Jensen Huang, CEO da NVIDIA concede entrevista a Shantam Jain e fala sobre como usar o pensamento baseado em princípios para tomar decisões, e conta detalhes da fundação e crescimento da NVIDIA, uma das maiores empresas de tecnologia do mundo que tem participado ativamente na evolução da Inteligência Artificial.
O fundador e CEO da NVIDIA compartilha como o raciocínio influenciou cada etapa de sua carreira – desde lavar pratos num restaurante Denny's até ser um líder no setor de tecnologia.
"Você pode aprender como algo pode ser feito e, em seguida, voltar aos primeiros princípios e se perguntar: 'Dadas as condições atuais, dada a minha motivação, dadas as ferramentas, dado como as coisas mudaram, como eu faria isso novamente? Como eu reinventaria tudo isso?'"
Jensen Huang, fundador e CEO da NVIDIA, começou sua carreira lavando pratos num restaurante da rede Denny’s. Ele então trabalhou como ajudante de garçom e, eventualmente, fundou uma das empresas mais valiosas da atualidade. Nesta entrevista concedida durante o evento "View From The Top" realizado na Stanford GSB (Escola de Negócios da Universidade de Stanford - Califórnia - EUA), o fundador e CEO Jensen Huang compartilha o palco com o interlocutor de Stanford Shantam Jain, para detalhar sua experiência fundando a NVIDIA, financiando-a e, finalmente, suas visões sobre Inteligência Artificial.
Jensen Huang faz um rápido discurso na abertura da entrevista:
Se você me enviar algo e quiser minha opinião sobre isso, e eu puder ser útil para você, compartilhando como raciocinei sobre o assunto, terei feito uma contribuição para você. Terei tornado possível ver como eu raciocinei sobre algo. E ao raciocinar, como você sabe, o modo como alguém raciocina sobre algo lhe dá poder. Você pensa: "Meu Deus, é assim que se raciocina sobre algo assim". Não é tão complicado quanto parece. É assim que você raciocina sobre algo que é super ambíguo. É assim que você raciocina sobre algo que é incalculável. É assim que você raciocina sobre algo que parece muito assustador. Entende? Então, eu mostro às pessoas como raciocinar sobre as coisas o tempo todo.
O entrevistador Shantam Jain replica: Jensen, é uma honra. Obrigado por estar aqui.
Jensen Huang: Estou feliz por estar aqui. Obrigado.
Acima: foto da famosa Torre da Universidade de Stanford, na Califórnia. Jensen Huang, o CEO da NVIDIA. Jensen visitou a Stanford Graduate School of Business (GSB) como parte do "View From The Top", uma série de palestras em que estudantes de MBA entrevistam líderes empresariais de todo o mundo. O entrevistador Shantam Jain é um estudante de MBA da turma de 2024. Nessa conversa, foi falada a filosofia de liderança de Jensen e como ele explica a IA generativa usando o pensamento baseado em primeiros princípios.
Shantam Jain: Em homenagem ao seu retorno a Universidade Stanford, decidi que começaríamos falando sobre a época em que você saiu pela primeira vez. Você se juntou à LSI Logic, que era uma das empresas mais empolgantes na época (início da década de 1990). Você estava construindo uma reputação fenomenal com alguns dos maiores nomes da tecnologia, e mesmo assim decidiu sair para se tornar um fundador. O que o motivou?
Jensen Huang: Chris e Curtis. Eu era engenheiro na LSI Logic, e Chris e Curtis estavam na Sun. Eu estava trabalhando com algumas das mentes mais brilhantes da ciência da computação da época, de todos os tempos, construindo estações de trabalho (workstations) e estações gráficas, e assim por diante. E um dia, Chris e Curtis disseram que gostariam de sair da Sun e queriam que eu descobrisse para para onde iríamos.
Eu tinha um ótimo emprego, mas eles insistiram que eu descobrisse com eles como construir uma empresa. Então, nos encontramos no Denny’s sempre que eles passavam por lá, que, aliás, era a minha alma mater, a primeira empresa onde trabalhei. Meu primeiro trabalho antes da LSi Logic foi como lavador de pratos no Denny's, e fiz isso muito bem.
[Risos]
Jensen Huang: Então, enfim, nos reunimos, e foi durante a revolução dos microprocessadores. Isso foi em 1993, quando estávamos nos reunindo. A revolução dos PCs estava apenas começando. Você sabe que o Windows ’95, obviamente, que é a versão revolucionária do Windows, ainda nem tinha chegado ao mercado, e o Pentium ainda nem tinha sido anunciado. Isso foi tudo antes da revolução dos PCs, e era bem claro que o microprocessador seria muito importante. E pensamos: "Por que não construímos uma empresa para resolver problemas que um computador normal, alimentado por computação de propósito geral, não consegue?". E isso se tornou a missão da empresa: construir um tipo de computador que resolve problemas que computadores normais não conseguem. E até hoje estamos focados nisso.
E se você olhar para todos os problemas nos mercados que abrimos como resultado, são coisas como design computacional de medicamentos, simulação climática, design de materiais. Essas são todas coisas das quais estamos muito, muito orgulhosos — robótica, carros autônomos, software autônomo que chamamos de inteligência artificial. E então, claro, impulsionamos a tecnologia tão intensamente que, eventualmente, o custo computacional caiu para aproximadamente zero, e isso possibilitou uma nova forma de desenvolver software, onde o computador escrevia o próprio software, a inteligência artificial como a conhecemos hoje. Então, foi isso; essa foi a jornada.
Shantam Jain: Bem, essas aplicações estão na mente de todos nós hoje. Naquela época, o CEO da LSI Logic convenceu seu maior investidor, Don Valentine, a se encontrar com você. Ele é, obviamente, o fundador da Sequoia. Agora posso ver muitos fundadores aqui se inclinando para frente em antecipação. Mas como você convenceu o investidor mais disputado do Vale do Silício a investir em uma equipe de fundadores de primeira viagem construindo um novo produto para um mercado que nem mesmo existia?
Jensen Huang: Eu não sabia como escrever um plano de negócios. Então, fui a uma livraria, e naquela época, havia livrarias. E na seção de livros de negócios, havia este livro. E foi escrito por alguém que eu conhecia, Gordon Bell. E esse livro, eu deveria encontrá-lo novamente, mas é um livro muito grande, e o livro diz: "Como Escrever um Plano de Negócios". Era um título altamente específico para um mercado muito nichado. E parecia que ele escreveu para 14 pessoas, e eu era uma delas.
Então, comprei o livro. Eu deveria ter percebido imediatamente que era uma má ideia, porque Gordon é super inteligente. E pessoas super inteligentes têm muito a dizer. Tenho certeza de que Gordon queria me ensinar como escrever completamente um plano de negócios. Então, peguei esse livro, e tem cerca de 450 páginas.
Bem, nunca terminei de lê-lo, nem cheguei perto. Folheei algumas páginas. E pensei: "Sabe de uma coisa? Quando eu terminar de ler isso, estarei fora do negócio. Estarei sem dinheiro. E Laurie e eu tínhamos apenas cerca de seis meses de dinheiro no banco. E já tínhamos Spencer, Madison e um cachorro. Então, os cinco de nós tínhamos que viver com o dinheiro que tínhamos no banco, então eu não tinha muito tempo.
Então, em vez de escrever o plano de negócios, fui falar com Wilf Corey. Ele me ligou um dia e disse: “Ei, você saiu da empresa. Você nem me contou o que estava fazendo. Quero que volte e me explique”. Então, voltei e expliquei a Wilf. E no final, Wilf disse: “Não tenho ideia do que você disse. Esse foi um dos piores pitches de elevador que já ouvi.”
[Risos]
Jensen Huang: E então ele pegou o telefone e ligou para Don Valentine. Ele ligou para Don e disse: “Don, vou mandar um garoto aí. Quero que você lhe dê dinheiro.” Ele é um dos melhores funcionários que a LSI Logic já teve. E então, a coisa que aprendi é que você pode inventar uma ótima entrevista. Você pode até ter uma má entrevista. Mas não pode fugir do seu passado, então tenha um bom passado. Tente ter um bom passado.
E em muitos aspectos, eu estava falando sério quando disse que era um bom lavador de pratos. Provavelmente fui o melhor lavador de pratos que o Denny’s já teve. Eu planejava meu trabalho, era organizado, fazia mise-en-place e então lavava a louça de forma exemplar, e então me promoveram a ajudante de garçom. Eu tinha certeza de que era o melhor ajudante de garçom que o Denny’s já teve. Eu nunca deixava uma estação vazia. Nunca voltava de mãos vazias. Eu era muito eficiente.
Então, de qualquer forma, eventualmente me tornei CEO. Ainda estou trabalhando para ser um bom CEO.
Shantam Jain: Falando em ser o melhor, você precisava ser o melhor entre outras 89 empresas que foram financiadas após você construir a mesma coisa. E então, com seis a nove meses de caixa restante, você percebe que a visão inicial simplesmente não iria funcionar. Como você decidiu o que fazer a seguir para salvar a empresa quando as cartas estavam tão desfavoráveis?
Jensen Huang: Bem, começamos uma empresa que tinha outro nome fantasia desconhecido - NV Company. A ideia veio das iniciais de Next Vision. Depois pensamos em mudar para NVision, porém esse nome já existia. E surgiu a opção NVidia, que registramos. E a questão era: para que ela serviria? Qual seria o aplicativo matador? Essa foi nossa primeira grande decisão. E foi para isso que a Sequoia Capital nos financiou. A primeira grande decisão foi que o primeiro aplicativo matador seriam os gráficos 3D. E a tecnologia seria gráficos 3D. E o aplicativo seriam os videogames. Na época, gráficos 3D eram impossíveis de se tornar baratos. Eram geradores de imagens de um milhão de dólares, da Silicon Graphics. Então, custava um milhão de dólares cada, e era difícil fabricá-los baratos. E o mercado de videogames era [inexistente em PCs]. Então, você tinha essa tecnologia incrível que era difícil de ser comercializada. E, ao mesmo tempo, havia esse mercado que não existia. Essa interseção foi o que fundou nossa empresa. E ainda me lembro quando Don, no final da minha apresentação, disse uma coisa que fazia muito sentido naquela época e ainda faz muito sentido hoje. Ele disse: “Startups não investem em startups ou startups não fazem parceria com startups.” O ponto dele era que, para a NVIDIA ter sucesso, precisaríamos que outra startup também tivesse sucesso, e essa outra startup era a Electronic Arts.
E, ao sair, ele me lembrou que o CTO da Electronic Arts tinha 14 anos e precisava ser levado ao trabalho pela mãe. Ele só queria me lembrar de que era nessa pessoa que eu estava confiando.
Jensen Huang: E depois disso, ele disse: “Se você perder meu dinheiro, eu te mato.” E essas são minhas lembranças dessa primeira reunião. Mas, apesar de tudo, criamos algo. Nos anos seguintes, criamos o mercado de jogos para PCs. Demorou muito tempo para conseguir isso. E ainda estamos fazendo isso hoje. Percebemos que não apenas precisávamos criar a tecnologia e inventar uma nova forma de fazer placas aceleradoras gráficas de PC Gamer para que algo que custava um milhão de dólares viesse a cair de preço para apenas 300, 400 ou 500 dólares e coubesse em um gabinete de computador, como também precisávamos criar esse novo mercado. Então, tivemos que criar tecnologia e criar mercados.
A ideia de que uma empresa criaria tecnologia e criaria mercados define a NVIDIA hoje. Quase tudo o que fazemos envolve criar tecnologia e criar mercados. É por isso que as pessoas chamam isso de ecossistema, usam termos como esse, mas basicamente é isso — um conceito que, durante 30 anos, a NVIDIA percebeu: para criar as condições para que alguém pudesse comprar nossos produtos, tivemos que inventar esse novo mercado. E é por isso que estamos à frente na tecnologia de direção autônoma. Foi por isso que fomos pioneiros em aprendizado profundo (Deep learning e machine learning). É por isso que estamos à frente em praticamente todas essas áreas, incluindo design computacional de medicamentos e novos materiais. Em todas essas áreas diferentes, estamos tentando criar o mercado enquanto criamos a tecnologia.
Então, seguimos em frente, e a Microsoft introduziu um padrão chamado Direct3D, que gerou centenas de empresas. E, alguns anos depois, nos vimos competindo com praticamente todo mundo. A coisa que inventamos para a empresa, a tecnologia que inventamos para gráficos 3D, que tornou os gráficos 3D acessíveis, acabou sendo incompatível com o Direct3D.
Então, começamos essa empresa. Tínhamos essa coisa de gráficos 3D, uma coisa de um milhão de dólares. Estávamos tentando torná-la acessível para o consumidor doméstico, então inventamos toda essa tecnologia. E pouco tempo depois, ela se tornou incompatível, então tivemos que reiniciar a empresa ou sair do mercado. Mas não sabíamos como construí-la da maneira que a Microsoft havia definido. Lembro-me de uma reunião num fim de semana, e a conversa foi: “Agora temos 89 concorrentes. Entendo que a maneira como fazemos isso não está certa, mas não sabemos como fazer da maneira certa.”
Felizmente, havia outra livraria, chamada Fry’s Electronics. Não sei se ainda existe. Acho que levei Madison, minha filha, no fim de semana à Fry’s, e estava bem ali, o manual do OpenGL, que definia como a Silicon Graphics fazia gráficos de computador. Estava bem ali; o livro custava cerca de 68 dólares. Eu tinha algumas centenas de dólares. Comprei três livros. Levei-os de volta para o escritório e disse: “Pessoal, encontrei. Nosso futuro.” Eu tinha as três versões. Distribuí. O livro tinha um lindo encarte central. O encarte central era o pipeline do OpenGL, que é o pipeline de gráficos de computador. E eu entreguei aos mesmos gênios com quem fundei a empresa. E implementamos o pipeline do OpenGL como ninguém havia feito antes, e criamos algo que o mundo nunca tinha visto.
Então, muitas lições estão ali. Esse momento no tempo para nossa empresa nos deu muita confiança. E a razão para isso é que você pode ter sucesso fazendo algo, inventando um futuro, mesmo que você não tenha nenhum conhecimento sobre ele. E essa é, em parte, minha atitude em relação a tudo agora. Quando alguém me fala sobre algo e eu nunca ouvi falar disso antes, ou se ouvi falar e não entendo como funciona, meu primeiro pensamento é sempre:
“Quão difícil pode ser?
Provavelmente está a um livro didático de distância.
Provavelmente a um artigo arquivado de distância de descobrir isso.”
Então, passo muito tempo lendo artigos arquivados. E é verdade. Claro, você não pode aprender como alguém faz algo e fazer exatamente da mesma maneira e esperar um resultado diferente. Mas você pode aprender como algo pode ser feito e, em seguida, voltar aos primeiros princípios e se perguntar: “Dadas as condições atuais, dada a minha motivação, dados os instrumentos, as ferramentas, dado como as coisas mudaram, como eu faria isso de novo? Como eu reinventaria tudo isso? Como eu projetaria isso? Como eu construiria um carro hoje? Eu o construiria incrementalmente desde os anos 1950 e 1990? Como eu construiria um computador hoje? Como eu escreveria software hoje?” Isso faz sentido?
Então, eu sempre volto aos primeiros princípios, mesmo na empresa hoje, e simplesmente redefinimos a nós mesmos, porque o mundo mudou. A maneira como escrevemos software no passado era monolítica, e era projetada para supercomputadores, mas agora está desagregada, e assim por diante. Como pensamos sobre software hoje, como pensamos sobre computadores hoje, isso sempre faz com que a empresa, sempre faz com que você mesmo volte aos primeiros princípios, e isso cria muitas e muitas oportunidades.
Shantam Jain: A maneira como você aplica essa tecnologia tende a ser revolucionária. Você ganha todo o impulso necessário para o IPO e mais ainda, porque você aumenta sua receita nove vezes nos próximos quatro anos. Mas, no meio de todo esse sucesso, você decide [mudar] um pouco o foco da inovação que estava acontecendo na NVIDIA com base em um telefonema que teve com um professor de química. Você pode nos contar sobre essa ligação e como conectou os pontos do que ouviu ao que fez?
Jensen Huang: Lembro-me de que, no fundo, a empresa estava pioneirando uma nova maneira de fazer computação. A primeira aplicação foi gráficos de computador. Mas sempre soubemos que haveria outras aplicações, então surgiu o processamento de imagem, surgiu a física de partículas, surgiram os estudos sobre fluidos, e assim por diante, todas essas coisas interessantes que queríamos fazer.
Tornamos o processador mais programável para que pudéssemos expressar mais algoritmos, se assim quiser. E então, um dia, inventamos shaders programáveis, que tornaram todas as formas de imagens e gráficos de computador programáveis. Isso foi um grande avanço, então inventamos isso.
Além disso, tentamos encontrar maneiras de expressar algoritmos mais sofisticados que pudessem ser computados em nosso processador, que é muito diferente de uma CPU. Então, criamos algo chamado CG. Acho que foi por volta de 2003. C para GPUs.
A mesma pessoa que escreveu o livro didático que salvou a empresa, Mark Kilgard, escreveu esse livro. E assim, CG era superlegal. Escrevemos livros didáticos sobre isso. Começamos a ensinar as pessoas a usá-lo. Desenvolvemos ferramentas e outras coisas. E então, vários pesquisadores o descobriram. Muitos dos pesquisadores aqui, estudantes aqui na Universidade de Stanford, estavam usando-o. Muitos dos engenheiros que depois se tornaram engenheiros da NVIDIA estavam brincando com isso.
Alguns médicos o pegaram e usaram para reconstrução de tomografias computadorizadas. Então, voei até lá e disse: “O que vocês estão fazendo com isso?” E eles me contaram sobre isso. Então, um químico quântico computacional usou para expressar seus algoritmos.
Então, percebi que havia alguma evidência de que as pessoas poderiam querer usá-lo. E isso nos deu um pouco mais de confiança de que deveríamos fazer isso, que essa forma de computação poderia resolver problemas que computadores normais realmente não conseguem, e reforçou nossa crença e nos manteve avançando.
Shantam Jain: Toda vez que você ouvia algo novo, você realmente saboreava essa surpresa, e isso parece ser um tema em toda a sua liderança na NVIDIA. Parece que você faz essas apostas muito antes das inflexões tecnológicas, de forma que quando a maçã finalmente cai da árvore, você está lá embaixo, esperando para pegá-la com sua jaqueta de couro preta.
[Risos]
Shantam Jain: Como você encontra a convicção?
Jensen Huang: Parece sempre como um salto arriscado. Você faz as coisas com base em crenças centrais. Nós acreditamos profundamente que poderíamos criar um computador que resolva problemas que o processamento normal não consegue resolver. Há limites para o que um CPU pode fazer. Há limites para o que a computação de propósito geral pode fazer. E então existem problemas interessantes que podemos resolver. A pergunta é sempre: esses problemas são apenas interessantes ou também podem ser mercados interessantes? Porque se não forem mercados interessantes, não é sustentável. E a NVIDIA passou por cerca de uma década investindo nesse futuro, e os mercados não existiam. Na época, só havia um mercado; era o de gráficos de computador.
Por 10, 15 anos, os mercados que alimentam a NVIDIA hoje simplesmente não existiam. Então, como você continua com todas as pessoas ao seu redor, nossa empresa e a equipe de gestão da NVIDIA e todos os engenheiros incríveis que estavam lá criando esse futuro comigo — todos os seus acionistas, seu conselho de administração, seus parceiros, você está levando todos com você, e não há evidência de um mercado. Isso é realmente, realmente desafiador. O fato de que a tecnologia pode resolver problemas, e o fato de que você tem artigos de pesquisa que são usados, que são possíveis graças a isso, são interessantes. Mas você está sempre procurando por esse mercado. Mas, mesmo assim, antes que um mercado exista, você ainda precisa de indicadores iniciais de sucesso futuro.
Temos essa frase na empresa. Há uma frase chamada “indicadores-chave de desempenho” (KPI). Infelizmente, KPIs são difíceis de entender. Acho KPIs difíceis de entender. O que é um bom KPI? Muitas pessoas, quando procuramos por KPIs, dizem: "Margens brutas." Isso não é um KPI; isso é um resultado. Você está procurando por algo que seja um indicador inicial de resultados positivos futuros e o mais cedo possível. A razão para isso é porque você quer aquele sinal inicial de que está indo na direção certa.
Então, temos essa frase chamada “EOIFS”, indicadores iniciais de EOIFS, indicadores iniciais de sucesso futuro. E isso ajuda as pessoas, porque eu estava usando isso o tempo todo, a dar esperança à empresa de que, “Ei, veja, resolvemos esse problema, resolvemos aquele problema, resolvemos este problema.” Os mercados não existiam, mas havia problemas importantes, e é disso que se trata a empresa, resolver esses problemas. Queremos ser sustentáveis e, portanto, os mercados precisam existir em algum momento.
Mas você quer dissociar o resultado da evidência de que está fazendo a coisa certa, certo? Então, é assim que você resolve esse problema de investir em algo que está muito, muito distante e ter a convicção de continuar no caminho é encontrar o mais cedo possível os indicadores de que você está fazendo as coisas certas. Então, comece com uma crença central. A menos que algo mude sua mente, você continua acreditando nela. E procure por indicadores iniciais de sucesso futuro.
Shantam Jain: Quais são alguns desses indicadores iniciais que têm sido usados pelas equipes de produtos da NVIDIA?
Jensen Huang: De todos os tipos. Eu vi um artigo. Muito antes de ver o artigo, conheci algumas pessoas que precisavam da minha ajuda com algo chamado aprendizado profundo (deep learning). Na época, eu não sabia o que era aprendizado profundo. E eles precisavam que criássemos uma linguagem específica de domínio para que todos os seus algoritmos pudessem ser expressos facilmente em nossos processadores. E criamos algo chamado Cuda (nome criado a partir de Ku-DNN - DNN vem das iniciais de Deep Neural Network). E é essencialmente o [SQL]. SQL é computação em armazenamento. Isso é computação de rede neural, e criamos uma linguagem, por assim dizer, uma linguagem específica de domínio a partir disso, meio que como o OpenGL do aprendizado profundo.
Então, eles precisavam que fizéssemos isso para que pudessem expressar suas matemáticas. E eles não entendiam Ku-DNN, mas entendiam o aprendizado profundo. Então, criamos algo intermediário para eles. E a razão pela qual fizemos isso foi porque esses pesquisadores não tinham dinheiro. Essa é uma das grandes habilidades da nossa empresa, a de estar disposto a fazer algo mesmo que os retornos financeiros sejam completamente inexistentes ou talvez muito, muito distantes, mesmo que você acredite nisso.
Nós nos perguntamos: “Esse trabalho vale a pena? Isso avança um campo da ciência em algum lugar que importa?” Observe, isso é algo sobre o qual tenho falado desde o início dos tempos. Encontramos inspiração, não pelo tamanho de um mercado, mas pela importância do trabalho, porque a importância do trabalho é o indicador inicial de um mercado futuro. Ninguém precisa fazer um estudo de caso de negócios sobre isso. Ninguém precisa me mostrar uma linguagem natural PNL* (Precisiated Natural Language). Ninguém precisa me mostrar uma previsão financeira. A única pergunta é: “Este é um trabalho importante?” E se não o fizéssemos, ele aconteceria sem nós? Agora, se não fizéssemos algo e algo pudesse acontecer sem nós, isso me daria uma tremenda alegria, na verdade.
"Precisiated Natural Language" (PNL) é um termo que pode ser utilizado para descrever uma abordagem ou técnica na área de processamento de linguagem natural que se concentra na melhoria da precisão e clareza das interações em linguagem natural. Precisiated Natural Language enfatiza a importância de a linguagem natural ser utilizada de forma precisa e clara, tanto na compreensão quanto na geração de texto, para melhorar a interação entre humanos e máquinas, como por exemplo na utilização do ChatGPT.
A razão para isso é — você pode imaginar — o mundo ficou melhor, você não teve que levantar um dedo? Essa é a definição de preguiça extrema. E, de muitas maneiras, você quer ter esse hábito. E a razão para isso é a seguinte — você quer que a empresa seja preguiçosa em fazer coisas que outras pessoas sempre fazem, podem fazer. Se outra pessoa pode fazer isso, deixe que faça. Devemos escolher as coisas que, se não fizermos, o mundo desmoronaria. Você tem que se convencer disso: “Se eu não fizer isso, não será feito.” Se esse trabalho for difícil, e esse trabalho for impactante e importante, então isso lhe dá um senso de propósito. Isso faz sentido? E assim, nossa empresa tem selecionado esses projetos. O aprendizado profundo (deep learning) foi apenas um deles. E o primeiro indicador do sucesso disso foi esse gato desfocado que Andrew [Ng] encontrou, e então Alex [Krizhevsky] detectou gatos, não o tempo todo, mas com sucesso suficiente para que fosse: “Isso pode nos levar a algum lugar.” E então raciocinamos sobre a estrutura do aprendizado profundo, e somos cientistas da computação, e entendemos como as coisas funcionam. Então, nos convencemos de que isso poderia mudar tudo. De qualquer forma, esse é um exemplo.
Shantam Jain: Então, essas escolhas que você fez trouxeram grandes dividendos, tanto literal quanto figurativamente. Mas você teve que conduzir a empresa por tempos muito desafiadores, como quando ela perdeu 80% de seu valor de mercado no meio da crise financeira, porque Wall Street não acreditava na sua aposta em Machine Learning. Em momentos como esses, como você conduz a empresa e mantém os funcionários motivados para a tarefa em questão?
Jensen Huang: Minha reação naquela época é a mesma reação que tive esta semana. Mais cedo hoje, você me perguntou sobre esta semana. Meu pulso estava exatamente igual. Esta semana não é diferente da semana passada ou da semana anterior. Então, o oposto disso, quando você cai 80%, não me entenda mal, quando o preço das suas ações cai 80%, é um pouco embaraçoso, ok? Você só quer usar uma camiseta que diga: "Não foi minha culpa."
Mas mais do que isso, você não quer sair da cama, você não quer deixar a casa. Tudo isso é verdade. Mas então você volta a fazer seu trabalho. Eu acordava no mesmo horário. Eu priorizava meu dia da mesma maneira. Eu voltava ao "O que eu acredito?" Você tem que checar de volta ao núcleo — o que você acredita? Quais são as coisas mais importantes? Apenas verifique-as. Às vezes é útil — a família me ama? Ok, verificado, verificado novamente, certo? Então, você só tem que marcar, depois volta ao seu núcleo e depois volta ao trabalho. E então cada conversa volta ao núcleo, mantenha a empresa focada no núcleo. Você acredita nisso? Algo mudou? O preço das ações mudou, mas algo mais mudou? A física mudou? A gravidade mudou? Todas as coisas que assumimos e acreditamos que levaram à nossa decisão, alguma dessas coisas mudou? Porque se essas coisas mudaram, você tem que mudar tudo. Mas se nenhuma dessas coisas mudou, você não muda nada, continue em frente. É assim que você faz.
Líderes têm que ser vistos, e essa é a parte difícil. Eu era estudante de engenharia elétrica e era bem jovem quando fui para a escola. Quando entrei na faculdade, eu ainda tinha 16 anos, então eu era jovem quando fiz tudo. Eu era um pouco introvertido. Sou tímido. Não gosto de falar em público. Fico feliz por estar aqui. Não estou sugerindo o contrário. Mas não é algo que eu faça naturalmente. Então, quando as coisas são desafiadoras, não é fácil estar na frente precisamente das pessoas que você mais se importa. E a razão para isso é porque você pode imaginar uma reunião da empresa com nosso preço das ações caindo 80%? E a coisa mais importante que eu tenho a fazer como CEO é isso, vir e enfrentar você, explicar. Em parte, você não sabe o porquê. Em parte, você não sabe por quanto tempo, o quão ruim. Você simplesmente não sabe essas coisas. Mas você ainda tem que explicar, enfrentar todas essas pessoas e você sabe o que elas estão pensando. Alguns deles provavelmente estão pensando: “Estamos condenados.” Algumas pessoas provavelmente estão pensando: “Você é um idiota.” E algumas pessoas provavelmente estão pensando algo mais. Então, há muitas coisas que as pessoas estão pensando, e você sabe que elas estão pensando essas coisas, mas você ainda tem que ficar na frente delas e fazer o trabalho difícil.
Shantam Jain: Talvez você possa dar esses exemplos, mas ainda assim nenhum membro de sua equipe de liderança saiu durante esses tempos turbulentos.
Jensen Huang: Eu estou cercado por gênios, gênios absolutos, inacreditáveis. A NVIDIA é conhecida por ter singularmente a melhor equipe de gestão do planeta. Esta é a equipe de gestão de tecnologia mais profunda que o mundo já viu. Estou cercado por um monte deles, e são apenas gênios — equipes de negócios, equipes de marketing, equipes de vendas, e é simplesmente incrível — equipes de engenharia, equipes de pesquisa, inacreditável.
Shantam Jain: Seus funcionários dizem que seu estilo de liderança é muito engajado. Você tem 50 subordinados diretos. Você incentiva pessoas de todas as partes da organização a enviar as cinco coisas mais importantes na mente delas. E você constantemente lembra às pessoas que "nenhuma tarefa está abaixo de você." Pode nos dizer por que você projetou intencionalmente uma organização tão plana? E como deveríamos pensar sobre as organizações que projetamos no futuro?
Jensen Huang: Para mim, nenhuma tarefa está abaixo de mim porque, lembre-se, eu costumava ser um lavador de pratos, e eu realmente quero dizer isso. Eu costumava limpar banheiros. Eu limpei muitos banheiros. Eu limpei mais banheiros do que todos vocês juntos, e alguns deles você simplesmente não consegue esquecer.
Eu não sei o que dizer. Essa é a vida. Então, você não pode me mostrar uma tarefa que esteja abaixo de mim. Eu não estou fazendo isso apenas por ser abaixo de mim ou não. Se você me enviar algo e quiser minha opinião sobre isso e eu puder ser útil para você e, na minha revisão, compartilhar com você como raciocinei sobre isso, eu fiz uma contribuição para você. Eu fiz possível ver como eu raciocino sobre algo. E ao raciocinar, como você sabe, como alguém raciocina sobre algo empodera você. Você pensa, “Oh meu Deus. É assim que você raciocina sobre algo assim.” Não é tão complicado quanto parece. É assim que você raciocina sobre algo que é super ambíguo. É assim que você raciocina sobre algo que parece ser muito assustador. Você entende?
Então, eu mostro às pessoas como raciocinar sobre as coisas o tempo todo — coisas estratégicas, como prever algo, como dividir um problema, e você está apenas empoderando as pessoas por aí. E assim é como eu vejo isso. Se você me enviar algo e quiser que eu ajude a revisar, farei o meu melhor e mostrarei como eu faria isso.
Isso exige muita energia às vezes porque, para adicionar valor a alguém e eles são incrivelmente inteligentes como ponto de partida e estou cercado por pessoas incrivelmente inteligentes, você tem que pelo menos chegar ao plano deles, sabe? Você tem que entrar na cabeça deles. E isso é realmente difícil e exige uma quantidade enorme de energia emocional e intelectual, e então eu me sinto exausto depois de trabalhar em coisas assim.
Estou cercado por muitas pessoas ótimas. Os CEOs devem ter a maioria dos subordinados por definição porque as pessoas que reportam ao CEO requerem a menor quantidade de gestão. Não faz sentido para mim que os CEOs tenham tão poucas pessoas a reportar, exceto por um fato que eu sei ser verdadeiro. O conhecimento, a informação de um CEO é supostamente tão valiosa, tão secreta, que você só pode compartilhá-la com duas ou três outras pessoas.
E a informação deles é tão inestimável, tão incrivelmente secreta que eles só podem compartilhá-la com mais alguns. Bem, eu não acredito em uma cultura, em um ambiente onde a informação que você possui é a razão pela qual você tem poder. Eu gostaria que todos nós contribuíssemos para a empresa. E nossa posição na empresa deve ter algo a ver com nossa capacidade de raciocinar sobre coisas complicadas, liderar outras pessoas para alcançar a grandeza, inspirar, empoderar outras pessoas, apoiar outras pessoas. Essas são as razões pelas quais a equipe de gestão existe, a serviço de todas as outras pessoas que trabalham na empresa, para criar as condições pelas quais todas essas pessoas incríveis optam por trabalhar para você em vez de todas as outras empresas de alta tecnologia ao redor do mundo. Eles elegeram, voluntariamente trabalhar para você. E então você deve criar as condições para que eles possam fazer o trabalho de suas vidas, que é minha missão.
Você provavelmente ouviu isso. Eu já disse isso claramente e eu acredito nisso. O que meu trabalho é é muito simplesmente criar as condições para que você possa fazer o trabalho de sua vida. Então, como eu faço isso? Como é essa condição? Bem, essa condição deve resultar em um grande empoderamento. Você só pode ser empoderado se entender a circunstância; não é? Você tem que entender o contexto da situação em que está para vir com ótimas ideias. E assim, eu tenho que criar uma circunstância onde você entenda o contexto, o que significa que você tem que estar informado. E a melhor maneira de estar informado é haver o menor número possível de camadas de distorção da informação, certo, entre nós. E essa é a razão pela qual é muito comum eu raciocinar sobre coisas como em um público como este. Eu digo, primeiro de tudo, esses são os fatos iniciais. Esses são os dados que temos. É assim que raciocinamos sobre isso. Essas são algumas das suposições. Esses são alguns dos desconhecidos. Esses são alguns dos conhecidos. Então, você raciocina sobre isso.
A NVIDIA tem 30.000 pessoas (dados de 2024). Somos a menor grande empresa do mundo. Somos uma empresa pequena. Mas cada funcionário está tão empoderado e toma decisões inteligentes em meu nome todos os dias. E a razão para isso é porque eles entendem minha condição. Eu sou muito transparente com as pessoas. E eu acredito que posso confiar em você com a informação.
Muitas vezes, a informação é difícil de ouvir e as situações são complicadas, mas eu confio que você pode lidar com isso. Muitas pessoas me ouvem dizer, “Vocês são adultos aqui. Vocês podem lidar com isso.” Às vezes, eles não são realmente adultos e acabaram de se formar. Estou brincando. Eu sei que quando me formei, eu era mal um adulto. Mas eu tive a sorte de ser confiado com informações importantes. Então, eu quero fazer isso. Quero criar as condições para que as pessoas possam fazer isso.
Shantam Jain: Agora eu quero abordar o tópico que está na mente de todos, a Inteligência Artificial. Na semana passada, você disse que a IA generativa e a computação acelerada atingiram o ponto de inflexão. À medida que essa tecnologia se torna mais mainstream, quais são as aplicações que você pessoalmente mais está empolgado?
Jensen Huang: Bem, você tem que voltar aos princípios básicos e perguntar a si mesmo, “O que é a IA generativa? O que aconteceu?” O que aconteceu foi que agora temos a capacidade de ter software que pode entender algo. Primeiro de tudo, digitalizamos tudo. Como, por exemplo, o sequenciamento de genes — genes digitalizados. Mas o que isso significa? Essa sequência de genes, o que significa? Digitalizamos aminoácidos, mas o que significa?
Agora temos a capacidade de digitalizar palavras. Digitalizamos sons. Digitalizamos imagens e vídeos. Digitalizamos muitas coisas. Mas o que isso significa? Agora temos a capacidade, através de muito estudo e muitos dados e dos padrões nas relações, de entender o que eles significam. Não só entendemos o que eles significam, mas podemos traduzir entre eles porque aprendemos sobre o significado dessas coisas no mesmo mundo; não aprendemos sobre elas separadamente. Então, aprendemos sobre fala e palavras e parágrafos e vocabulário no mesmo contexto. Encontramos correlações entre eles, e todos eles estão registrados, por assim dizer, registrados uns aos outros.
E então agora, não só entendemos o significado de cada modalidade, mas podemos entender como traduzir entre elas. E assim, para coisas óbvias, você poderia legendas de vídeo para texto; isso é legendagem, texto para imagens [mid journey], texto para texto, ChatGPT, coisas incríveis. E então sabemos que entendemos o significado e podemos traduzir. A tradução de algo é a geração de informações. E, de repente, você tem que dar um passo para trás e perguntar a si mesmo, “Qual é a implicação em cada camada de tudo que fazemos?” Então, eu estou exercitando isso diante de você, estou raciocinando diante de você, a mesma coisa que fiz há 15 anos quando vi Alex pela primeira vez, há 13, 14 anos.
Como eu raciocinei sobre isso, o que eu vi? Como é interessante. O que pode fazer? Muito legal. Mas então, o mais importante, o que isso significa? O que isso significa para cada camada da computação porque estamos em um mundo de computação. Então, o que significa é que a maneira como processamos informações será fundamentalmente diferente no futuro. É assim que a NVIDIA constrói chips e sistemas. A forma como escrevemos software será fundamentalmente diferente no futuro. O tipo de software que seremos capazes de escrever no futuro será diferente, novas aplicações. E também o processamento dessas aplicações será diferente. O que historicamente era um modelo baseado em recuperação, onde as informações eram pré-gravadas, se você quiser, quase. Nós escrevemos o texto, pré-gravado, e o recuperamos com base em algum algoritmo de sistema de recomendação. No futuro, alguma semente de informação será o ponto de partida. Chamamos isso de prompts, como vocês sabem, e então geramos o resto. E assim, o futuro da computação será altamente gerado.
Bem, deixe-me dar um exemplo do que está acontecendo. Por exemplo, estamos tendo uma conversa agora. Muito pouco da informação que estou transmitindo a você é recuperada. A maior parte é gerada. Isso é chamado de inteligência. Então, no futuro, teremos muito mais generativo — nossos computadores funcionarão dessa maneira. Vai ser altamente gerado em vez de altamente baseado em recuperação.
Então, você volta e se pergunta — agora para os empreendedores, você vai se perguntar quais indústrias serão perturbadas? Portanto, vamos pensar sobre redes da mesma forma? Vamos pensar sobre armazenamento da mesma forma? Vamos ser tão abusivos com o tráfego da Internet como somos hoje? Provavelmente não. Observe que estamos tendo uma conversa agora, e eu não preciso entrar no meu carro a cada pergunta. Portanto, não precisamos ser tão abusivos com transformação/informação/transporte como costumávamos ser.
O que vai ser mais? O que vai ser menos? Que tipo de aplicações, etcetera, etcetera? Então, você pode percorrer toda a gama industrial e perguntar a si mesmo o que será perturbado, o que será diferente, o que será [novo], e assim por diante.
E esse raciocínio começa com o que está acontecendo? O que é a IA generativa? Fundamentamente, o que está acontecendo? Volte aos princípios básicos com todas as coisas. Havia algo que eu ia te contar sobre organização. Você fez a pergunta, e eu esqueci de responder. A maneira como você cria uma organização, por sinal, um dia, não se preocupe com como os organogramas de outras empresas parecem. Você começa pelos princípios básicos. Lembre-se do que uma organização é projetada para fazer.
As organizações do passado tinham um Presidente (ou Rei) ou CEO, e então você tinha todos os súditos reais, a corte real e depois os empregados. E então você continuava a descer. Eventualmente, eram funcionários. A razão pela qual era projetado dessa forma é porque queriam que os funcionários tivessem o mínimo de informação possível, porque o propósito fundamental dos soldados é morrer no campo de batalha, morrer sem fazer perguntas. Vocês sabem disso.
Eu tenho apenas 30.000 funcionários. Eu gostaria que nenhum deles morresse. Eu gostaria que eles questionassem tudo. Isso faz sentido? E assim, a maneira como você organizava no passado e a maneira como você organiza hoje é muito diferente.
Segundo, a questão é o que a NVIDIA constrói? Uma organização é projetada para que possamos construir o que quer que construamos melhor. E então, se todos nós construímos coisas diferentes, por que estamos organizados da mesma maneira? Por que essa maquinaria organizacional seria exatamente a mesma independentemente do que você constrói? Não faz sentido algum. Você constrói computadores, organiza dessa forma. Você constrói serviços de saúde, organiza exatamente da mesma forma. Não faz sentido algum. Então você tem que voltar aos princípios básicos, apenas pergunte a si mesmo, “Que tipo de computadores? Qual é a entrada? Qual é a saída? Quais são as propriedades deste ambiente? Qual é a floresta na qual esse animal tem que viver? Quais são as características? É estável na maior parte do tempo? Você está tentando extrair a última gota de água ou está mudando o tempo todo, sendo atacado por todos?”
Então, você tem que entender, você é o CEO. Seu trabalho é arquitetar esta empresa. Esse é meu primeiro trabalho, criar as condições para que você possa fazer o trabalho da sua vida, e a arquitetura tem que estar certa, e então você tem que voltar aos princípios básicos e pensar sobre essas coisas.
Eu tive a sorte de, quando tinha 29 anos, ter a oportunidade de dar um passo para trás e perguntar a mim mesmo, “Como eu construiria esta empresa para o futuro e como ela seria? Qual é o sistema operacional, que se chama cultura? Que tipo de comportamento incentivamos, aprimoramos, e o que desencorajamos e não aprimoramos, e assim por diante?”
Shantam Jain: Quero reservar um tempo para perguntas da audiência. Mas o tema deste ano para você do topo é “Redefinindo o Amanhã”. E uma pergunta que fizemos a todos os nossos convidados é, Jensen, como cofundador e CEO da NVIDIA, se você pudesse fechar os olhos e magicamente mudar uma coisa sobre o amanhã, o que seria?
Jensen Huang: Era para pensarmos nisso com antecedência?
[Risos]
Jensen Huang: Vou te dar uma resposta horrível. Eu não sei se é uma coisa só. Olha, há muitas coisas que não controlamos. Seu trabalho é fazer uma contribuição única. Viver uma vida com propósito, fazer algo que ninguém mais no mundo faria ou pode fazer, para fazer uma contribuição única para que, no caso de depois que você terminar, todos digam que o mundo ficou melhor porque você esteve aqui. Então, para mim, eu vivo minha vida mais ou menos assim. Eu vou para frente no tempo e olho para trás. Então, você me fez uma pergunta que é exatamente do ponto de vista da visão computacional, exatamente o oposto de como eu penso. Eu nunca olho para frente a partir de onde estou. Eu vou para frente no tempo e olho para trás. E a razão para isso é que é mais fácil. Eu olharia para trás e leria minha história. Fizemos isso e fizemos daquela forma e resolvemos aquele problema. Faz sentido?
Então, é um pouco como vocês resolvem problemas. Vocês descobrem qual é o resultado final que estão buscando e trabalham para trás para alcançá-lo. Eu imagino a NVIDIA fazendo uma contribuição única para avançar o futuro dos computadores, que é o instrumento mais importante de toda a humanidade. Agora não se trata de nossa própria importância, mas é apenas o que fazemos bem, e é extremamente difícil de fazer. E acreditamos que podemos fazer uma contribuição absolutamente única. Levou-nos 31 anos para chegar aqui, e ainda estamos apenas começando nossa jornada, e então é extremamente difícil de fazer.
E quando olho para trás, acredito que seremos lembrados como uma empresa que mudou tudo, não porque saímos e mudamos tudo através de todas as coisas que dissemos, mas porque fizemos uma coisa que era extremamente difícil de fazer, na qual somos incrivelmente bons e amamos fazer, e fizemos isso por muito tempo.
Quando você fala de desafios, a lista que passou pela minha cabeça foi tão grande que eu estava tentando descobrir o que selecionar. Agora, a verdade honesta é que, a maioria dos desafios que apareceram para mim foram desafios técnicos. E a razão para isso é porque essa foi a minha manhã. Se você tivesse perguntado ontem, poderia ter sido desafios de criação de mercado. Havia alguns mercados que, poxa, eu realmente gostaria de criar. Não podemos simplesmente fazer isso já? Mas não podemos fazer isso sozinhos. A NVIDIA é uma empresa de plataforma tecnológica. Estamos aqui a serviço de uma série de outras empresas para que elas possam realizar, por assim dizer, nossas esperanças e sonhos através delas.
Então, algumas das coisas que eu adoraria, eu adoraria que o mundo da biologia estivesse em um ponto em que fosse como o mundo do design de chips há 40 anos, projetado e desenvolvido por computadores, EDA que toda a indústria realmente possibilitou para nós hoje. E eu acredito que vamos tornar isso possível para eles amanhã. Design de medicamentos assistido por computador — porque agora podemos representar genes e proteínas e até células, muito, muito perto de representar e entender o significado de uma célula, a combinação de um monte de genes. O que significa uma célula? É como, o que significa um parágrafo? Se pudermos entender uma célula como entendemos um parágrafo, imagine o que poderíamos fazer.
Então, estou ansioso para que isso aconteça. Estou meio empolgado com isso. Há algumas coisas que eu estou apenas empolgado e sei que estamos na esquina, por exemplo, robótica humanoide. Está muito, muito perto. E a razão para isso é que se você pode tokenizar e entender a fala, por que não pode tokenizar e entender a manipulação? Então, essas técnicas de ciência da computação, uma vez que você descobre algo, você se pergunta, “Bem, se eu faço isso, por que não posso fazer aquilo?” Então estou empolgado com esse tipo de coisas. Então, esse desafio é meio que um desafio feliz.
Alguns dos outros desafios, é claro, são industriais e geopolíticos e são sociais, mas você já ouviu todas essas coisas antes. Esses são todos verdadeiros, você sabe? As questões sociais no mundo, as questões geopolíticas no mundo, por que não podemos apenas nos dar bem, as coisas no mundo, por que eu tenho que dizer essas coisas no mundo? Por que temos que dizer essas coisas e depois amplificá-las no mundo? Por que temos que julgar tanto as pessoas no mundo? Todas essas coisas, vocês todos sabem disso. Eu não preciso repetir essas coisas.
Shantam Jain: Finalmente, se você pudesse compartilhar um conselho final para transmitir em toda a Universidade de Stanford, qual seria?
Jensen Huang: Não é uma palavra, mas tenha uma crença fundamental. Verifique-a com seu instinto todos os dias. Persiga-a com todas as suas forças. Persiga-a por um longo tempo. Cerque-se de pessoas que você ama e leve-as nessa jornada. Então, essa é a história da NVIDIA.
Shantam Jain: Jensen, esta última hora foi um prazer. Obrigado por passar esse tempo conosco.
Jensen Huang: Muito obrigado.
Fonte:
gsb.stanford.edu.
Sobre o entrevistador
Shantam Jain é da turma de MBA de 2024. Essa entrevista também foi filmada e está no canal no YouTube e no site gsb.stanford.edu.
Entrevista traduzida pelo ChatGPT
