действительно трудные вещи, удивительные люди присоединились к нам, потому что удивительные люди присоединились к нам, потому что у нас хватило терпения, чтобы сделать их успешными и сделать что-то потрясающее. Наберитесь терпения, чтобы позволить им сделать что-то удивительное, и они сделают что-то потрясающее.
Разумно ли, что уравнение на самом деле настолько простое, но для этого требуется невероятный характер? Вот почему обучение этому - это самое важное, большой успех и величие - это все о характере. Причина, по которой мы не занимаемся производством, заключается в том, что TSMC работает очень хорошо, и они уже делают это, так почему я должен брать на себя их работу? Мне нравятся люди из TSMC, они мои хорошие друзья, и только потому, что у меня есть бизнес, я могу попасть в эту сферу, и что? Они проделали большую работу для меня, давайте не будем тратить время на повторение того, что они уже сделали, давайте тратить время на то, что никто не делал, что-то, чего никто не делал, и именно так вы создаете что-то особенное, иначе вы просто говорите о доле рынка. **
Костис Магларас:
Думая о будущем, когда мы думаем об этих 10 годах.
Дженсен Хуанг:
Кстати, я знаю, что у меня нет степени MBA, у меня нет степени в области финансов, я читаю несколько книг, я смотрю много видео на Youtube, и я должен сказать вам, что никто не смотрит больше бизнес-видео на YouTube, чем я, так что я могу сказать вам, ребята, что вы, ребята, ничего хорошего для меня, но это правильные ответы, профессор Магларас?**
Костис Магларас:
Вы спрашиваете не того человека, и я тоже не изучал бизнес, но это правильный ответ, ха-ха~ Что вы думаете об ИИ, когда вы думаете о приложениях ИИ и изменениях, которые мы увидим в ближайшие три, пять, семь лет, и что может повлиять на нашу повседневную жизнь?
Дженсен Хуанг:
Прежде всего, я сразу перейду к выводу, что ИИ не забирает вашу работу, люди, которые используют ИИ, забирают вашу работу. Согласны ли вы с этим?Что ж, используйте ИИ как можно скорее, чтобы вы могли сохранить выгодную занятость.
Второе, о чем я вас спрашиваю, ребята, это то, что когда производительность растет, это означает, что мы полностью интегрированы в ИИ в NVIDIA, и NVIDIA будет огромной организацией ИИ, и мы уже проектируем наши чипы с помощью ИИ, и мы не можем проектировать наши чипы, и мы не можем писать наши оптимизированные компиляторы без ИИ, поэтому мы используем ИИ везде.
Когда искусственный интеллект повысит производительность вашей компании, что будет дальше? Увольнение или увеличение количества людей? Вы собираетесь нанять больше людей. Прибыльный рост был обусловлен повышением производительности.
Почему люди думают о потере работы? Если вы думаете, что у вас нет новой идеи, она не имеет смысла. Если у вас больше нет идей, которые можно было бы инвестировать в свою дополнительную прибыль, что вы будете делать, когда рабочие места будут заменены автоматизацией? Вы будете увольнять людей и присоединяться к компаниям, у которых больше идей и которые не могут позволить себе инвестировать деньги, чтобы, когда ИИ автоматизирует их работу, конечно, что-то изменилось, конечно, изменилось то, как все работает. **
Искусственный интеллект скоро будет нацелен на генеральных директоров, председателей отделов и генеральных директоров, мы закончили, звучит хорошо, я думаю, сначала генеральный директор, затем председатели отделов, но вы близки к этому, поэтому вы присоединяетесь к компаниям, у которых больше идей и у которых недостаточно денег для инвестиций, и, естественно, когда доходы растут, вы нанимаете больше людей. Во-первых, это огромный прорыв, мы каким-то образом научили компьютеры изучать и представлять информацию в цифровом виде, хорошо? Итак, кто-нибудь из вас когда-нибудь слышал об этой штуке под названием Word2vec? Это одна из лучших вещей, Word2vec, вы берете слово и учитесь, изучая каждое слово и то, как оно связано с каждым другим словом, вы изучаете все наши предложения и абзацы, и вы пытаетесь выяснить, каков вектор чисел, которые наиболее релевантны этому слову, какие числа наиболее релевантны этому слову, поэтому «мама» и «отец» близки друг к другу численно, «апельсин» и «яблоко» близки друг к другу численно, но они далеки от «мамы» и «папы», «собаки» и «кошки» Далеко не «мама» и «папа», но, наверное, ближе, чем они к «апельсинам» и «яблокам», стульям и столам, трудно сказать точно, где они находятся, но эти две фигуры находятся близко друг к другу, вдали от «мамы» и «папы», «короля» и «королевы», ближе к «маме» и «папе».
Разумно ли это? Представьте себе, что вы делаете это для каждого числа, и каждый раз, когда вы тестируете его, вы думаете: «Черт возьми, это здорово». Это имеет смысл, когда вы вычитаете что-то из другого. Ну, это, по сути, представление учебной информации. Представьте себе, что вы делаете то же самое с английским языком. Представьте себе, что вы делаете это для каждого языка. Представьте себе, что вы делаете то же самое со всем, что имеет структуру, то есть со всем, что предсказуемо.
Изображение имеет структуру, потому что, если бы не было структуры, это был бы белый шум, на самом деле, белый шум, так что должна быть структура, и именно поэтому вы видите кошку, я вижу кошку, вы видите дерево, я вижу дерево, вы можете определить, где находится дерево, вы можете определить, где находится береговая линия, где горы, где облака, верно? Мы можем всему этому научиться, очевидно, что вы можете преобразовать это изображение в вектор, вы можете преобразовать видео в вектор, 3D Превращаются в векторы, белки в векторы, потому что белки, очевидно, имеют структуру, химические вещества превращаются в векторы, гены в конечном итоге превращаются в векторы, и мы можем изучать векторы всего.
Если вы можете выучить все в цифрах, и это имеет смысл, тогда, очевидно, вы можете преобразовать слово кошка «кошка» в изображение, которое, очевидно, не является изображением кошки, это то же самое значение, если вы можете преобразовать слова в изображения, это называется устойчивой диффузией промежуточного пути, если вы можете преобразовать изображения в слова, это называется субтитрами, субтитрами под видео на YouTube, так что если вы начнете, как вы это назовете? Если вы переходите от аминокислот к белкам, это называется Нобелевской премией, потому что это альфа-разворот, невероятный прорыв.
Итак, это удивительный момент в информатике, когда мы действительно можем преобразовать один тип информации в другой вид информации, так что вы можете преобразовывать текст в текст, много текста, PDF-файлы в небольшие объемы текста, агрегировать архивы, что мне действительно нравится, верно?
Мы можем попросить его агрегировать эту статью, и вместо того, чтобы читать каждую статью, он должен понимать изображения, потому что в архиве есть много изображений, диаграмм и тому подобного, так что вы можете собрать все это вместе, так что теперь вы можете представить себе все преимущества производительности и возможность делать это без этого, так что в ближайшем будущем вы собираетесь сделать это.
Вы можете сказать: «Эй, я хочу проектировать, дайте мне несколько вариантов автомобилей». Я работаю в Mercedes, и я очень забочусь о бренде, это стиль бренда, позвольте мне дать вам пару эскизов, может быть, пару фотографий модели, которую я хочу построить, скажем, полноприводный внедорожник, а затем внезапно появился 2010 год, 200 полных 3D-дизайнов CAD; Причина, по которой вы хотите это, а не просто закончить эту машину, заключается в том, что вы, возможно, захотите выбрать один из них и сказать итерацию 10 сверху Во-вторых, вы можете в конечном итоге выбрать один из них, а затем внести свои собственные изменения, поэтому будущее дизайна будет совсем другим. В будущем все будет совсем по-другому, и сейчас, если вы дадите дизайнерам такую возможность, они сойдут с ума. Они будут вас очень любить, и именно поэтому мы это делаем.
Итак, каковы последствия для долгосрочных эффектов? Одна из моих любимых областей заключается в том, что если вы можете описать белок словами, и вы можете узнать, как синтезировать белок словами, то будущее белковой инженерии уже наступило. Как вы знаете, белковая инженерия включает в себя создание ферментов для расщепления пластмасс, создание ферментов для улавливания углерода, создание всех видов ферментов для лучшего выращивания овощей, ваше поколение может создавать все виды различных ферментов, так что следующие 10 лет будут невероятными, мы — поколение компьютерной инженерии чипов, вы будете поколением белковой инженерии, которую мы не могли себе представить несколько лет назад. **
Костис Магларас:
Хорошо, я думаю, что мы откроем сессию вопросов для аудитории, так что, если возникнет вопрос, может быть, я укажу, у нас будет несколько микрофонов, хорошо, мы начнем первыми.
Зритель:
Спасибо, что вы сегодня здесь, беспокоитесь ли вы о том, догонит ли закон Мура индустрию GP, как это было с Intel? Можете ли вы объяснить разницу между законом Мура и законом Хуана? Дженсен Хуанг: Я не говорил о законе Хуана, и это не то, что я бы сделал. Закон Мура заключается в том, что производительность удваивается каждые полтора года, и проще всего рассчитать рост в 10 раз каждые 5 лет, то есть примерно в 100 раз каждые 10 лет. Если это так, то если вычисления общего назначения — это микропроцессоры, то зачем менять метод вычислений, если вычисления общего назначения растут в 5 раз каждые 10 лет, а каждые 100 лет — в 100 раз? Разве это не достаточно быстро? Вы шутите? Разве жизнь не была бы хорошей, если бы автомобили были в 5 раз быстрее каждые 100 лет?
Так что ответ таков: на самом деле закон Мура очень хорош, и я извлек из него пользу. Вся индустрия выиграла от этого, и компьютерная индустрия существует благодаря этому, но, в конечном счете, закон Мура об универсальных вычислениях, дело не в количестве транзисторов в вычислительной технике, а в количестве транзисторов, в том, как вы используете их для процессора, как вы в конечном итоге переводите это в производительность, эта кривая больше не повторяется 10 раз каждые 5 лет. Если вам повезет, эта кривая будет меняться от двух до четырех раз в 10 лет. Проблема в том, что кривая повторяется 2~4 раза каждые 10 лет.
Вычислительные потребности и наше видение использования компьютеров для решения проблем, наше воображение, воображение использования компьютеров для решения проблем не более 4 раз в 10 лет? Так что наше воображение, наши потребности, мировое потребление всего этого выходит за пределы этого предела, и вы можете решить эту проблему, купив больше процессоров, вы можете купить больше, но проблема в том, что эти процессоры потребляет слишком много энергии, потому что они универсальны, например, универсал, универсал не так эффективен, как специалист, его ремесло не так хорошо, как эксперт, он не так продуктивен, как эксперт; если я собираюсь сделать торакотомию и не найду мне универсала, вы понимаете, что я имею в виду? Если вы рядом, позовите эксперта, так что журналист слишком груб сил, так что теперь это заставляет мир потреблять слишком много энергии, заставляя мир тратить слишком много, только для того, чтобы жестоко заставить универсальные вычисления.
К счастью, мы уже давно работаем над ускоренными вычислениями, и, как я уже упоминал, ускоренные вычисления — это не только процессоры, это понимание предметной области приложений, а затем создание необходимого программного обеспечения, алгоритмов, архитектур и чипов, и мы каким-то образом нашли способ сделать это с помощью архитектуры, и в этом гениальность того, что мы сделали, и мы каким-то образом нашли эту архитектуру, которая одновременно очень быстрая, иногда ускоряет процессоры на 100-500 раз, даже иногда 1000 раз, но это не так конкретно, это только для одного вида деятельности, разумно ли это? И вы должны быть достаточно широкими, чтобы у вас был большой рынок, но вы должны быть достаточно узкими, чтобы вы могли ускорить приложение, и эта тонкая грань, это лезвие бритвы, является причиной существования Nvidia. Если бы я объяснил это 30 лет назад, никто бы не поверил, на самом деле, если бы вы были честны сейчас, никто бы тоже не поверил.
Это заняло у нас много времени, мы начали с обработки сейсмических данных, молекулярной динамики, обработки изображений и, конечно же, компьютерной графики, и мы работали все дальше и дальше, и дальше, и дальше, а затем в один прекрасный день глубокое обучение, а затем с трансформаторами, а затем появилась какая-то форма трансформатора обучения с подкреплением, а затем появилась какая-то многоступенчатая система логического вывода, так что все эти вещи, мы просто приложение.
Каким-то образом мы нашли способ, создали архитектуру, которая решила все эти проблемы, и закончится ли этот новый закон? Думаю, что нет. Причина в том, что он не заменяет процессор, он дополняет процессор, поэтому вопрос в том, что будет дальше, чтобы дополнить нас?
Мы просто подключаем его рядом с ним, поэтому, когда придет время, мы будем знать, что нам следует использовать другой инструмент для решения проблемы, потому что мы обслуживаем проблему, которую пытаемся решить. Мы не пытаемся сделать нож и заставить всех им пользоваться. Мы не пытаемся сделать плоскогубцы для всех. Мы здесь для того, чтобы ускорить вычисления для решения этой проблемы, так что это одна вещь, которую вы все должны изучить. Убедитесь, что ваша миссия правильная. Разумно ли быть уверенным в том, что ваша миссия заключается не в том, чтобы делать поезда, а в том, чтобы облегчить транспортировку? Наша миссия заключается в том, чтобы ускорять работу приложений и решать задачи, которые не могут решить обычные компьютеры. Если ваша миссия четко сформулирована и вы сосредоточены на правильных вещах, она будет длиться вечно. **
Зритель:
Опять-таки, к счастью, сейчас есть толчок к локализации цепочки поставок полупроводников, а затем есть ограничения на экспорт высокотехнологичной продукции из некоторых стран. Как вы думаете, какое влияние это окажет на NVIDIA в краткосрочной перспективе и какое влияние это окажет на наших потребителей в долгосрочной перспективе?
Дженсен Хуанг:
Хороший вопрос. Вы все слышали, повторяю, речь идет о геополитике, о геополитической напряжённости и так далее. Геополитическая напряженность, геополитические вызовы затронут каждую отрасль, затронут всех. Наша компания верит в национальную безопасность, мы здесь, потому что наша страна безопасна, и мы также верим в экономическую безопасность.
Правда в том, что большинство семей просыпаются утром и не говорят: «Боже мой, я чувствую себя таким уязвимым из-за отсутствия военной силы, они чувствуют себя уязвимыми, из-за экономической жизнеспособности, поэтому мы также верим в права человека, и способность создать процветающую жизнь является частью прав человека». Как вы знаете, Соединенные Штаты верят в права человека как тех, кто здесь живет, так и тех, кто их не живет, поэтому наша страна верит во все эти вещи одновременно. Мы тоже.
Вызов геополитической напряженности заключается в том, что если мы примем решение слишком односторонне, мы решим о процветании других, то будет обратная реакция. Будут непредвиденные последствия, но я настроен оптимистично. Я надеюсь, что сможем надеяться, что те, кто думает над этим вопросом, учли все последствия и непреднамеренные, но это привело к глубокой интернализации суверенных прав каждой страны. Каждая страна говорит о своем суверенитете, что является еще одним способом сказать, что каждый думает о себе.
С нашей точки зрения, с одной стороны, это может ограничить использование наших технологий в Китае, а также экспортный контроль там, а с другой стороны, поскольку суверенитет и каждая страна хочет построить свою собственную суверенную инфраструктуру ИИ, а большинство из них не являются врагами Соединенных Штатов и не имеют сложных отношений с Соединенными Штатами, мы поможем им построить инфраструктуру ИИ по всему миру.
Так что во многих отношениях эта странная вещь в геополитике ограничивает наши рыночные возможности. С другой стороны, это открывает для нас рыночные возможности в других отношениях, но для людей, я есть, я очень хочу.
Я очень надеюсь, что мы не позволим нашей напряженности в отношениях с Китаем перерасти в напряженность в отношениях с Китаем, мы не позволим нашей напряженности на Ближнем Востоке перерасти в напряженность в отношениях с мусульманами, и мы не можем позволить себе попасть в эту ловушку, и я немного обеспокоен тем, что это скользкий путь.
Одним из крупнейших источников интеллектуальной собственности в нашей стране, как вы знаете, являются иностранные студенты, и я вижу здесь очень многое. Я хочу, чтобы вы остались здесь, это одна из самых сильных сторон нашей страны. Если мы не позволим самым ярким умам мира приехать в Колумбию и остаться в Нью-Йорке, мы не сможем сохранить величайшую в мире интеллектуальную собственность, так что это наша фундаментальная сила, и я очень надеюсь, что мы не подорвем ее.
Вы можете видеть, что геополитические вызовы реальны, вопросы национальной безопасности реальны, но экономические, рыночные, социальные, технологические проблемы так же реальны, технологическое лидерство важно, лидерство на рынке важно, все это важно, мир просто сложное место, у меня нет простого ответа, это повлияет на всех нас.
Зритель:
Я начинал как инженер в полупроводниковой компании, работая предпринимателем, и в случае меня, как вы, как технолог и инженер в душе, успешно основал компанию, и я узнал о финансах из видео на YouTube, что вы думаете о MBA?
Дженсен Хуанг:
По-моему, это очень круто. Во-первых, вы, вероятно, доживете до 100 лет, поэтому вопрос в том, как вы собираетесь провести последние 7 или 60 лет? Это не то, что я вам говорил, это то, что я говорил всем: заботьтесь об образовании настолько, насколько это возможно.
Когда ты приезжаешь сюда и тебя заставляют получать образование, насколько оно может быть хорошим? После отъезда, мне, как и мне, приходится ездить по всему миру в поисках знаний, мне приходится перебирать кучу мусора, чтобы найти что-то хорошее, а в школе есть эти удивительные профессора, которые просеивают знания для вас и преподносят их вам, как тарелку, Боже мой, если бы я мог сделать это снова, я бы остался здесь столько, сколько смогу, и впитал бы много знаний. **
Я буду сидеть здесь с деканом. Я здесь самый старший ученик. Я просто готовлюсь к огромному скачку, когда закончу учебу, и я собираюсь добиться успеха сразу после выпуска, но я просто шучу. Когда-нибудь тебе придется уехать. Ваши родители это оценят, но не торопитесь. Я думаю, что учитесь как можно больше. Не существует единственно правильного ответа, чтобы попасть туда.
Очевидно, что у меня есть друзья, которые никогда не заканчивали колледж, но очень успешны, так что есть несколько способов попасть туда, но статистически я по-прежнему думаю, что это лучший способ попасть туда, поэтому, если вы верите в статистику и математику, просто оставайтесь в школе и пройдите весь процесс, так что я получил виртуальную степень MBA, усердно работая, не из-за выбора, а потому, что, когда я впервые закончил школу, я думал, что стану инженером, никто не сказал». Эй, Дженсен, дай тебе диплом, и ты станешь генеральным директором. «Я не знала, поэтому, когда я приехала туда, мне пришлось пойти и учиться. **
Есть много способов получить степень MBA и изучить бизнес-стратегию, очевидно, что бизнес-вопросы - это очень разные вещи, финансовые вопросы тоже, поэтому вы должны изучить все эти разные вещи, чтобы построить компанию, но если вы окружены удивительными людьми, такими как я, они будут учить вас на этом пути, поэтому некоторые вещи, в зависимости от роли, которую вы хотите играть, имеют решающее значение, и есть некоторые вещи, которые являются не только моей работой, но и критически важными, и я собираюсь двигаться с этим. Это характер, есть что-то в вашем характере, что имеет значение в выборе, который вы делаете, как вы справляетесь с успехом, как вы справляетесь с неудачами и большими неудачами, как вы делаете выбор. **
Сейчас, с точки зрения навыков и мастерства, самое важное для генерального директора — это стратегическое мышление, и другого выбора нет. Компании нуждаются в том, чтобы вы мыслили стратегически, потому что вы видите больше всего, вы должны уметь видеть будущее лучше, чем кто-либо другой, вы должны уметь соединять точки лучше, чем кто-либо другой, вы должны уметь мобилизоваться, помнить, что такое стратегия – действие! Таким образом, генеральный директор находится в уникальном положении, чтобы быть директором по стратегии, если хотите. С моей точки зрения, эти две вещи являются самыми важными, а остальные имеют много навыков и вещей, которым вы научитесь.
Если позволите, я добавлю еще кое-что: я верю, что компания – это конкретное ремесло, вы вносите какой-то уникальный вклад в общество, вы что-то делаете. Если вы что-то делаете, вы должны быть хороши в этом, вы должны ценить ремесло, вы должны любить ремесло, вы должны знать что-то о ремесле, откуда оно взялось, где оно сейчас, куда оно пойдет в будущем, вы должны попытаться показать свою страсть к этому ремеслу.
Я надеюсь, что сегодня я сделал что-то, что иллюстрирует страсть и опыт в этом ремесле, что я много знаю о своей области, и что генеральный директор должен знать об этом ремесле, если это возможно. Вам не обязательно создавать это ремесло, но лучше быть этим ремеслом, вы можете многому научиться, поэтому вы, вы хотите быть экспертом в этой области, но это некоторые вещи. Вы можете узнать об этом здесь. В идеале, вы можете научиться этому на работе, вы можете научиться этому у своих друзей, и вы можете научиться этому, делая много разных вещей.
