Jensen Huang opuszcza NVIDIA po 33 latach. Oto jego najważniejsze dokonania i przełomowe decyzje

Ostatnie wydarzenia dość jednoznacznie sugerowały, że do rozłamu na linii Jensen-NVIDIA musi w końcu dojść. Były już prezes może sobie teraz pluć w brodę, bo przez brak hamulców doprowadził do gigantycznych strat, a prawdopodobnie również do dużych zmian w całej branży technologicznej. Szóste przykazanie mówi jasno - nie cudzołóż. Szkoda, że tak to się skończyło. Jensen miał gigantyczny wpływ na całą branże przez te 33 lata. Chciałbym tutaj przytoczyć jego najważniejsze dokonania. 

Facet ma teraz mnóstwo problemów, a z pewnością jednym z największych będzie bardzo kosztowny rozwód. NVIDIA straciła też setki miliardów dolarów na giełdzie, co w największym stopniu przyczyniło się do dymisji Huanga. Ten facet przez trzy dekady przeprowadził NVIDIĘ od nieudanego debiutu na rynku grafiki do budowy infrastruktury dla sztucznej inteligencji. Po drodze musiał porzucić własną technologię, przekonać programistów do liczenia na kartach graficznych i postawić na rozwiązania, do których rynek dopiero miał dojrzeć. 

Informacja gruchnęła jak grzmot z jasnego nieba. NVIDIA oficjalnie poinformowała o rezygnacji Huanga ze stanowisk prezesa, dyrektora generalnego i członka rady dyrektorów. Zgodnie ze zgłoszeniem 8-K, rada przyjęła ją dzień wcześniej, ze skutkiem natychmiastowym. Obowiązki CEO przejęła tymczasowo Colette Kress, zachowując funkcję dyrektor finansowej. Oceniając jego dorobek, łatwo pomylić decyzję szefa z wynalazkiem inżynierów. Huang nie zaprojektował sam GeForce’a, nie napisał całej platformy CUDA i nie stworzył sieci AlexNet. Odpowiadał jednak za kierunek rozwoju NVIDIA - konkretnie za wybór projektów, finansowanie ich przez kolejne lata i przekształcanie osiągnięć zespołów w kluczowe produkty. Poniższe zestawienie dotyczy strategicznych zwrotów pod jego kierownictwem. Kolejność jest chronologiczna, natomiast śródtytuły jasno określają decyzje Jensena. 

1. Porzucić błędną architekturę i uratować firmę dzięki RIVA 128 - 1996-1997

Pierwszy produkt NVIDIA, wprowadzony w 1995 roku NV1, okazał się poważnym rozczarowaniem biznesowym. Układ łączył grafikę 2D i 3D z dodatkowymi funkcjami multimedialnymi, ale jego podejście do renderowania, oparte na tzw. quadratic texture mapping, rozmijało się z kierunkiem rynku. Direct3D Microsoftu stawiało na trójkąty. NVIDIA rozwijała tymczasem pokrewną architekturę NV2 dla kolejnej konsoli Segi, ryzykując, że po zakończeniu kontraktu zostanie z technologią, której pecetowy rynek po prostu nie zaadaptuje.

Huang zdecydował, że trzeba porzucić ten kierunek. W rozmowie z Sequoia opisywał, jak poprosił przedstawiciela Segi, Shoichiro Irimajiriego, o zwolnienie NVIDIA z obowiązku wykonania kontraktu, a jednocześnie o zachowanie finansowania, bez którego firma nie przetrwa. Według jego relacji Sega zgodziła się pomóc. Podobno samej decyzji o zmianie architektury nie dałoby się zrealizować bez pieniędzy na następny projekt. Huang musiał więc przyznać klientowi, że dotychczasowa droga prowadzi donikąd, i przekonać go do sfinansowania odwrotu.

Rezultatem był zgodny z Direct3D RIVA 128 z 1997 roku, który według firmowej chronologii sprzedał się w ponad milionie egzemplarzy w pierwszych czterech miesiącach. NVIDIA odzyskała możliwość konkurowania o duży rynek komputerów osobistych. Waga tej decyzji jest wyjątkowa, bo pozostałych punktów tej historii mogło już nie być. Huang uratował firmę, godząc się na wyrzucenie do kosza kierunku, w który wcześniej sam głęboko wierzył. 

2. Przenieść więcej pracy z CPU na GPU i dać programistom większą swobodę - 1999-2001

Zapowiedziany 31 sierpnia 1999 roku GeForce 256 był czymś więcej niż tylko kolejną generacją kart graficznych. NVIDIA zintegrowała w nim sprzętowe przekształcanie geometrii i obliczenia oświetlenia, czyli T&L. Część pracy wykonywanej wcześniej przez procesor główny przechodziło do układu graficznego. Firma promowała produkt jako pierwszy GPU według własnej definicji obejmującej integrację kolejnych etapów przetwarzania grafiki w jednym chipie. Pamiętajcie jednak, że chodziło tutaj o konkretny zakres zintegrowanych funkcji, a nie wynalezienie od podstaw grafiki komputerowej.

Kolejny krok nastąpił w 2001 roku wraz z GeForce’em 3 i programowalnymi shaderami. Twórcy gier dostali większą kontrolę nad przekształcaniem wierzchołków i wyglądem powierzchni. Zamiast ograniczać się do przewidzianych przez producenta kombinacji efektów, mogli pisać własne programy wykonywane przez GPU. Publikacja inżynierów NVIDIA z tamtego okresu opisuje właśnie przejście od wyspecjalizowanego, sztywnego potoku do programowalnego silnika przetwarzania wierzchołków.

Strategiczne znaczenie tego etapu polegało na konsekwentnym zwiększaniu roli układu graficznego w komputerze. NVIDIA pod kierownictwem Huanga budowała produkt, którego możliwości miały rosnąć również dzięki pomysłom zewnętrznych programistów. Dla gier oznaczało to swobodniejsze tworzenie efektów i materiałów. Dla samej firmy - podstawę do późniejszego rozwijania GPU jako coraz bardziej elastycznego procesora. GeForce 256 i GeForce 3 były różnymi produktami, ale realizowały ten sam długofalowy kierunek, który finalnie doskonale sobie na rynku poradził. 

3. Zainwestować w CUDA i wyprowadzić GPU poza gry - 2006-2007

Jeżeli miałbym wskazać jedną decyzję, bez której trudno wyobrazić sobie późniejszą pozycję NVIDIA, wybrałbym rozwój rdzeni CUDA. Firma przedstawiła tę architekturę w 2006 roku, wraz z generacją GeForce 8800. Dokumentacja G80 od początku opisywała wykorzystanie GPU do intensywnych obliczeń i interfejs oparty na języku C. W 2007 roku udostępniono narzędzia programistyczne, a w czerwcu ogłoszono dostępność CUDA Toolkit i SDK w wersji 1.0. 

Za tymi nazwami kryła się bardzo konkretna zmiana. GPU można było wykorzystywać do obliczeń, których wynikiem nie musiał być obraz na monitorze: przetwarzania danych, symulacji czy analiz naukowych. NVIDIA rozwijała sprzęt razem z kompilatorem, bibliotekami i przykładami kodu. Już komunikat o CUDA 1.0 wymieniał m.in. operacje na obrazach, transformaty FFT oraz przykłady obliczeń finansowych. Przyszłe zastosowania GPU przestawały zależeć wyłącznie od tego, co wymyślą autorzy następnej gry. 

Z biznesowego punktu widzenia Huang zaakceptował budowę platformy dla znacznie szerszej grupy odbiorców niż nabywcy GeForce’ów. W mojej ocenie największą wartością tej decyzji było związanie sprzętu z oprogramowaniem i wiedzą programistów. Konkurent musiał odtąd zaoferować atrakcyjny procesor, ale również przekonać klientów, że warto przenieść narzędzia, kod i sposób pracy. CUDA stworzyła warunki do tego, żeby NVIDIA zarabiała na nowych zastosowaniach GPU, zanim było wiadomo, które z nich okażą się najważniejsze i najbardziej intratne. 

4. Zrobić ze sztucznej inteligencji główny kierunek rozwoju - 2012-2017

W 2012 roku Alex Krizhevsky, Ilya Sutskever i Geoffrey Hinton pokazali, jak duże znaczenie dla uczenia sieci neuronowych mogą mieć karty graficzne. Ich praca nad siecią znaną jako AlexNet wykorzystywała dwa GeForce’y GTX 580 z 3 GB pamięci każdy. Opisy treningów sieci neuronowych trwały pięć, do sześciu dni. Jasne, to osiągnięcie badaczy, a nie osobisty wynalazek Huanga, jednak znaczenie jego późniejszej decyzji polegało na skierowaniu rozwoju NVIDIA w stronę sprzętu i oprogramowania projektowanych pod takie zadania. 

Konkretnym produktem tej strategii był DGX-1, zaprezentowany 5 kwietnia 2016 roku. NVIDIA zaoferowała gotowy system do głębokiego uczenia, wyposażony w osiem akceleratorów Tesla P100, połączenia NVLink i zestaw oprogramowania obejmujący m.in. cuDNN oraz obsługę popularnych środowisk uczenia maszynowego. Klient otrzymywał przygotowany do konkretnego zastosowania komputer, zamiast samodzielnie składać całą infrastrukturę. Huang już wtedy przedstawiał AI jako technologię zdolną zmienić całą branżę. Po 10 latach widać, że doskonale wiedział, co mówi. 

Jeszcze mocniejszym dowodem była Volta i Tesla V100, ogłoszone 10 maja 2017 roku. V100 otrzymało 640 rdzeni Tensor, zaprojektowanych do przyspieszania obliczeń wykorzystywanych w AI. NVIDIA poświęcała więc część powierzchni i budżetu procesora na jednostki służące konkretnemu rynkowi obliczeniowemu. W komunikacie prasowym Huang mówił o tysiącach inżynierów, którzy pracowali nad Voltą ponad trzy lata. Ten zwrot miał wymiar organizacyjny i sprzętowy na długo przed popularnością chatbotów. Skalę późniejszej zmiany dobrze pokazuje rok fiskalny 2025, zakończony 26 stycznia 2025 roku: Data Center przyniosło NVIDII 115,2 mld dolarów przy 130,5 mld dolarów przychodów całej firmy, czyli około 88%. Nie jest to wyłącznie zasługa jednej decyzji ani jednego człowieka, ale trudno o czytelniejszy obraz tego, jak bardzo zmieniło się źródło przychodów przedsiębiorstwa kojarzonego wcześniej przede wszystkim z kartami do grania. 

5. Postawić na ray tracing i AI w grafice konsumenckiej - 2018

20 sierpnia 2018 roku Huang przedstawił na Gamescomie generację GeForce RTX 20 opartą na architekturze Turing. NVIDIA wprowadziła do kart dla graczy rdzenie RT do przyspieszania śledzenia promieni oraz rdzenie Tensor do obliczeń związanych z sieciami neuronowymi. Razem z RTX rozwijano technikę DLSS. Firma skierowała część zasobów konsumenckiego GPU na nowe sposoby tworzenia i przetwarzania obrazu, licząc, że twórcy gier zaczną z nich korzystać.

Nie była to decyzja, której sens każdy kupujący mógł od razu sprawdzić w swojej bibliotece. Zapowiedź GeForce’ów nastąpiła w sierpniu, a odbicia wykorzystujące DXR trafiły do Battlefielda V 14 listopada 2018 roku. Do tego RTX 2080 Ti Founders Edition wyceniono na zawrotne wówczas 1199 dolarów. NVIDIA sprzedawała kosztowny sprzęt, którego część najważniejszych zalet wymagała dopiero wdrożeń po stronie gier. Ale to był początek rewolucji w grafice komputerowej, którą obserwujemy do dziś. 

Znaczenie strategiczne RTX polegało na połączeniu klasycznego renderowania, sprzętowo przyspieszanego ray tracingu i metod opartych na AI w jednej platformie dla deweloperów. Huang postawił na zmianę sposobu rozwijania grafiki, a nie wyłącznie podnoszenie wydajności dotychczasowych efektów. Można krytykować cenę wejścia i tempo pojawiania się obsługi w grach, ale to nie odbiera tej decyzji znaczenia. NVIDIA zaczęła budować przewagę GeForce’ów również wokół technologii wymagających współpracy od twórców oprogramowania.

6. Kupić Mellanox i przejąć kontrolę nad komunikacją w centrach danych - 2019-2020

11 marca 2019 roku NVIDIA ogłosiła zamiar przejęcia Mellanox za około 6,9 mld dolarów. Transakcję zamknięto 27 kwietnia 2020 roku. W komunikacie o jej finalizacji firma podała zaokrągloną wartość 7 mld dolarów. Nie chodziło o konkurenta produkującego GeForce’y. Mellanox specjalizował się w szybkiej komunikacji między serwerami i systemami pamięci masowej, rozwijając rozwiązania InfiniBand oraz Ethernet. 

Powód zakupu Huang przedstawił już przy ogłoszeniu umowy: przyszłe centra danych miały działać jako ogromne systemy obliczeniowe, złożone z wielkiej liczby połączonych węzłów. W takiej konfiguracji ogromne znaczenie ma tempo wymiany danych. Przy obliczeniach rozproszonych szybki akcelerator nie rozwiązuje problemu, jeśli musi czekać na pozostałe elementy systemu. Mellanox dostarczał NVIDIA technologie sieciowe potrzebne do budowania infrastruktury na większą skalę. 

To jedna z najważniejszych decyzji zakupowych w historii firmy, ponieważ uzupełniała jej dotychczasową specjalizację. NVIDIA mogła projektować rozwiązanie obejmujące procesory obliczeniowe, komunikację i oprogramowanie, a następnie optymalizować ich wspólne działanie. W mojej ocenie właśnie w tym leżała wartość przejęcia: Huang kupował możliwość rozwiązywania problemów całego centrum danych, zamiast ograniczać ofertę do przyspieszenia pojedynczego serwera. 

7. Wejść we własne serwerowe CPU i kompletne systemy obliczeniowe - 2021-2024

12 kwietnia 2021 roku NVIDIA zapowiedziała Grace, swój pierwszy procesor CPU dla centrów danych, oparty na architekturze Arm. Nie był to pierwszy procesor z rdzeniami Arm w historii firmy - komunikat dotyczył konkretnie rynku serwerowego. Huang tłumaczył wówczas, że po połączeniu CPU, GPU i DPU NVIDIA dysponuje trzema podstawowymi technologiami potrzebnymi do przeprojektowania centrum danych. Grace miał być ściśle współpracującym z GPU elementem systemów do wymagających zadań AI i HPC.

Kierunek ten dobrze ilustrują systemy ogłoszone 18 marca 2024 roku. DGX GB200 integrował w jednej szafie 36 procesorów Grace i 72 GPU Blackwell, połączonych za pomocą NVLink i chłodzonych cieczą. Większe konfiguracje DGX SuperPOD łączyły wiele takich systemów, wykorzystując również sieci InfiniBand i oprogramowanie NVIDII. Przedmiotem oferty stawała się więc zintegrowana infrastruktura, której wydajność zależała od wspólnego zaprojektowania obliczeń, pamięci, komunikacji i chłodzenia. 

To rozwinięcie wcześniejszego wejścia w AI, ale zasługuje na osobny punkt ze względu na zmianę zakresu działalności. Decyzja o rozwijaniu akceleratorów określała, do czego mają służyć układy NVIDII. Rozbudowa oferty o własny serwerowy CPU i kompletne systemy określała, jak dużą część rozwiązania firma chce dostarczać. Najważniejszym skutkiem było zwiększenie kontroli nad całą platformą obliczeniową. Właśnie do takiej kondycji całej NVIDIA doprowadziły kolejne strategiczne wybory Huanga i jak widać było przed jego łóżkowymi podbojami, NVIDIA stała się najbardziej wartościową firmą na świecie. 

Krótka historia NVIDIA - kto założył te firmę i jak wyglądały początki? 

Jensen Huang jest jednym z trzech współzałożycieli NVIDIA. Firma powstała 5 kwietnia 1993 roku, a obok niego założyli ją Chris Malachowsky i Curtis Priem. Huang od początku pełnił funkcje prezesa i dyrektora generalnego oraz zasiadał w radzie dyrektorów. Jego nazwisko z czasem zdominowało publiczny wizerunek przedsiębiorstwa, ale początek tej historii należy do trzech inżynierów. Malachowsky i Priem przyszli z Sun Microsystems, Huang z LSI Logic. 

Wcześniej Huang zdobył wykształcenie i doświadczenie w projektowaniu półprzewodników. W 1984 roku ukończył elektrotechnikę na Oregon State University, a w 1992 roku uzyskał tytuł magistra na Stanfordzie, łącząc naukę z pracą zawodową. W latach 1984-1985 pracował w AMD, następnie, do 1993 roku, w LSI Logic. Zajmował tam różne stanowiska, dochodząc do funkcji dyrektora jednostki Coreware, związanej ze strategią układów typu system-on-a-chip. Zakładał więc NVIDIĘ jako specjalista znający projektowanie chipów i ich komercyjne zastosowania.  Z Malachowskym i Priemem poznał się przy współpracy LSI Logic z Sun Microsystems. Pomysł własnej firmy omawiali później w restauracji Denny’s w San Jose. Ten szczegół ma osobisty kontekst, bo Huang wcześniej pracował w tej sieci, m.in. przy zmywaniu naczyń i obsłudze stolików. Jak wspominał w rozmowie z Sequoia, spotkania przy kawie służyły dopiero znalezieniu odpowiedzi na pytanie, jakie przedsiębiorstwo powinni zbudować. 

Początkowym celem NVIDII była grafika 3D dla gier i multimediów na komputerach osobistych. Pierwszy układ, NV1, wszedł na rynek w 1995 roku, m.in. na kartach Diamond Edge 3D. Było to jeszcze przedsiębiorstwo próbujące znaleźć skuteczny produkt na młodym rynku akceleratorów, z dala od późniejszego biznesu infrastruktury AI. Huang zaczynał jako inżynier i współzałożyciel firmy od grafiki, a jej pozycję budował przez kolejne zmiany technologii, grup klientów i skali oferowanych systemów. Dziś mamy więc dzień historyczny. Wielka szkoda dla całej branży, bo nie będzie łatwo znaleźć kogokolwiek, kto Jensena skutecznie zastąpi. No i szkoda mi będzie tych wszystkich wystąpień na konferencjach i eventach. Ale to pikuś.