Listen

Description

�️ 商业对话|黄仁勋:从3本教科书到5万亿美元,英伟达真正的护城河是什么?

一九九五年,英伟达成立才两年,就遇到了一个几乎致命的问题。公司赖以创业的核心技术路线,从一开始就是错的。当时,黄仁勋和他的团队想重新发明三维图形计算,让每一台个人电脑都能变成游戏主机。他们拿到了融资,招募了工程师,还与日本游戏巨头世嘉签下了一份价值一千二百万美元的合同。但很快,他们发现,自己选择的算法行不通。更严重的是,团队不仅选错了技术,甚至不知道正确的技术应该怎么做。市场上已经有三四十家竞争对手,公司资金所剩无几。

黄仁勋做了两件事。第一件事,他飞到日本,坦诚告诉世嘉:英伟达无法完成合同,请另找合作伙伴。但他同时请求对方提供资金,帮助公司继续生存。最终,世嘉给了英伟达五百万美元。第二件事,他走进一家电子商店,买了三本关于OpenGL的技术教科书,带回公司交给工程师。一家后来站在全球AI产业中心的科技巨头,就这样靠着三本教科书,重新学习自己的核心技术。三十多年后,英伟达已经从图形计算公司,成长为支撑全球人工智能产业的重要计算平台。

从差点破产的创业经历,到GPU和加速计算的战略判断;从AlexNet带来的AI革命,到AI Agent、机器人和未来计算架构;从独特的组织管理方式,到年轻人应该学习什么。这期《他山外》,我们想借黄仁勋的经历讨论三个重要的商业管理问题:

第一,为什么一家伟大的公司可以不断更换技术和产品,却始终保持战略上的一致性?

第二,当技术变化越来越快,企业真正应该建立的竞争壁垒是什么?

第三,当AI开始自动完成越来越多的知识工作,人类最值得培养的长期能力又是什么?


� 本期嘉宾

黄仁勋(Jensen Huang)
英伟达(NVIDIA)联合创始人兼首席执行官。一九九三年,黄仁勋与两位合伙人创立英伟达。公司最初专注于个人电脑图形计算,随后逐渐拓展到科学计算、人工智能、自动驾驶和机器人等领域。黄仁勋是加速计算战略的重要推动者,也是科技行业中坚持创始人深度参与技术与组织管理的代表性人物。本次访谈中,他详细回顾了英伟达创业初期的技术失败,以及自己如何理解算法、计算系统、组织设计和未来的AI产业。

对话主持:陈嘉兴(Garry Tan)

Y Combinator首席执行官,创业者及投资人。Y Combinator是全球知名的创业孵化机构,曾支持过众多科技创业公司。本期对话来自Y Combinator举办的Startup School 2026。


� 本期你会听到


英伟达成立时选择的技术路线为什么完全错误?黄仁勋如何靠三本教科书挽救公司?


无法完成一千二百万美元的合同,为什么世嘉仍然愿意给英伟达五百万美元?


英伟达真正长期坚持的战略,为什么不是GPU,而是加速计算?


当所有人都在关注AlexNet的图像识别能力时,黄仁勋看到了什么不同的机会?


为什么黄仁勋认为,伟大的公司需要对未来拥有独特而坚定的判断?


创始人应该适应成熟的管理制度,还是应该让组织适应自己的工作方式?


黄仁勋为什么坚持深入阅读技术论文,直接与一线科学家交流?


当AI Agent能够完成大部分基础编程工作,系统思维为什么会越来越重要?


AI Agent下一阶段最重要的突破,为什么可能不是模型能力,而是可控性?


AI究竟会消灭工作,还是通过提高生产效率创造新的就业需求?


为什么黄仁勋认为,自动驾驶和机器人将成为英伟达下一个巨大的增长机会?


如果只能给年轻时的自己一条建议,黄仁勋为什么认为学习能力和韧性比其他能力更加重要?


⏱️ 时间轴

00:01:05|开场:从三本教科书到科技巨头,英伟达的护城河是什么?
00:01:31|创业第一课:英伟达最初的技术路线为什么完全错误?
00:03:32|三本OpenGL教科书:选错方向后,如何重塑核心技术?
00:04:48|英伟达真正的战略:从一颗芯片到整个算法领域的加速
00:06:49|世嘉的500万美元:无法履行合同,为什么对方仍愿意救公司?
00:08:56|从濒临破产到上市:1999年3亿美元估值背后的故事
00:09:31|AlexNet出现时,黄仁勋为什么看到了更大的机会?
00:11:14|从算法到产业:深度学习如何推动整个计算系统重构?
00:12:21|第一性原理与创始人模式:如何建立持续创新的组织?
00:16:05|把公司设计成适合自己的赛车:黄仁勋的组织管理哲学
00:18:05|从材料、芯片到AI工厂:如何理解整套技术系统?
00:18:42|AI时代,为什么系统思维变得更加重要?
00:20:04|智能体如何持续改进?为什么精细可控是关键突破口?
00:22:01|从个人AI到企业应用:英伟达如何使用智能体、支持开源?
00:28:51|AI会消灭工作吗?自动化任务与创造就业的不同逻辑
00:32:06|机器人的ChatGPT时刻:生成式AI如何进入物理世界?
00:35:35|自动驾驶与物理AI:英伟达下一个千亿美元业务在哪里?
00:31:15|黄仁勋的第一条X帖子:为什么开源如此重要?
00:38:40|年轻人应该学什么?哪些知识在AI时代仍然重要?
00:40:36|“能有多难?”黄仁勋给年轻创业者的最后建议


� 关键词 & 管理学知识

1. Accelerated Computing|加速计算

加速计算是理解英伟达长期战略的关键。传统通用处理器并不一定适合所有计算任务。对于三维图形、分子动力学、深度学习等特定算法,通过专门的计算架构,可以显著提高处理效率。黄仁勋强调,英伟达真正想做的不是制造某种特定芯片,而是为重要的算法领域提供计算加速能力。管理学启示:公司的长期战略应该建立在相对稳定的客户需求和技术判断上,而不是某一代具体产品上。

2. First Principles Thinking|第一性原理思维

第一性原理思维强调,从基本事实和底层机制出发推导问题,而不是简单延续既有经验。黄仁勋在讨论AlexNet时,并没有停留在图像识别准确率的提高。他进一步思考:如果深度学习是一种具有广泛适用性的函数逼近方法,那么处理器、软件、算法和应用程序将发生什么变化?这种思维方式,帮助英伟达从单一算法突破中看到了更大的产业机会。

3. Strategic Consistency|战略一致性

战略一致性不意味着永远坚持最初的产品或技术方案。英伟达创业之初的图形算法是错误的,后来也不断进入新的技术领域。但公司对加速计算重要性的判断始终保持一致。这体现了一种值得企业借鉴的管理原则:坚持长期战略假设,同时允许实现战略的具体技术路线不断变化。真正困难的是分辨,什么应该坚持,什么必须改变。

4. Founder Mode|创始人模式

创始人模式强调创始人在企业规模扩大后,仍然深入参与核心产品、技术和组织决策。黄仁勋用一级方程式赛车作比喻:创始人是赛车手,公司则是赛车。赛车应该根据驾驶者的特点不断调整。对于企业而言,组织架构和管理流程不是目的,而是服务于企业使命的工具。不过,这并不意味着所有企业都应该照搬黄仁勋的管理方式。管理机制还需要考虑组织规模、业务复杂度、人才结构与治理要求。

5. Systems Thinking|系统思维

系统思维是黄仁勋认为AI时代会越来越重要的核心能力之一。过去,软件工程师的重要工作是编写代码,实现具体功能。但随着AI Agent承担更多基础执行任务,人的工作可能越来越偏向系统设计。包括定义输入与输出、识别资源约束、理解模块之间的依赖关系,以及优化整个系统的运行方式。当执行成本不断下降,定义正确的问题和设计正确的系统,可能比完成单个任务更有竞争力。

6. Agent Controllability|AI智能体可控性

黄仁勋认为,AI Agent的重要问题不只是能否自主完成任务,还包括人类能否精确控制它的执行过程。例如,当一个AI系统生成了复杂的工程设计,人类应该能够只修改一个局部参数,让系统重新生成受影响的部分,而不是推翻整个结果。这种能力涉及人机协作、任务分解、反馈机制和细粒度控制。对于企业来说,AI应用能否真正进入生产流程,往往不仅取决于模型有多聪明,也取决于它是否可靠、可控、可验证。

7. Task Automation vs. Job Automation|任务自动化与岗位自动化

AI自动化了某个任务,并不意味着包含这个任务的整个岗位必然消失。一份工作通常包含多个不同任务,也承担着更高层次的业务目标。当某些任务被自动化后,企业可能降低成本、提高服务能力,进而创造更多需求。但也可能出现岗位减少、技能要求变化或就业结构调整。黄仁勋在访谈中强调前一种可能性。对管理者来说,需要同时关注任务替代、岗位重组、生产率提升和新增需求,而不是把AI对就业的影响简单理解为一个方向。

8. Physical AI|物理人工智能

物理AI指能够理解现实世界的物理规律,并与现实环境进行交互的人工智能系统。相较于只处理文本和图像的软件AI,机器人还需要理解运动、摩擦、空间、因果关系及真实环境中的限制。黄仁勋认为,生成式AI和世界模型的发展,将为机器人、自动驾驶和工业自动化带来新的机会。英伟达的战略,是围绕这些需求建设计算、仿真与开发平台,再向不同应用场景拓展。

9. Learning Agility|学习敏捷性

学习敏捷性指个人或组织在面对新环境时,快速学习、调整认知并将知识应用于实践的能力。英伟达早期技术路线失败的故事,是这一能力的典型例子。黄仁勋没有坚持维护错误方案,而是承认现有知识不足,让整个团队重新学习。在技术变化快速的行业里,企业最大的风险之一,可能不是今天缺少某种能力,而是失去了更新能力的速度。


� 值得思考的5个商业管理问题

01|企业的护城河,应该建立在产品上,还是能力上?

英伟达的案例提供了一个有趣的视角。如果把英伟达理解成一家显卡公司,很难解释它为什么能够进入科学计算、深度学习、自动驾驶和机器人领域。但如果把它理解为一家以加速计算为核心的公司,这些业务扩展就有了战略上的连续性。产品会更替,市场会变化,但某些底层能力可以在不同市场之间迁移。对管理者而言,值得追问的是:假如公司今天最成功的产品在五年后不再重要,我们还有什么能力可以继续创造价值?

02|战略坚持与及时纠错,边界在哪里?

创业者经常听到两种看似矛盾的建议。一种是坚持长期主义,不要轻易放弃。另一种是面对现实,及时调整方向。黄仁勋的经历说明,这两件事并不一定冲突。英伟达坚持的是加速计算的长期价值,而不是最初选择的错误算法。这也提出了一个现实的管理问题:当一项业务进展不顺利时,究竟是战略判断错误,还是实现战略的方法错误?如果分不清战略假设与执行路径,企业就可能把坚持变成固执,把调整变成摇摆。

03|创始人应该学习标准管理方式,还是创造适合自己的组织?

随着公司扩大,管理者通常会引入更多层级、制度和流程。这些机制有助于组织协调,但也可能拉长信息传递和决策链条。黄仁勋选择让自己保持与技术和业务一线的紧密联系,并不断调整组织的运作方式。这一做法背后的重要问题,不是哪一种组织架构最好。而是:组织究竟是在帮助关键决策者获得信息、解决问题,还是正在成为信息流动的障碍?优秀的组织设计,应该同时兼顾决策效率、执行能力、人才成长与长期治理。

04|AI提高生产率之后,企业会裁掉更多人,还是创造更多业务?

AI对商业的影响,可能存在两条不同的发展路径。第一条是替代:企业用更少的人完成同样的工作。第二条是扩张:企业利用更低的成本,服务更多客户、开发更多产品、满足过去无法满足的需求。黄仁勋更加看好第二条路径。但不同企业最终走向哪一条路径,与市场需求、竞争格局和管理决策密切相关。这意味着,AI时代的管理者不能只思考如何削减成本。还应该思考:当某项业务的生产成本大幅下降,我们能否由此创造一个原本不存在的新市场?

05|当知识和技能越来越容易被AI获取,什么才是个人的长期竞争力?

黄仁勋认为,未来大量基础性的编程与执行工作会被自动化。但他依然鼓励年轻人学习计算机科学、物理、化学、生物以及工程学。原因在于,AI降低的是完成某些任务的成本,并不意味着人类不再需要理解复杂世界。恰恰相反,当工具能力越来越强,人类能够解决的问题也会越来越复杂。对于个人而言,长期竞争力可能更多来自三个方面:理解复杂问题的能力、设计系统的能力,以及持续学习新知识的能力。




�️ 关于本期

本期内容来自 Y Combinator 在 Startup School 2026 举办的黄仁勋访谈。

对话嘉宾: 黄仁勋(Jensen Huang)

主持人: 陈嘉兴(Garry Tan)


《他山外》希望做的,不只是把海外商业内容翻译成中文。

我们更希望通过一个个真实的公司、创业者和商业决策,拆解背后的战略、产品、营销、组织、增长与管理知识。

看见别人如何做,更重要的是想清楚我们如何破!

他山之外,还有山...认知没有终点。