Jensen Huang: The Mindset That Built NVIDIA

一句话概括

黄仁勋在 Startup School 2026 访谈中回顾了 NVIDIA 从创始技术选错、靠 Sega 的 500 万美元续命，到凭借"加速算法领域"这一核心信念抓住深度学习浪潮的历程，并向创业者传达了"学习是最大的超能力、系统思维是未来最重要技能、how hard can it be"的心态哲学。

核心要点

1. NVIDIA 创始时的技术选择完全错误：1993 年创立时选择的 3D 图形算法根本行不通，1995 年才发现，且团队当时没人知道正确做法——黄仁勋去 Fry's 买了三本 OpenGL 教科书发给工程师，从教科书起步最终成为图形领域的世界领导者。
2. 公司真正的正确大方向是"加速计算"：用加速器增强 CPU 去解决原本无法解决的问题——3D 图形只是第一个"算法领域"，之后是分子动力学、图像处理、深度学习等；伟大公司靠的是对世界的独特且深信的视角，而非某项具体技术。
3. Sega 的 500 万美元救了公司：黄仁勋坦承技术有缺陷、无法完成 Dreamcast 合同，却仍请求对方支付全款；Sega CEO 因为信任他的诚实而给了钱，这笔钱让 NVIDIA 活到了转机——"投资的是人，不是公司"。
4. AlexNet 的真正意义不是 AlexNet 本身：而是"通用函数逼近器"的发现——深度学习是一种全新的软件生产方式，会重塑从处理器、中间件到应用的整个"五层蛋糕"，NVIDIA 由此在约 15 年前就开始布局计算机视觉、机器人和自动驾驶。
5. CEO 应该"把车适配给自己开"：不必用传统管理方法，创始人是 F1 赛车手，组织应不断调整以适配自己；至于继任者，"下一任 CEO 自己会重塑公司"。深入一线（读论文、直接与科学家交流）是为了对快速变化的技术保持"冲浪者式"的第一性原理手感。
6. AI 消灭的是任务，不是工作：编码被自动化后软件工程师岗位反而年增 10%，放射科读片被 AI 接管后放射科岗位增长约 20%，律师助理岗位也在增长——因为积压的需求（想法、病人、案件）极大，生产力提升驱动增长，增长带来更多就业。
7. 智能体（Agent）最需要的突破是"可控性"：能对计划文件改一个词、改一个像素/一个三角形/一条连线，就产生精确的增量差异，然后让 agent 重新生成其余部分；agent 不需要 100% 准确，80%~99% 再由人补足即可。
8. 物理 AI 的 "ChatGPT 时刻"几年前已经发生：看到生成式 AI 能生成手指运动的视频，就意味着机器人关节控制近在眼前；路径是 real-to-sim（构建学习/评测环境）→ 物理仿真（Isaac Sim、Cosmos）→ sim-to-real（强化学习）。自动驾驶是第一个规模化落地场景，NVIDIA 的物理 AI 业务已近 100 亿美元，将成为下一个千亿美元业务。
9. 开源是行业根基：没有 Linux、Kubernetes、PyTorch 就没有现代 AI；NVIDIA 支持 Open Claw、Hermes 等开源项目，主张每个公司都应能构建自己的领域专用 AI。
10. 给年轻人的建议：简单的事（写代码）会被自动化，但硬科学（物理、化学、生物、计算机工程）和交叉领域的难题永远存在；系统思维是编排百万 agent 的关键能力；心态上要相信"how hard can it be"，让苦难一点点来，每天只需战胜今天——韧性（resilience）是最重要的品质。

章节时间线

• [0:07] 开场 — Startup School 2026，欢迎黄仁勋登台
• [1:09] 创始技术完全选错 — 1993 年的 3D 图形算法是错的，1995 年靠买教科书重学，重新发明计算机图形学
• [5:06] 公司的核心信念 — 不是造好芯片，而是加速算法领域；伟大公司源于独特且深信的世界观
• [7:06] Sega 救命钱的故事 — 坦承合同无法履行却请求全款，Irimajiri 的 500 万美元让 NVIDIA 活了下来；1999 年上市估值 3 亿美元
• [10:01] 看见 AlexNet 的本质 — 通用函数逼近器的发现，深度学习是新的软件方式，由此布局视觉、机器人、自动驾驶
• [13:30] 创始人模式与组织哲学 — 好奇心驱动、深入一线、CEO 是服务者；"把 F1 赛车适配给自己开"，持续为自己重塑公司
• [19:12] 前沿方向：系统思维与 agent 可控性 — 底层工作将被 agent 自动化，系统思维成为最有用技能；细粒度控制是 agent 最大的待解突破
• [23:26] 为什么 NVIDIA 深入研究 agent — agent 是新软件，决定未来 5~10 年的计算架构；内部让"千种工具齐放"加速公司；从思维链早期信号推演出低数据量的"会思考的自动驾驶"（Alpaca）
• [27:54] 开源生态与"人人构建自己的 AI" — OpenCL 是"Linux 时刻"，支持 Hermes/Open Claw，鼓励企业构建领域专用 AI
• [30:31] AI 与就业经济 — AI 自动化的是任务不是工作；软件工程师、放射科、律师助理岗位都在增长，生产力→增长→更多就业
• [34:00] 物理 AI 与机器人 — 生成视频即预示机器人关节控制；real-to-sim-to-real 三段路径；自动驾驶先落地，物理 AI 业务近百亿美元，十年内成大产业
• [39:00] 首次发帖 X 与开源宣言 — 2026 年才发第一条帖子，因开源议题太重要而克服"内向"
• [40:37] 年轻人该学什么 — 简单的会被自动化，硬科学与系统思维永不过时；"stay in school"
• [43:51] 给 18~22 岁自己的电报 — 创业时的恐惧与无知都不重要，现在是 60 年来创业最好的时机；"how hard can it be"、每天只需战胜今天、韧性至上

结论与值得注意的细节

结论：这场访谈的主线是"学习能力压倒一切"——NVIDIA 的起点是一个错误的技术选择加三本教科书，而它能穿越 3D 图形、加速计算、深度学习到物理 AI 的每一次浪潮，靠的是直面现实、第一性原理推演（"if this, then what?"）和把未来 5~10 年当作当下来设计系统的习惯。对创业者的实操建议集中在两点：培养系统思维（因为底层执行将由 agent 完成），以及用"how hard can it be"的心态启动、用日复一日的韧性坚持。

值得注意的细节：

• NVIDIA 当年差点承接 Sega Dreamcast 的开发，是因技术缺陷主动退出的；那笔 500 万美元合同款是黄仁勋"既说做不了、又要全款"谈来的。
• 黄仁勋称"words are thoughts"（词语即思想），认同 markdown 文件等文本形式承载智能，agent 通过更新记忆文件已具备"粗粒度的递归自我改进"。
• NVIDIA 内部不指定统一编码工具，Claude Code、Codex、Cursor、Cognition 等"百花齐放"，公司从使用数据中学习。
• 他提到开源自动驾驶栈的原因很具体：农业、邮件配送、仓库 AMR 等市场单个都不够大，但足够多样，值得开放整个栈。
• 关于接班问题的回答颇为坦率："等我在任上去世的那天，他们为下一任 CEO 重塑公司就是了。"
• 类比很密集：CEO 像冲浪者（读浪、读风、时机），组织像为车手定制的 F1 赛车，长除法被自动化类比编码被自动化。