Jensen Huang

Kehidupan dalam Kewirausahaan Teknik dan Kecerdasan Buatan

Dari masa kecil di Asia hingga memimpin NVIDIA Biografi berbasis bukti dan perbandingan kritis dengan Steve Jobs

Edisi bahasa Indonesia Batas riset 11 November 2026

Daftar Isi

Pendahuluan

Memahami sosok di balik platform

Pentingnya Jensen Huang terletak pada perubahan yang ia bantu wujudkan: komputer yang dirancang untuk menggambar gambar menjadi mesin yang mampu membantu peneliti melatih kecerdasan buatan. Perusahaan yang ia dirikan bersama pada 1993 tumbuh dari startup grafis yang tidak pasti menjadi pemasok utama infrastruktur di balik AI modern. Pencapaian itu layak dikaji secara mendalam. Itu tidak memerlukan cerita bahwa ia mengetahui masa depan, bertindak sendirian, atau tidak pernah membuat kesalahan.

Buku ini mengikuti hidupnya dari masa kecil di Asia melalui migrasi, pendidikan, pekerjaan teknik, kewirausahaan, dan ekspansi NVIDIA. Buku ini mempertimbangkan keluarga dan institusi yang membentuk peluangnya, kolega dan mitra yang memungkinkan perusahaan berdiri, serta keputusan sulit yang berulang kali mengubah arahnya. Buku ini juga mengajukan pertanyaan yang semakin menggoda seiring membesarnya profil publiknya: dapatkah Jensen Huang secara wajar disebut Steve Jobs yang hidup?

Jawaban yang dikembangkan di sini bersyarat. Kedua pria itu menggabungkan teknologi, keyakinan jangka panjang, dan kemampuan tak biasa untuk menjelaskan masa depan yang belum dapat dilihat jelas oleh orang lain. Keduanya menjadi sangat identik dengan perusahaan mereka. Tetapi Huang bukan pengganti Jobs. Pendidikan tekniknya, kesinambungan kepemimpinannya, pelanggan bisnisnya, dan pendekatannya dalam membangun platform komputasi membedakannya dari salah satu pendiri Apple. Perbandingan ini berguna ketika mengidentifikasi perilaku spesifik. Perbandingan itu menjadi menyesatkan ketika mengubah dua orang yang kompleks menjadi simbol yang dapat dipertukarkan.

Kehidupan yang masih dijalani tidak dapat memiliki bab akhir yang definitif. Edisi ini ditutup pada 11 November 2026. Angka keuangan, jabatan, pernyataan dewan, dan pengumuman produk diberi tanggal, bukan diperlakukan sebagai fakta permanen. Catatan retrospektif diidentifikasi sebagai kenangan bila sesuai. Deskripsi perusahaan tentang teknologinya sendiri adalah bukti berharga tentang apa yang diumumkannya, tetapi bukan bukti independen atas setiap klaim kinerja.

Ini juga bukan biografi yang difiksikan. Tidak ada percakapan rekaan, pikiran pribadi, atau adegan rekonstruksi yang disajikan sebagai fakta. Informasi keluarga yang terdokumentasi publik disertakan bila membantu menjelaskan kehidupannya. Usia yang belum terverifikasi, motif spekulatif, dan detail sensasional tidak menjadi benar karena pengulangan. Tujuannya adalah catatan yang dapat dibaca yang dapat digunakan wirausahawan, mahasiswa, atau profesional teknologi tanpa harus memisahkan kekaguman dari berlebihan di setiap halaman.

1 Masa kecil lintas batas

Taiwan, Thailand, dan keputusan keluarga

Jen-Hsun Huang, yang dikenal luas sebagai Jensen Huang, lahir pada 17 Februari 1963 di Taiwan. Berbagai catatan berbeda tentang kota kelahirannya; beberapa profil awal menyebut Tainan, sedangkan pelaporan kemudian menyebut Taipei. Taiwan adalah titik awal geografis yang pasti. Perbedaan ini penting karena biografi tidak boleh diam-diam mengubah detail yang berulang menjadi kepastian. [1]

Masa kecilnya melintasi batas negara jauh sebelum kariernya melakukannya. Keluarganya tinggal di Taiwan lalu Thailand. Dalam wawancaranya dengan Condoleezza Rice, Huang mengenang bahwa ayahnya pindah ke Thailand untuk membantu memulai kilang minyak. Ia menggambarkan ayahnya sebagai insinyur dan ibunya pernah bekerja sebagai pembantu di sekolah Katolik setelah keluarga pindah ke Amerika. Ini adalah kenangan publiknya, bukan catatan pekerjaan yang direkonstruksi secara independen. Orang tuanya menginginkan kesempatan pendidikan bagi putra-putra mereka, dan anak-anak itu berangkat ke Amerika Serikat sebelum orang tua mereka menyelesaikan kepindahan. Dalam wawancara-wawancara kemudian, Huang menghubungkan perpisahan itu dengan harapan orang tuanya pada anak-anak mereka. [2]

Kisah migrasi sering diringkas menjadi urutan motivasi singkat: anak imigran miskin tiba, bekerja keras, dan menjadi miliarder. Urutan seperti itu menyembunyikan sebagian besar hal yang membuat perjalanan itu mungkin. Anak-anak tidak memilih sistem imigrasi, nilai tukar, penerimaan sekolah, atau kesediaan kerabat untuk menampung mereka. Orang tua membuat keputusan penting dengan informasi yang tidak lengkap. Seorang anak mewarisi baik peluang maupun ketidakpastian yang diciptakan keputusan-keputusan itu.

Bagi Huang, berpindah antarnegara juga berarti berpindah antarbahasa dan antarharapan. Tantangan praktisnya bukan sekadar mempelajari kosakata. Itu melibatkan mengenali cara orang berbicara kepada guru, menjalin persahabatan, menanggapi konflik, dan menilai kompetensi. Seorang siswa dapat memahami matematika sebelum memahami aturan sosial ruang kelas. Jenis-jenis pembelajaran yang berbeda ini tidak selalu berjalan dengan kecepatan yang sama.

Mengklaim bahwa migrasi secara langsung menyebabkan kebiasaan manajemen tertentu puluhan tahun kemudian akan bersifat spekulatif. Kesimpulan yang lebih hati-hati adalah bahwa adaptasi menjadi fakta awal kehidupannya. Kariernya kemudian berulang kali melibatkan memasuki wilayah asing, mengidentifikasi aturannya, dan memutuskan asumsi mana yang dapat ditantang. Kesamaan itu sugestif, bukan diagnosis psikologis.

Peran orang tuanya juga harus dipahami tanpa mengarang arsip keluarga yang lengkap. Catatan publik tentang pekerjaan dan nama mereka tidak merata kualitasnya. Bukti berulang terkuat menyangkut komitmen mereka pada pendidikan dan gangguan yang mereka terima demi mengejarnya. Pentingnya mereka tidak bergantung pada mengisi setiap celah dengan detail yang masuk akal. Keputusan mereka memberi Huang akses ke institusi dan jaringan yang menjadi pusat perkembangan teknisnya.

Bahaya kisah sukses yang tak terelakkan

Mengetahui akhir cerita mengubah cara pembaca menafsirkan masa kecil. Keberhasilan kelas biasa dapat menjadi tanda kejeniusan; pengalaman tidak nyaman dapat menjadi persiapan penting bagi kepemimpinan. Kedua kesimpulan itu tidak mengikuti secara otomatis. Banyak migran berbakat menanggung kesulitan tanpa membangun perusahaan besar. Banyak wirausahawan sukses memiliki masa kecil yang sangat berbeda.

Pertanyaan yang berguna karena itu bukanlah apakah Huang muda sudah ditakdirkan menciptakan NVIDIA. Melainkan bagaimana peluang yang tersedia baginya meluas, dan apa yang kemudian ia lakukan dengannya. Pendekatan itu memberi bobot yang tepat pada usaha tanpa mengabaikan keputusan keluarga, pendidikan publik, dan keadaan historis yang membuat usaha produktif.

2 Kentucky dan pengalaman menjadi berbeda

Tinggal di Oneida

Koreksi yang sangat penting menyangkut masa Huang di Kentucky. Oneida Baptist Institute menyatakan bahwa ia dan saudaranya tinggal di asramanya saat bersekolah di Oneida Elementary School negeri di seberang South Fork Sungai Kentucky. Karena institut itu saat itu adalah sekolah menengah, anak-anak itu menyeberangi jembatan gantung untuk mencapai kelas mereka. Tidak akurat memperlakukan pengaturan asrama dan pendaftaran kelas sebagai hal yang sama. [3]

Kisah itu telah memperoleh versi dramatis seiring waktu. Huang mengenang pengenalan yang keras terhadap Amerika Serikat dan ditempatkan di antara anak laki-laki yang lebih tua dalam keadaan yang tidak sepenuhnya diantisipasi keluarganya. Profil Oregon State mencatat deskripsinya tentang pengenalan sulit itu sekaligus mencatat kecintaannya pada pengalaman sekolah. Kedua unsur itu termasuk dalam catatan: ketidaknyamanan dan rasa syukur tidak saling meniadakan. [4]

Label institusional layak diperlakukan hati-hati. Frasa seperti reform school dapat menyampaikan ingatan pembicara tentang lingkungannya, tetapi mungkin tidak cukup menggambarkan sejarah lengkap institusi itu atau setiap muridnya. Fakta yang lebih pasti adalah pengaturan asrama, kehadiran di sekolah dasar, dan penyesuaian budaya signifikan yang dialami anak yang jauh dari orang tuanya.

Institusi masa kecil mungkin kemudian dikenang melalui satu detail hidup. Jembatan gantung itu adalah detail semacam itu: konkret, mudah diingat, dan terdokumentasi independen. Itu lebih berguna daripada deskripsi rekaan tentang apa yang Huang pikirkan saat menyeberanginya. Susunan fisik itu memberi tahu pembaca cukup banyak tentang jarak antara rumah, sekolah, dan dunia asing di sekelilingnya.

Bertahun-tahun kemudian Jensen dan Lori Huang mendukung fasilitas baru di Oneida. Institut itu mencatat hibah pendamping senilai US$2 juta, dan Huang Hall yang dihasilkan diresmikan pada 2019. Hadiah itu menghubungkan wirausahawan dewasa dengan tempat yang pernah menjadi bagian masa kecilnya, tanpa mengharuskan asumsi bahwa setiap aspek masa kecil itu menyenangkan. [3]

Ketangguhan tanpa meromantisasi kesulitan

Catatan tentang orang sukses sering mengubah kesulitan menjadi resep: karena kesulitan mendahului pencapaian, pemimpin masa depan juga harus mengalami kesulitan. Ini penalaran yang lemah. Kesengsaraan dapat menghasilkan akal, tetapi juga dapat membatasi peluang dan menyebabkan kerugian berkepanjangan. Hasilnya bergantung pada dukungan, keadaan, dan orang yang terlibat.

Penekanan publik Huang kemudian pada kegigihan relevan dengan kepemimpinannya. Itu tidak boleh digunakan untuk merayakan perundungan, kekurangan, atau penderitaan yang dapat dihindari. Pelajaran konstruktifnya lebih sempit: orang dapat belajar menanggapi kondisi sulit, dan institusi dapat membantu mereka pulih, mengembangkan kepercayaan diri, dan menemukan pekerjaan berguna.

Catatan ketangguhan yang matang juga mencakup bantuan. Anak muda yang beradaptasi tetap membutuhkan guru, kerabat, makanan, tempat tinggal, dan jalan menuju pendidikan lanjutan. Eksekutif masa depan yang menavigasi krisis tetap membutuhkan insinyur, pelanggan, dan pendanaan. Mengingat kesinambungan ini membantu mencegah biografi menjadi kisah kemauan yang terisolasi.

3 Oregon: sekolah, kerja, dan ambisi

Jalur pendidikan yang lebih mapan

Keluarga itu kemudian menetap di Oregon, tempat Huang bersekolah menengah di daerah Beaverton. Catatan Oregon State juga mengidentifikasinya sebagai pemain tenis meja junior berperingkat nasional. Detail-detail ini menunjukkan anak muda yang membangun keterampilan akademis maupun kompetitif, meskipun tidak memberikan catatan sekolah lengkap tahun demi tahun. [4]

Beberapa ringkasan populer menyebut urutan lompatan kelas yang persis atau memberi tahun masuk universitas yang bertentangan dengan informasi lain. Ketepatan semacam itu tidak diperlukan untuk memahami lintasannya. Yang penting secara pasti adalah ia menyelesaikan sekolah, masuk teknik elektro di Oregon State University, dan menyelesaikan gelar sarjananya pada 1984. Tanggal gelar yang terdokumentasi adalah jangkar yang lebih kokoh daripada rekonstruksi spekulatif setiap tahun sekolah menengah.

Olahraga kompetitif menyediakan analogi berguna bagi teknik, tetapi analogi tidak boleh disalahartikan sebagai bukti kausal. Pemain tenis meja berulang kali menyesuaikan diri dengan lawan, menerima umpan balik langsung, dan melatih gerakan hingga andal. Seorang insinyur juga belajar melalui umpan balik. Apakah Huang secara sadar membawa kebiasaan olahraga tertentu ke dalam manajemen tidak dapat ditentukan hanya dari mengetahui bahwa ia bermain.

Kerja layanannya di awal di Denny's adalah bagian berulang lain dari kisah publiknya. Ia berbicara tentang mencuci piring dan melayani pelanggan, serta pelajaran dari pekerjaan biasa. Pekerjaan restoran itu penting karena menempatkan perkembangannya di luar dunia eksklusif teknologi elite. Sebelum mengelola insinyur, ia berpengalaman di tempat kerja tempat layanan, kecepatan, dan koordinasi banyak tugas kecil terlihat setiap hari. [2]

Apa yang dapat diajarkan pekerjaan layanan

Restoran adalah sebuah sistem. Pelanggan melihat hidangan, tetapi penyajiannya bergantung pada persiapan, pencucian, pemesanan, memasak, pembayaran, dan komunikasi. Kegagalan di satu bagian sampai ke pelanggan meskipun bagian lain bekerja baik. Ini cara berguna memahami mengapa komponen yang unggul secara teknis tidak dengan sendirinya menciptakan produk yang sukses.

Prinsip yang sama kemudian muncul pada skala yang jauh lebih besar dalam bisnis NVIDIA. Prosesor bisa kuat namun tetap sulit diprogram. Perangkat lunak bisa elegan namun kekurangan saluran distribusi. Pusat data bisa memiliki cukup prosesor tetapi jaringan, daya, atau pendinginan yang tidak memadai. Ini adalah paralel analitis, bukan klaim bahwa shift restoran tertentu memberi Huang cetak biru perusahaan komputasi.

Ada pula pelajaran tentang visibilitas pekerjaan. Eksekutif senior dapat terisolasi dari orang-orang yang membuat produk dapat digunakan. Kerja layanan mengekspos konsekuensi kegagalan operasional kecil dengan cepat. Nilai kepemimpinannya terletak pada mempertahankan keingintahuan tentang konsekuensi itu setelah status dan kekayaan memungkinkan menghindarinya.

4 Universitas, teknik, dan bertemu Lori

Oregon State dan fondasi sebuah profesi

Huang meraih Bachelor of Science di bidang Teknik Elektro dari Oregon State University pada 1984. Universitas mencatat bahwa Lori Mills adalah mitra laboratoriumnya di mata kuliah pengantar teknik elektro dan mereka menikah lima tahun setelah bertemu. Hubungan mereka dimulai di dalam pendidikan teknis yang juga membentuk kariernya. [4]

Teknik elektro menawarkan lebih dari sekadar kredensial. Itu melatihnya menalar tentang sistem fisik yang tunduk pada batasan. Sirkuit harus memenuhi persyaratan waktu, daya, biaya, dan keandalan secara bersamaan. Desain yang berhasil pada satu ukuran dapat gagal pada ukuran lain. Disiplin ini berbeda dari gambaran inovasi sebagai ide mendadak yang diikuti eksekusi tanpa usaha.

Laboratorium universitas membuat pertukaran itu nyata. Perhitungan pada akhirnya harus sesuai dengan susunan komponen yang berfungsi. Perilaku tak terduga harus diselidiki, bukan dijelaskan begitu saja. Ini adalah ciri umum pendidikan teknik, bukan daftar rekonstruksi tugas khusus Huang. Itu membantu menjelaskan jenis pembentukan profesional yang diwakili gelarnya.

Lori tidak boleh direduksi menjadi tokoh pendukung yang kebetulan bertemu calon miliarder. Ia belajar teknik dan kemudian menjadi pendonor bersama untuk proyek pendidikan signifikan. Informasi publik mendukung peran itu. Itu tidak membenarkan mengaitkan setiap keputusan pribadi keluarga kepadanya, maupun mengklaim ia memegang posisi formal NVIDIA kecuali catatan tepercaya menetapkannya.

Stanford sambil bekerja

Huang menyelesaikan gelar master teknik elektro di Stanford University pada 1992 sambil bekerja penuh waktu. Biografi Stanford sendiri mengonfirmasi gelar itu, sementara Oregon State menggambarkan kombinasi pekerjaan dan studi pascasarjana. Ini menempatkan pendidikan lanjutannya di dalam perkembangan profesionalnya, bukan sepenuhnya sebelumnya. [4, 5]

Perbedaan itu penting. Orang yang belajar sambil bekerja dapat membandingkan alat teoretis dengan masalah komersial. Kerja akademis dapat memperjelas mengapa desain berperilaku sebagaimana adanya; pekerjaan dapat mengungkap batasan yang dihilangkan latihan kelas. Tidak ada lingkungan yang menggantikan yang lain. Nilainya dapat datang dari pergerakan di antara keduanya.

Tanggal-tanggal itu juga menantang narasi kewirausahaan yang modis namun menyesatkan. Huang bukan mahasiswa putus kuliah yang menolak pendidikan formal untuk segera membangun perusahaan. Pada saat NVIDIA didirikan, ia memiliki kualifikasi teknik sarjana dan pascasarjana serta pengalaman substansial industri semikonduktor. Kisahnya mendukung pentingnya pembelajaran dan persiapan profesional setidaknya sekuat dukungannya pada pengambilan risiko berani.

Pendidikan formal tidak menyediakan resep lengkap kewirausahaan. Itu tidak dapat menjamin pelanggan akan membeli chip grafis, investor akan menyediakan modal, atau platform perangkat lunak baru akan menarik pengembang. Itu menyediakan alat untuk menyelidiki masalah-masalah itu. Pencapaian kemudian bergantung pada penerapan dan perluasan alat-alat itu dalam ketidakpastian.

5 Mempelajari bisnis semikonduktor

AMD dan LSI Logic

Biografi regulasi NVIDIA mencatat pekerjaan Huang di Advanced Micro Devices dari 1983 hingga 1985 dan di LSI Logic dari 1985 hingga 1993. Tanggal mulai di AMD layak dipertahankan karena beberapa catatan populer menyederhanakannya menjadi 1984, tahun gelar sarjananya. Catatan karier resmi memberikan dasar kronologis yang lebih baik daripada urutan rapi yang disimpulkan dari kelulusan. [6]

Di AMD ia bekerja di desain mikroprosesor. Di LSI Logic ia memegang tanggung jawab teknik, pemasaran, dan manajemen, termasuk pekerjaan yang terkait dengan bisnis CoreWare. Peran-peran ini memperluas pengalamannya melampaui desain sirkuit individual. Itu memaparkannya pada hubungan antara kemampuan teknis, persyaratan pelanggan, dan strategi komersial. [6]

Semikonduktor memberi tuntutan tidak biasa pada perusahaan baru. Mendesain chip mahal; manufaktur bergantung pada fasilitas spesialis; kesalahan dapat memerlukan desain ulang yang mahal; dan produk dapat tiba setelah pasar bergerak. Jeda antara keputusan teknik dan umpan balik pasar bisa panjang. Pendiri di industri ini membutuhkan penilaian teknis sekaligus cara membiayai ketidakpastian.

Pekerjaan LSI Logic dalam chip kustom adalah persiapan relevan untuk memahami bagaimana pelanggan menerjemahkan persyaratan sistem menjadi silikon. Itu juga menggambarkan perbedaan yang tetap sentral bagi NVIDIA: pelanggan jarang menginginkan chip hanya karena menarik secara teknis. Mereka menginginkan hasil, seperti grafis lebih baik, biaya lebih rendah, waktu komputasi lebih singkat, atau produk mereka sendiri yang lebih mumpuni.

Menjadi lebih dari spesialis

Perpindahan dari insinyur ke wirausahawan kadang digambarkan sebagai meninggalkan pekerjaan teknis. Karier Huang menyarankan pola berbeda. Pemahaman teknis tetap sentral, sementara lingkaran keputusan meluas mencakup orang, penetapan harga, keuangan, dan pemilihan pasar.

Seorang wirausahawan harus memutuskan masalah mana yang layak mendapat perhatian organisasi. Insinyur dapat mengoptimalkan desain yang ditentukan; pendiri juga harus memutuskan apakah desain itu seharusnya ada. Pertanyaannya berubah dari apakah sesuatu dapat dibangun menjadi apakah cukup banyak orang akan menghargainya, apakah perusahaan dapat mengirimkannya, dan apakah pesaing dapat merespons lebih cepat.

Transisi ini lebih mudah digambarkan secara retrospektif daripada dijalankan. Keahlian teknis dapat menjadi jebakan ketika pemiliknya bersikeras bahwa desain superior harus menang. Pelanggan mungkin lebih menyukai kompatibilitas, ketersediaan, atau kemudahan penggunaan. Pendiri harus bersedia menemukan bahwa prioritas pasar berbeda dari asumsi awal tim teknik.

Tahun-tahun Huang sebelum NVIDIA karena itu berada di pusat biografi ini. Itu bukan sekadar ruang tunggu sebelum kisah penting dimulai. Itu menyediakan pengalaman sektor tempat keputusan produk, hubungan manufaktur, dan kepercayaan pelanggan tidak dapat dipisahkan.

6 Mendirikan NVIDIA

Tiga pendiri dan pasar yang sulit

NVIDIA didirikan pada 1993 oleh Jensen Huang, Chris Malachowsky, dan Curtis Priem. Huang menjadi chief executive-nya dan tetap dalam peran itu seiring perkembangan perusahaan. Pertemuan-pertemuan Denny's yang terkenal adalah bagian dari catatan pendiriannya, tetapi restoran itu tidak boleh menutupi keahlian terakumulasi dari orang-orang yang duduk di dalamnya. [7, 8]

Peluang awal terletak pada grafis untuk komputer pribadi. Game menawarkan aplikasi yang menuntut: konsumen menginginkan dunia visual yang lebih kaya, sementara prosesor serbaguna kesulitan menyajikan grafis yang semakin kompleks secara efisien. Prosesor spesialis dapat meningkatkan pengalaman dengan melakukan operasi terpilih jauh lebih cepat.

Ini adalah titik masuk komersial, bukan rencana yang terbentuk penuh untuk ekonomi AI generatif masa kini. Mudah memproyeksikan kesuksesan hari ini ke belakang dan membayangkan para pendiri sudah melihat setiap penggunaan kemudian. Interpretasi yang lebih kuat adalah mereka mengidentifikasi masalah komputasi luas dan masuk melalui pasar yang dapat menopang bisnis.

Perbedaan antara tesis luas dan produk pertama itu penting. Tesis dapat tetap produktif bahkan ketika implementasinya gagal. Perusahaan mungkin percaya komputasi terspesialisasi akan penting namun keliru tentang arsitektur, pelanggan, atau waktu upaya pertamanya. Kelangsungan hidupnya kemudian bergantung pada mengubah upaya tanpa meninggalkan setiap bagian berguna dari wawasan dasarnya.

Mengapa para pendiri bersama penting

Biografi yang berpusat pada chief executive dapat secara tak sengaja menghapus perusahaan di sekelilingnya. Malachowsky dan Priem adalah pendiri bersama, bukan aksesori visi yang sudah jadi. Insinyur, investor, dan pelanggan awal juga membantu mengubah ide menjadi organisasi. Kepemimpinan Huang lebih mudah dinilai secara akurat ketika kontribusi mereka tetap terlihat.

Malachowsky membawa pengalaman teknik dan kepemimpinan teknis dari Hewlett-Packard dan Sun Microsystems. Latar belakangnya dalam sistem grafis menjadikannya bagian dari fondasi teknis perusahaan, dan ia tetap terkait dengan NVIDIA sebagai pendiri dan fellow. Perusahaan itu bukan kasus wirausahawan nonteknis yang sekadar menyewa insinyur untuk menjalankan rencana jadi. [32]

Priem juga pernah bekerja di Sun, tempat ia merancang produk grafis GX. Rensselaer Polytechnic Institute mencatat ia menjabat chief technical officer NVIDIA dari 1993 hingga 2003. Pekerjaan sebelumnya termasuk IBM Professional Graphics Adapter. Pengalaman-pengalaman ini menempatkan para pendiri dalam garis keturunan teknik grafis yang mendahului NVIDIA dan membantu menjelaskan mengapa pemasaran GPU pertamanya tidak boleh dikelirukan dengan asal-usul seluruh bidang. [33]

Kontribusi Huang berada di samping keahlian ini. Ia telah bekerja lintas desain semikonduktor dan manajemen komersial di AMD dan LSI Logic. Kombinasi itu memberi tim pendiri perspektif atas implementasi grafis maupun pekerjaan membangun bisnis semikonduktor. Itu tidak melindungi mereka dari kesalahan, tetapi memberi sumber daya untuk mengenali dan menanggapi kesalahan.

Tugas khas chief executive adalah mengintegrasikan keputusan. Kemungkinan teknis harus menjadi rencana produk; rencana produk membutuhkan pendanaan; pendanaan memerlukan kredibilitas; dan kredibilitas harus bertahan dari kemunduran. Tidak ada satu orang pun yang dapat melakukan setiap tugas teknik atau komersial. Kepemimpinan melibatkan mempertahankan arah yang koheren lintas semuanya.

Perusahaan awal juga beroperasi dalam ekosistem yang tidak dikendalikannya. Sistem operasi, standar grafis, pengembang perangkat lunak, dan mitra manufaktur dapat mengubah nilai desainnya. Ketergantungan ini bukan kelemahan khas NVIDIA. Itu adalah syarat membangun komponen baru untuk sistem komputasi yang lebih besar.

Pelajaran pendirian karena itu lebih menuntut daripada sekadar memulai dengan keberanian. Yaitu memilih masalah yang layak dipecahkan, mengumpulkan keahlian yang saling melengkapi, dan menciptakan bisnis yang mampu belajar sebelum uangnya habis. Keberanian penting, tetapi tidak dapat menggantikan pengaturan-pengaturan itu.

7 Saat perusahaan hampir gagal

Masalah NV1 dan Sega

Produk-produk awal NVIDIA tidak menghasilkan jalan mulus menuju kesuksesan. NV1, yang diluncurkan pada 1995, kesulitan secara komersial. Kerja perusahaan berikutnya dengan Sega mengungkap masalah lebih dalam: arah teknisnya menjadi tidak selaras dengan standar tempat pasar grafis yang lebih luas sedang mengorganisasikan diri. [7, 9]

Masalah arsitekturalnya konkret. NV1 menggunakan quadratic texture mapping, sementara ekosistem Direct3D yang sedang muncul berpusat pada segitiga. Mendukung pendekatan berbeda menciptakan pekerjaan ekstra bagi pengembang game dan membatasi keunggulan perangkat keras NVIDIA. RIVA 128 mengadopsi arah yang lebih kompatibel. Pelajarannya sebagian tentang standar: implementasi elegan dapat kalah jika industri perangkat lunak di sekitarnya tidak dapat menggunakannya dengan mudah. [34]

Ini bukan sekadar kontes tentang bentuk mana yang secara matematis superior. Arsitektur grafis harus bekerja dengan alat authoring, antarmuka pemrograman, dan teknik yang sudah dipahami pengembang. Pemasok yang meminta pelanggan mengadopsi pendekatan berbeda harus menawarkan manfaat yang cukup besar untuk membenarkan pekerjaan tambahan itu. Kelangsungan NVIDIA bergantung pada menerima arah ekosistem, bukan mengharapkan ekosistem mengatur ulang dirinya di sekitar desain pertamanya.

Dalam catatannya kemudian tentang krisis itu, Huang menggambarkan kesadaran bahwa melanjutkan kontrak dapat meninggalkan NVIDIA dengan produk yang tidak akan mendukung masa depannya, sementara meninggalkannya dapat meninggalkan perusahaan tanpa uang yang dibutuhkan untuk bertahan. Ia mendatangi pimpinan Sega dan meminta bantuan. Dukungan yang dihasilkan memungkinkan NVIDIA mengubah arah. [9]

Catatan tentang pengaturan itu berbeda dalam cara menggambarkan mekanisme pembayaran dan investasi. Kesimpulan yang aman adalah Sega memberikan dukungan keuangan penting, yang umum dilaporkan sekitar US$5 juta, dan Shoichiro Irimajiri memainkan peran penting. Itu tidak boleh disederhanakan menjadi cerita bahwa eksekutif Nintendo yang tidak terkait menyelamatkan perusahaan, atau bahwa uang itu pasti hadiah pribadi tanpa syarat. [8, 10]

Makna moralnya spesifik. Huang harus mengakui kesalahan besar kepada mitra penting. Itu berbeda dari menampilkan dirinya sebagai visioner yang selalu benar. Penyelamatan yang kredibel memerlukan kombinasi keterusterangan, kepercayaan, dan kesediaan mitra menerima hasil yang tidak biasa.

RIVA 128 dan kembalinya harapan komersial

RIVA 128, yang diperkenalkan pada 1997, menjadi produk pembalik yang menentukan. Lini masa korporat NVIDIA mencatat penjualan satu juta unit dalam empat bulan. Angka itu menggambarkan seberapa cepat sebuah produk dapat mengubah posisi perusahaan muda begitu lebih cocok dengan kebutuhan pasar. [7]

Dukungan Sega dan kesuksesan RIVA 128 termasuk dalam kisah bertahan hidup yang saling terhubung. Memperlakukan setiap langkah sebagai kebangkrutan terpisah melebih-lebihkan catatan. Satu memberi ruang untuk bertindak; yang lain membantu mengubah arah baru menjadi pendapatan. Keduanya bergantung pada kerja teknik dan eksekusi komersial tim yang lebih luas.

Tenggat mendesak dapat memfokuskan organisasi, tetapi juga menciptakan risiko. Chip yang dibangun di bawah tekanan waktu dan kas yang berat harus diuji dengan kehati-hatian luar biasa karena mungkin hanya ada sedikit kapasitas untuk upaya kedua. Pelajarannya bukan bahwa pengujian dapat dilewati ketika pendiri cukup yakin. Melainkan bahwa organisasi yang terbatas membutuhkan metode yang mengungkap kesalahan sebelum biaya koreksi menjadi fatal.

Apakah Huang menyelamatkan NVIDIA dari kebangkrutan beberapa kali

Ada bukti kredibel tentang kegagalan yang nyaris terjadi berulang kali, terutama pada pertengahan 1990-an. Direktur lama Mark Stevens menggambarkan perusahaan berada sekitar tiga puluh hari dari kegagalan pada beberapa kesempatan selama periode itu. Itu mendukung frasa beberapa kali lolos dari kehancuran. Itu tidak menetapkan bahwa NVIDIA berulang kali memasuki proses kepailitan formal. [8]

Kegagalan strategis kemudian juga harus diklasifikasikan secara akurat. CUDA melibatkan komitmen mahal yang manfaatnya butuh waktu untuk muncul. Upaya telepon seluler melibatkan mundur dari pasar yang sulit. Harga saham yang jatuh, proyek mahal, dan ketidakmampuan langsung membayar tagihan adalah kondisi berbeda. Menyebut semuanya kebangkrutan membuat cerita lebih dramatis dan kurang berguna.

Pernyataan paling kuat yang dapat dipertahankan adalah Huang membantu NVIDIA bertahan melalui beberapa periode berbahaya, dengan keadaan darurat kehabisan kas paling jelas terkonsentrasi di tahun-tahun awalnya. Keputusannya penting, tetapi begitu pula dukungan Sega, kerja kolega, kesabaran investor, dan kesuksesan komersial produk yang didesain ulang.

8 Dari produk grafis ke platform komputasi

Go public dan mendefinisikan kategori

Penawaran umum perdana NVIDIA pada 1999 menandai tahap baru perkembangannya. Perusahaan juga memperkenalkan GeForce 256 tahun itu, memasarkannya sebagai graphics processing unit pertama. Kualifikasi historisnya penting: akselerator grafis sudah ada sebelumnya. Klaim NVIDIA merujuk pada konsepsi GPU terintegrasi tertentu, bukan penemuan seluruh perangkat keras grafis komputer. [7]

Identitas publik perusahaan tetap terkait erat dengan game. Itu bukan pendahuluan kecil menuju bisnis yang lebih terhormat. Game menciptakan pelanggan yang menuntut, siklus produk cepat, dan pasar yang cukup besar untuk menopang investasi teknik substansial. Itu juga menempatkan prosesor paralel mumpuni ke tangan peneliti yang dapat bereksperimen dengannya.

Platform berkembang ketika orang lain dapat membangun karya abadi di atas suatu produk. Kartu grafis cepat dapat memenangkan pembelian. Lingkungan pemrograman yang stabil, pustaka yang berguna, dan pengetahuan pengembang yang terakumulasi dapat memengaruhi banyak pembelian di masa depan. Ini hubungan komersial yang berbeda, karena mengganti pemasok dapat mengharuskan mengganti perangkat lunak dan melatih ulang orang.

Pergerakan menuju platform juga mengubah arti kualitas. Kecepatan perangkat keras tetap penting, tetapi begitu pula dokumentasi, kompatibilitas mundur, debugging, deployment, dan dukungan. Keunggulan benchmark dapat hilang jika pengguna tidak dapat memperolehnya secara andal dalam aplikasi mereka sendiri.

Persaingan tidak menghilang

Industri grafis terus berubah melalui persaingan dan konsolidasi. NVIDIA sepakat membeli aset grafis tertentu dari 3dfx pada Desember 2000, dengan transaksi ditutup pada April 2001. Membeli aset terpilih tidak boleh digambarkan sebagai sekadar mengakuisisi setiap bagian bisnis pesaing. Perbedaan itu penting secara hukum maupun historis. [35]

Grafis game juga terus berevolusi setelah deep learning mendapatkan prominensi. Pada Agustus 2018 NVIDIA memperkenalkan produk GeForce RTX berbasis arsitektur Turing, menggabungkan shading konvensional dengan kemampuan ray-tracing dan AI khusus. Ini adalah upaya lanjutan untuk membuat teknik visual yang sebelumnya mahal menjadi praktis dalam produk interaktif. [36]

Ray tracing memodelkan jalur cahaya untuk menghasilkan efek seperti pantulan dan bayangan. Aplikasi waktu nyata menghadapi batas waktu ketat: gambar yang butuh menit untuk dirender mungkin berguna untuk produksi offline tetapi tidak dapat langsung mendukung game yang responsif. Tantangannya karena itu bukan sekadar menghitung gambar yang meyakinkan, tetapi melakukannya dalam anggaran kinerja yang berguna.

Perkembangan ini mempersulit gagasan bahwa NVIDIA sekadar meninggalkan game untuk menjadi perusahaan AI. Grafis tetap bidang teknis aktif, dan hubungan antara grafis, simulasi, dan AI terus menghasilkan peluang. Sejarah perusahaan lebih baik dipahami sebagai perluasan kemampuan daripada penggantian total satu identitas oleh identitas lain.

Bagaimana GPU berbeda dari CPU

Central processing unit dirancang untuk menangani beragam tugas, termasuk alur kontrol kompleks dan operasi yang harus terjadi berurutan. Graphics processing unit mendedikasikan sebagian besar desainnya untuk melakukan banyak operasi terkait secara paralel. Perbandingannya bukan bahwa satu cerdas dan yang lain sederhana, atau bahwa GPU selalu lebih cepat. Kekuatan mereka bergantung pada beban kerja.

Pertimbangkan menerapkan transformasi yang sama pada jutaan piksel. Sebagian besar pekerjaan itu dapat dibagi menjadi operasi serupa. Perangkat keras paralel dapat memproses banyak di antaranya bersamaan. Sebaliknya, tugas yang setiap keputusannya bergantung pada hasil sebelumnya mungkin kurang diuntungkan dari GPU. Memindahkan data antarprosesor juga dapat menyita waktu dan energi.

AI modern sangat bergantung pada operasi numerik yang dapat diorganisasikan menjadi kerja paralel, termasuk perkalian matriks besar. Ini membuat GPU berguna, tetapi tidak membuat setiap tugas AI identik atau setiap penerapan GPU ekonomis. Kapasitas memori, komunikasi, presisi numerik, dan implementasi perangkat lunak semuanya memengaruhi hasil.

Peluang strategis Huang adalah menghubungkan kemampuan-kemampuan ini dengan masalah di luar menggambar grafis. Itu memerlukan lebih dari mengumumkan bahwa chip grafis itu kuat. Itu memerlukan membuat perangkat keras dapat diakses orang-orang yang pekerjaannya tidak banyak berhubungan dengan merender game.

9 CUDA dan pembangunan ekosistem yang sabar

Membuat komputasi paralel dapat digunakan

CUDA adalah platform komputasi paralel dan model pemrograman NVIDIA. Pengembangannya memungkinkan pemrogram menggunakan GPU NVIDIA yang didukung untuk kerja numerik serbaguna daripada mengekspresikan setiap masalah melalui antarmuka grafis. NVIDIA memperkenalkan arsitektur itu pada 2006, dengan toolkit perangkat lunak publik menyusul pada 2007. [7, 11]

Perbedaan antara arsitektur dan toolkit menjelaskan mengapa kedua tanggal muncul dalam berbagai riwayat. Satu tanggal dapat menyembunyikan urutan bagaimana kemampuan perangkat keras, alat pemrograman, dan adopsi pengembang menjadi tersedia. Kepentingan komersialnya datang dari kombinasi mereka.

Seorang ilmuwan tidak perlu menjadi spesialis grafis untuk mendapat manfaat dari perangkat keras paralel. Pustaka dapat mengekspos operasi matematika yang familier, sementara compiler dan runtime membantu menerjemahkan kode menjadi pekerjaan yang dapat dieksekusi GPU. Seiring waktu, framework tingkat tinggi dapat bergantung pada pustaka-pustaka itu, menempatkan lapisan abstraksi antara peneliti dan prosesor.

Pelapisan itu adalah salah satu alasan posisi NVIDIA tidak dapat dipahami hanya dengan menghitung spesifikasi chip. Pengembang membangun kebiasaan, organisasi mengakumulasi kode teruji, dan komunitas riset berbagi contoh. Investasi-investasi ini menciptakan kesinambungan berguna, tetapi juga dapat menciptakan biaya peralihan. Ekosistem yang sama dapat dialami sebagai kenyamanan oleh satu pengguna dan ketergantungan oleh pengguna lain.

Berinvestasi sebelum hasilnya jelas

Huang menggambarkan CUDA sebagai komitmen jangka panjang mahal yang awalnya menarik skeptisisme. Keputusan itu membebankan biaya sebelum pasar AI kemudian membuat hasil komersialnya jelas. Catatan retrospektifnya sendiri menghubungkan investasi itu dengan periode lemahnya kepercayaan pasar keuangan. [9]

Keliru menyimpulkan bahwa proyek mahal mana pun layak didanai tanpa batas karena CUDA akhirnya berhasil. Investasi jangka panjang yang masuk akal membutuhkan bukti bahwa fondasi teknisnya membaik dan pengguna dapat melakukan sesuatu yang berharga dengannya. Kesabaran tanpa pembelajaran dapat mempertahankan kegagalan semudah mempertahankan terobosan.

Tantangan strategisnya adalah mendukung suatu kemungkinan tanpa menuntut pasar langsung berukuran sangat besar. Peneliti yang menggunakan GPU untuk tujuan tak terduga memberikan informasi. Pekerjaan mereka menyarankan bahwa perangkat keras itu dapat memecahkan masalah di luar basis pelanggan yang awalnya membiayainya. NVIDIA dapat belajar dari penggunaan-penggunaan itu sambil terus menjual produk ke pasar yang ada.

Batas keunggulan ekosistem

Ekosistem perangkat lunak yang kuat tidak menghilangkan persaingan. Akselerator alternatif, proyek compiler, dan framework portabel dapat mengurangi ketergantungan pada vendor tertentu. Pelanggan besar mungkin memiliki skala cukup untuk membenarkan perangkat keras terspesialisasi. Beberapa beban kerja mungkin lebih diuntungkan dari sistem yang lebih sederhana atau murah daripada platform GPU paling fleksibel.

Ujian abadinya adalah apakah sistem NVIDIA lengkap terus memberikan kinerja berguna pada biaya yang dapat diterima. Keakraban perangkat lunak dapat menunda peralihan, tetapi tidak dapat menjamin loyalitas pelanggan selamanya. Inilah mengapa ekosistem harus terus menciptakan nilai daripada hanya mengandalkan ketidaknyamanan meninggalkannya.

Bagi wirausahawan, CUDA menawarkan pelajaran menuntut: kadang produk terpenting adalah alat yang memungkinkan pelanggan menemukan penggunaan yang tidak semula ditentukan pemasok. Membangun alat semacam itu memerlukan dukungan berkelanjutan. Itu juga memerlukan penerimaan bahwa nilai mungkin pertama muncul dalam eksperimen kecil, bukan dalam buku pesanan besar yang dapat diprediksi.

10 Titik balik deep learning

AlexNet dan sinyal baru dari riset

Pada 2012, Alex Krizhevsky, Ilya Sutskever, dan Geoffrey Hinton menerbitkan karya yang umum dikenal sebagai AlexNet. Jaringan saraf konvolusional mereka meraih hasil besar dalam kompetisi ImageNet, menggunakan komputasi GPU untuk membuat pelatihan skala besar praktis. Makalah itu penting karena mendokumentasikan pencapaian riset, bukan interpretasi korporat belakangan atasnya. [12]

NVIDIA tidak menemukan jaringan saraf itu, dataset ImageNet, atau seluruh bidang machine learning. Perangkat keras dan ekosistem pemrogramannya adalah bagian dari infrastruktur pendukung. Sejarah yang seimbang tetap menampilkan para peneliti dan pembuat data di samping perusahaan pemasok komputasi.

Makna peristiwa itu bukan bahwa satu benchmark membuktikan setiap aplikasi AI masa depan. Itu menunjukkan bahwa kombinasi data, desain model, dan daya komputasi yang tersedia dapat menghasilkan peningkatan mencolok pada tugas penting. Itu mendorong investasi dan eksperimen lebih lanjut. Hasilnya adalah sinyal berkonsekuensi, bukan prediksi lengkap masa depan.

Bagi Huang, isu strategisnya adalah bagaimana merespons sinyal itu. Perusahaan dapat memperhatikan hasil riset menjanjikan tanpa mengorganisasikan dirinya untuk melayani bidang yang muncul. Mendukung deep learning memerlukan pilihan perangkat keras, pustaka perangkat lunak, sistem, dan hubungan dengan peneliti. Itu berarti memperlakukan beban kerja sebagai arah tempat perusahaan dapat membangun.

Pelatihan dan inferensi

Pelatihan menyesuaikan parameter model menggunakan data dan proses optimasi. Inferensi menggunakan model terlatih untuk menghasilkan output. Keduanya dapat memerlukan komputasi substansial, tetapi tuntutan operasionalnya berbeda. Pelatihan dapat menjalankan pekerjaan besar dalam periode panjang; inferensi mungkin harus merespons banyak pengguna dengan cepat sambil mengendalikan biaya dan latensi.

Perbedaan ini membantu menjelaskan mengapa infrastruktur AI bukan satu pasar yang seragam. Laboratorium riset yang melatih model besar, rumah sakit yang menjalankan model pencitraan kecil, dan aplikasi seluler yang menghasilkan teks mungkin membutuhkan pengaturan berbeda. Sistem terbaik bergantung pada skala, privasi, keandalan, waktu respons, dan jumlah pekerjaan yang harus dilakukan.

Seiring model menjadi lebih besar, komunikasi antarprosesor menjadi semakin penting. Kumpulan chip cepat tidak otomatis menjadi komputer cepat. Data harus bergerak melalui memori dan jaringan, dan kegagalan harus dideteksi serta dikelola. Hambatannya mungkin terletak di luar unit aritmetika yang paling banyak mendapat publisitas.

Ekspansi NVIDIA ke sistem dan jaringan dapat dipahami dengan latar ini. Unit persaingan bergerak melampaui kartu grafis individual menuju kinerja instalasi komputasi yang lebih besar. Peran Huang semakin menjadi pembangun sistem dan pengorganisasi ekosistem, bukan sekadar kepala pemasok chip.

Mengubah permintaan riset menjadi produk

Pada 2016 NVIDIA memperkenalkan DGX-1 sebagai sistem deep learning terintegrasi. Alih-alih mengharuskan setiap laboratorium merakit mesin dari bagian terpisah, ia menawarkan kombinasi GPU dan perangkat lunak yang terkonfigurasi. Ide komersialnya adalah mengurangi jarak antara memperoleh perangkat keras dan melakukan riset berguna. Deskripsi NVIDIA tentangnya sebagai superkomputer deep learning pertama adalah klaim pemasaran, bukan klaim bahwa tidak ada komputer sebelumnya yang melatih jaringan saraf. [28]

Tahun berikutnya, arsitektur Volta memperkenalkan Tensor Cores, unit khusus untuk operasi penting bagi deep learning. Ini mewakili langkah lanjut dari menggunakan kembali kemampuan grafis menuju mendesain perangkat keras di sekitar komputasi terkait AI. Itu juga menggambarkan mengapa platform dapat mempertahankan kesinambungan sementara mesin internalnya berubah substansial. Pengembang dapat memperoleh manfaat perangkat keras baru melalui pustaka yang diperbarui tanpa menulis ulang setiap lapisan aplikasi. [29]

Hopper, diumumkan pada 2022, menyertakan Transformer Engine yang dimaksudkan mempercepat beban kerja terkait model transformer. Blackwell, diumumkan Maret 2024, memperluas pendekatan tingkat sistem NVIDIA ke AI generatif. Pengumuman-pengumuman ini menandai perubahan arah dan kemampuan produk; pengganda kinerja utama bergantung pada beban kerja, presisi, dan sistem pembanding, dan tidak boleh diperlakukan sebagai hasil universal. [30, 31]

Urutannya lebih penting daripada daftar nama model. NVIDIA berulang kali menyesuaikan perangkat keras dan perangkat lunak dengan pekerjaan yang berubah yang ingin dilakukan pelanggan. Perusahaan harus mempertahankan cukup kompatibilitas untuk melindungi investasi yang ada sambil memperkenalkan fitur yang dapat meningkatkan kinerja masa depan. Ketegangan itu sentral bagi kepemimpinan platform: perubahan berlebihan dapat memecah ekosistem, sementara perubahan yang kurang dapat membuatnya usang.

11 Kemunduran setelah bertahan

Kualitas produk dan penurunan 2008

Bertahan di tahun-tahun startup tidak membuat NVIDIA kebal terhadap kesalahan. Pada Agustus 2008 ia melaporkan beban US$196 juta terkait antisipasi biaya garansi, perbaikan, pengembalian, dan penggantian untuk produk notebook tertentu yang terdampak kombinasi material yang lemah. Pengumuman yang sama melaporkan kerugian kuartalan dan mengakui kesalahan penetapan harga kompetitif. [13]

Ini jenis krisis yang berbeda dari kekurangan kas awal. Itu menyangkut kualitas produk, biaya pelanggan, dan kredibilitas eksekusi. Biografi yang hanya berkonsentrasi pada strategi brilian melewatkan bagian kepemimpinan ini. Pelanggan bergantung pada produk yang bekerja setelah pengiriman, dan eksekutif sukses tetap bertanggung jawab atas cacat yang mungkin jauh dari panggung keynote.

Pengajuan tahunan fiskal 2009 perusahaan melaporkan sekitar US$1,26 miliar dalam kas, setara kas, dan surat berharga pada akhir tahun. Posisi keuangan itu tidak mendukung pernyataan sembarangan bahwa setiap kesulitan pada 2008 adalah kebangkrutan langsung lainnya. Kerugian, beban, dan penurunan yang lebih luas itu serius tanpa memerlukan label itu. [14]

Mundur dari ponsel

NVIDIA juga mengejar telepon seluler dan kemudian menarik diri dari upaya itu. Catatan Huang sendiri menampilkan penarikan itu sebagai keputusan yang membebaskan perhatian untuk peluang lain, termasuk robotika dan kendaraan otonom. Ini bukti bagaimana ia menafsirkan pengalaman itu, bukan bukti bahwa peluang alternatifnya dijamin berhasil. [9]

Ada perbedaan antara mengubah rencana karena sulit dan mengubahnya karena ekonomi dasarnya menjadi tidak menarik. Pemimpin membutuhkan cukup keyakinan untuk bertahan dari resistensi normal dan cukup fleksibilitas untuk mengenali kapan kegigihan menjadi pemborosan. Tidak ada slogan yang dapat membedakan situasi-situasi itu secara andal sebelumnya.

Disiplin yang berguna adalah membuat asumsi eksplisit. Kebutuhan pelanggan apa yang dilayani? Keunggulan teknis mana yang tetap dapat dipertahankan? Berapa investasi tambahan yang diperlukan? Bukti apa yang akan menyebabkan perusahaan berhenti? Pertanyaan-pertanyaan ini mengubah penarikan menjadi alokasi sumber daya yang beralasan, bukan cerita yang dituturkan setelahnya untuk membuat setiap keputusan tampak bijak.

Akuisisi yang tidak terjadi

Pada Februari 2022 NVIDIA dan SoftBank mengakhiri usulan akuisisi Arm, dengan alasan tantangan regulasi signifikan. Pengumuman itu mengatakan SoftBank akan mempertahankan US$1,25 miliar yang dibayar di muka oleh NVIDIA dan NVIDIA akan mempertahankan lisensi Arm dua puluh tahun. Transaksi yang gagal itu adalah kemunduran strategis besar, meskipun bukan kegagalan teknik chip. [15]

Episode ini menggambarkan batas otoritas pendiri. Transaksi dapat masuk akal bagi pendukungnya sambil menimbulkan kekhawatiran bagi regulator, pelanggan, atau pesaing. Ambisi teknis beroperasi di dalam institusi hukum dan politik. Chief executive tidak dapat memperlakukan institusi-institusi itu sebagai batasan teknik yang akan dihilangkan oleh tekad semata.

Respons yang tepat bukan menulis ulang akuisisi yang gagal sebagai kemenangan tanpa syarat. Melainkan mengakui biayanya, memahami mengapa transaksi itu gagal, dan menilai opsi perusahaan berikutnya berdasarkan kemampuannya sendiri. Kredibilitas catatan kepemimpinan meningkat ketika ia dapat menggambarkan keputusan yang tidak berhasil tanpa memaksakan akhir yang menang padanya.

12 Membangun perusahaan infrastruktur AI

Melampaui chip individual

Seiring beban kerja AI meluas, produk NVIDIA semakin membentuk bagian sistem yang lebih besar. GPU membutuhkan memori bandwidth tinggi, koneksi cepat, jaringan, server, perangkat lunak manajemen, dan dukungan. Akuisisi Mellanox, selesai pada 2020, adalah langkah penting dalam memperkuat sisi jaringan sistem itu. [16]

Pekerjaan pelatihan besar menggambarkan masalahnya. Jika satu prosesor menunggu data dari prosesor lain, perangkat keras mahal dapat menganggur. Jika jaringan tidak andal, pekerjaan berjalan lama dapat kehilangan hasil berguna. Jika pendinginan tidak memadai, sistem tidak dapat mempertahankan kinerja yang dijanjikan komponennya. Hasil pelanggan bergantung pada koordinasi lintas instalasi.

Ini membantu menjelaskan daya tarik sistem terintegrasi. Mereka mengurangi beban pelanggan untuk merakit dan memvalidasi setiap komponen secara independen. Mereka juga dapat meningkatkan ketergantungan pada pemasok. Pelanggan memperoleh solusi lebih lengkap sambil berpotensi menerima pilihan yang lebih sempit tentang bagaimana solusi itu berkembang.

Narasi publik Huang tentang komputasi terakselerasi cocok dengan pergeseran ini. Pertanyaan relevannya menjadi seberapa banyak pekerjaan berguna yang dapat diselesaikan sistem untuk jumlah waktu, energi, dan uang tertentu. Chip yang lebih murah bisa lebih mahal dalam praktik jika memerlukan lebih banyak mesin atau menunda hasil berharga. Sebaliknya, sistem canggih dapat menjadi pengeluaran tak perlu ketika yang lebih sederhana sudah cukup.

Apa yang dibuktikan dan tidak dibuktikan boom AI

Adopsi cepat AI generatif meningkatkan permintaan infrastruktur komputasi. NVIDIA diuntungkan karena telah menghabiskan bertahun-tahun mengembangkan perangkat keras dan perangkat lunak relevan untuk beban kerja itu. Waktu itu kuat secara komersial. Itu tidak boleh dikelirukan dengan kepenulisan tunggal boom AI.

AI modern juga bertumpu pada riset universitas, dataset publik, perangkat lunak sumber terbuka, infrastruktur cloud, manufaktur semikonduktor, dan kerja laboratorium pesaing. Pengembang model membuat keputusan arsitektur dan pelatihan; perusahaan perangkat keras memasok alat; pengguna dan investor membentuk permintaan. Kontribusi Huang substansial di dalam jaringan ini, bukan independen darinya.

Hasil keuangannya mencolok. Rilis NVIDIA bertanggal 26 Agustus 2026 melaporkan pendapatan US$96,2 miliar untuk kuartal kedua fiskal 2027, berakhir 26 Juli 2026, termasuk US$89,0 miliar dari Data Center. Itu adalah angka kuartalan yang dilaporkan, bukan total tahun kalender atau prakiraan. [17]

Rilis yang sama menggambarkan Vera Rubin memasuki produksi penuh. Pernyataan perusahaan semacam itu harus dibaca dalam konteks bertanggalnya. Itu menetapkan apa yang diumumkan NVIDIA, sementara kinerja, penerapan, dan pengembalian ekonomi instalasi individual memerlukan buktinya sendiri. Peta jalan produk dan manfaat terealisasi pelanggan adalah subjek yang terkait tetapi berbeda.

Risiko di dalam pertumbuhan luar biasa

Pertumbuhan cepat dapat menyembunyikan asumsi rapuh. Pelanggan mungkin membeli di depan permintaan masa depan. Infrastruktur mungkin butuh lebih lama untuk terhubung ke listrik daripada direncanakan. Model baru mungkin memerlukan perangkat keras berbeda, atau menjadi lebih efisien. Investasi yang tampak menarik pada utilisasi tinggi dapat menjadi mahal ketika mesin menganggur.

Karena itu, pertumbuhan pendapatan harus dipelajari bersama konsentrasi pelanggan, komitmen, kapasitas pasokan, dan ekonomi bisnis pelanggan. Pemasok dapat berhasil menjual ke dalam boom sementara bagian industri di sekitarnya kesulitan memperoleh pengembalian yang memadai. Kemungkinan itu tidak membuktikan gelembung. Itu alasan untuk menguji rantai ekonomi daripada hanya mengagumi peserta yang tumbuh paling cepat.

13 Sistem kepemimpinan

Informasi langsung dan standar menuntut

Diskusi publik Huang tentang manajemen menekankan akses ke informasi, konteks bersama, dan keterlibatan dengan masalah teknis sulit. Dalam percakapan 2024 di Stripe Sessions, ia menggambarkan aspek organisasi NVIDIA dan cara ia menggunakan umpan balik langsung. Pernyataan ini bukti berguna filosofi yang ia nyatakan, sambil tetap menjadi catatan dari orang yang memimpin perusahaan. [18]

Organisasi yang lebih datar dapat mengurangi jeda antara masalah dan orang yang mampu mengatasinya. Itu juga dapat menempatkan beban informasi sangat besar pada chief executive. Efektivitas struktur semacam itu bergantung pada kualitas orang, kejelasan hak keputusan, dan kapasitas menyelesaikan prioritas yang bersaing.

Karena itu menyederhanakan untuk merekomendasikan setiap perusahaan meniru jumlah besar laporan langsung. Bagan organisasi hanyalah garis luar yang terlihat dari sistem yang bekerja. Dua perusahaan dapat memiliki bagan serupa dan budaya sangat berbeda. Yang penting adalah apakah informasi penting mengalir, apakah keputusan dipahami, dan apakah orang dapat bertindak tanpa menunggu puncak secara tak perlu.

Standar tinggi adalah ciri berulang lain dari catatan tentang Huang. Namun kinerja menuntut tidak otomatis manajemen yang baik. Pertanyaannya adalah bagaimana standar dikomunikasikan, apakah harapan dapat dicapai, apakah ketidaksetujuan aman, dan apakah kesalahan mengarah pada pembelajaran. Pemimpin dapat menuntut tanpa menjadikan penghinaan mekanisme perbaikan.

Menjelaskan masa depan sebelum ia familier

Pendiri teknis harus meyakinkan audiens dengan kebutuhan berbeda. Insinyur ingin tahu apakah arsitektur bekerja. Pelanggan ingin tahu apakah ia memecahkan masalah. Investor bertanya apakah bisnis dapat menghasilkan pengembalian. Pemerintah mungkin peduli tentang keamanan, kemampuan domestik, dan akses.

Presentasi publik Huang sering menghubungkan perkembangan teknis dengan perubahan industri yang lebih besar. Kemampuan itu bernilai strategis karena pelanggan tidak dapat membeli atau membangun di sekitar masa depan yang tidak mereka pahami. Penjelasan yang baik dapat menyelaraskan investasi lintas banyak organisasi.

Kemampuan yang sama menciptakan tanggung jawab. Narasi persuasif dapat melampaui bukti. Demonstrasi mungkin bekerja dalam kondisi yang dipilih dengan hati-hati. Perbandingan kinerja mungkin bergantung pada beban kerja atau versi perangkat lunak tertentu. Janji tentang kemampuan masa depan mungkin disalahartikan sebagai produk yang tersedia sekarang. Semakin baik penceritanya, semakin penting membedakan kategori-kategori ini.

Konsentrasi penilaian

Masa jabatan pendiri yang panjang dapat mempertahankan kesinambungan teknis dan melindungi investasi yang tidak akan bertahan dalam horizon manajerial pendek. Itu juga dapat memusatkan penilaian pada satu orang. Kolega dapat menjadi terampil mengantisipasi apa yang diinginkan pendiri daripada menguji apakah itu benar.

Perusahaan tangguh membutuhkan pusat yang kuat sekaligus mekanisme yang dapat mengoreksinya. Dewan, tinjauan teknis, umpan balik pelanggan, dan jaminan independen semuanya berkontribusi. Nilai mereka paling besar ketika dapat menantang pemimpin sukses tanpa dikesampingkan sebagai penghalang visi.

Kepemimpinan Huang pada akhirnya harus dinilai tidak hanya dari seberapa baik kinerja NVIDIA saat ia mengarahkannya secara pribadi, tetapi dari seberapa baik organisasi dapat mempertahankan penilaian, akuntabilitas, dan penemuan yang berguna melampaui dirinya. Itu ujian yang lebih sulit daripada karisma, dan semakin penting seiring perusahaan menjadi penting secara ekonomi.

14 Motivasi, ambisi, dan makna kegagalan

Apa yang dapat ditetapkan pernyataan publik

Huang berulang kali berbicara tentang ketidakpastian, kerja keras, dan belajar dari kesalahan. Pidato wisuda 2023-nya di National Taiwan University menggunakan contoh kegagalan dan penarikan strategis untuk menjelaskan perkembangan perusahaan. Pernyataan-pernyataan ini mendukung gambaran pemimpin yang secara publik memperlakukan kemunduran sebagai bagian inovasi. Itu tidak memberi akses tanpa batas ke motif pribadinya. [9]

Biografi sering menetapkan satu mesin emosional pada seseorang: takut kemiskinan, kebutuhan pengakuan, atau keinginan membuktikan kritikus salah. Penjelasan semacam itu menarik karena membuat kehidupan rumit mudah diingat. Tanpa bukti kuat, itu spekulasi.

Catatan yang lebih disiplin dapat mengkaji pilihan yang dapat diamati. Huang tetap di satu perusahaan selama beberapa dekade. NVIDIA terus berinvestasi dalam ekosistem pemrograman sebelum pasarnya kemudian menjadi jelas. Perusahaan meninggalkan beberapa proyek sambil memperdalam yang lain. Keputusan-keputusan ini mengungkap prioritas tanpa memerlukan catatan rekaan tentang apa yang ia rasakan setiap pagi.

Kecemasan produktif dan batasnya

Gagasan familier bahwa perusahaan selalu dekat dengan kegagalan dapat mendorong kewaspadaan. Itu mengingatkan orang bahwa pelanggan memiliki alternatif dan keunggulan teknis meluruh. Tetapi keadaan darurat permanen juga dapat melelahkan organisasi atau membuat ketidaksetujuan yang bijaksana sulit.

Perbedaannya terletak pada apa yang dihasilkan peringatan itu. Apakah itu mengarah pada pengujian lebih baik, pengenalan lebih cepat masalah pelanggan, dan perencanaan lebih jujur? Atau apakah itu mendorong keputusan terburu-buru dan penyembunyian kabar buruk? Biografi dapat mengidentifikasi ketegangan tanpa mengklaim setiap karyawan mengalami budaya itu dengan cara sama.

Demikian pula, kegagalan berguna hanya ketika organisasi mempelajari sesuatu yang dapat ditindaklanjuti. Mengulang eksperimen gagal tanpa mengubah asumsinya bukan ketangguhan. Eksperimen yang dirancang baik menghasilkan informasi bahkan ketika hasil komersialnya mengecewakan. Yang dirancang buruk dapat menyita uang sambil membiarkan pertanyaan sentral tak terjawab.

Disiplin mengubah pikiran seseorang

Episode Sega awal sangat instruktif karena mengharuskan Huang memisahkan identitas dari pilihan teknis. Pendiri mungkin telah menginvestasikan reputasi, uang, dan bertahun-tahun kerja dalam suatu desain. Mengakui bahwa itu salah dapat terasa seperti mengakui perusahaan itu sendiri salah. Namun kelangsungan hidup mungkin bergantung pada membuat tepat perbedaan itu.

Pelajaran lebih luasnya adalah mempertahankan komitmen pada masalah sambil membiarkan solusi yang diusulkan berubah. Sejarah NVIDIA menawarkan beberapa versi pola ini: arsitektur grafis berevolusi, perangkat lunak menjadi sentral, AI memperoleh kepentingan, dan beberapa pasar ditinggalkan. Pola itu harus dipelajari sebagai urutan keputusan, bukan diangkat menjadi jaminan bahwa setiap pivot masa depan akan berhasil.

15 Lori, Spencer, dan Madison

Keluarga dalam kisah publik

Jensen dan Lori Huang bertemu sebagai mahasiswa teknik di Oregon State dan menikah pada 1985. Mereka memiliki dua anak dewasa, Spencer dan Madison. Filantropi pendidikan bersama mereka terdokumentasi baik. Di luar catatan publik itu, biografi harus menghormati perbedaan antara aktivitas publik keluarga dan kehidupan pribadinya. [1, 4]

Wajar mengakui bahwa membangun perusahaan selama beberapa dekade memengaruhi rumah tangga. Tidak wajar mengarang percakapan, kompromi, atau pengalaman emosional anggota keluarga yang belum menggambarkannya secara publik. Menyebut pasangan sebagai rahasia di balik setiap kesuksesan bisnis mungkin terdengar memuji sambil menghapus agensinya sendiri.

Kehati-hatian yang sama berlaku untuk klaim tentang gelar formal Lori saat ini, aset yayasan, atau tanggal profesional yang tepat. Detail ini membutuhkan catatan bertanggal. Itu tidak boleh disimpulkan dari skala kekayaan keluarga atau disalin dari ringkasan tanpa sumber.

Madison Huang

Biografi publik NVIDIA saat ini mengidentifikasi Madison Huang sebagai direktur senior produk dan pemasaran teknis untuk platform AI fisik. Itu menggambarkan tanggung jawab lintas Omniverse, Cosmos, dan Isaac, serta mencatat kerja pemasaran sebelumnya di grup Louis Vuitton Moët Hennessy dan MBA di bidang Pemasaran dan Strategi dari London Business School. [19]

Ini detail profesional yang bermakna. Itu menunjukkan jalan masuk ke teknologi melalui pemasaran dan pendidikan bisnis, bukan reproduksi sederhana karier desain chip ayahnya. Klaim tentang usia persis atau kronologi lengkap pelatihan kuliner tidak diperlukan untuk menjelaskan perannya saat ini.

Memasarkan platform teknis bukan sekadar menciptakan publisitas. Itu melibatkan menjelaskan kemampuan kepada pengembang dan pelanggan, memahami hambatan adopsi, dan menghubungkan kerja teknik dengan pasar. Kualitas kerja itu harus dinilai melalui hasilnya, bukan diduga dari hubungan keluarga.

Spencer Huang

Biografi teknis NVIDIA mengidentifikasi Spencer Huang sebagai direktur produk untuk robotika. Itu menggambarkan kerja lintas simulasi, pembelajaran robot, data sintetis, dan infrastruktur yang digunakan untuk melatih serta menerapkan mesin otonom. Itu juga mencatat MBA teknis dari New York University dengan fokus kecerdasan buatan. [20]

Jalur profesional yang digambarkan dalam catatan publik berbeda dari karier awal ayahnya. Perbedaan itu penting karena keluarga dapat berbagi perusahaan tanpa berbagi pelatihan atau tanggung jawab yang identik. Gelar saja tidak menetapkan kedalaman kontribusi teknis seseorang, tetapi keorangtuaan juga tidak membenarkan menolak kontribusi itu.

Pekerjaan keluarga dan tata kelola

Ketika kerabat pendiri bekerja di perusahaan publik, pertanyaan tata kelola biasa mengikuti. Apakah peran dan kompensasi ditinjau dengan semestinya? Apakah hubungan pelaporan jelas? Apakah karyawan lain dapat bersaing secara adil? Apakah transaksi pihak terkait diungkapkan dengan benar?

Pertanyaan-pertanyaan ini tidak menetapkan kesalahan. Itu bagian dari disiplin institusional yang menjadi lebih penting seiring perusahaan tumbuh. Demikian pula, reputasi orang tua tidak dapat menggantikan penilaian independen atas kerja anak.

Pekerjaan juga bukan pengumuman suksesi. Kehadiran Spencer dan Madison di NVIDIA tidak menetapkan bahwa salah satu telah dipilih menjadi chief executive. Spekulasi tentang dinasti teknologi mungkin menghasilkan perhatian, tetapi biografi serius harus memisahkan pekerjaan saat ini dari penunjukan masa depan yang belum dikonfirmasi publik.

16 Memberi kembali melalui pendidikan

Institusi yang tetap penting

Filantropi publik keluarga Huang memiliki kaitan kuat dengan pendidikan. Oregon State mengumumkan hadiah US$50 juta mereka pada 2022 untuk Jen-Hsun and Lori Huang Collaborative Innovation Complex. Proyek itu menghubungkan teknik, komputasi, dan riset lintas disiplin. [21]

Catatan Stanford tentang Huang Engineering Center mencatat komitmen US$30 juta pasangan itu. Catatan Oneida mencatat hibah pendamping US$2 juta mereka untuk fasilitas yang diresmikan pada 2019. Hadiah-hadiah ini menghubungkan tahap berbeda kehidupan Huang: masa kecil, pendidikan sarjana, dan studi pascasarjana. [22, 3]

Jumlahnya harus dibaca sebagai komitmen yang digambarkan dalam pengumuman institusional terkait. Janji, valuasi aset, dan uang yang sudah dicairkan tidak dapat dipertukarkan. Filantropi keluarga juga tidak boleh dikelirukan dengan yayasan korporat NVIDIA atau investasi komersial perusahaan.

Apa yang dapat dicapai filantropi pendidikan

Gedung universitas bukan hasil pendidikan dengan sendirinya. Nilainya bergantung pada orang, peralatan, dan program yang didukungnya. Fasilitas yang dirancang baik dapat memungkinkan kolaborasi yang sebelumnya sulit, memberi mahasiswa akses ke alat canggih, dan menarik peneliti yang mengerjakan masalah penting.

Hubungan antara donor teknologi dan universitas juga layak dikaji bijaksana. Donasi dapat memperluas peluang sambil memengaruhi prioritas. Institusi membutuhkan independensi akademik, tata kelola transparan, dan pemahaman jelas tentang kewajiban apa yang menyertai hadiah.

Catatan filantropi terkuat karena itu menghindari dua ekstrem. Itu tidak memperlakukan kekayaan yang didonasikan sebagai bukti otomatis keunggulan moral, dan tidak berasumsi setiap hadiah sekadar promosi diri. Itu mengkaji komitmen terdokumentasi, tujuan penerima, dan, ketika bukti tersedia, hasilnya.

Untuk biografi ini, koneksi berulang ke pendidikan signifikan. Karier Huang sendiri bergantung pada pelatihan teknis dan institusi yang memberinya ruang berkembang. Mendukung institusi-institusi itu menciptakan kaitan terlihat antara kesuksesan pribadi dan peluang bagi orang lain. Seberapa banyak kaitan itu akhirnya capai adalah pertanyaan untuk bukti seiring waktu.

17 Alasan membandingkan Huang dengan Steve Jobs

Perbandingan berguna dimulai dengan definisi

Menyebut Huang Steve Jobs yang hidup dapat berarti beberapa hal berbeda. Itu mungkin berarti ia pemimpin teknologi karismatik, pendiri yang perusahaannya membentuk ulang industri, atau figur publik yang mampu membuat produk kompleks menarik. Itu adalah perbandingan yang dapat diuji. Itu tidak dapat secara harfiah berarti ia memiliki kepribadian, karier, atau peran historis yang sama.

Alasan terkuat dimulai dengan kemampuan menghubungkan teknologi dengan kemungkinan lebih besar. Jobs membantu membuat komputasi pribadi dan perangkat seluler dapat dipahami sebagai pengalaman yang diinginkan orang. Huang telah membantu membuat komputasi terakselerasi dapat dipahami sebagai infrastruktur tempat peneliti dan bisnis dapat melakukan pekerjaan yang sebelumnya tidak praktis.

Perbandingan itu juga bertumpu pada integrasi. Pengumuman iPhone Apple 2007 menampilkan perangkat yang menggabungkan fungsi komunikasi, media, dan internet melalui antarmuka yang dikendalikan ketat. Strategi NVIDIA menghubungkan prosesor, jaringan, dan perangkat lunak menjadi platform bagi pengembang dan organisasi. Dalam kedua kasus, manfaat pelanggan bergantung pada bagaimana bagian-bagian bekerja bersama. [23]

Keyakinan sebelum konsensus

Kedua karier berisi keputusan yang tampak tidak pasti sebelum dirayakan. Pidato Stanford Jobs sendiri menggambarkan nilai yang kemudian ia temukan dalam pengalaman yang awalnya tidak membentuk rencana karier jelas, dan kembalinya ke Apple mengikuti periode jauh dari perusahaan. Investasi berkelanjutan Huang dalam CUDA mendahului prominensi komersial luas deep learning. [24, 9]

Kesamaannya bukan bahwa salah satu pria dapat melihat masa depan dengan sempurna. Melainkan bahwa keduanya bersedia mengorganisasikan upaya substansial di sekitar pandangan tentang bagaimana teknologi dapat menjadi lebih berguna. Visi memperoleh makna praktis hanya ketika mengubah keputusan produk, investasi, dan pekerjaan orang lain.

Bercerita publik sebagai aset operasional

Presentasi produk Jobs menjadi bagian identitas komersial Apple. Presentasi Huang serupa menjadikannya penafsir publik strategi NVIDIA. Pakaian yang terkait dengan masing-masing pria mudah diingat, tetapi itu dasar lemah untuk perbandingan. Kesamaan yang lebih kuat adalah peran mereka menerjemahkan pilihan teknis menjadi cerita yang koheren.

Ini dapat membantu organisasi berkoordinasi di sekitar arah. Karyawan memahami apa yang dimaksudkan produk untuk capai. Pelanggan melihat bagaimana itu mungkin cocok dengan rencana mereka. Mitra memiliki alasan berinvestasi dalam kerja pelengkap. Bercerita karena itu dapat berkontribusi pada eksekusi, bukan sekadar menghiasinya.

Tetapi kekuatan meyakinkan juga menciptakan risiko. Audiens mungkin mulai memperlakukan keyakinan pemimpin sebagai bukti. Pengumuman yang disampaikan baik dapat menyembunyikan pertanyaan teknik atau komersial yang belum terselesaikan. Kekaguman seharusnya membuat pembaca lebih memperhatikan pertanyaan-pertanyaan itu, bukan lebih sedikit.

Interpretasi yang dapat dipertahankan

Frasa Steve Jobs era AI dapat dipertahankan sebagai metafora editorial untuk pendiri berpengaruh yang menggabungkan keyakinan strategis, integrasi, dan komunikasi publik. Itu menjadi paling kuat ketika dimensi-dimensi itu dinyatakan eksplisit.

Formulasi itu tetap membutuhkan batas. AI memiliki banyak pembangun dan tidak ada pemilik tunggal. Kepentingan Huang tidak menjadikan setiap pengembang model, peneliti, atau perancang perangkat keras pesaing sebagai aktor pendukung dalam kisahnya. Perbandingan itu juga tidak menetapkan bahwa produk atau keputusannya akan menikmati posisi budaya jangka panjang yang sama dengan Apple.

Alasan positifnya karena itu substansial tetapi sempit. Huang dapat dibandingkan dengan Jobs sebagai pemimpin yang membantu orang lain mengenali dan mengadopsi arah teknologi baru. Perbandingan itu bukan sertifikat karakter setara atau prediksi warisan identik.

18 Alasan menolak label Steve Jobs yang hidup

Jalur berbeda menuju teknologi

Jobs dan Huang mencapai kepemimpinan melalui bentuk persiapan berbeda. Jobs meninggalkan Reed College dan kemudian menggambarkan pengaruh mata pelajaran yang ia jelajahi di luar jalur gelar konvensional. Huang menyelesaikan gelar teknik elektro sarjana dan pascasarjana sambil membangun pengalaman semikonduktor. [24, 4]

Perbedaan ini tidak boleh menjadi kontes antara intuisi dan pendidikan. Jobs bekerja dengan insinyur sangat mumpuni dan memahami pentingnya implementasi. Kesuksesan Huang juga memerlukan penilaian, komunikasi, dan imajinasi yang tidak dapat direduksi menjadi kualifikasi. Intinya tidak ada templat pendidikan tunggal untuk kepemimpinan teknologi.

Pelanggan berbeda dan visibilitas berbeda

Produk Apple paling terkenal menempatkan keputusan perusahaan langsung di tangan konsumen. Pengalaman menggunakan perangkat menjadi pusat proposisi nilai. Sebagian besar bisnis AI NVIDIA memasok infrastruktur ke organisasi lain, yang produknya mungkin membawa merek yang sama sekali berbeda.

Perbedaan itu memengaruhi proses penjualan, prioritas teknik, dan makna kesuksesan. Konsumen dapat memutuskan antarmuka terasa lebih baik dalam hitungan menit. Perusahaan mungkin perlu mengevaluasi throughput, kompatibilitas perangkat lunak, risiko penerapan, dan biaya total selama berbulan-bulan. Huang harus meyakinkan evaluator teknis maupun pengambil keputusan institusional.

Perbedaannya tidak absolut. NVIDIA memiliki sejarah game konsumen besar, dan Apple bergantung pada pengembang dan infrastruktur. Namun demikian, pusat gravitasi dominannya cukup berbeda sehingga menyebut Huang sekadar Jobs lain dapat menyembunyikan lebih banyak daripada yang dijelaskannya.

Bentuk kontrol berbeda

Produk terintegrasi Apple sering melibatkan kontrol ketat atas pengalaman pengguna akhir. Platform NVIDIA juga harus mengakomodasi jaringan luas pengembang, pembuat peralatan, penyedia cloud, dan komunitas riset. Kesuksesannya bergantung pada pihak lain membangun banyak hal yang tidak dirancang NVIDIA sendiri.

Tidak akurat mengubah ini menjadi kontras sederhana tertutup versus terbuka. NVIDIA memiliki antarmuka perangkat lunak dan perangkat keras proprietari maupun proyek terbuka. Apple telah memungkinkan pengembangan pihak ketiga luas sambil mempertahankan titik kontrol penting. Perbandingan yang lebih berguna menyangkut di mana masing-masing bisnis menarik batasnya dan mengapa.

Hubungan berbeda dengan perusahaan yang didirikan

Jobs meninggalkan Apple pada 1985 dan kembali setelah akuisisi NeXT pada 1990-an. Kariernya mencakup pekerjaan penting di luar Apple, termasuk Pixar. Huang telah memimpin NVIDIA terus-menerus sejak pendiriannya. [24, 25]

Kesinambungan dapat mempertahankan memori institusional dan komitmen jangka panjang. Kembali setelah absen dapat membawa penilaian ulang organisasi yang lebih radikal. Tidak ada jalur yang otomatis menghasilkan kepemimpinan lebih baik. Keduanya menciptakan kondisi berbeda tempat pendiri belajar, memperoleh otoritas, dan mengubah strategi.

Kepribadian tidak dapat disimpulkan dari penampilan panggung

Menggoda untuk menggambarkan Jobs keras dan Huang baik, atau Jobs artistik dan Huang analitis. Oposisi rapi semacam itu tidak andal. Wawancara publik, catatan karyawan, dan biografi menawarkan pandangan parsial yang dibentuk waktu, konteks, dan hubungan pengamat dengan subjek.

Metode bertanggung jawab adalah membandingkan perilaku terdokumentasi: bagaimana keputusan dibuat, bagaimana produk diubah, bagaimana kesalahan diakui, atau bagaimana informasi bergerak melalui organisasi. Klaim luas tentang karakter batin memerlukan lebih banyak bukti daripada beberapa kutipan atau keynote sukses.

Ada pula jebakan moral dalam memperlakukan kesuksesan komersial sebagai bukti bahwa setiap perilaku menuntut dibenarkan. Produk dapat berhasil meskipun memperlakukan orang dengan buruk, bukan karenanya. Calon pendiri tidak boleh meniru anekdot paling dramatis tentang eksekutif terkenal dan mengharapkan hasil komersial yang sama.

Putusan

Huang paling mengungkap di samping Jobs ketika perbandingan itu mengekspos perbedaan mereka daripada mengubah satu menjadi yang lain. Label Steve Jobs yang hidup dapat dipertahankan sebagai metafora yang jelas ditandai, tetapi lemah sebagai deskripsi faktual. Itu sangat menyesatkan jika menyiratkan industri teknologi membutuhkan satu penerus tunggal Jobs.

Kesimpulan yang lebih akurat adalah Jensen Huang adalah pemimpin visioner khas yang pengaruhnya mengundang perbandingan dengan Steve Jobs. Jobs membantu membentuk ulang hubungan antara manusia dan teknologi pribadi. Huang membantu membangun platform komputasi tempat banyak organisasi mengembangkan AI. Pencapaian mereka tumpang tindih dalam metode kepemimpinan sambil berbeda dalam produk, pasar, dan sejarah institusional.

Untuk judul bab atau esai, A Living Steve Jobs dapat bekerja sebagai pertanyaan. Untuk kesimpulan biografi serius, Huang layak dipahami atas namanya sendiri.

19 Kekuasaan, ketergantungan, dan tanggung jawab

Pemasok sentral bukan bank sentral

NVIDIA kadang digambarkan secara metaforis sebagai bank sentral AI karena akses ke produk komputasinya menjadi penting secara strategis. Metafora itu menangkap ketergantungan dan pengaruh, tetapi bukan catatan harfiah tentang cara industri bekerja.

Bank sentral memiliki tanggung jawab publik dan kekuasaan moneter yang tidak dimiliki NVIDIA. NVIDIA adalah perusahaan komersial yang beroperasi di antara pelanggan, pesaing, pemasok, dan pemerintah. Ia tidak menerbitkan mata uang AI, tidak menjamin likuiditas sektor, atau memiliki kapasitas tak terbatas untuk menstabilkannya.

Gangguan parah di NVIDIA dapat menciptakan konsekuensi signifikan bagi pelanggan dan pasar yang lebih luas. Tidak berarti setiap perusahaan AI otomatis runtuh. Peralatan yang ada akan tetap ada, pemasok alternatif tetap tersedia, dan organisasi akan merespons dengan cara berbeda. Skala dan waktu kerugian apa pun bergantung pada sifat gangguannya.

Perbedaan ini penting karena metafora dramatis dapat menjadi model keliru untuk pengambilan keputusan. Perusahaan yang merencanakan infrastruktur harus menilai risiko konsentrasi, kewajiban kontraktual, portabilitas perangkat lunak, dan opsi kontinjensi. Pertanyaan-pertanyaan itu lebih berguna daripada berasumsi keamanan sempurna atau kehancuran sistemik yang tak terelakkan.

Rantai pasokan dan geopolitik

Chip canggih bergantung pada rantai pasokan internasional terspesialisasi. Desain, fabrikasi, memori, pengemasan, peralatan, dan konstruksi pusat data terdistribusi lintas organisasi dan yurisdiksi. Kesuksesan NVIDIA tidak menghapus ketergantungan itu. Pengajuan tahunannya menggambarkan risiko terkait pasokan, pelanggan, regulasi, dan kontrol ekspor. [6]

Pembatasan ekspor dapat mengubah produk mana yang boleh dijual di pasar. Kendala manufaktur atau pengemasan dapat membatasi pengiriman. Ketersediaan energi dapat menunda instalasi bahkan ketika perangkat keras siap. Ini bukan isu pinggiran: itu dapat membentuk peluang komersial maupun pilihan strategis perusahaan.

Implikasinya bagi kepemimpinan adalah visi teknis harus hidup berdampingan dengan penilaian institusional. Janji membangun kapasitas komputasi lebih besar memerlukan rencana kredibel untuk pemasok, listrik, keuangan, dan kepatuhan. Itu juga memerlukan pengakuan bahwa pemangku kepentingan lain mungkin menilai proyek melalui kekhawatiran keamanan atau lingkungan, bukan hanya kinerja.

Ujian tata kelola yang belum terselesaikan pada November 2026

Pada 8 November 2026, dewan NVIDIA mengumumkan investigasi independen menyusul pelaporan bahwa Huang menjadi target upaya intelijen asing. Dewan mengatakan tidak memiliki alasan pada saat itu untuk meyakini keamanan nasional atau rahasia NVIDIA telah dikompromikan, menyatakan kepercayaan pada Huang dan tim kepemimpinannya, dan mengatakan ia mendukung serta akan bekerja sama dengan peninjauan itu. [26]

Pada 10 November, para direktur independen mengumumkan bahwa mereka telah menunjuk mantan Penjabat Jaksa AS Joon H. Kim dan Wachtell, Lipton, Rosen & Katz untuk melakukan investigasi. Pada batas edisi ini, pernyataan-pernyataan ini menetapkan adanya investigasi dan pengaturan pengawasannya, bukan temuan kesalahan atau pembebasan yang selesai. [27]

Isu kepentingan publiknya adalah tata kelola dan perlindungan perusahaan penting. Biografi yang hati-hati tidak perlu mengulang tuduhan intim yang belum terverifikasi untuk menjelaskan isu itu. Investigasi dewan harus dinilai melalui independensi, ruang lingkup, bukti, dan temuan akhirnya, bukan melalui spekulasi tentang bagaimana hasilnya seharusnya.

Episode itu juga menggarisbawahi prinsip umum: pendiri visioner tetap bertanggung jawab. Pencapaian teknis, kekayaan pemegang saham, dan kekaguman publik tidak menempatkan pemimpin di luar pengawasan. Pada saat yang sama, tuduhan bukan putusan. Keadilan mengharuskan menjaga kedua proposisi tetap utuh.

20 Bab berikutnya masih belum ditulis

AI fisik dan batas dengan dunia nyata

Platform publik NVIDIA semakin menangani robotika, simulasi, dan AI fisik. Omniverse mendukung alur kerja terkait simulasi; Isaac menyangkut robotika; dan alat model serta data terkait bertujuan membantu pengembang melatih dan mengevaluasi sistem yang berinteraksi dengan dunia fisik. Biografi produk dan pengumuman perusahaan saat ini mencerminkan arah ini. [19, 20]

Transisi dari menghasilkan jawaban ke mengendalikan mesin mengubah konsekuensi kesalahan. Paragraf yang keliru dapat menyesatkan; gerakan robot yang keliru dapat merusak peralatan atau melukai seseorang. Simulasi berharga, tetapi tidak dapat dengan sendirinya menetapkan perilaku aman di setiap lingkungan nyata.

Peluang komersial karena itu disertai tuntutan pengujian, pemantauan, keamanan, dan tanggung jawab jelas. Model paling mumpuni tidak otomatis menjadi sistem operasional paling aman. Sensor, aktuator, prosedur manusia, dan mekanisme cadangan semuanya berkontribusi pada hasil.

Penekanan lama Huang pada membangun platform mungkin relevan di sini. Jika pengembang membutuhkan alat simulasi, pelatihan, dan penerapan yang andal, pemasok yang menghubungkan lapisan-lapisan itu dapat berharga. Apakah aplikasi yang dihasilkan memberikan manfaat yang dijanjikan tetap menjadi persoalan bukti, bukan konsekuensi ambisi platform.

Apa yang dapat diambil wirausahawan dari kehidupan ini

Pelajaran pertama adalah membangun keahlian sebelum memperlakukan keyakinan sebagai penggantinya. Karier Huang bertumpu pada pendidikan dan bertahun-tahun kerja industri. Keberanian penting, tetapi didukung pengetahuan teknis dan hubungan profesional.

Kedua, membedakan masalah dari solusi tertentu. Arsitektur awal NVIDIA bisa salah sementara komputasi terakselerasi tetap peluang penting. Pendiri yang tidak dapat membuat perbedaan itu berisiko mempertahankan desain setelah pelanggan dan standar berpindah ke tempat lain.

Ketiga, mempermudah orang lain menciptakan nilai. Signifikansi CUDA sebagian terletak pada pekerjaan yang dimungkinkannya di luar produk NVIDIA sendiri. Platform dapat tumbuh ketika mengurangi kesulitan eksperimen dan membuat kerja sukses dapat digunakan kembali.

Keempat, mempertahankan ruang keuangan untuk belajar. Ide menjanjikan tidak dapat bertahan tanpa batas tanpa kas. Penyelamatan Sega menunjukkan seberapa dekat perusahaan penting dapat hilang sebelum nilai kemudiannya terlihat. Itu juga menunjukkan bahwa bantuan dari pihak lain dapat menentukan.

Kelima, membuat kepemimpinan dapat dipindahtangankan. Perusahaan yang bergantung pada penilaian pendiri membutuhkan mekanisme untuk mengembangkan penilaian lain, mempertahankan pengetahuan, dan menantang keputusan. Institusi yang abadi adalah pencapaian lebih besar daripada kepribadian yang tak tergantikan.

Kehidupan yang dipahami melalui keputusan

Kisah Jensen Huang menarik karena berisi ketidakpastian nyata. Seorang anak melintasi negara. Seorang mahasiswa menjadi insinyur. Seorang insinyur menjadi pendiri. Pendiri memimpin perusahaan melalui asumsi yang gagal, terobosan komersial, dan investasi panjang dalam platform pemrograman yang membantu menempatkan NVIDIA di pusat AI.

Urutannya dapat dikagumi tanpa menjadikannya tak terelakkan. Itu dapat dipelajari tanpa mengubah setiap kemunduran menjadi kebangkrutan atau setiap kesuksesan menjadi bukti kejeniusan soliter. Pelajaran paling bergunanya muncul dari interaksi penilaian, persiapan, kolega, institusi, dan keadaan.

Perbandingan dengan Steve Jobs membantu menerangi bagian pencapaian itu. Kedua pemimpin memberi perubahan teknologi suara publik dan mengorganisasikan perusahaan di sekitar pandangan ambisius tentang apa yang dapat dibangun. Namun kontribusi khas Huang lebih jelas ketika perbandingan itu berhenti sebelum menggantikan identitasnya.

Ia tidak penting karena dunia telah menemukan Steve Jobs lain. Ia penting karena pekerjaan yang ia bantu organisasikan mengubah apa yang dapat dihitung, diteliti, dan dibangun banyak orang lain. Penilaian akhir atas kontribusi itu akan bergantung pada perkembangan yang masih di depan: nilai aplikasi AI, ketangguhan perusahaan, perilaku kepemimpinannya, dan kemampuan teknologinya melayani tujuan di luar pertumbuhannya sendiri.

Kronologi

Glosarium teknis

Komputasi terakselerasi. Menggunakan prosesor terspesialisasi di samping komputasi serbaguna untuk melakukan beban kerja yang sesuai dengan lebih efisien.

Model AI. Sistem komputasi yang parameter dan strukturnya digunakan untuk menghasilkan prediksi, klasifikasi, atau output yang dibangkitkan.

ASIC. Sirkuit terintegrasi khusus aplikasi yang dirancang untuk kelas tugas tertentu.

CPU. Central processing unit. Prosesor serbaguna yang cocok untuk beragam operasi dan tugas kontrol.

CUDA. Platform dan model pemrograman NVIDIA untuk komputasi terakselerasi pada GPU NVIDIA yang didukung.

Pusat data. Fasilitas berisi peralatan komputasi, penyimpanan, dan jaringan, dengan daya, pendinginan, dan sistem operasional yang dibutuhkan untuk menjalankannya.

Deep learning. Machine learning menggunakan jaringan saraf dengan banyak lapisan pemrosesan.

Digital twin. Representasi digital dari sistem fisik yang digunakan untuk analisis, pemantauan, atau simulasi. Kegunaannya bergantung pada seberapa akurat ia merepresentasikan perilaku dunia nyata yang relevan.

GPU. Graphics processing unit. Prosesor yang dirancang untuk kerja sangat paralel, digunakan dalam grafis dan banyak aplikasi komputasi numerik.

Inferensi. Menjalankan model terlatih untuk menghasilkan output dari input baru.

Interconnect. Tautan komunikasi antara komponen atau sistem. Bandwidth dan latensinya dapat sangat memengaruhi kinerja komputasi paralel.

Large language model. Model yang dilatih pada teks substansial dan data terkait untuk memproses atau menghasilkan bahasa. Kelancaran tidak menjamin akurasi faktual.

Komputasi paralel. Membagi pekerjaan menjadi operasi yang dapat dieksekusi secara bersamaan.

Platform. Kumpulan teknologi dan antarmuka tempat orang lain dapat membangun aplikasi atau layanan.

Tensor Core. Nama NVIDIA untuk unit perangkat keras khusus yang mempercepat operasi matriks terpilih yang penting bagi AI dan beban kerja numerik lainnya.

Pelatihan. Proses menyesuaikan parameter model menggunakan data dan tujuan optimasi.

Transformer. Arsitektur jaringan saraf berbasis mekanisme atensi, digunakan luas dalam model bahasa dan lainnya.

Membaca bukti

Referensi bernomor mengidentifikasi sumber untuk klaim faktual. Diskusi seputar kepemimpinan, strategi, dan perbandingan adalah analisis, bukan kutipan dari para subjek. Riwayat institusional menetapkan gelar, hadiah, dan peran resmi. Pengajuan regulasi menetapkan pengungkapan yang dilaporkan perusahaan. Wawancara melestarikan kenangan dan sudut pandang pembicara. Rilis produk menetapkan pengumuman, dengan klaim kinerja mempertahankan kondisi aslinya.

Nyaris gagal tidak sama dengan kepailitan formal. Pengumuman produk tidak sama dengan penerapan pelanggan yang selesai. Pekerjaan anggota keluarga bukan penunjukan suksesi. Investigasi bukan temuan. Perbedaan-perbedaan ini esensial untuk memahami kehidupan ini secara akurat.

Wikipedia dan catatan keluarga serta karier yang diberikan membantu mengidentifikasi topik untuk riset. Bibliografi memberi pembaca sumber publik mendasar yang digunakan untuk catatan ini. Tanggal yang melekat pada edisi ini adalah batas pengetahuannya, bukan prediksi bahwa peristiwa kemudian akan mengonfirmasi kesimpulannya.

Sources and further reading

References are numbered in the text. Links lead to the source publisher. Unless a publication date is stated below, the reference was consulted on 11 November 2026.

1. Jensen Huang

Wikipedia. Living reference page consulted 11 November 2026; used as an orientation source, not sole authority for disputed details.

Read source

2. Only In America Jensen Huang on Vision Risk and the GPU

Hoover Institution. Interview with Condoleezza Rice; first-person recollections of family, migration, education and work.

Read source

3. Former Student Gift Paves the Way for New Facility

Oneida Baptist Institute. Institutional account of boarding, elementary-school attendance and the Huang Hall gift.

Read source

4. Jen Hsun Huang Engineering Hall of Fame 2013

Oregon State University. Degree dates, early education, table tennis and meeting Lori Mills.

Read source

5. Jensen Huang

Stanford University School of Engineering. Institutional biography confirming the 1992 electrical-engineering master’s degree.

Read source

6. NVIDIA Form 10 K for the fiscal year ended 26 January 2025

US Securities and Exchange Commission. Executive employment chronology and company risk disclosures.

Read source

7. Our History Innovations Over the Years

NVIDIA. Corporate chronology; product claims are treated as company descriptions.

Read source

8. Nvidia An Overnight Success Story 30 Years in the Making

Sequoia Capital. Crucible Moments interview with Huang, Mark Stevens and others; retrospective survival and platform accounts.

Read source

9. NVIDIA CEO Tells NTU Grads to Run Not Walk But Be Prepared to Stumble

NVIDIA Blog. 26 May 2023; company account of Huang’s commencement address and three strategic setbacks.

Read source

10. Nvidia nearly went out of business in 1996 trying to make Sega’s Dreamcast GPU

Tom’s Hardware. Reporting on Sega support and Shoichiro Irimajiri’s role; financial arrangement should not be described as a personal gift.

Read source

11. CUDA Platform for Accelerated Computing

NVIDIA Developer. Technical overview of the toolkit, compiler, libraries and programming environment.

Read source

12. ImageNet Classification with Deep Convolutional Neural Networks

Alex Krizhevsky Ilya Sutskever and Geoffrey Hinton. 2012 original research paper; the AlexNet result.

Read source

13. NVIDIA Reports Results for Second Quarter of Fiscal 2009

US Securities and Exchange Commission. 12 August 2008; US$196 million product-quality charge and quarterly results.

Read source

14. NVIDIA Fiscal 2009 Form 10 K

US Securities and Exchange Commission. Year ended 25 January 2009; cash, equivalents and marketable securities position.

Read source

15. NVIDIA and SoftBank Group Announce Termination of NVIDIA Acquisition of Arm Limited

NVIDIA and SoftBank. 7 February 2022; regulatory obstacles, prepaid amount and retained licence.

Read source

16. NVIDIA Completes Acquisition of Mellanox

NVIDIA. 27 April 2020; completion and networking rationale.

Read source

17. NVIDIA Announces Financial Results for Second Quarter Fiscal 2027

NVIDIA. 26 August 2026; results for quarter ended 26 July 2026 and dated product statements.

Read source

18. A conversation with NVIDIA Jensen Huang

Stripe Sessions. 2024 interview; leadership, information flow and strategic thinking.

Read source

19. Madison Huang Author Page

NVIDIA Blog. Current public role, prior LVMH work and London Business School MBA; consulted 11 November 2026.

Read source

20. Spencer Huang Author Page

NVIDIA Technical Blog. Current robotics role and NYU technical MBA; consulted 11 November 2026.

Read source

21. 50 Million Gift by NVIDIA Founder and Spouse Helps Launch Oregon State University Research Center

Oregon State University. 14 October 2022; institutional announcement of the Huangs’ gift.

Read source

22. Designing for the future

Stanford Engineering. Institutional history of the Huang Center and US$30 million commitment.

Read source

23. Apple Reinvents the Phone with iPhone

Apple. 9 January 2007; launch announcement and description of the integrated product.

Read source

24. You have got to find what you love Jobs says

Stanford University. 12 June 2005; prepared text of Steve Jobs’s commencement address.

Read source

25. Apple Timeline

Computer History Museum. Historical chronology of Apple, including Jobs’s departure and return.

Read source

26. Statement From NVIDIA Board of Directors

NVIDIA. 8 November 2026; independent investigation, stated confidence and the board’s position at that date.

Read source

27. Statement From the Independent Members of the NVIDIA Board

NVIDIA. 10 November 2026; appointment of Joon H. Kim and Wachtell Lipton Rosen and Katz.

Read source

28. NVIDIA Launches World First Deep Learning Supercomputer

NVIDIA. 5 April 2016; DGX-1 announcement; first claims are attributed to the company.

Read source

29. NVIDIA Launches Revolutionary Volta GPU Platform

NVIDIA. 2017; Volta and Tensor Core announcement.

Read source

30. NVIDIA Announces Hopper Architecture

NVIDIA. 22 March 2022; Hopper architecture and Transformer Engine announcement.

Read source

31. NVIDIA Blackwell Platform Arrives to Power a New Era of Computing

NVIDIA. 18 March 2024; Blackwell announcement, with performance claims dependent on stated comparisons.

Read source

32. Chris Malachowsky

Computer History Museum. Professional background at HP and Sun and co-founding of NVIDIA.

Read source

33. Curtis R Priem

Rensselaer Polytechnic Institute. Graphics engineering history and service as NVIDIA CTO from 1993 to 2003.

Read source

34. Famous Graphics Chips Nvidia RIVA 128

IEEE Computer Society. Jon Peddie historical account of NV1, graphics standards and the RIVA turnaround.

Read source

35. NVIDIA Fiscal 2014 Third Quarter Form 10 Q

US Securities and Exchange Commission. Historical disclosure of the 3dfx asset-purchase agreement and closing date.

Read source

36. NVIDIA Brings Real Time Ray Tracing to Gamers with GeForce RTX

NVIDIA. 20 August 2018; Turing and GeForce RTX announcement.

Read source