Jensen Huang

Một cuộc đời trong kỹ thuật, khởi nghiệp và trí tuệ nhân tạo [Artificial Intelligence]

Từ tuổi thơ ở châu Á đến vị trí lãnh đạo NVIDIA Một tiểu sử dựa trên bằng chứng và sự so sánh có phê bình với Steve Jobs

Ấn bản tiếng Việt Mốc kết thúc nghiên cứu: 11 tháng 11 năm 2026

Mục lục

Dẫn nhập

Hiểu con người phía sau nền tảng [Platform]

Tầm quan trọng của Jensen Huang nằm ở một thay đổi mà ông đã góp phần biến thành hiện thực: những máy tính được thiết kế để vẽ hình trở thành công cụ giúp các nhà nghiên cứu huấn luyện trí tuệ nhân tạo [Artificial Intelligence]. Công ty ông đồng sáng lập năm 1993 đã phát triển từ một doanh nghiệp đồ họa [Graphics] non trẻ với tương lai bất định thành nhà cung cấp trung tâm của hạ tầng [Infrastructure] đằng sau AI hiện đại. Thành tựu ấy đáng được xem xét kỹ. Nó không đòi hỏi một câu chuyện trong đó ông biết trước tương lai, hành động một mình hay chưa từng mắc sai lầm.

Cuốn sách theo dõi cuộc đời ông từ tuổi thơ ở châu Á, qua di cư, học tập, làm kỹ sư, khởi nghiệp và sự mở rộng của NVIDIA. Sách xem xét gia đình và các tổ chức đã định hình cơ hội của ông, đồng nghiệp và đối tác đã giúp công ty thành hiện thực, cùng những quyết định khó khăn nhiều lần đổi hướng công ty. Sách cũng đặt câu hỏi ngày càng hấp dẫn khi danh tiếng ông lớn lên: có hợp lý khi gọi Jensen Huang là một Steve Jobs còn sống?

Câu trả lời ở đây có điều kiện. Cả hai kết hợp công nghệ, niềm tin dài hạn và năng lực khác thường trong việc giải thích một tương lai mà người khác chưa thấy rõ. Cả hai đều gắn chặt với công ty của mình. Nhưng Huang không phải người thay thế Jobs. Đào tạo kỹ thuật, tính liên tục trong lãnh đạo, khách hàng doanh nghiệp và cách xây dựng nền tảng điện toán [Computing Platform] phân biệt ông với đồng sáng lập Apple. So sánh hữu ích khi chỉ ra hành vi cụ thể; nó gây hiểu lầm khi biến hai con người phức tạp thành những biểu tượng thay thế được cho nhau.

Một cuộc đời vẫn đang tiếp diễn không thể có chương cuối mang tính kết luận. Ấn bản này dừng ở ngày 11 tháng 11 năm 2026. Số liệu tài chính, chức danh, tuyên bố hội đồng quản trị và thông báo sản phẩm được gắn với thời điểm, không xem là sự thật vĩnh viễn. Các tường thuật nhìn lại được xác định là hồi ức khi phù hợp. Mô tả công nghệ của chính công ty là bằng chứng có giá trị về điều công ty công bố, nhưng không phải chứng minh độc lập cho mọi tuyên bố hiệu năng.

Đây cũng không phải tiểu sử hư cấu hóa. Không có đối thoại bịa đặt, suy nghĩ riêng tư hay cảnh dựng lại được trình bày như sự thật. Thông tin gia đình được ghi nhận công khai chỉ được đưa vào khi giúp giải thích cuộc đời. Tuổi chưa xác minh, động cơ phỏng đoán và chi tiết giật gân không trở thành thật nhờ lặp lại. Mục tiêu là một bản kể dễ đọc mà doanh nhân, sinh viên hoặc người làm công nghệ có thể dùng mà không phải tách sự ngưỡng mộ khỏi phóng đại trên từng trang.

1 Tuổi thơ xuyên biên giới

Taiwan, Thailand và một quyết định của gia đình

Jen-Hsun Huang, thường được biết đến là Jensen Huang, sinh ngày 17 tháng 2 năm 1963 tại Taiwan. Có các tường thuật khác nhau về thành phố nơi ông sinh: một số hồ sơ trước đây nêu Tainan, còn báo cáo sau này nêu Taipei. Taiwan là điểm xuất phát địa lý chắc chắn. Sự phân biệt này quan trọng vì tiểu sử không nên âm thầm biến một chi tiết được lặp lại thành điều chắc chắn. [1]

Tuổi thơ ông vượt biên giới quốc gia từ lâu trước sự nghiệp. Gia đình sống ở Taiwan rồi Thailand. Trong cuộc phỏng vấn với Condoleezza Rice, Huang nhớ lại cha chuyển đến Thailand để giúp khởi lập nhà máy lọc dầu. Ông mô tả cha là kỹ sư, mẹ từng làm người giúp việc ở trường Công giáo sau khi gia đình chuyển sang America. Đó là hồi ức công khai của ông, không phải hồ sơ việc làm được tái dựng độc lập. Cha mẹ muốn con trai có cơ hội giáo dục, và hai anh em sang United States trước khi cha mẹ hoàn tất việc chuyển đi. Trong các phỏng vấn sau này, Huang liên hệ cuộc chia xa ấy với hy vọng cha mẹ dành cho con. [2]

Câu chuyện di cư thường bị rút thành chuỗi tạo động lực ngắn: đứa trẻ nhập cư nghèo đến nơi, chăm chỉ và thành tỷ phú. Chuỗi ấy che khuất phần lớn điều giúp hành trình xảy ra. Trẻ em không chọn chế độ nhập cư, tỷ giá, tuyển sinh hay sự sẵn lòng đón nhận của họ hàng. Cha mẹ quyết định việc hệ trọng với thông tin chưa đầy đủ. Đứa trẻ thừa hưởng cả cơ hội lẫn bất định do các quyết định ấy tạo ra.

Với Huang, di chuyển giữa các nước cũng là di chuyển giữa ngôn ngữ và kỳ vọng. Khó khăn thực tế không đơn giản là học từ vựng. Nó gồm nhận biết cách nói với giáo viên, tạo lập tình bạn, phản ứng trước xung đột và đánh giá năng lực. Học sinh có thể hiểu toán trước khi hiểu quy tắc xã hội của lớp học. Những kiểu học khác nhau ấy không nhất thiết tiến triển cùng tốc độ.

Khẳng định di cư trực tiếp gây nên một thói quen quản lý cụ thể nhiều thập kỷ sau sẽ là suy đoán. Kết luận thận trọng hơn là thích nghi đã sớm thành một thực tế trong đời ông. Sự nghiệp sau đó nhiều lần đòi hỏi bước vào địa hạt xa lạ, xác định quy tắc và quyết định giả định nào có thể thách thức. Sự tương đồng gợi suy nghĩ, không phải chẩn đoán tâm lý.

Vai trò cha mẹ cũng cần được hiểu mà không bịa một kho tư liệu gia đình hoàn chỉnh. Các thông tin công khai về nghề nghiệp và tên tuổi họ không đồng đều về chất lượng. Bằng chứng lặp lại mạnh nhất là cam kết với giáo dục và những xáo trộn họ chấp nhận để theo đuổi nó. Tầm quan trọng ấy không phụ thuộc việc lấp mọi khoảng trống bằng chi tiết có vẻ hợp lý. Quyết định của họ mở cho Huang các tổ chức và mạng lưới sau này thành trung tâm phát triển kỹ thuật của ông.

Nguy cơ của câu chuyện thành công tất yếu

Biết kết cục làm thay đổi cách độc giả diễn giải tuổi thơ. Một thành công bình thường trong lớp có thể thành dấu hiệu thiên tài; một trải nghiệm khó chịu có thể thành chuẩn bị thiết yếu cho lãnh đạo. Không kết luận nào tự động đúng. Nhiều người di cư tài năng chịu gian khổ mà không xây công ty lớn. Nhiều doanh nhân thành đạt có tuổi thơ rất khác.

Vì thế câu hỏi hữu ích không phải Huang nhỏ tuổi đã được định sẵn tạo NVIDIA chưa, mà là cơ hội dành cho ông mở rộng thế nào và sau này ông làm gì với chúng. Cách tiếp cận ấy coi trọng nỗ lực mà không bỏ qua quyết định gia đình, giáo dục công và hoàn cảnh lịch sử đã giúp nỗ lực sinh kết quả.

2 Kentucky và trải nghiệm khác biệt

Sống ở Oneida

Một đính chính đặc biệt quan trọng liên quan thời gian ở Kentucky. Oneida Baptist Institute cho biết ông và anh trai ở ký túc xá của viện, nhưng học trường công Oneida Elementary School phía bên kia South Fork của Kentucky River. Vì khi đó viện là trường trung học, hai anh em đi qua cầu treo để đến lớp. Xem nơi nội trú và nơi ghi danh học là một là không chính xác. [3]

Qua thời gian, câu chuyện có thêm phiên bản kịch tính. Huang nhớ lại khởi đầu khó khăn ở United States, được xếp cùng các thiếu niên lớn hơn trong hoàn cảnh gia đình chưa lường hết. Hồ sơ Oregon State ghi lời ông về khởi đầu ấy, đồng thời ghi tình cảm ông dành cho trải nghiệm trường học. Cả hai đều thuộc câu chuyện: khó chịu và biết ơn không loại trừ nhau. [4]

Nhãn dành cho tổ chức cần thận trọng. Cụm như trường cải huấn có thể truyền ký ức người nói về môi trường, nhưng chưa chắc mô tả đủ lịch sử tổ chức hay từng học sinh. Điều chắc chắn hơn là bố trí nội trú, học tiểu học và sự thích nghi văn hóa lớn của một đứa trẻ xa cha mẹ.

Một cơ sở tuổi thơ có thể về sau được nhớ qua một chi tiết sống động. Cầu treo là chi tiết như thế: cụ thể, dễ nhớ, có ghi nhận độc lập. Nó hữu ích hơn mô tả bịa về suy nghĩ Huang khi bước qua. Cách bố trí vật lý cho độc giả đủ thông tin về khoảng cách giữa nơi ở, trường và thế giới xa lạ quanh ông.

Nhiều năm sau, Jensen và Lori Huang hỗ trợ một cơ sở mới ở Oneida. Viện ghi khoản tài trợ đối ứng [Matching Grant] 2 triệu USD, và Huang Hall hình thành từ đó được khánh thành năm 2019. Món tặng nối doanh nhân trưởng thành với nơi từng thuộc tuổi thơ, mà không cần giả định mọi khía cạnh tuổi thơ đều hạnh phúc. [3]

Kiên cường mà không lãng mạn hóa gian khổ

Chuyện về người thành công hay biến khó khăn thành toa thuốc: vì gian khổ đến trước thành tựu, nhà lãnh đạo tương lai cũng nên trải qua gian khổ. Lý luận ấy yếu. Nghịch cảnh có thể tạo khả năng xoay xở, nhưng cũng hạn chế cơ hội và gây tổn hại lâu dài. Kết quả tùy hỗ trợ, hoàn cảnh và con người.

Việc Huang về sau công khai đề cao bền bỉ liên quan đến lãnh đạo của ông. Không nên dùng nó để ca ngợi bắt nạt, thiếu thốn hay đau khổ có thể tránh. Bài học xây dựng hẹp hơn: người ta có thể học phản ứng trước điều kiện khó, và tổ chức có thể giúp họ hồi phục, phát triển tự tin, tìm công việc hữu ích.

Một tường thuật trưởng thành về kiên cường cũng có sự giúp đỡ. Người trẻ thích nghi vẫn cần giáo viên, họ hàng, thức ăn, chỗ ở và đường học tiếp. Vị quản lý tương lai vượt khủng hoảng vẫn cần kỹ sư, khách hàng, tài chính. Nhớ sự liên tục ấy giúp tiểu sử không thành chuyện ý chí đơn độc.

3 Trường học, công việc và hoài bão ở Oregon

Con đường giáo dục ổn định hơn

Gia đình sau đó định cư Oregon, nơi Huang học trung học vùng Beaverton. Oregon State còn xác định ông từng là tay bóng bàn thiếu niên có thứ hạng toàn quốc. Các chi tiết cho thấy người trẻ phát triển cả kỹ năng học tập lẫn thi đấu, dù không cung cấp hồ sơ đầy đủ từng năm học. [4]

Một số bản tóm lược phổ thông nêu chính xác các lần nhảy lớp, hoặc năm nhập đại học mâu thuẫn thông tin khác. Độ chính xác ấy không cần để hiểu hướng đi. Điều chắc là ông tiến qua trường học, vào ngành kỹ thuật điện [Electrical Engineering] ở Oregon State University, hoàn tất cử nhân năm 1984. Ngày cấp bằng có tư liệu là mốc vững hơn tái dựng phỏng đoán từng năm trung học cơ sở.

Thể thao thi đấu là phép ví hữu ích cho kỹ thuật, không phải chứng minh nhân quả. Người chơi bóng bàn liên tục điều chỉnh theo đối thủ, nhận phản hồi [Feedback] tức thì, luyện động tác đến đáng tin cậy. Kỹ sư cũng học qua phản hồi. Chỉ biết ông từng chơi không đủ xác định ông chủ động mang thói quen thể thao nào vào quản lý.

Công việc dịch vụ sớm ở Denny’s là phần lặp lại khác của câu chuyện công khai. Ông nói về rửa bát, phục vụ khách và bài học từ lao động bình thường. Việc nhà hàng quan trọng vì đặt sự phát triển ra ngoài thế giới công nghệ tinh hoa khép kín. Trước quản lý kỹ sư, ông đã trải nghiệm nơi dịch vụ, tốc độ, phối hợp nhiều việc nhỏ được nhìn thấy mỗi ngày. [2]

Công việc dịch vụ có thể dạy gì

Nhà hàng là hệ thống [System]. Khách thấy bữa ăn, nhưng cung cấp nó phụ thuộc chuẩn bị, rửa, gọi món, nấu, thanh toán, giao tiếp. Hỏng một phần vẫn đến khách dù phần khác làm tốt. Đây là cách hữu ích hiểu tại sao bộ phận xuất sắc kỹ thuật tự nó không tạo sản phẩm thành công.

Nguyên lý đó sau này xuất hiện ở quy mô lớn hơn nhiều trong NVIDIA. Bộ xử lý [Processor] có thể mạnh mà khó lập trình; phần mềm [Software] có thể thanh nhã mà thiếu kênh phân phối; trung tâm dữ liệu [Data Centre] đủ bộ xử lý nhưng thiếu mạng [Networking], điện hoặc làm mát. Đó là tương đồng phân tích, không khẳng định ca làm cụ thể đã cho Huang bản thiết kế công ty điện toán.

Còn bài học về khả năng nhìn thấy công việc. Lãnh đạo cao cấp có thể tách khỏi người làm sản phẩm dùng được. Việc dịch vụ nhanh chóng phơi hậu quả lỗi vận hành nhỏ. Giá trị lãnh đạo là giữ tò mò với hậu quả ấy khi địa vị, giàu có đã cho phép né tránh.

4 Học kỹ thuật ở đại học và gặp Lori

Oregon State và nền tảng một nghề

Huang nhận bằng cử nhân khoa học kỹ thuật điện [Electrical Engineering] từ Oregon State University năm 1984. Trường ghi Lori Mills là bạn thực hành trong môn nhập môn kỹ thuật điện, và họ kết hôn năm năm sau khi gặp. Quan hệ bắt đầu trong chính giáo dục kỹ thuật đang định hình sự nghiệp. [4]

Kỹ thuật điện [Electrical Engineering] mang lại hơn văn bằng: nó rèn suy luận về hệ vật lý chịu ràng buộc. Mạch [Circuit] phải đồng thời đạt yêu cầu thời gian, điện năng, chi phí, độ tin cậy. Thiết kế thành công theo thước đo này có thể thất bại theo thước khác. Kỷ luật ấy khác hình ảnh đổi mới như ý tưởng chợt đến rồi thực thi dễ dàng.

Phòng thí nghiệm đại học khiến đánh đổi [Trade-offs] cụ thể. Tính toán cuối cùng phải khớp cấu hình bộ phận hoạt động được. Hành vi bất ngờ phải điều tra chứ không giải thích cho qua. Đó là đặc điểm chung giáo dục kỹ thuật, không phải danh sách bài tập riêng của Huang được dựng lại; chúng giải thích dạng đào tạo nghề nghiệp mà bằng cấp đại diện.

Không nên thu Lori thành nhân vật phụ tình cờ gặp tỷ phú tương lai. Bà học kỹ thuật, về sau đồng tài trợ các dự án giáo dục lớn. Thông tin công khai hỗ trợ vai trò ấy, không biện minh gán mọi quyết định riêng của gia đình cho bà, cũng không biện minh nói bà giữ chức chính thức ở NVIDIA nếu không có hồ sơ đáng tin.

Học Stanford trong lúc làm việc

Huang hoàn thành thạc sĩ kỹ thuật điện [Electrical Engineering] ở Stanford University năm 1992 khi làm toàn thời gian. Tiểu sử Stanford xác nhận bằng, còn Oregon State mô tả kết hợp việc làm và cao học. Điều này đặt đào tạo nâng cao bên trong phát triển nghề, thay vì hoàn toàn trước đó. [4, 5]

Sự khác biệt quan trọng. Người vừa làm vừa học có thể so công cụ lý thuyết với vấn đề thương mại. Học thuật làm rõ vì sao thiết kế hoạt động như vậy, việc làm lộ ràng buộc bài tập bỏ qua. Không môi trường nào thay thế môi trường kia; giá trị có thể đến từ di chuyển giữa chúng.

Ngày tháng cũng thách thức tự sự khởi nghiệp thời thượng mà sai lệch. Huang không phải người bỏ đại học, bác giáo dục chính quy để lập tức lập công ty. Khi NVIDIA ra đời, ông có bằng kỹ thuật đại học, cao học và nhiều kinh nghiệm bán dẫn [Semiconductor]. Chuyện ông đề cao học hỏi, chuẩn bị chuyên môn ít nhất cũng mạnh như đề cao mạo hiểm táo bạo.

Giáo dục chính quy không đưa công thức khởi nghiệp đầy đủ, không bảo đảm khách mua chip đồ họa [Graphics Chip], nhà đầu tư cấp vốn, nền tảng phần mềm [Software Platform] mới thu hút lập trình viên. Nó cung cấp công cụ điều tra vấn đề. Thành tựu sau đó phụ thuộc áp dụng và mở rộng chúng giữa bất định.

5 Học ngành kinh doanh bán dẫn [Semiconductor]

AMD và LSI Logic

Tiểu sử trong hồ sơ quản lý NVIDIA ghi Huang làm Advanced Micro Devices từ 1983 đến 1985, LSI Logic từ 1985 đến 1993. Cần giữ năm bắt đầu AMD vì vài chuyện phổ thông giản lược thành 1984, năm tốt nghiệp cử nhân. Hồ sơ nghề chính thức là cơ sở thời gian tốt hơn chuỗi gọn suy từ tốt nghiệp. [6]

Ở AMD ông thiết kế vi xử lý [Microprocessor]. Ở LSI Logic ông có trách nhiệm kỹ thuật, tiếp thị, quản lý, gồm việc liên quan CoreWare. Các vai trò mở kinh nghiệm vượt thiết kế một mạch đơn lẻ, cho thấy quan hệ giữa năng lực kỹ thuật, yêu cầu khách hàng, chiến lược thương mại. [6]

Bán dẫn [Semiconductors] đặt yêu cầu đặc biệt lên công ty mới. Thiết kế chip [Chip] đắt, sản xuất phụ thuộc cơ sở chuyên dụng, sai sót đòi thiết kế lại tốn kém, sản phẩm có thể ra khi thị trường đã chuyển. Khoảng cách giữa quyết định kỹ thuật và phản hồi thị trường có thể dài. Nhà sáng lập cần cả phán đoán kỹ thuật và cách tài trợ bất định.

Công việc chip tùy biến [Custom Chips] ở LSI Logic là chuẩn bị phù hợp để hiểu khách chuyển yêu cầu hệ thống [System Requirement] thành silicon [Silicon]. Nó cho thấy phân biệt vẫn cốt lõi với NVIDIA: hiếm khi khách muốn chip chỉ vì thú vị kỹ thuật; họ muốn kết quả như đồ họa tốt, chi phí thấp, tính nhanh hoặc sản phẩm riêng mạnh hơn.

Trở thành hơn một chuyên gia

Chuyển từ kỹ sư sang doanh nhân đôi khi được tả là bỏ lại kỹ thuật. Sự nghiệp Huang cho mẫu khác: hiểu kỹ thuật vẫn trung tâm, vòng quyết định mở đến con người, định giá, tài chính và chọn thị trường.

Doanh nhân phải quyết vấn đề nào đáng chú ý. Kỹ sư tối ưu thiết kế đã định; nhà sáng lập còn quyết thiết kế có nên tồn tại. Câu hỏi chuyển từ làm được không sang đủ người coi trọng không, công ty giao được không, đối thủ phản ứng nhanh hơn không.

Chuyển đổi ấy dễ tả hồi tưởng hơn thực hiện. Chuyên môn thành bẫy khi chủ nhân khăng khăng thiết kế ưu việt phải thắng. Khách có thể chuộng tương thích [Compatibility], sẵn hàng, dễ dùng. Nhà sáng lập phải sẵn lòng phát hiện ưu tiên thị trường khác giả định ban đầu của nhóm kỹ sư.

Vì vậy những năm trước NVIDIA thuộc trung tâm tiểu sử, không chỉ phòng chờ trước chuyện quan trọng. Chúng cho kinh nghiệm ngành nơi quyết định sản phẩm, quan hệ sản xuất và lòng tin khách hàng không tách rời.

6 Thành lập NVIDIA

Ba nhà sáng lập và thị trường khó

NVIDIA được Jensen Huang, Chris Malachowsky, Curtis Priem sáng lập năm 1993. Huang làm tổng giám đốc [Chief Executive], giữ vai trò qua phát triển công ty. Các cuộc gặp Denny’s nổi tiếng thuộc chuyện lập nghiệp, nhưng quán ăn không nên che chuyên môn tích lũy của người ngồi đó. [7, 8]

Cơ hội đầu là đồ họa [Graphics] cho máy tính cá nhân [Personal Computers]. Trò chơi là ứng dụng đòi hỏi cao: người dùng muốn thế giới hình ảnh phong phú hơn, còn bộ xử lý đa dụng [General-purpose Processors] khó cung cấp đồ họa phức tạp hiệu quả. Bộ xử lý chuyên dụng [Specialist Processor] cải thiện trải nghiệm bằng làm nhanh hơn nhiều một số thao tác.

Đó là điểm vào thương mại, không phải kế hoạch hoàn chỉnh cho kinh tế AI tạo sinh [Generative AI] hôm nay. Dễ chiếu thành công hiện tại về quá khứ, tưởng họ đã thấy mọi công dụng sau này. Cách hiểu vững hơn là họ xác định vấn đề điện toán rộng, vào qua thị trường nuôi được doanh nghiệp.

Phân biệt luận điểm rộng và sản phẩm đầu rất quan trọng. Luận điểm còn sinh lợi dù triển khai [Implementation] thất bại. Công ty tin tính toán chuyên dụng [Specialised Computation] quan trọng nhưng sai kiến trúc [Architecture], khách, thời điểm lần đầu. Sống sót tùy đổi thử nghiệm mà không vứt hết phần hữu ích của nhận thức gốc.

Vì sao đồng sáng lập quan trọng

Tiểu sử xoay quanh tổng giám đốc có thể vô tình xóa công ty xung quanh. Malachowsky, Priem là đồng sáng lập, không phải phụ kiện của tầm nhìn xong sẵn. Kỹ sư, nhà đầu tư, khách đầu cũng biến ý tưởng thành tổ chức. Dễ đánh giá chính xác lãnh đạo Huang hơn khi đóng góp họ vẫn hiện rõ.

Malachowsky mang kinh nghiệm kỹ thuật và lãnh đạo kỹ thuật từ Hewlett-Packard, Sun Microsystems. Nền tảng hệ thống đồ họa [Graphics Systems] khiến ông thuộc nền móng kỹ thuật, tiếp tục gắn NVIDIA với tư cách nhà sáng lập và chuyên gia cấp cao [Fellow]. Không phải doanh nhân phi kỹ thuật chỉ thuê kỹ sư thi hành kế hoạch xong sẵn. [32]

Priem cũng từng ở Sun, thiết kế kiến trúc sản phẩm đồ họa GX. Rensselaer Polytechnic Institute ghi ông là giám đốc kỹ thuật [Chief Technical Officer] NVIDIA từ 1993 đến 2003. Việc trước gồm IBM Professional Graphics Adapter. Kinh nghiệm đặt các nhà sáng lập trong dòng kỹ thuật đồ họa trước NVIDIA, giải thích tại sao tiếp thị GPU đầu không nên lẫn nguồn gốc toàn ngành. [33]

Đóng góp Huang đặt cạnh chuyên môn ấy. Ông trải qua thiết kế bán dẫn [Semiconductor Design], quản lý thương mại ở AMD, LSI Logic. Kết hợp cho nhóm góc nhìn cả triển khai đồ họa [Graphics Implementation] lẫn xây doanh nghiệp bán dẫn. Nó không ngăn sai, nhưng cho nguồn lực nhận ra và đáp lại sai sót.

Nhiệm vụ riêng tổng giám đốc là hợp nhất quyết định: khả năng kỹ thuật thành kế hoạch sản phẩm, kế hoạch cần vốn, vốn cần uy tín, uy tín phải vượt trở ngại. Không cá nhân làm hết việc kỹ thuật hay thương mại. Lãnh đạo gồm duy trì hướng nhất quán xuyên các việc.

Công ty đầu cũng hoạt động trong hệ sinh thái [Ecosystem] không kiểm soát. Hệ điều hành [Operating Systems], chuẩn đồ họa [Graphics Standards], nhà phát triển phần mềm [Software Developers], đối tác sản xuất có thể đổi giá trị thiết kế. Không phải điểm yếu riêng NVIDIA, mà điều kiện xây bộ phận mới cho hệ thống điện toán [Computing System] lớn hơn.

Vì thế bài học sáng lập đòi hỏi hơn bắt đầu với can đảm: chọn vấn đề đáng giải, tập hợp chuyên môn bổ sung, tạo doanh nghiệp học được trước khi hết tiền. Can đảm quan trọng nhưng không thay được các bố trí ấy.

7 Khi công ty suýt thất bại

Vấn đề NV1 và Sega

Sản phẩm đầu của NVIDIA không tạo con đường thành công suôn sẻ. NV1 ra mắt năm 1995 chật vật thương mại. Công việc tiếp với Sega phơi vấn đề sâu hơn: hướng kỹ thuật lệch dần khỏi chuẩn mà thị trường đồ họa [Graphics] rộng lớn đang tổ chức quanh nó. [7, 9]

Vấn đề kiến trúc [Architecture] rất cụ thể. NV1 dùng ánh xạ kết cấu bậc hai [Quadratic Texture Mapping], trong khi hệ sinh thái [Ecosystem] Direct3D mới lấy tam giác làm trung tâm. Hỗ trợ cách khác khiến nhà phát triển trò chơi thêm việc, hạn chế lợi thế phần cứng. RIVA 128 chọn hướng tương thích hơn. Một phần bài học là về chuẩn: triển khai [Implementation] thanh nhã vẫn thua nếu ngành phần mềm xung quanh không dùng thuận tiện. [34]

Không đơn thuần tranh hình nào ưu việt toán học. Kiến trúc đồ họa [Graphics Architecture] phải làm việc với công cụ sáng tác [Authoring Tools], giao diện lập trình [Programming Interfaces], kỹ thuật lập trình viên đã hiểu. Nhà cung cấp yêu cầu cách khác phải đưa lợi ích đủ lớn bù việc thêm. NVIDIA sống sót nhờ chấp nhận hướng hệ sinh thái thay vì mong hệ sinh thái tổ chức lại quanh thiết kế đầu.

Trong hồi ức sau này, Huang nói ông nhận ra tiếp tục hợp đồng có thể để lại sản phẩm không hỗ trợ tương lai, còn bỏ nó khiến thiếu tiền sống sót. Ông gặp lãnh đạo Sega xin giúp. Hỗ trợ nhận được cho phép NVIDIA đổi hướng. [9]

Các bản kể khác nhau về cơ chế thanh toán, đầu tư. Kết luận an toàn là Sega cấp hỗ trợ tài chính thiết yếu, thường được báo khoảng 5 triệu USD, và Shoichiro Irimajiri có vai trò quan trọng. Không nên giản lược thành lãnh đạo Nintendo không liên quan cứu công ty, hoặc tiền nhất thiết là quà cá nhân vô điều kiện. [8, 10]

Ý nghĩa đạo đức cụ thể: Huang phải thừa nhận sai lầm lớn với đối tác quan trọng. Khác việc tự trình bày người nhìn xa luôn đúng. Cứu trợ đáng tin đòi kết hợp thẳng thắn, tin cậy và đối tác sẵn lòng nhận kết quả khác thường.

RIVA 128 và hy vọng thương mại trở lại

RIVA 128 năm 1997 thành sản phẩm xoay chuyển quyết định. Niên biểu NVIDIA ghi bán một triệu đơn vị trong bốn tháng. Số ấy cho thấy sản phẩm đổi vị thế công ty trẻ nhanh thế nào khi hợp nhu cầu thị trường hơn. [7]

Hỗ trợ Sega và thành công RIVA 128 thuộc câu chuyện sống sót liên kết. Xem mỗi bước là lần phá sản riêng sẽ phóng đại. Một bên tạo khoảng hành động, bên kia biến hướng mới thành doanh thu. Cả hai cần công việc kỹ thuật, thực thi thương mại của đội ngũ rộng hơn.

Hạn khẩn cấp tập trung tổ chức nhưng tạo rủi ro. Chip [Chip] xây giữa hạn chế tiền, thời gian nghiêm trọng cần kiểm tra cực cẩn thận vì ít cơ hội thử lại. Không phải có niềm tin đủ mạnh thì bỏ kiểm tra. Bài học là tổ chức hạn chế cần phương pháp lộ lỗi trước khi chi phí sửa thành chí mạng.

Huang có nhiều lần cứu NVIDIA khỏi phá sản?

Có bằng chứng đáng tin về nhiều lần suýt thất bại, nhất là giữa thập niên 1990. Giám đốc lâu năm Mark Stevens nói vài lần thời ấy chỉ còn khoảng ba mươi ngày tới thất bại. Điều này hỗ trợ cụm nhiều lần thoát sụp đổ, không xác lập nhiều lần vào thủ tục phá sản chính thức. [8]

Thất bại chiến lược sau cũng cần phân loại. CUDA là cam kết tốn kém, lợi ích lâu mới xuất hiện. Điện thoại di động là rút khỏi thị trường khó. Giá cổ phiếu giảm, dự án đắt, lập tức mất khả năng trả hóa đơn là các trạng thái khác nhau. Gọi tất cả phá sản làm chuyện kịch tính hơn nhưng kém hữu ích.

Phát biểu mạnh nhất có thể bảo vệ là Huang giúp công ty qua vài thời nguy hiểm, khẩn cấp cạn tiền rõ nhất tập trung buổi đầu. Quyết định của ông thiết yếu, nhưng cả Sega, đồng nghiệp, kiên nhẫn nhà đầu tư và thành công sản phẩm thiết kế lại cũng vậy.

8 Từ sản phẩm đồ họa [Graphics] đến nền tảng điện toán [Computing Platform]

Lên sàn và định nghĩa một loại sản phẩm

Đợt chào bán công chúng lần đầu [Initial Public Offering] năm 1999 đánh dấu giai đoạn mới. Công ty ra GeForce 256 cùng năm, tiếp thị là bộ xử lý đồ họa [Graphics Processing Unit] đầu tiên. Cần điều kiện lịch sử: bộ tăng tốc đồ họa [Graphics Accelerators] đã có trước. Tuyên bố chỉ quan niệm GPU tích hợp cụ thể, không phải phát minh toàn bộ phần cứng đồ họa máy tính. [7]

Hình ảnh công khai vẫn gắn trò chơi. Không phải màn dạo nhỏ trước kinh doanh đáng kính hơn. Trò chơi tạo khách đòi cao, chu kỳ sản phẩm nhanh, thị trường đủ lớn tài trợ đầu tư kỹ thuật. Nó cũng đưa bộ xử lý song song [Parallel Processors] mạnh tới tay nhà nghiên cứu thử nghiệm.

Nền tảng [Platform] phát triển khi người khác xây việc bền vững trên sản phẩm. Card đồ họa [Graphics Card] nhanh thắng một lần mua. Môi trường lập trình [Programming Environment] ổn định, thư viện [Libraries] hữu ích, kiến thức tích lũy ảnh hưởng nhiều lần mua sau. Quan hệ thương mại khác vì đổi nhà cung cấp có thể cần đổi phần mềm và đào tạo lại.

Đi tới nền tảng [Platform] đổi nghĩa chất lượng. Tốc độ phần cứng vẫn quan trọng, nhưng cả tài liệu, tương thích ngược [Backward Compatibility], gỡ lỗi [Debugging], triển khai [Deployment], hỗ trợ. Lợi thế điểm chuẩn [Benchmark] biến mất nếu người dùng không đạt được tin cậy trong ứng dụng riêng.

Cạnh tranh không biến mất

Ngành đồ họa tiếp tục đổi qua cạnh tranh, hợp nhất. NVIDIA đồng ý mua một số tài sản đồ họa 3dfx tháng 12 năm 2000, hoàn tất tháng 4 năm 2001. Mua tài sản chọn lọc không nên tả thành mua mọi phần doanh nghiệp đối thủ. Phân biệt ấy quan trọng cả pháp lý lẫn lịch sử. [35]

Đồ họa trò chơi tiếp tục tiến sau khi học sâu [Deep Learning] nổi lên. Tháng 8 năm 2018, GeForce RTX dựa Turing [Architecture] kết hợp tô bóng [Shading] truyền thống với dò tia [Ray Tracing] chuyên dụng và AI. Đó là bước nữa làm kỹ thuật hình ảnh từng đắt trở nên thực tế trong sản phẩm tương tác. [36]

Dò tia [Ray Tracing] mô hình đường sáng để tạo phản xạ, bóng. Ứng dụng thời gian thực [Real-time] có hạn thời gian chặt: hình mất vài phút kết xuất [Rendering] có ích cho sản xuất ngoại tuyến [Offline], nhưng không trực tiếp hỗ trợ trò chơi đáp ứng nhanh. Phải tính hình thuyết phục trong ngân sách hiệu năng hữu ích.

Các tiến triển khiến ý tưởng NVIDIA đơn giản bỏ game thành AI phức tạp hơn. Đồ họa vẫn tích cực kỹ thuật, quan hệ với mô phỏng [Simulation] và AI vẫn sinh cơ hội. Lịch sử nên hiểu là mở khả năng, không thay hoàn toàn một bản sắc bằng bản sắc khác.

GPU khác CPU thế nào

Bộ xử lý trung tâm [Central Processing Unit] xử lý đa dạng việc, gồm luồng điều khiển [Control Flow] phức tạp và thao tác phải tuần tự. Bộ xử lý đồ họa [Graphics Processing Unit] dành nhiều thiết kế cho nhiều phép liên quan chạy song song [Parallel]. Không phải một thông minh, một đơn giản, hay GPU luôn nhanh. Điểm mạnh tùy tải [Workload].

Ví dụ áp cùng biến đổi lên hàng triệu điểm ảnh [Pixels]. Nhiều việc chia thành phép tương tự; phần cứng song song [Parallel Hardware] làm nhiều phép cùng lúc. Ngược lại, mỗi quyết định phụ thuộc kết quả trước có thể ít lợi GPU. Chuyển dữ liệu giữa bộ xử lý [Processors] cũng tốn thời gian, năng lượng.

AI hiện đại dựa nhiều phép số [Numerical Operations] tổ chức song song, gồm nhân ma trận [Matrix Multiplications] lớn. GPU hữu ích, không khiến mọi AI giống nhau hay triển khai GPU nào cũng kinh tế. Dung lượng bộ nhớ [Memory Capacity], truyền thông [Communication], độ chính xác số [Numerical Precision], triển khai phần mềm [Software Implementation] đều ảnh hưởng.

Cơ hội Huang là nối năng lực ấy với vấn đề ngoài vẽ đồ họa. Không chỉ tuyên bố chip mạnh, mà phải cho người có việc ít liên quan kết xuất [Rendering] game tiếp cận phần cứng.

9 CUDA và sự kiên nhẫn xây dựng hệ sinh thái [Ecosystem]

Làm điện toán song song [Parallel Computing] dùng được

CUDA là nền tảng điện toán song song [Parallel-computing Platform], mô hình lập trình [Programming Model] của NVIDIA. Nó cho lập trình viên dùng GPU hỗ trợ cho việc số đa dụng thay vì biểu đạt mọi vấn đề qua giao diện đồ họa [Graphics Interface]. Kiến trúc [Architecture] giới thiệu năm 2006, bộ công cụ phần mềm [Software Toolkit] công khai năm 2007. [7, 11]

Phân biệt kiến trúc [Architecture] và bộ công cụ [Toolkit] giải thích hai năm. Một ngày có thể giấu trình tự phần cứng, công cụ, tiếp nhận lập trình viên trở nên sẵn có. Tầm quan trọng thương mại từ kết hợp.

Nhà khoa học không cần thành chuyên gia đồ họa để hưởng phần cứng song song [Parallel Hardware]. Thư viện [Libraries] đưa toán quen thuộc, trình biên dịch [Compiler], môi trường chạy [Runtime] chuyển mã [Code] thành việc GPU làm. Dần khung cấp cao [Higher-level Frameworks] dựa thư viện, tạo các lớp trừu tượng [Abstraction] giữa nghiên cứu viên và bộ xử lý [Processor].

Lớp ấy là lý do không thể hiểu vị thế chỉ đếm thông số chip. Lập trình viên có thói quen, tổ chức có mã [Code] kiểm nghiệm, cộng đồng chia ví dụ. Đầu tư tạo liên tục nhưng cả chi phí chuyển đổi [Switching Costs]. Cùng hệ sinh thái [Ecosystem], người thấy tiện, người thấy lệ thuộc.

Đầu tư trước khi lợi nhuận rõ

Huang tả CUDA là cam kết dài hạn đắt, ban đầu bị hoài nghi. Chi phí đến trước khi AI làm lợi ích thương mại rõ. Hồi tưởng ông nối đầu tư với thời niềm tin thị trường tài chính yếu. [9]

Sai khi suy mọi dự án đắt đáng cấp vô hạn vì CUDA thành công. Đầu tư dài hạn hợp lý cần bằng chứng nền kỹ thuật tiến, người dùng làm việc giá trị. Kiên nhẫn không học giữ thất bại cũng dễ như giữ đột phá.

Thách thức là hỗ trợ khả năng mà không đòi ngay thị trường khổng lồ. Nhà nghiên cứu dùng GPU ngoài dự kiến đưa thông tin: phần cứng giải ngoài nhóm khách ban đầu tài trợ. NVIDIA học từ đó khi vẫn bán thị trường có sẵn.

Giới hạn lợi thế hệ sinh thái [Ecosystem]

Hệ phần mềm [Software Ecosystem] mạnh không xóa cạnh tranh. Bộ tăng tốc [Accelerators] khác, dự án biên dịch [Compiler], khung di động [Portable Frameworks] giảm lệ thuộc nhà bán. Khách lớn có quy mô cho phần cứng chuyên dụng [Specialised Hardware]. Một số tải hợp hệ đơn giản rẻ hơn nền GPU linh hoạt nhất.

Thử thách lâu dài là toàn hệ NVIDIA còn hiệu năng có ích giá chấp nhận không. Quen phần mềm hoãn chuyển, không bảo đảm trung thành mãi. Hệ sinh thái [Ecosystem] phải tiếp tục tạo giá trị, không chỉ dựa sự bất tiện rời đi.

CUDA cho bài khó: sản phẩm quan trọng nhất đôi khi là công cụ cho khách tìm công dụng nhà cung cấp chưa định. Nó cần hỗ trợ lâu, chấp nhận giá trị xuất hiện trong thử nghiệm nhỏ trước sổ đơn hàng lớn, dự đoán được.

10 Bước ngoặt học sâu [Deep Learning]

AlexNet và tín hiệu mới từ nghiên cứu

Năm 2012, Alex Krizhevsky, Ilya Sutskever, Geoffrey Hinton công bố AlexNet. Mạng nơ-ron tích chập [Convolutional Neural Network] đạt kết quả lớn ở ImageNet, dùng tính toán GPU [GPU Computation] làm huấn luyện lớn [Large-scale Training] khả thi. Bài báo ghi thành tựu nghiên cứu, không phải diễn giải doanh nghiệp sau. [12]

NVIDIA không phát minh mạng [Neural Network], tập dữ liệu [Dataset] ImageNet hay toàn ngành máy học [Machine Learning]. Phần cứng, hệ lập trình [Programming Ecosystem] là hạ tầng tạo điều kiện. Lịch sử cân bằng giữ nhà nghiên cứu, người tạo dữ liệu trong tầm nhìn cùng nhà cung cấp tính toán.

Không phải một điểm chuẩn [Benchmark] chứng minh mọi AI tương lai. Nó cho thấy dữ liệu, thiết kế mô hình [Model Design], tính toán sẵn có cùng tạo cải thiện mạnh trong nhiệm vụ quan trọng, khuyến khích đầu tư thử tiếp. Là tín hiệu có hệ quả, không tiên đoán trọn tương lai.

Với Huang, vấn đề là đáp tín hiệu. Thấy nghiên cứu hứa hẹn chưa là tổ chức phục vụ lĩnh vực mới. Học sâu [Deep Learning] cần chọn phần cứng, thư viện [Software Libraries], hệ thống, quan hệ nghiên cứu; coi tải [Workload] là hướng xây công ty.

Huấn luyện [Training] và suy luận [Inference]

Huấn luyện [Training] chỉnh tham số [Parameters] bằng dữ liệu và tối ưu [Optimisation Process]. Suy luận [Inference] dùng mô hình đã học tạo đầu ra. Cả hai cần tính nhiều nhưng vận hành khác. Huấn luyện chạy việc lớn lâu; suy luận phải đáp nhanh nhiều người, kiểm soát giá và trễ [Latency].

Đó là lý do hạ tầng AI [AI Infrastructure] không đồng nhất. Phòng nghiên cứu mô hình lớn, bệnh viện mô hình ảnh nhỏ, app sinh chữ cần cấu hình khác; tùy quy mô, riêng tư, tin cậy, thời gian đáp, lượng việc.

Mô hình lớn, liên lạc bộ xử lý [Processors] quan trọng hơn. Tập chip nhanh không tự là máy nhanh. Dữ liệu qua bộ nhớ [Memory], mạng [Networks], lỗi phải phát hiện quản lý. Nút thắt [Bottleneck] có thể ngoài đơn vị số học [Arithmetic Units] được quảng bá nhất.

Mở sang hệ thống, mạng [Networking] theo nền ấy. Cạnh tranh vượt card [Graphics Card] sang hiệu năng cả cơ sở. Huang ngày càng xây hệ, tổ chức sinh thái [Ecosystem] hơn chỉ đứng đầu nhà chip.

Biến nhu cầu nghiên cứu thành sản phẩm

Năm 2016, DGX-1 là hệ học sâu tích hợp [Deep-learning System]. Thay mỗi phòng tự ráp, nó cấp GPU phần mềm cấu hình sẵn, rút khoảng mua máy đến nghiên cứu có ích. “Siêu máy tính học sâu [Deep-learning Supercomputer] đầu tiên” là tiếp thị, không có nghĩa chưa máy nào từng huấn luyện nơ-ron [Neural Network]. [28]

Năm sau Volta [Architecture] có Tensor Cores cho phép tính học sâu [Deep Learning], thêm bước từ tái dùng đồ họa sang thiết kế cho AI. Nền tảng [Platform] có thể liên tục dù bên trong đổi lớn: thư viện [Libraries] mới giúp dùng máy mới mà không viết lại mọi lớp app. [29]

Hopper năm 2022 có Transformer Engine tăng tải Transformer [Transformer Models]. Blackwell tháng 3 năm 2024 mở cách hệ thống cho AI tạo sinh [Generative AI]. Đây là đổi hướng năng lực; bội số quảng cáo tùy tải [Workload], độ chính xác [Precision], máy so, không phổ quát. [30, 31]

Trình tự hơn danh sách tên. Công ty luôn chỉnh phần cứng phần mềm theo việc khách, giữ tương thích [Compatibility] bảo vệ đầu tư cũ khi thêm năng lực. Thay quá nhiều rạn hệ sinh thái [Ecosystem], ít quá lỗi thời: căng thẳng cốt lõi lãnh đạo nền tảng [Platform].

11 Những trở ngại sau khi sống sót

Chất lượng sản phẩm và suy giảm 2008

Sống sót đầu không miễn sai. Tháng 8 năm 2008 báo chi phí [Charge] 196 triệu USD cho bảo hành, sửa, trả, thay dự kiến của vài notebook do phối vật liệu yếu. Cùng thông báo lỗ quý, thừa nhận sai định giá cạnh tranh. [13]

Khác thiếu tiền đầu, đây là chất lượng, chi phí khách, uy tín thực thi. Chỉ kể chiến lược bỏ sót lãnh đạo. Khách cần sản phẩm chạy sau giao; lãnh đạo thành công vẫn chịu trách nhiệm lỗi xa sân khấu.

Báo cáo năm tài chính 2009 nêu cuối năm khoảng 1,26 tỷ USD tiền, tương đương tiền [Cash Equivalents], chứng khoán khả mại [Marketable Securities]. Không hỗ trợ nói tùy tiện mọi khó 2008 là phá sản tức thì. Lỗ, chi phí, suy thoái vốn nghiêm trọng không cần nhãn. [14]

Rút khỏi di động

NVIDIA cũng theo điện thoại rồi rút. Huang nói rút giải phóng chú ý cho robot [Robotics], xe tự lái [Autonomous Vehicles]. Đây là cách ông hiểu trải nghiệm, không chứng minh phương án thay sẽ chắc thành. [9]

Đổi vì khó khác đổi vì kinh tế nền không hấp dẫn. Lãnh đạo cần tin để qua cản thường, linh hoạt nhận bền bỉ đã phí. Không khẩu hiệu phân biệt trước chắc được.

Cần nêu giả định: nhu cầu gì, lợi thế nào còn bảo vệ, thêm đầu tư bao nhiêu, chứng cứ nào dừng? Câu hỏi biến rút thành phân bổ có lý thay vì chuyện hậu nghiệm làm mọi quyết định khôn.

Vụ mua không xảy ra

Tháng 2 năm 2022, NVIDIA và SoftBank kết thúc mua Arm vì thách thức quy định lớn. SoftBank giữ trả trước 1,25 tỷ USD, NVIDIA giữ phép Arm [Licence] 20 năm. Thất bại giao dịch là trở ngại chiến lược lớn dù không lỗi thiết kế chip. [15]

Nó cho giới hạn quyền nhà sáng lập. Giao dịch hợp người đề xuất có thể làm nhà quản lý, khách, đối thủ lo. Tham vọng hoạt động trong luật, chính trị, không coi như giới hạn kỹ thuật mà quyết tâm xóa được.

Không nên viết vụ thất bại thành thắng vô điều kiện. Nhận chi phí, hiểu vì sao, đánh giá lựa chọn sau theo giá trị riêng. Tường thuật đáng tin hơn khi kể quyết định thất bại mà không ép kết thắng.

12 Xây dựng công ty hạ tầng AI [AI Infrastructure]

Vượt từng chip [Chip] riêng

Tải AI [Workloads] tăng, sản phẩm thành phần hệ lớn: GPU cần bộ nhớ băng thông cao [High-bandwidth Memory], kết nối nhanh, mạng [Networking], máy chủ [Servers], phần mềm quản lý, hỗ trợ. Mua Mellanox hoàn tất 2020 là bước mạnh mạng. [16]

Việc huấn luyện lớn [Training Job] minh họa: bộ xử lý [Processor] chờ dữ liệu làm máy đắt nhàn; mạng không tin cậy mất việc dài; lạnh không đủ không giữ hiệu năng. Kết quả khách phụ thuộc phối cả cơ sở.

Hệ tích hợp [Integrated Systems] giảm gánh tự ráp kiểm từng bộ phận, nhưng tăng phụ thuộc. Khách có giải pháp đầy đủ hơn, có thể nhận ít lựa chọn hướng phát triển.

Tự sự điện toán tăng tốc [Accelerated Computing] phù hợp: một lượng thời gian, điện, tiền hoàn thành bao việc hữu ích. Chip rẻ có thể đắt nếu cần nhiều máy hay chậm kết quả quý. Ngược lại hệ cao là phí nếu hệ đơn giản đủ.

AI bùng nổ chứng minh gì và không

AI tạo sinh [Generative AI] nhanh phổ biến tăng nhu cầu hạ tầng tính toán [Computing Infrastructure]. NVIDIA hưởng vì chuẩn bị phần cứng phần mềm nhiều năm. Thời điểm mạnh thương mại, không đồng nghĩa tác giả duy nhất bùng nổ.

AI còn dựa nghiên cứu đại học, dữ liệu công [Public Datasets], nguồn mở [Open-source Software], hạ tầng đám mây [Cloud Infrastructure], sản xuất bán dẫn [Semiconductor Manufacturing], phòng đối thủ. Người tạo mô hình chọn cấu trúc huấn luyện, công ty chip cấp đồ nghề, người dùng nhà đầu tư tạo cầu. Đóng góp lớn bên trong mạng, không độc lập.

Kết quả tài chính nổi bật. Bản ngày 26 tháng 8 năm 2026 báo doanh thu quý hai tài chính 2027 kết thúc 26 tháng 7 là 96,2 tỷ USD, gồm Data Center 89,0 tỷ. Là số quý đã báo, không tổng năm lịch hay dự báo. [17]

Cùng bản nói Vera Rubin đang vào sản xuất toàn diện. Đọc trong ngày tháng: xác lập công bố, còn hiệu năng, triển khai [Deployment], lợi tức từng cơ sở cần chứng riêng. Lộ trình [Product Roadmap] và lợi ích thực là liên quan nhưng khác.

Rủi ro trong tăng trưởng phi thường

Tăng nhanh che giả định mong manh. Khách mua trước cầu, hạ tầng nối điện lâu hơn dự tính, mô hình mới cần phần cứng khác hoặc hiệu quả hơn. Hấp dẫn ở mức sử dụng [High Utilisation] cao có thể thành đắt khi nhàn.

Nên xem tăng doanh thu cùng tập trung khách, cam kết, cung ứng, kinh tế doanh nghiệp khách. Nhà bán thắng trong bùng nổ dù xung quanh khó sinh đủ lời. Không chứng bong bóng, mà là lý do thử chuỗi kinh tế thay vì chỉ ngưỡng mộ người tăng nhanh nhất.

13 Hệ thống lãnh đạo

Thông tin trực tiếp và những tiêu chuẩn khắt khe

Trong các cuộc thảo luận công khai về quản lý, Huang nhấn mạnh khả năng tiếp cận thông tin, bối cảnh được chia sẻ và sự tham gia vào những vấn đề kỹ thuật khó khăn. Trong cuộc trò chuyện năm 2024 tại Stripe Sessions, ông mô tả một số khía cạnh tổ chức NVIDIA và cách ông sử dụng phản hồi trực tiếp [Direct Feedback]. Những nhận xét này là bằng chứng hữu ích về triết lý ông tuyên bố, nhưng vẫn là lời kể của chính người đang lãnh đạo công ty. [18]

Một tổ chức ít tầng nấc hơn có thể giảm độ trễ giữa một vấn đề và những người có khả năng xử lý nó. Nó cũng có thể đặt gánh nặng thông tin khổng lồ lên tổng giám đốc. Hiệu quả của cấu trúc ấy phụ thuộc vào chất lượng nhân sự, sự rõ ràng của quyền ra quyết định và khả năng giải quyết những ưu tiên cạnh tranh nhau.

Vì vậy, khuyên mọi công ty sao chép mô hình có rất nhiều người báo cáo trực tiếp là quá đơn giản. Sơ đồ tổ chức chỉ là đường nét hữu hình của một hệ thống đang hoạt động. Hai công ty có thể có sơ đồ giống nhau nhưng văn hóa rất khác. Điều quan trọng là thông tin thiết yếu có được lưu chuyển không, các quyết định có được hiểu không và con người có thể hành động mà không phải chờ cấp cao một cách không cần thiết không.

Tiêu chuẩn cao là một nét khác thường xuyên xuất hiện trong các tường thuật về Huang. Tuy nhiên, đòi hỏi hiệu suất không tự động là quản lý tốt. Vấn đề là tiêu chuẩn được truyền đạt thế nào, kỳ vọng có thể đạt được không, bất đồng có an toàn không và sai sót có dẫn đến học hỏi không. Một nhà lãnh đạo có thể nghiêm khắc mà không biến sự làm nhục thành cơ chế cải thiện.

Giải thích tương lai trước khi quen thuộc

Một nhà sáng lập có chuyên môn kỹ thuật phải thuyết phục những nhóm công chúng có nhu cầu khác nhau. Kỹ sư muốn biết kiến trúc [Architecture] có hoạt động không. Khách hàng muốn biết nó có giải quyết vấn đề không. Nhà đầu tư hỏi doanh nghiệp có tạo lợi nhuận không. Chính phủ có thể quan tâm an ninh, năng lực trong nước và khả năng tiếp cận.

Các bài thuyết trình công khai của Huang thường kết nối một bước phát triển kỹ thuật với sự thay đổi công nghiệp lớn hơn. Khả năng đó có giá trị chiến lược, vì khách hàng không thể mua sắm hay xây dựng dựa trên một tương lai họ không hiểu. Một lời giải thích tốt có thể điều phối đầu tư giữa nhiều tổ chức.

Chính khả năng ấy tạo ra trách nhiệm. Những câu chuyện thuyết phục có thể đi trước bằng chứng. Một buổi trình diễn [Demonstration] có thể chỉ hoạt động trong điều kiện được lựa chọn cẩn thận. So sánh hiệu suất có thể phụ thuộc một khối lượng công việc [Workload] hay phiên bản phần mềm cụ thể. Lời hứa về năng lực tương lai có thể bị nhầm với sản phẩm đã có ngay. Người kể chuyện càng giỏi, việc phân biệt những loại này càng quan trọng.

Sự tập trung quyền phán đoán

Nhiệm kỳ dài của nhà sáng lập có thể giữ tính liên tục kỹ thuật và bảo vệ những khoản đầu tư không sống nổi dưới tầm nhìn quản lý ngắn hạn. Nó cũng có thể tập trung phán đoán vào một người. Đồng nghiệp có thể trở nên giỏi đoán nhà sáng lập muốn gì, thay vì kiểm tra điều đó có đúng không.

Một công ty có sức chống chịu cần cả trung tâm mạnh lẫn các cơ chế có thể sửa sai cho nó. Hội đồng quản trị, đánh giá kỹ thuật [Technical Reviews], phản hồi khách hàng [Customer Feedback] và hoạt động bảo đảm độc lập [Independent Assurance] đều đóng góp. Giá trị của chúng lớn nhất khi có thể thách thức một lãnh đạo thành công mà không bị gạt đi như vật cản tầm nhìn.

Cuối cùng, lãnh đạo của Huang cần được đánh giá không chỉ bằng việc NVIDIA làm tốt đến đâu khi ông trực tiếp chỉ huy, mà còn bằng khả năng tổ chức giữ phán đoán hữu ích, trách nhiệm giải trình và năng lực phát minh sau ông. Đó là phép thử khó hơn sức hút cá nhân, và càng quan trọng khi công ty có trọng lượng kinh tế lớn.

14 Động lực, tham vọng và ý nghĩa thất bại

Phát biểu công khai xác lập được gì

Huang đã nhiều lần nói về sự bất định, làm việc chăm chỉ và học từ sai lầm. Bài diễn văn tốt nghiệp năm 2023 tại National Taiwan University dùng ví dụ thất bại và rút lui chiến lược để giải thích quá trình phát triển công ty. Những phát biểu đó hỗ trợ hình ảnh một lãnh đạo công khai coi trở ngại là một phần đổi mới. Chúng không cho phép tiếp cận không giới hạn các động cơ riêng của ông. [9]

Tiểu sử thường gán cho một người một động cơ cảm xúc duy nhất: nỗi sợ nghèo, nhu cầu được công nhận hay mong muốn chứng minh người chỉ trích đã sai. Những giải thích ấy có thể hấp dẫn vì làm một cuộc đời phức tạp trở nên dễ nhớ. Không có bằng chứng mạnh, chúng chỉ là suy đoán.

Một tường thuật có kỷ luật hơn có thể xem xét lựa chọn quan sát được. Huang gắn bó với một công ty qua nhiều thập kỷ. NVIDIA tiếp tục đầu tư hệ sinh thái lập trình [Programming Ecosystem] trước khi thị trường về sau trở nên rõ ràng. Công ty bỏ một số dự án và đào sâu những dự án khác. Những quyết định này bộc lộ ưu tiên mà không đòi hỏi câu chuyện bịa về cảm xúc mỗi buổi sáng.

Lo âu có ích và giới hạn của nó

Ý tưởng quen thuộc rằng công ty luôn gần thất bại có thể khuyến khích cảnh giác. Nó nhắc mọi người khách hàng có lựa chọn khác và lợi thế kỹ thuật sẽ hao mòn. Nhưng một tình trạng khẩn cấp thường trực cũng có thể vắt kiệt tổ chức hoặc làm cho bất đồng được suy xét thấu đáo trở nên khó khăn.

Sự khác biệt nằm ở điều cảnh báo tạo ra. Nó có dẫn đến thử nghiệm tốt hơn, nhận diện vấn đề khách hàng nhanh hơn và lập kế hoạch trung thực hơn không? Hay nó khuyến khích quyết định vội và che giấu tin xấu? Một tiểu sử có thể chỉ ra căng thẳng đó mà không khẳng định mọi nhân viên trải nghiệm văn hóa giống nhau.

Tương tự, thất bại chỉ hữu ích khi tổ chức học được điều có thể hành động. Lặp lại một thử nghiệm không thành công mà không thay đổi giả định không phải sức chống chịu. Thử nghiệm được thiết kế tốt tạo thông tin ngay cả khi kết quả thương mại gây thất vọng. Thử nghiệm thiết kế kém có thể tiêu tiền mà vẫn để câu hỏi trung tâm chưa được trả lời.

Kỷ luật thay đổi suy nghĩ

Sự kiện Sega ban đầu đặc biệt có ý nghĩa vì đòi Huang tách bản sắc khỏi một lựa chọn kỹ thuật. Nhà sáng lập có thể đã đầu tư danh tiếng, tiền bạc và nhiều năm làm việc vào thiết kế. Thừa nhận thiết kế sai có thể giống như thừa nhận bản thân công ty sai. Tuy nhiên, sống sót có thể phụ thuộc chính việc tạo ra sự phân biệt ấy.

Bài học rộng hơn là giữ cam kết với vấn đề trong khi cho phép giải pháp đề xuất thay đổi. Lịch sử NVIDIA có vài phiên bản của mẫu này: kiến trúc đồ họa [Graphics Architectures] phát triển, phần mềm thành trung tâm, AI tăng tầm quan trọng và một số thị trường bị bỏ lại. Cần nghiên cứu mẫu đó như một chuỗi quyết định, không nâng nó thành bảo đảm mọi lần chuyển hướng [Pivot] tương lai sẽ thành công.

15 Lori, Spencer và Madison

Gia đình trong câu chuyện công khai

Jensen và Lori Huang gặp nhau khi là sinh viên kỹ thuật ở Oregon State, kết hôn năm 1985. Họ có hai con trưởng thành, Spencer và Madison. Hoạt động từ thiện giáo dục chung của họ có tư liệu đầy đủ. Ngoài hồ sơ công khai ấy, tiểu sử nên tôn trọng sự khác nhau giữa hoạt động công và đời sống riêng của gia đình. [1, 4]

Thừa nhận xây dựng công ty qua nhiều thập kỷ ảnh hưởng gia đình là hợp lý. Bịa ra các cuộc trò chuyện, thỏa hiệp hay trải nghiệm cảm xúc của những thành viên chưa công khai kể là không hợp lý. Gọi người vợ là bí mật đằng sau mọi thành công kinh doanh có thể nghe như khen ngợi nhưng lại xóa bỏ tính chủ động của chính bà.

Cần thận trọng tương tự với tuyên bố về chức danh chính thức hiện nay của Lori, tài sản quỹ hay các mốc nghề nghiệp chính xác. Chi tiết này cần hồ sơ có ngày tháng. Không nên suy từ quy mô tài sản gia đình hay sao chép bản tóm lược không nguồn.

Madison Huang

Tiểu sử công khai hiện nay của NVIDIA xác định Madison Huang là giám đốc cấp cao phụ trách tiếp thị sản phẩm và kỹ thuật cho các nền tảng AI vật lý [Physical AI Platforms]. Nó mô tả trách nhiệm trên Omniverse, Cosmos, Isaac; ghi công việc tiếp thị trước tại Louis Vuitton Moët Hennessy group và bằng MBA Tiếp thị và Chiến lược từ London Business School. [19]

Đây là các chi tiết nghề nghiệp có ý nghĩa. Chúng cho thấy con đường vào công nghệ qua tiếp thị và giáo dục kinh doanh, thay vì sao chép đơn giản sự nghiệp thiết kế chip [Chip Design] của cha. Không cần tuyên bố tuổi chính xác hay toàn bộ niên biểu đào tạo nấu ăn để giải thích vai trò hiện tại.

Tiếp thị một nền tảng kỹ thuật [Technical Platform] không đơn thuần là tạo quảng bá. Nó bao gồm giải thích khả năng với nhà phát triển và khách hàng, hiểu rào cản tiếp nhận, nối công việc kỹ thuật với thị trường. Chất lượng công việc ấy nên được đánh giá qua kết quả, không được mặc định từ quan hệ gia đình.

Spencer Huang

Tiểu sử kỹ thuật của NVIDIA xác định Spencer Huang là giám đốc sản phẩm robot [Robotics]. Nó mô tả công việc trên mô phỏng [Simulation], học robot [Robot Learning], dữ liệu tổng hợp [Synthetic Data] và hạ tầng để huấn luyện, triển khai máy tự chủ [Autonomous Machines]. Nó cũng ghi bằng MBA kỹ thuật từ New York University tập trung vào trí tuệ nhân tạo [Artificial Intelligence]. [20]

Con đường nghề nghiệp trong các tường thuật công khai khác thời đầu của cha. Sự khác biệt quan trọng, vì một gia đình có thể cùng công ty mà không có đào tạo hay trách nhiệm giống nhau. Chỉ chức danh không xác lập độ sâu đóng góp kỹ thuật của cá nhân, nhưng nguồn gốc cha mẹ cũng không biện minh việc gạt bỏ đóng góp đó.

Việc làm của thành viên gia đình và quản trị [Governance]

Khi họ hàng nhà sáng lập làm ở công ty đại chúng, các câu hỏi quản trị [Governance] thông thường xuất hiện. Vai trò và thù lao có được xem xét phù hợp không? Quan hệ báo cáo có rõ không? Những nhân viên khác có thể cạnh tranh công bằng không? Các giao dịch bên liên quan [Related-party Transactions] có được công bố đúng không?

Những câu hỏi này không xác lập hành vi sai trái. Chúng là một phần kỷ luật thể chế ngày càng quan trọng khi công ty lớn lên. Tương tự, danh tiếng cha mẹ không thể thay thế đánh giá độc lập công việc của con.

Việc làm cũng không phải thông báo kế vị. Spencer và Madison có mặt ở NVIDIA không xác lập rằng ai trong hai người đã được chọn làm tổng giám đốc. Suy đoán về triều đại công nghệ có thể gây chú ý, nhưng tiểu sử nghiêm túc nên tách công việc hiện tại khỏi bổ nhiệm tương lai chưa được xác nhận công khai.

16 Đền đáp thông qua giáo dục

Những tổ chức vẫn giữ vai trò quan trọng

Hoạt động từ thiện công khai của vợ chồng Huang có liên hệ mạnh với giáo dục. Oregon State công bố khoản tặng 50 triệu USD năm 2022 cho Jen-Hsun and Lori Huang Collaborative Innovation Complex. Dự án kết nối kỹ thuật, tính toán và nghiên cứu xuyên ngành. [21]

Tường thuật Stanford về Huang Engineering Center ghi cam kết 30 triệu USD của hai vợ chồng. Oneida ghi khoản tài trợ đối ứng [Matching Grant] 2 triệu USD cho cơ sở khánh thành năm 2019. Những món tặng nối các giai đoạn khác nhau: tuổi thơ, đại học và cao học. [22, 3]

Nên đọc các số tiền như cam kết được mô tả trong thông báo của tổ chức liên quan. Lời hứa, định giá tài sản và tiền đã giải ngân không thay thế được cho nhau. Cũng không nên nhầm từ thiện gia đình với quỹ doanh nghiệp NVIDIA hay các khoản đầu tư thương mại của công ty.

Từ thiện giáo dục đạt được gì

Tòa nhà đại học tự nó không phải kết quả giáo dục. Giá trị tùy những người, thiết bị và chương trình nó hỗ trợ. Cơ sở được thiết kế tốt cho phép cộng tác từng khó thực hiện, cho sinh viên tiếp cận công cụ tiên tiến và thu hút nhà nghiên cứu làm vấn đề quan trọng.

Quan hệ giữa nhà tài trợ công nghệ và trường đại học cũng đáng xem xét cẩn thận. Quyên góp có thể mở rộng cơ hội đồng thời ảnh hưởng ưu tiên. Tổ chức cần độc lập học thuật, quản trị minh bạch và hiểu rõ nghĩa vụ đi kèm món tặng.

Vì vậy tường thuật tốt nhất về từ thiện tránh hai cực đoan. Nó không coi của cải hiến tặng là bằng chứng tự động cho đạo đức xuất sắc, cũng không mặc định mỗi món tặng chỉ là tự quảng bá. Nó xem xét cam kết được ghi nhận, mục tiêu bên nhận và kết quả khi bằng chứng xuất hiện.

Với tiểu sử này, kết nối lặp lại với giáo dục có ý nghĩa. Sự nghiệp Huang dựa vào đào tạo kỹ thuật và các tổ chức cho ông không gian phát triển. Hỗ trợ chúng tạo mối nối thấy được giữa thành công riêng và cơ hội cho người khác. Cuối cùng mối nối đạt bao nhiêu là câu hỏi cho bằng chứng theo thời gian.

17 Lý do so sánh Huang với Steve Jobs

So sánh hữu ích bắt đầu bằng định nghĩa

Gọi Huang là một Steve Jobs còn sống có thể mang vài nghĩa khác nhau. Có thể là một lãnh đạo công nghệ đầy sức hút, một nhà sáng lập có công ty định hình lại ngành, hoặc nhân vật công chúng có thể khiến sản phẩm phức tạp trở nên hào hứng. Đó là những so sánh có thể kiểm chứng. Nó không thể có nghĩa đen rằng ông có cùng tính cách, sự nghiệp hay vai trò lịch sử.

Lý lẽ mạnh nhất bắt đầu ở khả năng kết nối công nghệ với một khả năng lớn hơn. Jobs giúp điện toán cá nhân [Personal Computing] và thiết bị di động trở nên dễ hiểu như những trải nghiệm người ta có thể mong muốn. Huang giúp điện toán tăng tốc [Accelerated Computing] trở nên dễ hiểu như hạ tầng qua đó nghiên cứu viên và doanh nghiệp làm được việc trước kia không thực tế.

So sánh còn dựa vào tích hợp. Thông báo iPhone năm 2007 của Apple trình bày thiết bị kết hợp liên lạc, truyền thông và chức năng internet qua giao diện [Interface] được kiểm soát chặt. Chiến lược NVIDIA kết nối bộ xử lý [Processors], mạng [Networking], phần mềm thành nền tảng [Platforms] cho lập trình viên và tổ chức. Trong cả hai, lợi ích khách hàng tùy cách các bộ phận cùng hoạt động. [23]

Tin trước đồng thuận

Cả hai sự nghiệp đều có những quyết định từng trông không chắc chắn trước khi được ca tụng. Diễn văn Stanford của Jobs mô tả giá trị ông tìm được về sau trong các trải nghiệm ban đầu không hình thành kế hoạch nghề nghiệp rõ ràng; ông trở lại Apple sau một thời gian xa công ty. Đầu tư bền bỉ CUDA của Huang có trước vị thế thương mại phổ biến của học sâu [Deep Learning]. [24, 9]

Điểm giống không phải ai trong hai người cũng thấy tương lai hoàn hảo. Đó là cả hai sẵn lòng tổ chức nỗ lực đáng kể quanh quan điểm công nghệ có thể trở nên hữu ích hơn thế nào. Tầm nhìn chỉ có ý nghĩa thực tế khi thay đổi quyết định sản phẩm, đầu tư và công việc người khác.

Kể chuyện công khai như tài sản vận hành

Các buổi trình bày sản phẩm của Jobs trở thành một phần bản sắc thương mại Apple. Tương tự, thuyết trình khiến Huang thành người diễn giải công khai chiến lược NVIDIA. Trang phục gắn với mỗi người đáng nhớ, nhưng là cơ sở yếu cho so sánh. Nét tương đồng mạnh hơn là vai trò chuyển lựa chọn kỹ thuật thành câu chuyện nhất quán.

Điều này có thể giúp tổ chức phối hợp quanh một hướng đi. Nhân viên hiểu sản phẩm nhằm đạt gì. Khách thấy nó hợp kế hoạch thế nào. Đối tác có lý do đầu tư công việc bổ sung. Vì vậy kể chuyện có thể góp phần thực thi, thay vì chỉ tô điểm nó.

Nhưng sức thuyết phục cũng tạo rủi ro. Công chúng có thể bắt đầu coi sự tự tin của lãnh đạo là bằng chứng. Một thông báo được trình bày tốt có thể che những câu hỏi kỹ thuật hay thương mại chưa giải. Sự ngưỡng mộ nên khiến độc giả chú ý hơn đến chúng, không ít hơn.

Diễn giải bảo vệ được

Cụm “Steve Jobs của thời đại AI” có thể được bảo vệ như một ẩn dụ biên tập về nhà sáng lập có ảnh hưởng kết hợp niềm tin chiến lược, tích hợp và truyền đạt công khai. Cách nói mạnh nhất khi nêu rõ những chiều so sánh này.

Cách diễn đạt vẫn cần giới hạn. AI có nhiều người xây dựng, không có một chủ sở hữu. Tầm quan trọng của Huang không biến mọi nhà phát triển mô hình, nghiên cứu viên hay nhà thiết kế phần cứng đối thủ thành vai phụ trong chuyện ông. So sánh cũng không chứng minh sản phẩm, quyết định ông sẽ có cùng vị thế văn hóa dài hạn như Apple.

Vì vậy lý lẽ ủng hộ đáng kể nhưng hẹp. Có thể so Huang với Jobs như người lãnh đạo giúp người khác nhận ra và áp dụng một hướng công nghệ mới. Đây không phải giấy chứng nhận tính cách tương đương hay dự đoán di sản giống hệt.

18 Lý do phản đối nhãn “Steve Jobs còn sống”

Những con đường khác nhau vào công nghệ

Jobs và Huang lên vị trí lãnh đạo qua những chuẩn bị khác nhau. Jobs rời Reed College rồi mô tả ảnh hưởng các môn ông tìm hiểu bên ngoài con đường bằng cấp thông thường. Huang hoàn thành cả cử nhân lẫn thạc sĩ kỹ thuật điện [Electrical Engineering] trong khi tích lũy kinh nghiệm bán dẫn [Semiconductor]. [24, 4]

Không nên biến khác biệt thành cuộc thi trực giác với giáo dục. Jobs làm với kỹ sư rất giỏi và hiểu tầm quan trọng của triển khai [Implementation]. Huang thành công cũng cần phán đoán, truyền đạt, tưởng tượng không thể rút thành bằng cấp. Điểm chính là không có khuôn giáo dục duy nhất cho lãnh đạo công nghệ.

Khách hàng khác nhau và mức độ hiện diện khác nhau

Sản phẩm nổi tiếng nhất của Apple đưa quyết định công ty trực tiếp vào tay người tiêu dùng. Trải nghiệm dùng thiết bị là trung tâm của đề xuất giá trị [Value Proposition]. Phần lớn mảng AI NVIDIA cung cấp hạ tầng [Infrastructure] cho tổ chức khác, với sản phẩm có thể mang thương hiệu hoàn toàn khác.

Khác biệt ảnh hưởng quá trình bán, ưu tiên kỹ thuật và ý nghĩa thành công. Người tiêu dùng có thể quyết giao diện [Interface] cảm giác tốt hơn chỉ trong vài phút. Doanh nghiệp có thể cần nhiều tháng đánh giá thông lượng [Throughput], tương thích phần mềm [Software Compatibility], rủi ro triển khai [Deployment Risk], tổng chi phí. Huang phải thuyết phục cả người đánh giá kỹ thuật và người quyết định trong tổ chức.

Phân biệt không tuyệt đối. NVIDIA có lịch sử trò chơi tiêu dùng lớn, Apple phụ thuộc lập trình viên và hạ tầng. Tuy nhiên, trọng tâm chủ đạo khác đủ để việc đơn giản gọi Huang là Jobs khác có thể che nhiều hơn giải thích.

Kiểu kiểm soát khác

Sản phẩm tích hợp Apple thường kiểm soát chặt trải nghiệm người dùng cuối [End-user Experience]. Nền tảng [Platform] NVIDIA còn phải đáp ứng mạng lưới rộng gồm nhà phát triển, nhà chế tạo thiết bị, nhà cung cấp đám mây [Cloud Providers], cộng đồng nghiên cứu. Thành công tùy người khác xây nhiều thứ NVIDIA không tự thiết kế.

Sẽ không chính xác nếu biến điều này thành đối lập kín với mở đơn giản. NVIDIA có phần mềm độc quyền [Proprietary Software], giao diện phần cứng [Hardware Interfaces] và cả dự án mở. Apple cho phép phát triển bên thứ ba rộng, trong khi giữ các điểm kiểm soát quan trọng. So sánh hữu ích hơn là mỗi doanh nghiệp đặt ranh giới ở đâu và vì sao.

Quan hệ khác nhau với công ty đã sáng lập

Jobs rời Apple năm 1985 và trở lại sau vụ công ty mua NeXT trong thập niên 1990. Sự nghiệp ông có công việc quan trọng ngoài Apple, gồm Pixar. Huang lãnh đạo NVIDIA liên tục từ khi thành lập. [24, 25]

Tính liên tục có thể giữ ký ức tổ chức và cam kết dài hạn. Trở về sau vắng mặt có thể mang tái đánh giá căn bản hơn. Không con đường nào tự động tạo lãnh đạo tốt hơn. Chúng tạo điều kiện khác nhau để nhà sáng lập học, có quyền và thay chiến lược.

Không thể suy ra tính cách từ màn trình diễn trên sân khấu

Rất dễ mô tả Jobs khắc nghiệt, Huang tử tế, hoặc Jobs nghệ sĩ, Huang phân tích. Đối lập gọn như vậy không đáng tin. Phỏng vấn công khai, lời nhân viên và tiểu sử cho góc nhìn một phần, được định hình bởi thời gian, bối cảnh và quan hệ giữa người quan sát với đối tượng.

Phương pháp có trách nhiệm là so hành vi có tư liệu: quyết định được đưa ra thế nào, sản phẩm đổi ra sao, lỗi được nhận thế nào, thông tin di chuyển thế nào trong tổ chức. Tuyên bố rộng về nội tâm cần bằng chứng hơn vài trích dẫn hay một diễn văn thành công.

Còn cạm bẫy đạo đức khi coi thành công thương mại là chứng cứ mọi hành vi đòi hỏi khắt khe đều chính đáng. Sản phẩm có thể thành công bất chấp cách đối xử kém, chứ không nhờ nó. Nhà sáng lập tương lai không nên bắt chước giai thoại kịch tính nhất về lãnh đạo nổi tiếng rồi mong kết quả thương mại tương tự.

Kết luận

Đặt cạnh Jobs, Huang được hiểu rõ nhất khi so sánh làm lộ khác biệt thay vì biến người này thành người kia. Nhãn Steve Jobs còn sống có thể bảo vệ như ẩn dụ được báo rõ, nhưng yếu như mô tả sự thật. Nó đặc biệt sai lệch nếu ngụ ý ngành công nghệ cần một người kế nhiệm duy nhất cho Jobs.

Kết luận chính xác hơn là Jensen Huang là lãnh đạo có tầm nhìn riêng biệt, với ảnh hưởng khiến người ta muốn so với Steve Jobs. Jobs giúp tái định hình quan hệ giữa con người và công nghệ cá nhân. Huang giúp xây nền tảng điện toán [Computing Platform] qua đó nhiều tổ chức phát triển AI. Thành tựu chồng lấp ở phương pháp lãnh đạo, nhưng khác sản phẩm, thị trường, lịch sử tổ chức.

Làm tựa một chương hay bài luận, “Một Steve Jobs còn sống” có thể dùng như câu hỏi. Là kết luận tiểu sử nghiêm túc, Huang đáng được hiểu bằng chính tên ông.

19 Quyền lực, sự phụ thuộc và trách nhiệm

Nhà cung cấp trung tâm không phải ngân hàng trung ương

NVIDIA đôi khi được ví như ngân hàng trung ương của AI vì tiếp cận các sản phẩm điện toán của nó đã trở nên quan trọng về chiến lược. Ẩn dụ nắm bắt sự phụ thuộc và ảnh hưởng, nhưng không phải mô tả theo nghĩa đen cách ngành vận hành.

Ngân hàng trung ương có trách nhiệm công và quyền lực tiền tệ NVIDIA không có. NVIDIA là công ty thương mại hoạt động giữa khách hàng, đối thủ, nhà cung cấp và chính phủ. Nó không phát hành tiền tệ AI, bảo đảm thanh khoản [Liquidity] cho ngành hay có năng lực vô hạn để ổn định ngành.

Một gián đoạn nghiêm trọng ở NVIDIA có thể gây hậu quả đáng kể cho khách hàng và thị trường rộng hơn. Không vì vậy mà mọi công ty AI tự động sụp đổ. Thiết bị sẵn có vẫn tồn tại, nhà cung cấp thay thế vẫn còn và tổ chức phản ứng theo cách khác nhau. Quy mô và thời điểm thiệt hại tùy bản chất gián đoạn.

Phân biệt này quan trọng vì ẩn dụ kịch tính có thể thành mô hình sai cho quyết định. Công ty lên kế hoạch hạ tầng nên đánh giá rủi ro tập trung [Concentration Risk], nghĩa vụ hợp đồng, tính di chuyển phần mềm [Software Portability], lựa chọn dự phòng [Contingency Options]. Những câu hỏi ấy hữu ích hơn giả định an toàn hoàn hảo hoặc sụp đổ hệ thống tất yếu.

Chuỗi cung ứng [Supply Chains] và địa chính trị

Chip tiên tiến [Advanced Chips] phụ thuộc chuỗi cung ứng [Supply Chain] quốc tế chuyên môn hóa. Thiết kế, chế tạo [Fabrication], bộ nhớ [Memory], đóng gói [Packaging], thiết bị và xây trung tâm dữ liệu [Data-centre Construction] phân bố qua các tổ chức, khu vực pháp lý. Thành công NVIDIA không loại bỏ lệ thuộc. Hồ sơ năm mô tả rủi ro cung ứng, khách hàng, quy định, kiểm soát xuất khẩu [Export Controls]. [6]

Hạn chế xuất khẩu có thể đổi sản phẩm được bán trong thị trường. Giới hạn sản xuất, đóng gói [Packaging] có thể hạn chế giao hàng. Nguồn năng lượng có thể trì hoãn lắp đặt dù phần cứng sẵn. Đây không là vấn đề ngoại vi: chúng định hình cơ hội thương mại lẫn lựa chọn chiến lược.

Hàm ý cho lãnh đạo là tầm nhìn kỹ thuật phải cùng tồn tại với phán đoán thể chế. Lời hứa xây thêm năng lực điện toán cần kế hoạch đáng tin cho nhà cung cấp, điện, tài chính và tuân thủ [Compliance]. Cũng phải nhận rằng bên liên quan khác có thể xét dự án qua an ninh hay môi trường, không chỉ hiệu suất.

Phép thử quản trị [Governance] chưa ngã ngũ trong tháng 11 năm 2026

Ngày 8 tháng 11 năm 2026, hội đồng NVIDIA công bố điều tra độc lập sau báo cáo rằng Huang là mục tiêu một hoạt động tình báo nước ngoài. Hội đồng nói khi ấy không có lý do tin an ninh quốc gia hay bí mật NVIDIA đã bị xâm phạm, bày tỏ tin tưởng Huang cùng nhóm lãnh đạo, và nói ông ủng hộ, sẽ hợp tác với rà soát. [26]

Ngày 10 tháng 11, các thành viên độc lập công bố đã thuê cựu quyền công tố viên liên bang Hoa Kỳ Joon H. Kim và Wachtell, Lipton, Rosen & Katz thực hiện điều tra. Ở mốc kết thúc ấn bản, những tuyên bố này xác lập một cuộc điều tra và cơ chế giám sát, không phải kết luận hoàn tất về sai phạm hay minh oan. [27]

Vấn đề lợi ích công là quản trị và bảo vệ một công ty quan trọng. Tiểu sử thận trọng không cần lặp cáo buộc riêng tư chưa xác minh để giải thích. Nên đánh giá điều tra qua độc lập, phạm vi, bằng chứng, kết luận cuối, thay vì suy đoán kết quả nhất định là gì.

Sự kiện cũng nhấn mạnh nguyên tắc chung: nhà sáng lập nhìn xa vẫn chịu trách nhiệm. Thành tựu kỹ thuật, tài sản cổ đông, sự ngưỡng mộ công chúng không đặt lãnh đạo ngoài giám sát. Đồng thời cáo buộc không phải phán quyết. Công bằng đòi giữ cả hai mệnh đề.

20 Chương tiếp theo vẫn chưa được viết

AI vật lý [Physical AI] và ranh giới với thế giới thực

Nền tảng [Platforms] công khai của NVIDIA ngày càng hướng đến robot [Robotics], mô phỏng [Simulation], AI vật lý [Physical AI]. Omniverse hỗ trợ quy trình [Workflows] liên quan mô phỏng; Isaac liên quan robot; công cụ mô hình và dữ liệu giúp nhà phát triển huấn luyện, đánh giá hệ tương tác thế giới vật lý. Tiểu sử sản phẩm và thông báo hiện nay phản ánh hướng này. [19, 20]

Chuyển từ sinh câu trả lời sang điều khiển máy làm thay hậu quả lỗi. Đoạn văn sai có thể gây hiểu lầm; chuyển động robot sai làm hỏng thiết bị hoặc gây thương tích. Mô phỏng [Simulation] có giá trị nhưng tự nó không xác lập hành vi an toàn trong mọi môi trường thực.

Vì vậy cơ hội thương mại đi cùng yêu cầu thử nghiệm, theo dõi [Monitoring], bảo mật, trách nhiệm rõ. Mô hình giỏi nhất không tự động là hệ vận hành an toàn nhất. Cảm biến [Sensors], cơ cấu chấp hành [Actuators], thủ tục con người, cơ chế dự phòng [Fallback Mechanisms] đều góp phần kết quả.

Sự nhấn mạnh lâu nay về nền tảng [Platforms] có thể liên quan ở đây. Nếu nhà phát triển cần công cụ mô phỏng [Simulation], huấn luyện [Training], triển khai [Deployment] tin cậy, nhà cung cấp nối các lớp có thể có giá trị. Ứng dụng có đem lợi ích đã hứa hay không vẫn cần bằng chứng, không phải hệ quả tự nhiên của tham vọng nền tảng.

Điều doanh nhân có thể rút ra từ cuộc đời này

Bài học đầu là xây chuyên môn trước khi coi tự tin là vật thay thế. Sự nghiệp Huang dựa vào giáo dục và nhiều năm làm trong ngành. Táo bạo quan trọng, nhưng được đỡ bởi hiểu biết kỹ thuật và quan hệ nghề nghiệp.

Bài thứ hai là phân biệt vấn đề với giải pháp cụ thể. Kiến trúc [Architecture] ban đầu có thể sai trong khi điện toán tăng tốc [Accelerated Computing] vẫn là cơ hội lớn. Nhà sáng lập không phân biệt có nguy cơ bảo vệ thiết kế sau khi khách và chuẩn đã đi nơi khác.

Bài thứ ba là giúp người khác tạo giá trị dễ hơn. CUDA quan trọng một phần ở công việc nó cho phép ngoài sản phẩm NVIDIA. Nền tảng [Platforms] phát triển khi giảm khó khăn thử nghiệm, làm công việc thành công dùng lại được.

Bài thứ tư là giữ khoảng tài chính để học. Ý tưởng hứa hẹn không sống vô hạn nếu không có tiền. Cứu trợ Sega cho thấy công ty quan trọng có thể sát biến mất trước khi giá trị về sau hiện ra. Nó còn cho thấy giúp đỡ từ người khác có thể quyết định.

Bài thứ năm là làm lãnh đạo chuyển giao được. Công ty dựa vào phán đoán nhà sáng lập cần cơ chế phát triển phán đoán khác, giữ kiến thức, thách thức quyết định. Một tổ chức bền vững là thành tựu lớn hơn một cá nhân không thể thiếu.

Một cuộc đời được hiểu qua các quyết định

Chuyện Jensen Huang cuốn hút vì chứa bất định thực. Đứa trẻ vượt các nước. Sinh viên thành kỹ sư. Kỹ sư thành nhà sáng lập. Nhà sáng lập dẫn công ty qua giả định sai, đột phá thương mại và khoản đầu tư dài vào nền tảng lập trình [Programming Platform] góp đưa NVIDIA đến trung tâm AI.

Có thể ngưỡng mộ chuỗi ấy mà không coi tất yếu. Có thể nghiên cứu mà không biến mọi trở ngại thành phá sản hay mọi thành công thành chứng thiên tài đơn độc. Bài học hữu ích nhất đến từ tương tác phán đoán, chuẩn bị, đồng nghiệp, thể chế, hoàn cảnh.

So với Steve Jobs giúp soi phần thành tựu. Cả hai cho thay đổi công nghệ tiếng nói công khai, tổ chức công ty quanh tầm nhìn tham vọng về thứ có thể xây. Nhưng đóng góp riêng của Huang rõ hơn khi so sánh dừng trước thay bản sắc.

Ông không quan trọng vì thế giới tìm thêm Steve Jobs. Ông quan trọng vì công việc ông giúp tổ chức đổi điều nhiều người khác có thể tính toán, nghiên cứu, xây dựng. Đánh giá cuối tùy phát triển còn trước mắt: giá trị ứng dụng AI, sức chống chịu công ty, hành vi lãnh đạo, khả năng công nghệ phục vụ mục đích ngoài tăng trưởng riêng.

Niên biểu

Thuật ngữ kỹ thuật

Điện toán tăng tốc [Accelerated Computing]. Dùng bộ xử lý chuyên dụng [Specialised Processors] bên cạnh điện toán đa dụng để thực hiện tải công việc [Workloads] phù hợp hiệu quả hơn.

Mô hình AI [AI Model]. Hệ thống tính toán có tham số [Parameters] và cấu trúc được dùng để tạo dự đoán, phân loại hoặc đầu ra được sinh.

ASIC [Application-specific Integrated Circuit]. Mạch tích hợp chuyên dụng được thiết kế cho một loại nhiệm vụ cụ thể.

CPU [Central Processing Unit]. Bộ xử lý trung tâm, đa dụng, thích hợp với nhiều phép tính và tác vụ điều khiển.

CUDA. Nền tảng [Platform] và mô hình lập trình [Programming Model] NVIDIA cho điện toán tăng tốc [Accelerated Computing] trên GPU NVIDIA được hỗ trợ.

Trung tâm dữ liệu [Data Centre]. Cơ sở chứa thiết bị tính toán, lưu trữ [Storage], mạng [Networking], cùng hệ thống điện, làm mát, vận hành cần để chạy chúng.

Học sâu [Deep Learning]. Máy học [Machine Learning] dùng mạng nơ-ron [Neural Networks] có nhiều lớp xử lý.

Bản sao số [Digital Twin]. Biểu diễn số của hệ vật lý dùng phân tích, giám sát hoặc mô phỏng [Simulation]. Ích lợi tùy độ chính xác nó biểu diễn hành vi thực liên quan.

GPU [Graphics Processing Unit]. Bộ xử lý đồ họa được thiết kế cho công việc song song cao, dùng trong đồ họa và nhiều ứng dụng tính toán số.

Suy luận [Inference]. Chạy mô hình đã huấn luyện để tạo đầu ra từ đầu vào mới.

Liên kết [Interconnect]. Kết nối truyền thông giữa các bộ phận hay hệ thống. Băng thông [Bandwidth], độ trễ [Latency] ảnh hưởng mạnh hiệu năng điện toán song song [Parallel Computing].

Mô hình ngôn ngữ lớn [Large Language Model]. Mô hình huấn luyện trên lượng văn bản, dữ liệu liên quan đáng kể để xử lý hoặc sinh ngôn ngữ. Trôi chảy không bảo đảm đúng sự thật.

Điện toán song song [Parallel Computing]. Chia công việc thành phép có thể chạy đồng thời.

Nền tảng [Platform]. Tập công nghệ, giao diện [Interfaces] để người khác xây ứng dụng hay dịch vụ.

Tensor Core. Tên NVIDIA dùng cho đơn vị phần cứng chuyên dụng tăng tốc một số phép ma trận [Matrix Operations] quan trọng với AI và tải số [Numerical Workloads] khác.

Huấn luyện [Training]. Quá trình điều chỉnh tham số [Parameters] mô hình bằng dữ liệu và mục tiêu tối ưu [Optimisation Objective].

Transformer. Kiến trúc mạng nơ-ron [Neural-network Architecture] dựa cơ chế chú ý [Attention Mechanisms], dùng rộng trong ngôn ngữ và mô hình khác.

Đọc bằng chứng

Tài liệu đánh số xác định nguồn cho khẳng định thực tế. Thảo luận xung quanh về lãnh đạo, chiến lược, so sánh là phân tích chứ không trích lời đối tượng. Lịch sử tổ chức xác lập bằng cấp, tài trợ, vai chính thức. Hồ sơ quản lý [Regulatory Filings] xác lập điều công ty báo cáo công bố. Phỏng vấn giữ hồi ức, góc nhìn người nói. Bản phát hành sản phẩm xác lập thông báo; tuyên bố hiệu năng giữ điều kiện gốc.

Suýt thất bại không giống phá sản chính thức. Thông báo sản phẩm không giống hoàn thành triển khai khách hàng. Thành viên gia đình được tuyển không là bổ nhiệm kế nhiệm. Điều tra không là kết luận. Phân biệt thiết yếu để hiểu chính xác đời này.

Wikipedia và ghi chú gia đình, sự nghiệp được cung cấp giúp xác định chủ đề nghiên cứu. Thư mục cho độc giả các nguồn công khai nền tảng đã dùng. Ngày của ấn bản là ranh giới kiến thức, không dự đoán sự kiện sau xác nhận kết luận.

Nguồn và tài liệu đọc thêm

Tài liệu tham khảo được đánh số trong bài. Liên kết đến nhà xuất bản nguồn. Trừ khi ghi ngày xuất bản dưới đây, tài liệu được xem ngày 11 tháng 11 năm 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 https://en.wikipedia.org/wiki/Jensen_Huang

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 https://www.hoover.org/plus/research/jensen-huang-vision-risk-and-gpu

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 https://www.oneidaschool.org/about/huanghall.cfm

4. Jen Hsun Huang Engineering Hall of Fame 2013

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

Read source https://engineering.oregonstate.edu/alumni-partners/oregon-stater-awards/searchable-awards-database/jen-hsun-huang-engineering-hall

5. Jensen Huang

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

Read source https://engineering.stanford.edu/about/history/heroes/2018-heroes/jensen-huang

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 https://www.sec.gov/Archives/edgar/data/1045810/000104581025000023/nvda-20250126.htm

7. Our History Innovations Over the Years

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

Read source https://www.nvidia.com/en-us/about-nvidia/corporate-timeline/

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 https://sequoiacap.com/podcast/crucible-moments-nvidia

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 https://blogs.nvidia.com/blog/huang-ntu-commencement/

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 https://www.tomshardware.com/tech-industry/nvidia-nearly-went-out-of-business-in-1996-trying-to-make-segas-dreamcast-gpu-instead-sega-americas-ceo-offered-the-company-a-dollar5-million-lifeline

11. CUDA Platform for Accelerated Computing

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

Read source https://developer.nvidia.com/cuda

12. ImageNet Classification with Deep Convolutional Neural Networks

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

Read source https://papers.nips.cc/paper_files/paper/2012/hash/c399862d3b9d6b76c8436e924a68c45b-Abstract.html

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 https://www.sec.gov/Archives/edgar/data/1045810/000104581008000018/q209form8kpressrelease.htm

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 https://www.sec.gov/Archives/edgar/data/1045810/000104581009000013/fy2009form10k.htm

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 https://nvidianews.nvidia.com/news/nvidia-and-softbank-group-announce-termination-of-nvidias-acquisition-of-arm-limited

16. NVIDIA Completes Acquisition of Mellanox

NVIDIA. 27 April 2020; completion and networking rationale.

Read source https://nvidianews.nvidia.com/news/nvidia-completes-acquisition-of-mellanox-creating-major-force-driving-next-gen-data-centers

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 https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-Second-Quarter-Fiscal-2027/

18. A conversation with NVIDIA Jensen Huang

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

Read source https://stripe.com/sessions/2024/a-conversation-with-nvidias-jensen-huang

19. Madison Huang Author Page

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

Read source https://blogs.nvidia.com/blog/author/madisonh/

20. Spencer Huang Author Page

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

Read source https://developer.nvidia.com/blog/author/spencerh

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 https://news.oregonstate.edu/news/50-million-gift-nvidia-founder-and-spouse-helps-launch-oregon-state-university-research-center

22. Designing for the future

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

Read source https://engineering100.stanford.edu/stories/designing-for-the-future

23. Apple Reinvents the Phone with iPhone

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

Read source https://www.apple.com/newsroom/2007/01/09Apple-Reinvents-the-Phone-with-iPhone/

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 https://news.stanford.edu/stories/2005/06/youve-got-find-love-jobs-says

25. Apple Timeline

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

Read source https://computerhistory.org/apple-timeline/

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 https://nvidianews.nvidia.com/news/statement-from-nvidia-board-of-directors

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 https://nvidianews.nvidia.com/news/statement-from-the-independent-members-of-the-nvidia-board

28. NVIDIA Launches World First Deep Learning Supercomputer

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

Read source https://nvidianews.nvidia.com/news/nvidia-launches-world-s-first-deep-learning-supercomputer-6622436

29. NVIDIA Launches Revolutionary Volta GPU Platform

NVIDIA. 2017; Volta and Tensor Core announcement.

Read source https://nvidianews.nvidia.com/news/nvidia-launches-revolutionary-volta-gpu-platform-fueling-next-era-of-ai-and-high-performance-computing

30. NVIDIA Announces Hopper Architecture

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

Read source https://nvidianews.nvidia.com/news/nvidia-announces-hopper-architecture-the-next-generation-of-accelerated-computing

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 https://nvidianews.nvidia.com/news/nvidia-blackwell-platform-arrives-to-power-a-new-era-of-computing

32. Chris Malachowsky

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

Read source https://computerhistory.org/profile/chris-malachowsky/

33. Curtis R Priem

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

Read source https://president.rpi.edu/leadership/curtis-r-priem-bs-82

34. Famous Graphics Chips Nvidia RIVA 128

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

Read source https://www.computer.org/publications/tech-news/chasing-pixels/famous-graphics-chips-nvidias-riva128

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 https://www.sec.gov/Archives/edgar/data/1045810/000104581013000109/nvda2014q310q.htm

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

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

Read source https://nvidianews.nvidia.com/news/10-years-in-the-making-nvidia-brings-real-time-ray-tracing-to-gamers-with-geforce-rtx