Джерело: З’явився новий Newin
Сьогодні вранці було оголошено звіт про прибутки Nvidia за 3 квартал після годин роботи фондового ринку США: дохід у розмірі 18,12 мільярда доларів за третій квартал, що закінчився 29 жовтня 2023 року, що на 206% більше, ніж у попередньому році, зростання на 34% у порівнянні з попереднім кварталом, прибуток на акцію зріс майже в 6 разів, майже на 13% і 20% вище за очікування аналітиків відповідно, а дохід центрів обробки даних бізнесу, де розташований чіп штучного інтелекту, збільшився майже в 2 рази порівняно з аналогічним періодом минулого року, досягнувши нового максимуму за один квартал.
«Наше сильне зростання відображає трансформацію широкого спектру галузевих платформ від універсальних до прискорених обчислень і генеративного штучного інтелекту, причому стартапи LLM, споживчі інтернет-компанії та глобальні постачальники хмарних послуг є першими, і наступна хвиля починає формуватися, коли національні та регіональні постачальники послуг зв’язку інвестують у хмари штучного інтелекту для задоволення місцевого попиту, компанії-розробники корпоративного програмного забезпечення додають AI Copilot і Assistant на свої платформи, а підприємства створюють власний штучний інтелект», — сказав Хуанг Ера генеративного штучного інтелекту набирає обертів із графічними процесорами NVIDIA, центральними процесорами, мережами, службами лиття штучного інтелекту та програмним забезпеченням NVIDIA AI Enterprise як двигунами повношвидкісного зростання!»
PS: У колонці минулих вихідних ми поділилися Джоном Люттігом, керівником інвестиційного відділу Funders Fund, з його аналізом поточного ландшафту ринку GPU.
Минулого місяця Дженсен Хуанг, співзасновник і генеральний директор Nvidia, також виступив з дуже сухою промовою в Колумбійській бізнес-школі (CBS), де Хуанг поговорив з деканом CBS Костісом Магларасом, щоб обговорити цифрове майбутнє, в тому числі те, як NVIDIA реалізує стратегію та операції, а також як Хуанг має підприємницький досвід і як стати кваліфікованим генеральним директором.
Ось деякі з сухих продуктів, якими Лао Хуанг поділився в процесі CBS, щоб ви могли спробувати:
Перш ніж прийняти рішення, кожен повинен зрозуміти, що він робить, навіщо він це робить, і вся справа у виборі.
З особистої точки зору: Є три речі, які потрібно визначити:
-
Складні, але правильні речі;
-
те, що вам судилося зробити;
-
Речі, які вам подобаються;
З точки зору компанії: На прикладі NVIDIA відповідь Лао Хуана була дуже простою, чітко пояснюючи вибір ринку, бізнес-моделі, бар’єри та ефекти маховика, пов’язані з поворотом NVIDIA:
«Причина, через яку ми не займаємося виробництвом, полягає в тому, що TSMC працює так добре, і вони вже це роблять, чому я маю йти і забирати їхні робочі місця? Мені подобаються люди в TSMC, вони для мене хороші друзі, просто тому, що у мене є бізнес, я можу потрапити в цей простір, і що? Вони зробили для мене велику роботу, давайте не будемо витрачати час на повторення того, що вони вже зробили, давайте витрачати час на те, що ніхто не робив, щось, чого ніхто не робив, і ось як ви створюєте щось особливе, інакше ви просто говорите про частку ринку. **
Ми спостерігаємо дві речі: прискорені обчислення – це проблема програмного забезпечення, це проблема алгоритмів і штучний інтелект Це проблема центрів обробки даних, тому ми єдина компанія, яка будує всі ці речі, і частиною того, що ми робимо, є вибір бізнес-моделі, ми могли б бути компанією з центрами обробки даних, повністю вертикально інтегрованими, і все ж, ми визнаємо, що незалежно від того, наскільки успішною є комп’ютерна компанія, вона не буде єдиною комп’ютерною компанією у світі, і вона краща як компанія, що займається платформними обчисленнями, тому що ми любимо розробників. Бути платформною обчислювальною компанією, яка обслуговує кожну комп’ютерну компанію у світі, краще, ніж бути комп’ютерною компанією поодинці. **
Ми застосували цей підхід, ми взяли цей центр обробки даних розміром з цю кімнату, всі дроти, всі комутатори, мережу і багато програмного забезпечення, і ми розбили все це на частини та інтегрували в інші різні центри обробки даних по всьому світу, і це божевільна складність, і ми знайшли спосіб мати достатню стандартизацію, коли це необхідно, достатню гнучкість, коли це необхідно, щоб ми могли працювати з комп’ютерними компаніями по всьому світу.
Результатом є те, що архітектура Nvidia тепер імплантована в кожну комп’ютерну компанію у світі, що створює більшу площу, більшу встановлену базу, більше розробників, кращі програми, що робить клієнтів щасливішими, вони купують більше чіпів, що збільшує встановлену базу, збільшує наш бюджет на дослідження та розробки тощо, ефект маховика, система позитивного зворотного зв’язку, ось як це працює, це просто та зрозуміло»
Крім того, Лао Хуанг також чітко висловив свої погляди на штучний інтелект, працю та робочий процес у своєму ділінні - **ШІ не забере вашу роботу, люди, які використовують ШІ, заберуть вашу роботу, і якщо компанія не має більше ідей, щоб інвестувати в додаткові прибутки, то, коли робота замінюється автоматизацією, компанія повинна звільнити співробітників і приєднатися до тих компаній, які мають більше ідей, але не можуть дозволити собі інвестувати гроші, так що, коли ШІ автоматизує їхню роботу, звичайно, ситуація зміниться, звичайно, це змінить спосіб роботи. **
Нижче наводиться повний зміст розмови між Лао Хуангом і президентом CBS Костісом Магларасом, насолоджуйтесь ~
Костіс Магларас:
Я хочу, щоб ви спочатку трохи повернули нас в історію Nvidia, а потім я хочу поговорити про проблему лідерства, про яку ми щойно згадували, але ви заснували цю компанію 30 років тому і провели її через трансформацію, яка запустила різні програми та типи продуктів. Проведіть нас через подорож.
Дженсен Хуанг:
Один з моментів, якими я найбільше пишаюся. Я почав з одного з найяскравіших моментів, яким я пишався нещодавно, коли я був генеральним директором першої компанії, в якій я працював, Denny’s, і дізнався, що Nvidia — це не тільки мій шлях від посудомийника та різноробочого до вершини компанії до офіціанта в Denny’s, але й що вони були моєю першою компанією, і що я все ще знайомий із меню. До речі, Superbird чудовий, хто-небудь знає, що таке Superbird? Які ви студенти?
Denny’s — це ресторан у Сполучених Штатах, а Nvidia була заснована мною та двома іншими співзасновниками в Сан-Хосе — Denny’s біля нашого будинку, тому вони нещодавно зв’язалися зі мною, і коробка, в якій ми раніше сиділи, тепер є коробкою Nvidia, і вона називається Nvidia, і це батьківщина компанії вартістю в трильйон доларів, і це дуже гордий момент.
Nvidia була заснована в той час, коли революція ПК тільки починалася, а мікропроцесори захопили уяву всієї індустрії. Світ справедливо бачить, як процесори, мікропроцесори змінять ІТ-індустрію, як вони змінять комп’ютерну індустрію, і до і після революції x86 успішні компанії були дуже різними. Ми заснували нашу компанію в той період, і наша думка полягала в тому, що якими б дивовижними не були обчислення загального призначення, вони не можуть бути вирішенням усіх проблем.
Ми вважаємо, що існує спосіб обчислень, який ми називаємо прискореними обчисленнями, коли ви додаєте експерта поруч із обчисленнями загального призначення. Центральний процесор є універсалом і може робити все, що завгодно, якщо хочете. Він може все, що завгодно. Однак, очевидно, якщо ви можете щось зробити, то, очевидно, ви не можете зробити нічого хорошого.
В результаті ми вважаємо, що існують деякі проблеми, які не підходять для вирішення тим, що ми називаємо звичайними комп’ютерами. Ось чому ми заснували цю компанію прискорених обчислень. Проблема в тому, що якщо ви хочете створити компанію з виробництва обчислювальних платформ, я не знаю, скільки там комп’ютерних вчених, але якщо ви хочете створити компанію з виробництва обчислювальних платформ, такої компанії не було з 1964 року, і це було через рік після мого народження, IBM Systems 360 чудово описує, що таке комп’ютер.
У 1964 році IBM описала, що 360 має центральний процесор, підсистему введення-виведення, прямий доступ до пам’яті, віртуальну пам’ять, двійкову сумісність між масштабованими архітектурами, і вона описала все, що ми маємо сьогодні, як комп’ютери, які ми описуємо сьогодні, і 60 років потому ми відчуваємо, що існує нова форма обчислень, яка вирішує деякі цікаві проблеми, і було не зовсім ясно, що ми можемо вирішити в той час, але ми відчували, що у прискорених обчислень є майбутнє.
Тим не менш, ми поставили собі за мету заснувати цю компанію і прийняли дійсно гарне перше рішення, і, чесно кажучи, це рішення було неймовірним до цього дня, і якщо хтось підійде до вас і скаже: «Ми збираємося винайти нову технологію, якої не існує у світі, всі хочуть побудувати комп’ютерну компанію навколо процесорів, ми хочемо побудувати комп’ютерну компанію навколо інших речей, пов’язаних із процесорами, номер один».
По-друге, додаток-вбивця – це відеогра, 3D-відеогра 1993 року, і цього додатка не існує, компанії, яка створила цю компанію, не існує, технології, яку ми намагаємося створити, не існує. Отже, тепер у вас є компанія, яка має як технічні виклики, так і ринкові виклики та виклики екосистеми, тому ймовірність успіху для цієї компанії становить майже 0%, але в будь-якому випадку нам пощастило завдяки двом дуже важливим людям.
Чесно кажучи, ми троє співзасновників працювали разом, вони були дуже важливими фігурами в технологічній індустрії в той час, і я подзвонив Дону Валентайну, найважливішому венчурному капіталісту в світі на той час, і сказав Дону, щоб він дав цій дитині трохи грошей, а потім по дорозі з’ясував, чи спрацює це, і, на щастя, вони це зробили, але цей бізнес-план, навіть сьогодні, я б не інвестував, тому що в ньому було занадто багато залежностей, і кожен з них мав певну ймовірність успіху.
Коли ви складаєте це, множите, ви отримуєте 0%, але ми уявляємо, що буде ринок під назвою відеоігри, і це буде найбільша індустрія розваг у світі, яка на той час була 0, і ми припускаємо, що 3D-графіка буде використовуватися для розповіді історії майже кожного виду спорту, гри. Так, у віртуальному світі можна провести будь-яку гру, будь-який вид спорту, і в результаті геймером стане кожен.
Дон Валентайн запитав мене, наскільки великий ринок, і я відповів, що всі будуть геймерами в майбутньому, і неправильна відповідь при відкритті компанії, і, чесно кажучи, це погані звички, погані навички, і я цього не пропоную, але в будь-якому випадку, це виявилося правдою, і відеоігри стали найбільшою індустрією розваг у світі, 3D Графіка мала успіх, і ми знайшли перше вбивче застосування прискорених обчислень, яке виграло у нас час, використовуючи прискорені обчислення для вирішення низки інших проблем, і, нарешті, перейшли до штучного інтелекту.
Костіс Магларас:
Це чудова історія, і перш ніж ми поговоримо про штучний інтелект, я хочу трохи запитати про часи криптовалюти, очевидно, що ігри були великим кроком для Nvidia, а потім у якийсь момент додаток-вбивця став криптовалютою та майнінгом, що це був за розвиток?
Дженсен Хуанг:
Прискорені обчислення вирішують проблеми, які не під силу звичайним комп’ютерам. Усі наші графічні процесори, навіть якщо ви використовуєте їх для проектування автомобілів, архітектури, досліджень молекулярної динаміки, відеоігор, мають винайдену нами модель програмування під назвою CUDA. CUDA є єдиною обчислювальною моделлю, яка існує сьогодні і така ж популярна, як x86, і використовується розробниками в усьому світі.
У будь-якому випадку, CUDA здатна дуже швидко виконувати паралельну обробку, і, очевидно, одним з алгоритмів, з яким ми можемо дуже добре впоратися, є криптографія. Коли Bitcoin вперше з’явився, для Bitcoin не було ASIC, і очевидно, що потрібно було зробити це перейти на найшвидший суперкомп’ютер у світі, а суперкомп’ютером з найбільшим обсягом виробництва був не хто інший, як графічні процесори Nvidia, які були в будинках мільйонів гравців, тому, завантаживши додаток, ви могли майнити криптовалюти зі свого будинку.
Той факт, що ви можете купити наші графічні процесори, наші комп’ютери, підключити їх, і гроші почнуть сипатися. Це був день, коли мама зрозуміла, що я роблю. Одного разу вона зателефонувала мені і сказала: «Синку, я думав, що ти щось робиш з відеоіграми, і я нарешті зрозумів, що ти робиш, і ти купив продукт Nvidia, підключив його, і гроші почали сипатися».
І я сказав: так, це те, що я роблю, і саме тому так багато людей купують біткойн, що згодом призвело до зростання Ethereum, але ви збираєтеся використовувати суперкомп’ютерну систему, таку як графічний процесор Nvidia, щоб кодувати або стискати, або робити щось, щоб уточнити дані та перетворити їх на цінний токен, і ви знаєте, як це звучить? ChatGPT, який генерує цінні токени.
Одна з речей, яка сталася досі, полягає в тому, що якщо ви розширите свої думки про Ethereum і криптомайнінг, це має сенс у певному сенсі, тому що ми раптово створюємо цей новий тип індустрії, де надходять необроблені дані, ви застосовуєте енергію до цього комп’ютера, і буквально гроші починають виливатися, і ці валюти, звичайно, у формі токенів, і ці токени є розумними токенами Зараз я просто описую щось інше, що має великий сенс для нас сьогодні, але це здається дивним у той час, коли ви берете воду в будівлі, нагріваєте її, і те, що виходить, є дуже цінною та невидимою річчю, яка називається електрикою. **
Сьогодні ми переміщуємо дані в центри обробки даних, і він збирається вдосконалювати та обробляти їх, а також використовувати свою здатність для генерації багатьох цінних цифрових токенів, у цифровій біології вони будуть цінними, у фізиці, в ІТ та всіх видах обчислень, соціальних мережах, усіляких речах, комп’ютерних іграх і так далі, вони надходять у формі токенів, тому майбутнє буде пов’язане з фабриками штучного інтелекту, і пристрої Nvidia будуть живити ці фабрики штучного інтелекту.
Костіс Магларас:
Отже, ми перейшли до нейронних мереж, і я думаю, що ми говорили про паралельні обчислення, наприклад, про те, як відтворювати графіку на моніторі, як грати в ігри, як вирішувати криптографічні проблеми для Bitcoin. Розкажіть трохи про те, які графічні процесори використовуються для навчання нейронних мереж, і я хочу поговорити з аудиторією, що потрібно для навчання такої моделі, як ChatGPT, яке залізо вам потрібне, які дані вам потрібні, наскільки великий кластер вам потрібен, скільки це коштує, тому що це величезні питання, і я думаю, що було б непогано, щоб ви дали нам якесь уявлення про масштаб.
Дженсен Хуанг:
Всі хочуть, щоб ви думали, що це величезна проблема і дуже дорога. Насправді, ні, дозвольте мені сказати вам, чому, наша компанія витратила близько $5~$600 мільйонів на інженерні витрати на розробку чіпа, а потім через один-два роки я натиснув Enter, надіслав електронний лист до TSMC, надіслав великий файл TSMC через FTP, і вони це зробили, і процес коштував нашій компанії близько 500 мільйонів доларів.
Загалом за $5,5 млрд я отримав чіп, який, безумовно, був цінним для нас, але це не було великою проблемою. Я займався цим, тому, якщо хтось, привіт, Дженсен, вам потрібно створити центр обробки даних вартістю мільярд доларів, і як тільки ви підключитеся до мережі, гроші будуть хлинути з іншого боку. Я зроблю це негайно, і, очевидно, багато людей теж це зроблять, тому що хто б не хотів створити фабрику, яка генерує інтелект?
Зараз 1 мільярд доларів – це не так вже й багато грошей, і, чесно кажучи, світ витрачає близько 250 мільярдів доларів на рік на інфраструктуру обчислень, і ніхто з нас не генерує гроші, а просто зберігає наші файли, передає наші електронні листи, це вже 250 мільярдів доларів, і одна з причин, чому ми так швидко зростаємо, полягає в тому, що після 60 років розвитку обчислення загального призначення занепадають через ще 2500 Було б нерозумно створювати ще один обчислювальний центр обробки даних загального призначення з мільярдами доларів, який є занадто сирим за енергією і занадто повільним за обчисленнями. **
Тепер, коли прискорені обчислення вже настали, ці 250 мільярдів доларів підуть на створення центрів обробки даних з прискореними обчисленнями, і ми раді підтримати клієнтів у цьому. Крім того, прискорені обчислення, тепер у вас є інфраструктура для створення штучного інтелекту, і, як і всі речі, про які ми щойно говорили, в основному принцип роботи полягає в тому, що ви берете багато даних, а потім стискаєте їх. **
Глибоке навчання схоже на алгоритм стиснення, де ви намагаєтеся вивчити математичні представлення, закономірності та взаємозв’язки даних, з якими ви працюєте, і стиснути їх у нейронну мережу, тому вхідні дані, скажімо, трильйони байтів, трильйони токенів, скажімо, трильйони байтів, а вихід становить 100 ГБ, отже, ви стиснули всі ці дані в цей маленький файл, а 100 ГБ — це як 2 DVD, які ви можете завантажити та дивитися на своєму телефоні, чи не так?
Отже, ви можете завантажити цю величезну нейронну мережу на свій телефон. Тепер усі ці дані стиснуті, і ця модель стисненої нейронної мережі є LLM, тобто ви можете взаємодіяти з нею, ви можете ставити запитання, і вона повернеться до своєї пам’яті, зрозуміє ваші наміри та згенерує для вас текст, поговорить з вами, отже, суть полягає в тому, що звучить чарівно, але для всіх комп’ютерників і вчених у кімнаті це дуже розумно, не дозволяйте нікому переконати вас, що це буде коштувати багато грошей, я дам вам хорошу знижку, всі йдуть і творять Панель штучного інтелекту.
Костіс Магларас:
Якби я прагнув до цього масштабу трохи більше, вам знадобився б комп’ютер, який, по суті, є еквівалентом центру обробки даних для оцінки цих моделей.
Дженсен Хуанг:
**Для створення GPT-4 потрібно 16 000 графічних процесорів, що є найбільшою моделлю, яку будь-хто коли-небудь використовував, вартістю 1 мільярд доларів, і це лише чек, навіть не великий, не бійтеся, не дозволяйте нікому відмовляти вас від початку бізнесу та здійснення ваших мрій. **
Костіс Магларас: Дозвольте мені поставити вам запитання про чек на мільярд доларів і про зростання, яке ви переживаєте. Я думаю, що Harvard Business Review назвав вас найкращим генеральним директором, і це цікаво. Я буду продовжувати повторювати це, але в певному сенсі ви ведете компанію через екстремальне зростання, суперзростання, якого більшість компаній не переживали протягом свого життя, і я хочу попросити вас розповісти нам кілька деталей, наприклад, подвоєння розміру за рік або управління ланцюжком поставок, управління клієнтами, управління зростанням, управління грошима, як ви це зробили?
Дженсен Хуанг:
Я люблю менеджмент, і єдина його частина, яка полягає в тому, щоб рахувати гроші, – це веселощі. Прокидайтеся вранці і валяйтеся на всю готівку, хіба не для цього ви всі тут? Я розумію, що це кінцева мета, складно побудувати компанію, немає нічого легкого, багато болю і страждань, це вимагає багато зусиль. **
Якщо це легко, всі це зроблять, і про всі компанії, великі чи малі, будь то наша чи інші технологічні компанії, ви завжди вмираєте, тому що завжди є хтось, хто намагається перевершити вас, тому ви завжди на шляху до банкрутства, і якщо ви не засвоїте це почуття, якщо ви не вірите в це, ви збанкрутуєте. І спочатку я починав з Denny, а як ви всі знаєте, Nvidia була побудована у вкрай малоймовірній ситуації. Нам знадобилося багато часу, щоб дістатися туди, де ми знаходимося сьогодні. Я маю на увазі, що ми 30-річна компанія. Коли Nvidia була заснована в 1993 році, Windows 95 ще не була запущена. На той момент це був перший доступний комп’ютер, і у нас не було електронної пошти.
Ні ноутбуків, ні смартфонів на той момент не було. Всього цього не існує, тому ви можете собі уявити, наскільки іншим був світ, коли ми тільки починали, і наскільки він відрізняється зараз. У нас немає РК-екрану. Всі вони є електронно-променевими трубками (ЕПТ). У ті часи навіть CD-ROM не існувало. Коротше кажучи, ці речі є контекстом тих часів, коли ми були засновані, і нам знадобилося стільки часу, щоб компанію визнали першою компанією, яка заново винайшла комп’ютери за 60 років. Швидке зростання залежить від людей.
Очевидно, що компанія – це люди, і якщо у вас є правильна система, і у вас є такі люди, як я, у компанії будуть навички. Неважливо, продаєте ви 100 мільярдів доларів або 200 мільярдів доларів.
Тепер правда в тому, що ланцюжок поставок не простий, чи знає хто-небудь, як виглядає відеокарта G-Force? Підніміть руку, чи знає хто-небудь, як виглядає відеокарта Nvidia, щоб ви подумали, що відеокарта схожа на картридж, який підключається до слота PC Express ПК, але графічні чіпи, які ми маємо зараз, використовуються в цих системах глибокого навчання, мають 35 000 деталей і важать до 70 фунтів, тому що вони дуже важкі, їм потрібні роботи для складання, їм потрібен суперкомп’ютер для тестування, тому що це суперкомп’ютер сам по собі, і він коштує 200 000 доларів, і з цими 200 000 доларів ви можете купити такий комп’ютер, і він може замінити сотні процесорів загального призначення, і ці процесори коштують до мільйонів доларів, і на кожні 200 000 доларів, витрачених на покупку в Nvidia, ви заощаджуєте 250 доларів 10 000 доларів, щоб розрахувати вартість, тому я кажу вам, чим більше ви купуєте, тим більше ви заощаджуєте; Очевидно, що ця стратегія дуже успішна, люди дійсно шикуються в чергу, щоб купити, це те, що ми робимо;ланцюжки поставок дуже складні, ми робимо найскладніші комп’ютери у світі, але наскільки це важко? Насправді це дуже важко, і суть полягає в тому, що якщо вас оточують чудові люди, проста істина полягає в тому, що вся справа в людях; Мені пощастило, що навколо чудова управлінська команда, і тоді генеральний директор скаже щось на кшталт: « Зроби це номером один», наприклад, «нехай це працює».
Костіс Магларас:
Я хочу повернутися до тенденцій штучного інтелекту та вашого бачення майбутнього, але ви згадували слово «платформа» раніше, і ви згадували своє програмне середовище. Отже, у вас є апаратна інфраструктура, у вас є програмне середовище, яке в даний час повсюдно поширене з точки зору навчання нейронних мереж. Чи будуєте ви центри обробки даних або створюєте середовища в центрах обробки даних, які складаються з апаратних, програмних і комунікаційних кластерів Nvidia між цими ресурсами, наскільки важливо бути повноцінним платформним рішенням і просто брати участь в апаратному забезпеченні? Наскільки це займає центральне місце в стратегії Nvidia?
Дженсен Хуанг:
Я думаю, перш за все, перш ніж ви зможете щось створити, ви повинні знати, що ви створюєте і навіщо ви це створюєте, які перші принципи його існування. **
Прискорені обчислення – це не чіп, тому їх не називають прискорювачем, прискорені обчислення – це розуміння того, як можна прискорити все в житті. Якщо ви можете прискорити будь-яку програму, це називається дійсно швидкими обчисленнями, тому прискорені обчислення — це, перш за все, розуміння того, які домени, які програми важливі для вас, і розуміння алгоритмів, обчислювальних систем та архітектур, необхідних для прискорення цих програм.
Виявляється, що обчислення загального призначення є розумною ідеєю, як і прискорення програми. Наприклад, у вас є DVD-декодер. Ви використовуєте телефон для відтворення DVD-диска або декодера h.264. Він робить одне, і робить це дуже добре. Ніхто не знає, як це зробити краще.
Прискорені обчислення трохи схожі на цей дивний проміжний стан. Є багато програм, які можна прискорити. Наприклад, ми можемо прискорити різну обробку зображень, фізику елементарних частинок тощо, включаючи лінійну алгебру. Ми можемо прискорити багато додатків, і це складне завдання, зазвичай легко прискорити щось одне, і легко запустити все за допомогою компілятора C.
Прискорюйте достатню кількість доменів, щоб, якщо ви прискорите занадто багато доменів, ви повернулися до процесорів загального призначення, чи не так? Чому вони не можуть зробити швидший чіп? З іншого боку, якщо ви прискорюєте лише одну програму, то ринок недостатньо великий, щоб підтримувати ваші дослідження та розробки.
Отже, ми повинні знайти середню точку цього перемикання, і це стратегічний шлях нашої компанії, і саме тут стратегія зустрічається з реальністю, і саме тут Nvidia робить все правильно, і це те, де жодна інша компанія в історії обчислювальної техніки не робить це правильно; знайти спосіб мати досить велику область застосування, яку ми можемо прискорити, яка все ще в 100 ~ 500 разів швидше, ніж процесори, щоб економічний ефект маховика міг масштабувати кількість додатків, розширити кількість клієнтів, розширити кількість ринків, Збільшення продажів і, таким чином, збільшення бюджетів на дослідження та розробки дозволяє нам створювати більш дивовижні речі та залишатися набагато попереду процесора,**Чи є в цьому сенс?
Створити цей ефект маховика дуже складно, раніше цього ніхто не робив, лише один раз, і це здатність. Для того, щоб це зробити, ви повинні зрозуміти алгоритм, ви повинні дуже добре розуміти домен програми, ви повинні вибрати правильно, ви повинні створити правильну архітектуру для нього**, і останнє, що ми робимо правильно, це те, що ми розуміємо, що для того, щоб мати обчислювальну платформу, програма, яку ви розробляєте для Nvidia, повинна працювати на всіх Nvidia, і ви не повинні думати про те, чи працює вона на цьому чіпі? Чи працюватиме він на цьому чіпі? Він повинен працювати на кожному комп’ютері, на якому встановлено Nvidia.
Ось чому кожен графічний процесор, який створює наша компанія, навіть якщо жоден клієнт давно не користувався CUDA, ми віддані цьому. Ми були сповнені рішучості створити цю обчислювальну платформу з самого початку. Клієнти – ні, це 10-річне, багатомільярдне випробування для компанії. Якби не всі відеогеймери тут, нас би тут не було. Ви – наша повсякденна робота, і вечорами ми можемо піти і вирішити цифрову біологію, допомогти людям розв’язати квантову хімію, допомогти людям зі штучним інтелектом та робототехнікою тощо.
Ми зрозуміли, що, по-перше, прискорені обчислення – це проблема програмного забезпечення, а по-друге, штучний інтелект – це проблема інфраструктури центрів обробки даних, що дуже очевидно, тому що ви не можете навчити модель штучного інтелекту на ноутбуці, ви не можете тренуватися на телефоні, тому що це недостатньо великий комп’ютер, обсяг даних обчислюється в терабайтах, і вам доведеться мати справу з цими трильйонами байт, мільярдами разів, тому, очевидно, це буде масивний комп’ютер, і проблема поширюється на мільйони графічних процесорів.
Я кажу мільйони, тому що всередині 16000 десятки тисяч. Як наслідок, ми розподіляємо робоче навантаження між мільйонами процесорів. Жодна програма в сучасному світі не може бути поширена на мільйони процесорів; Excel працює на одному процесорі. Отже, ця проблема комп’ютерних наук розподілених обчислень є величезним проривом, безумовно, величезним проривом, і саме тому вона здатна забезпечити генеративний штучний інтелект, увімкнути LLM.
Ми спостерігаємо дві речі: прискорені обчислення – це проблема програмного забезпечення, це проблема алгоритмів і штучний інтелект Це проблема центрів обробки даних, тому ми єдина компанія, яка будує всі ці речі, і частиною того, що ми робимо, є вибір бізнес-моделі, ми могли б бути компанією з центрами обробки даних, повністю вертикально інтегрованими, і все ж, ми визнаємо, що незалежно від того, наскільки успішною є комп’ютерна компанія, вона не буде єдиною комп’ютерною компанією у світі, і вона краща як компанія, що займається платформними обчисленнями, тому що ми любимо розробників. Бути платформною обчислювальною компанією, яка обслуговує кожну комп’ютерну компанію у світі, краще, ніж бути комп’ютерною компанією поодинці. **
Ми застосували цей підхід, ми взяли цей центр обробки даних розміром з цю кімнату, всі дроти, всі комутатори, мережу і багато програмного забезпечення, і ми розбили все це на частини та інтегрували в інші різні центри обробки даних по всьому світу, і це божевільна складність, і ми знайшли спосіб мати достатню стандартизацію, коли це необхідно, достатню гнучкість, коли це необхідно, щоб ми могли працювати з комп’ютерними компаніями по всьому світу.
Результатом є те, що архітектура Nvidia тепер імплантована в кожну комп’ютерну компанію у світі, і це створює більшу площу, більшу встановлену базу, більше розробників, кращі програми, що робить клієнтів щасливішими, вони купують більше чіпів, що збільшує встановлену базу, збільшує наш бюджет на дослідження та розробки тощо, ефект маховика, система позитивного зворотного зв’язку, і ось як це працює, це просто та зрозуміло. **
Костіс Магларас:
Одна з речей, яку ви не зробили, і я хочу, щоб ви пояснили, це те, що ви не інвестували у виробництво власних чіпсів.
Дженсен Хуанг:
Це хороше питання, і причина полягає в тому, що як стратегічний вибір, основні цінності нашої компанії, мої особисті основні цінності, основні цінності нашої компанії пов’язані з вибором.
Найголовніше в житті – це вибір. Як вибрати? Ну, все є, як ви вибираєте, що робити сьогодні ввечері? Як вибираєте? Наша компанія вирішила обрати проект лише з однією фундаментальною метою, і моя мета – створити середовище, середовище, куди приїжджають і працюють найкращі люди світу. Дивовижне середовище для найкращих умів світу, які хочуть займатися комп’ютерними обчисленнями, комп’ютерними науками та штучним інтелектом, щоб створити умови для того, щоб вони приїхали сюди та зробили справу свого життя. **
Отже, якщо я це кажу, то тепер питання полягає в тому, як цього досягти? Наведу приклад того, як цього робити не потрібно. Ніхто з моїх знайомих, хто прокидається вранці і каже: «Знаєш, мій сусід так робить». Те, що я хочу зробити, це те, що я хочу забрати це у них. Я теж можу це зробити. Я хочу взяти це у них. Я хочу захопити їхню частку ринку. Я хочу придушити їх за ціною, я хочу їх штовхнути, я хочу забрати їхню частку.
Виходить, що жодна велика людина так не робить, і всі прокидаються вранці і кажуть: «Я хочу зробити те, що ніколи раніше не робилося, що дуже важко зробити». Якщо ви досягнете успіху, ви зможете зробити величезний вплив на світ, і це основні цінності NVIDIA.
По-перше, як ми вирішуємо зробити те, чого ніколи раніше не робилося у світі? До речі, причина, чому ви вирішуєте зробити щось неймовірно складне, полягає в тому, що у вас є багато часу, щоб навчитися цьому, якщо щось легко зробити, наприклад, TikTok Танцюйте, я не збираюся турбуватися про це, очевидно, причина в тому, що існує велика конкуренція, тому ви повинні вибрати щось, що дійсно важко зробити, і ці важкі речі самі по собі зупинять багатьох інших, тому що той, хто готовий терпіти найдовше, врешті-решт виграє, тому ми вибираємо те, що дуже важко зробити, і ви чули, як я багато разів говорив, що біль і страждання, і це насправді позитивна риса, і той, хто здатний витерпіти, в кінцевому підсумку виявляється найуспішнішим.
По-друге, ви повинні вибрати те, що вам судилося зробити, будь то ваші особистісні риси, ваш досвід або середовище, в якому ви перебуваєте, ваш розмір, все, що у вас є, ваша точка зору, те, що ви повинні робити. **
По-третє, вам краще отримувати задоволення від того, що ви робите це, тому що, якщо тільки біль і страждання не будуть занадто великими. Те, що я вам щойно описав, є основними цінностями NVIDIA. Все дуже просто. Якщо це так, навіщо мені робити чіпи для телефонів? Скільки компаній у світі можуть виробляти мобільні телефони? Дуже багато. Навіщо потрібні процесори? Чи потрібно нам більше процесорів? Чи це розумно? Всі ці речі нам не потрібні.
В результаті ми, природно, виключаємо себе з мас-маркету. Ми, природно, виключили себе з мас-маркету, тому що ми вибрали дивовижні ринки, ми вибрали дійсно важкі речі, дивовижні люди приєдналися до нас, тому що дивовижні люди приєдналися до нас, тому що у нас вистачило терпіння зробити їх успішними і зробити щось неймовірне. Наберіться терпіння, щоб дозволити їм зробити щось дивовижне, і вони зроблять щось дивовижне.
Чи розумно, що рівняння насправді таке просте, але для цього потрібен неймовірний характер? Тому вивчення цього – найголовніше, великий успіх і велич – це все про характер. Причина, через яку ми не займаємося виробництвом, полягає в тому, що TSMC працює дуже добре, і вони вже це роблять, то чому я маю брати їхню роботу? Мені подобаються люди TSMC, вони мої хороші друзі, і тільки тому, що у мене є бізнес, я можу потрапити в цю сферу, і що? Вони зробили для мене велику роботу, давайте не будемо витрачати час на повторення того, що вони вже зробили, давайте витрачати час на те, що ніхто не робив, щось, чого ніхто не робив, і ось як ви створюєте щось особливе, інакше ви просто говорите про частку ринку. **
Костіс Магларас:
Думаючи про майбутнє, коли ми думаємо про ці 10 років.
Дженсен Хуанг:
Правильна відповідь?До речі, я знаю, що у мене немає ступеня МВА, у мене немає ступеня в галузі фінансів, я читаю деякі книги, я дивлюся багато відео на Youtube, і я повинен сказати вам, що ніхто не дивиться більше ділових відео на YouTube, ніж я, тому я можу сказати вам, хлопці, що ви, хлопці, не є для мене нічим хорошим, але це правильні відповіді, професоре Магларас?
Костіс Магларас:
Ви питаєте не ту людину, і я теж не вивчав бізнес, але це правильна відповідь, ха-ха~ Як ви думаєте, коли ви думаєте про застосування штучного інтелекту та зміни, які ми побачимо в найближчі три, п’ять, сім років, і що може вплинути на наше повсякденне життя?
Дженсен Хуанг:
Перш за все, я відразу зроблю висновок: штучний інтелект не забирає вашу роботу, люди, які використовують штучний інтелект, забирають вашу роботу. Чи згодні ви з цим?Що ж, використовуйте штучний інтелект якнайшвидше, щоб зберегти вигідну зайнятість.
Друга річ, яку я прошу вас, хлопці, це те, що коли продуктивність зростає, це означає, що ми повністю вбудовані в штучний інтелект в NVIDIA, і NVIDIA буде величезною організацією штучного інтелекту, і ми вже розробляємо наші чіпи за допомогою штучного інтелекту, і ми не можемо розробляти наші чіпи, і ми не можемо писати наші оптимізовані компілятори без штучного інтелекту, тому ми використовуємо штучний інтелект скрізь.
Коли штучний інтелект підвищить продуктивність вашої компанії, що далі? Звільнення чи більше людей? Ви збираєтеся найняти більше людей. Прибуткове зростання відбулося за рахунок підвищення продуктивності праці.
Чому люди думають про втрату роботи? Якщо ви думаєте, що у вас немає нової ідеї, це не має сенсу. Якщо у вас немає більше ідей, щоб інвестувати у свої додаткові прибутки, що ви робите, коли робочі місця замінюються автоматизацією? Ви збираєтеся звільнити людей і приєднатися до компаній, які мають більше ідей і не можуть дозволити собі інвестувати гроші, щоб, коли штучний інтелект автоматизує їхню роботу, звичайно, все змінилося, звичайно, змінилося те, як все працює. **
Штучний інтелект скоро буде націлений на генеральних директорів, голів відділів і генеральних директорів, ми закінчили, звучить добре, я думаю, що спочатку генеральний директор, потім голови відділів, але ви близько, тому ви приєднуєтеся до компаній, які мають більше ідей і не мають достатньо грошей для інвестування, і, природно, коли доходи зростають, ви наймаєте більше людей. По-перше, це величезний прорив, ми якимось чином навчили комп’ютери вивчати та представляти інформацію в цифровому вигляді, добре? Отже, хто-небудь з вас коли-небудь чув про цю штуку під назвою Word2vec? Це одна з найкращих речей, Word2vec, ви берете слово і вчитеся, вивчаючи кожне слово і те, як воно пов’язане з кожним іншим словом, ви вивчаєте всі наші речення та абзаци, і ви намагаєтеся з’ясувати, який вектор чисел найбільше відповідає цьому слову, які числа найбільш релевантні цьому слову, тому «мама» і «тато» близькі один до одного чисельно, «помаранчевий» і «яблуко» близькі один до одного чисельно, але вони далекі від «мами» і «тата», «собаки» і «кішки» Далекі від «мами» і «тата», але, напевно, ближче, ніж вони є до «апельсинів» і «яблук», стільців і столів, складно сказати точно, де вони знаходяться, але ці дві фігури знаходяться близько один до одного, подалі від «мами» і «тата», «короля» і «королеви», ближче до «мами» і «тату».
Чи це розумно? Уявіть, що ви робите це для кожного числа, і щоразу, коли ви тестуєте його, ви думаєте: «Боже, це чудово». Це має сенс, коли ви віднімаєте щось від іншого. Ну, це, по суті, представлення навчальної інформації. Уявіть, що ви робите це з англійською мовою. Уявіть, що ви робите це для кожної мови. Уявіть, що ви робите це з усім, що має структуру, тобто з усім, що є передбачуваним.
Зображення має структуру, тому що якщо немає структури, то це буде білий шум, по суті, білий шум, тому має бути структура, і тому ви бачите кота, я бачу кота, ви бачите дерево, я бачу дерево, ви можете визначити, де знаходиться дерево, ви можете визначити, де берегова лінія, де гори, де хмари, чи не так? Ми можемо навчитися всьому цьому, очевидно, ви можете перетворити це зображення на вектор, ви можете перетворити відео на вектор, 3D Перетворюються на вектори, білки на вектори, тому що білки, очевидно, мають структури, хімічні речовини перетворюються на вектори, гени врешті-решт перетворюються на вектори, і ми можемо вивчати вектори всього.
Якщо ви можете вивчити все в цифри, і це має сенс, то, очевидно, ви можете перетворити слово кіт «кіт» на зображення, яке, очевидно, не є зображенням кота, це те саме значення, якщо ви можете перетворити слова на зображення, це називається проміжною подорожжю стійкої дифузії, якщо ви можете перетворити зображення на слова, це називається субтитруванням, субтитрами під відео на YouTube, тож якщо ви йдете, як ви це називаєте? Якщо перевести амінокислоти в білки, то це називається Нобелівською премією, тому що це альфа-складка, неймовірний прорив.
Отже, це дивовижний момент у комп’ютерних науках, коли ми дійсно можемо перетворити один тип інформації на інший тип, тому ви можете перетворювати текст у текст, багато тексту, PDF-файли до невеликих обсягів тексту, агрегувати архіви, що мені дуже подобається, чи не так?
Ми можемо попросити його об’єднати цей папір, і замість того, щоб читати кожну окрему статтю, він повинен розуміти зображення, тому що в архіві є багато зображень, діаграм і тому подібного, тому ви можете зібрати все це разом, щоб тепер ви могли уявити всі переваги продуктивності і, власне, можливість робити це без нього, тому в найближчому майбутньому ви збираєтеся це зробити.
Ви можете сказати, агов, я хочу спроектувати, дайте мені кілька варіантів автомобілів. Я працюю в Mercedes і мене дуже хвилює бренд, це стиль бренду, дозвольте мені дати вам пару ескізів, можливо, пару фотографій моделі, яку я хочу побудувати, яка є, скажімо, повнопривідним позашляховиком, а потім раптом з’явився 2010, 200 повний 3D дизайн CAD; Тепер причина, по якій ви хочете цього, а не просто закінчити цей автомобіль, полягає в тому, що ви, можливо, захочете вибрати один з них і сказати ітерацію 10 на додаток до цього По-друге, ви можете вибрати один з них, а потім внести власні зміни, тому майбутнє дизайну буде зовсім іншим. У майбутньому все буде зовсім інакше, і тепер, якщо ви дасте дизайнерам цю здатність, вони зійдуть з розуму. Вони будуть вас дуже любити, і саме тому ми це робимо.
Отже, які наслідки для довгострокових ефектів? Одна з моїх улюблених областей полягає в тому, що якщо ви можете описати білок словами, і ви можете дізнатися, як синтезувати білок словами, то майбутнє білкової інженерії прямо зараз. Як ви знаєте, білкова інженерія включає в себе виробництво ферментів для розщеплення пластику, створення ферментів для захоплення вуглецю, створення всіх видів ферментів для кращого вирощування овочів, ваше покоління може створювати всі види різних ферментів, тому наступні 10 років будуть неймовірними, ми покоління комп’ютерної інженерії чіпів, ви станете поколінням білкової інженерії, яку ми не могли собі уявити кілька років тому. **
Костіс Магларас:
Гаразд, я думаю, що ми відкриємо сесію запитань для аудиторії, тому, якщо виникне запитання, можливо, я вкажу, у нас буде кілька мікрофонів, гаразд, там ми почнемо спочатку.
Глядач:
Дякуємо, що були тут сьогодні ввечері, ви турбуєтеся про те, чи наздожене закон Мура індустрію GP, як це було з Intel? Чи можете ви пояснити різницю між законом Мура і законом Хуанга? Дженсен Хуанг: Я не згадував про закон Хуанга, і це не схоже на те, що я б зробив. Закон Мура полягає в тому, що продуктивність подвоюється кожні півтора року, і найпростіший спосіб розрахувати – зростати в 10 разів кожні 5 років, тобто приблизно в 100 разів кожні 10 років. Якщо так, то якщо обчислення загального призначення - це мікропроцесор, то навіщо змінювати метод обчислень, якщо обчислення загального призначення зростають в 5 разів кожні 10 років, а кожні 100 років - в 100 разів? Хіба цього недостатньо швидко? Ви жартуєте? Хіба життя не було б хорошим, якби автомобілі були в 5 разів швидшими кожні 100 років?
Отже, відповідь полягає в тому, що насправді закон Мура дуже хороший, і я отримав від нього користь. Вся індустрія виграла від цього, і комп’ютерна індустрія існує завдяки цьому, але в кінцевому підсумку закон універсальних обчислень Мура, справа не в кількості транзисторів в обчислювальній техніці, а в кількості транзисторів, в тому, як ви використовуєте це для центрального процесора, як ви в кінцевому підсумку переводите це в продуктивність, ця крива більше не змінюється 10 разів кожні 5 років. Якщо вам пощастить, ця крива становить два-чотири рази на 10 років. Проблема в тому, що крива змінюється 2~4 рази кожні 10 років.
Обчислювальні потреби і наше бачення використання комп’ютерів для вирішення проблем, наша уява, уява використання комп’ютерів для вирішення завдань не частіше 4 разів на 10 років? Отже, наша уява, наші потреби, світове споживання всього цього виходить за цю межу, і ви можете вирішити цю проблему, купивши більше процесорів, ви можете купити більше, але проблема в цих процесорах споживає занадто багато енергії, тому що вони загальні, як спеціаліст широкого профілю, спеціаліст широкого профілю не такий ефективний, як фахівець, його ремесло не таке хороше, як експерт, він не такий продуктивний, як експерт; якщо я збираюся зробити торакотомію і не візьму мені лікаря широкого профілю, розумієте, що я маю на увазі? Якщо ви перебуваєте поруч, викличте експерта, тому те, як журналіст – це занадто груба сила, тому зараз це змушує світ споживати занадто багато енергії, змушує світ витрачати занадто багато, просто щоб жорстоко змусити універсальні обчислення.
Тепер, на щастя, ми вже давно працюємо над прискореними обчисленнями, і, як я вже згадував, прискорені обчислення — це не лише процесори, а й розуміння прикладної сфери, а потім створення необхідного програмного забезпечення, алгоритмів, архітектур та чіпів, і ми якимось чином знайшли спосіб зробити це за допомогою архітектури, і це геніальність того, що ми зробили, і ми якимось чином знайшли цю архітектуру, яка є одночасно дуже швидкою, іноді для прискорення процесорів на 100*500 разів, навіть іноді 1000 разів, але це не так конкретно, це лише для одного виду діяльності, чи це розумно? І ви повинні бути досить широкими, щоб у вас був великий ринок, але ви повинні бути досить вузькими, щоб ви могли прискорити додаток, і ця тонка лінія, це лезо бритви, є причиною існування Nvidia. Якби я пояснив це 30 років тому, ніхто б не повірив, насправді, якби ви були чесними зараз, ніхто б теж не повірив.
Це зайняло у нас багато часу, ми дотримувалися цього, ми почали з сейсмічної обробки, молекулярної динаміки, обробки зображень і, звичайно ж, комп’ютерної графіки, і ми працювали далі, і далі, і далі, і далі, а потім одного дня глибоке навчання, а потім з трансформаторами, а потім з’явилася якась форма трансформатора навчання з підкріпленням, а потім з’явилася якась багатоступінчаста система висновків, так що всі ці речі, ми просто додаток.
Якимось чином ми знайшли спосіб, ми створили архітектуру, яка вирішила всі ці проблеми, і чи закінчиться цей новий закон? Я так не вважаю. Причина в тому, що він не замінює процесор, він доповнює центральний процесор, тому питання в тому, що буде далі, щоб доповнити нас?
Ми просто підключаємо його поруч, тому, коли прийде час, ми знатимемо, що нам слід використовувати інший інструмент для вирішення проблеми, тому що ми обслуговуємо проблему, яку намагаємося вирішити. Ми не намагаємося зробити ніж і змусити всіх ним користуватися. Ми не намагаємося зробити плоскогубці для всіх. Ми тут, щоб прискорити обчислення, щоб задовольнити цю проблему, тому це одна річ, яку ви всі повинні вивчити. Переконайтеся, що ваша місія правильна. Чи розумно робити так, щоб ваша місія не в тому, щоб робити поїзди, а в тому, щоб полегшити перевезення? Наша місія полягає в тому, щоб прискорити роботу додатків і вирішити проблеми, які не можуть вирішити звичайні комп’ютери. Якщо ваша місія добре сформульована і ви зосереджуєтеся на правильних речах, вона триватиме вічно. **
Глядач:
Знову ж таки, на щастя, зараз є поштовх до локалізації ланцюжка поставок напівпровідників, а потім є обмеження на експорт високотехнологічної продукції з певних країн. Як ви думаєте, як це вплине на NVIDIA в короткостроковій перспективі, і як це вплине на наших споживачів у довгостроковій перспективі?
Дженсен Хуанг:
Це гарне запитання. Ви всі це чули, і я повторюю, це про геополітику, геополітичну напругу тощо. Геополітична напруга, геополітичні виклики торкнуться кожної галузі, торкнуться кожного. Наша компанія вірить у національну безпеку, ми тут, тому що наша країна безпечна, і ми також віримо в економічну безпеку.
Правда в тому, що більшість сімей прокидаються вранці і не кажуть: «Боже мій, я відчуваю себе таким вразливим, через брак військової сили, вони відчувають себе вразливими, через економічну життєздатність, тому ми також віримо в права людини, і можливість створити заможне життя є частиною прав людини». Як ви знаєте, Сполучені Штати вірять у права людини як тих, хто тут живе, так і тих, хто цього не робить, тому ця країна вірить у всі ці речі одночасно. Ми теж.
Проблема геополітичної напруженості полягає в тому, що якщо ми приймемо рішення занадто односторонньо, ми приймемо рішення про процвітання інших, то буде зворотна реакція. Будуть непередбачувані наслідки, але я налаштований оптимістично. Я сподіваюся, що зможу сподіватися, що ті, хто замислюється над цим питанням, зважили на всі наслідки і ненавмисні, але це призвело до глибокої інтерналізації суверенних прав кожної країни. Кожна країна говорить про власний суверенітет, що є ще одним способом сказати, що кожен думає про себе.
Що стосується нас, то, з одного боку, це може обмежити використання наших технологій у Китаї, а також експортний контроль там, а з іншого боку, оскільки суверенітет і кожна країна хоче побудувати власну суверенну інфраструктуру штучного інтелекту, а більшість із них не є ворогами Сполучених Штатів і не мають складних відносин зі Сполученими Штатами, ми допоможемо їм побудувати інфраструктуру штучного інтелекту по всьому світу.
Тож багато в чому ця дивна річ у геополітиці певною мірою обмежує наші ринкові можливості. З іншого боку, це відкриває для нас ринкові можливості іншими способами, але для людей, я є, я дуже хочу.
Я дуже сподіваюся, що ми не дозволимо нашій напруженості у відносинах з Китаєм перерости в напруженість у відносинах з китайцями, ми не дозволимо нашій напруженості у відносинах з Близьким Сходом перерости в напруженість у відносинах з мусульманами, і ми не можемо дозволити собі потрапити в цю пастку, і я трохи стурбований тим, що це слизький шлях.
Одним з найбільших джерел інтелектуальної власності в нашій країні, як відомо, є іноземні студенти, і я бачу тут дуже багато. Я хочу, щоб ви залишалися тут, це одна з найбільших сильних сторін нашої країни. Якщо ми не дозволимо найяскравішим умам світу приїхати до Колумбії і залишитися в Нью-Йорку, ми не зможемо зберегти найбільшу інтелектуальну власність у світі, тому це наша фундаментальна основна сила, і я дуже сподіваюся, що ми не підірвемо її.
Ви бачите, що геополітичні виклики реальні, питання національної безпеки реальні, але економічні, ринкові, соціальні, технологічні питання так само реальні, технологічне лідерство важливе, лідерство на ринку важливе, все це важливо, світ – це просто складне місце, я не маю простої відповіді, це вплине на всіх нас.
Глядач:
Я починав як інженер у напівпровідниковій компанії, працюючи підприємцем, і у випадку зі мною, як і ви, як технолог та інженер у душі, успішно заснував компанію, а про фінанси я дізнався з відео на YouTube, що ви думаєте про MBA?
Дженсен Хуанг:
Я вважаю, що це дуже круто. Перш за все, ви, ймовірно, доживете до 100 років, тому питання в тому, як ви збираєтеся провести останні 7 або 60 років? Це не те, що я вам сказав, це те, що я сказав усім: дбайте про освіту, наскільки можете.
Коли ти приїжджаєш сюди, і тебе змушують здобувати освіту, наскільки це може бути добре? Після від’їзду, як і я, я маю об’їхати земну кулю в пошуках знань, мені доводиться перебирати багато сміття, щоб знайти щось хороше, а в школі у вас є ці дивовижні професори, які просівають знання для вас і представляють їх вам, як тарілку, Боже мій, якби я міг зробити це знову, я б залишився тут стільки, скільки зможу, і поглинув би багато знань. **
Я буду сидіти тут з деканом. Я тут найстарший учень. Я просто готуюся до величезного стрибка, коли закінчу навчання, і я буду успішним відразу після закінчення навчання, але я просто жартую. Колись вам доведеться піти. Ваші батьки це оцінять, але не поспішайте. Я думаю, що вчіться якомога більше. Немає єдиної правильної відповіді, щоб туди потрапити.
Очевидно, що у мене є друзі, які ніколи не закінчували коледж, але дуже успішні, тому є кілька способів досягти цього, але статистично я все ще вважаю, що це найкращий спосіб досягти цього, тому, якщо ви вірите в статистику та математику, просто залишайтеся в школі та пройдіть весь процес, тому**Я отримав віртуальний MBA, наполегливо працюючи, не через вибір, а тому, що коли я вперше закінчив школу, я думав, що буду інженером, ніхто б не сказав», Гей, Дженсене, дай тобі диплом, і ти станеш генеральним директором. "Я не знала, тому, коли я туди потрапила, мені довелося піти вчитися. **
Є багато способів отримати ступінь MBA і вивчити бізнес-стратегію, очевидно, що бізнес-питання - це дуже різні речі, фінансові питання також, тому ви повинні навчитися всім цим різним речам, щоб побудувати компанію, але якщо вас оточують такі дивовижні люди, як я, вони навчать вас на цьому шляху, тому деякі речі, залежно від ролі, яку ви хочете грати, мають вирішальне значення, і є деякі речі, які є не тільки моєю роботою, але вони критично важливі, і я збираюся продовжувати це. Це характер, є щось у вашому характері, що має значення щодо вибору, який ви робите, як ви справляєтеся з успіхом, як ви справляєтеся з невдачами та великими невдачами, як ви робите вибір. **
Зараз, з точки зору навичок і майстерності, найважливіше для СЕО – це стратегічне мислення, і іншого вибору немає. Компаніям потрібно, щоб ви мислили стратегічно, тому що ви бачите найбільше, ви повинні вміти бачити майбутнє краще, ніж будь-хто, ви повинні вміти з’єднувати точки краще, ніж будь-хто, ви повинні вміти мобілізуватися, пам’ятайте, що таке стратегія – діяти! Таким чином, генеральний директор знаходиться в унікальному становищі, щоб бути директором зі стратегії, якщо хочете. З моєї точки зору, ці дві речі є найважливішими, а решта мають багато навичок і речей, яким ви навчитеся навичкам.
Якщо я можу додати ще одну річ, я вірю, що компанія – це про певне ремесло, ти робиш якийсь унікальний внесок у суспільство, ти щось робиш. Якщо ви щось робите, ви повинні бути хорошими в цьому, ви повинні цінувати ремесло, ви повинні любити ремесло, ви повинні знати щось про ремесло, звідки воно береться, де воно знаходиться зараз, куди воно йде в майбутньому, ви повинні спробувати показати свою пристрасть до цього ремесла.
Я сподіваюся, що сьогодні я зробив щось, що є прикладом пристрасті та досвіду цього ремесла, що я багато знаю про свою сферу, і що генеральний директор повинен знати про це ремесло, якщо це можливо. Не обов’язково створювати це ремесло, але краще бути цим ремеслом, можна багато чому навчитися, тому ви, хочете бути експертом у цій галузі, але це деякі речі. Ви можете дізнатися про це тут. В ідеалі, ви можете навчитися цьому на роботі, ви можете навчитися цьому у своїх друзів, і ви можете навчитися цьому, роблячи багато різних речей.
