本文來自微信公眾號：Web3天空之城（ID：Web3SkyCity），作者：天空之城城主，原文標題：《Nvidia 黃仁勛的AI時代認知和領導力洞察》，頭圖來自：視覺中國

【資料圖】

英偉達CEO黃仁勛在5月底有一個AI峰會訪談，完整的內容剛公開。

認真看完之后的感想是，之前認為，這個星球上的科技大佬有兩個人的訪談最值得追，一個顯然是Elon Musk，還有一位則是Sam Altman；現在，這個top名單可以再加一位：黃仁勛。

老黃在這個對話里深談了對AI時代的認知，以及公司領導力的獨特洞察。整個訪談可謂金句頻出，特先摘錄一些做個評論。

“AI既是深度學習，也是一種解決難以指定的問題的算法。這也是一種開發軟件的新方法。想象你有一個任意維度的通用函數逼近器。”

點評：“通用函數逼近器”，這是對幾千上萬億參數的神經網絡大模型的一個絕妙比喻，從實現層面和邏輯層面都是。生成式模型通過難以計數的參數去逼近了各種真實的數據、知識和推理生成。

“我們的智力有許多方面都是應用規則，要么是學習的規則，要么是表達的規則。我們的公司、特定社會、特定文化中的許多原則和規則都是簡單地通過文字表達的。”

點評：“智力的很多方面通過文字規則表達”這一點也體現了，為什么LLM大語言模型通過學習文字就能達到如此智能的水平，因為人類的認知和智慧本來就是大部分通過文字體現，而不是靠每一個人親身體驗。

“我們使用AI來幫助我們設計、探索（芯片）設計空間……AI幫助我們創建更加節能高效的處理器，超過摩爾定律預測的任何能力。”

點評：NVIDIA用AI設計芯片的說法看來板上釘釘了，和使用AI輔助進行軟件編碼（Copilot）相比， 用AI設計芯片顯然是個更基礎的變革，因為這意味著人類擁有算力的進一步爆炸。老黃說的“超過了任何摩爾定律預測”，應該是可信的。

“你必須努力學習。人們喜歡教導那些偉大的學生。所以我投入了很多時間去成為一名好學生。”

點評：老黃很簡單地說了如何在管理公司的幾十年一直跟進最新技術知識，無它，唯有努力學習。城主在《當Transformer降臨：普通人如何迎接AI狂潮時代》一文里也表達了同樣的想法。在AI時代要生存下去，唯有好好學習，終身學習。

“技術如此精深，所以你要理解它，并對技術充滿興趣和好奇心，這對管理技術驅動型公司至關重要。”

點評：又一句看著很簡單，但實際很深刻的話。沒有對科學技術的真正好奇心和熱愛，不可能做好一個技術驅動的公司。在馬斯克和Sam Altman的談話里， 都強烈體現著這一點。

“所以我有很多人向我匯報，因為我不需要進行一對一談話……擁有許多直屬下屬、不進行一對一談話，使公司變得扁平，信息迅速傳播，員工得到賦權，這使得我不必進行一對一談話變得可能。”

點評：老黃這個不做1:1對話的管理理念震驚和刷新了本人認知。

但仔細想想，這確實某種意義上也更契合扁平化完全溝通的理念；而這里的關鍵是，找到那些不需要花CEO精力去做職業輔導的A級人才……所以最后還是喬幫主看透啊，然后黃老邪繼承了。

老黃在訪談后半段里深入談了自己獨特的公司領導力，非常精彩，不提前劇透了。讀者可以看老黃自己說。

以下是訪談全文。

主持人：

我太高興能和你在一起，Jensen（黃仁勛）。能從你身上學習真的太榮幸了。我想回到你對深度學習產生信心的那一刻。你還記得那是什么時候嗎？

老黃：

非常好。我了解深度學習的時間和其他人差不多。也許略早一點。這是因為有幾個研究小組同時試圖參加2012年的ImageNet大賽。我想有兩件事，一是使用最新型的GPU，即GeForce GTX 580。它剛剛上市。二是學習如何為深度神經網絡編程。所以我們很幸運能比其他人略早一點了解它們。

那時它被稱為神經網絡。如你所知，在那個時期，人工智能還不太流行。神經網絡是可疑的研究領域。但盡管如此，我們還是提供了幫助。我們盡了最大努力。

對我來說真正引人注目的是它的有效性。當然，當你看到驚人的有效技術時，下一個問題是這種技術將如何擴展？它還可以解決什么其他問題？由于神經網絡的性質和每一層相互隔離。反向傳播方法非常有效，你可以想象它將被大規模擴展。事實證明我們是正確的。

我們的觀察結果是，AI既是深度學習，也是一種解決難以指定的問題的算法。這也是一種開發軟件的新方法。想象你有一個任意維度的通用函數逼近器。無論問題的維度和大小如何，只要你有足夠大的模型，你就可以反向傳播它并學習它。我認為推斷出這一見解對我們來說真的很重要。我們深信它的潛力。因為我們意識到這將成為開發軟件的新方式。

從那時起，我們稱之為軟件2.0。但我們觀察到，起初這是一種開發軟件的新方式，我們意識到可能需要徹底改變計算方式。從那時起，你可以回顧并意識到，可能是自 IBM 360系統以來的60年里，第一次使用GPU和深度學習加速計算真正實現了重新發明計算機。如果你愿意（這樣認為）的話，我們可能在發現量子計算之前就已經發明了量子計算。

主持人：

確切地。我認為那是一個非常重要的時刻。我們很幸運能把所有的要點聯系起來。是的，我記得讀到研究團隊的論文，以及他們如何開始部署它。這令人難以置信，給人深刻的印象，因為之前沒有人真正將GPU用于這一用途。

但是，自從模型架構開始發展以來，您認為它們的發展方向是什么？當時是CNN（卷積神經網絡）。我們現在看到對多模態的支持越來越多。這讓您對此感到興奮嗎？您認為模型架構的發展方向是什么？

老黃：

嗯，讓我們拭目以待。研究人員做的工作是將幾乎每一個問題、每一種類型的數據重新表述為Transformer可以學習的內容。你可以創建視覺Transformer。你可以創建音頻Transformer。當然，你可以創建文本Transformer。看起來，你幾乎可以用任何東西創建一個Transformer。

出于非常明確的原因，多模態確實非常重要。它們的表現更好。例如，如果我們說，你正在嘗試訓練視覺神經網絡，而你除了馬以外什么都沒見過，你從未見過斑馬。但是，如果你添加另一種模態，比如文字，你就會明白斑馬是一匹有黑白條紋的馬。不知怎的，馬的圖像和文字對黑白條紋的理解讓（模型）在沒有見過斑馬的情況下想象斑馬的樣子。

這樣你就擴展了你的表現。你可以使用多模態來增強感知的穩定性。所以，我們為相機、雷達和激光雷達這樣做。我們結合多個傳感器模式，以便我們可以擴展您的感知能力，涵蓋所有傳感器模式的超集。

我想，你也可以通過模棱兩可的事物來增強能力，例如，如果我要說，那是什么？我的言語和手勢的結合可以幫助您理解我的意思。使用代詞很難做到這一點。因此，多模態非常重要。現在，我們有了Transformer模型，我們表達了Transformer的理解方式來理解多模態。

所以，我認為下一代AI模型將具有更高的性能、更安全、更穩定、可以完成更多的任務。我認為這將是一個重大進步。我認為真正令人著迷的是我們已經能夠從語言中推導出多少東西。我們基本上從可以應用于非常廣泛的背景的語言中推導出這個世界模型。

主持人：

但是，您還談到了教授這些模型物理知識。您認為這是必要的嗎？或者，當這些模型變得多模態時，我們能否從訓練數據中推導出來？例如，當它們在視頻訓練中得到訓練時，它們能否從訓練數據中學習這一點？

老黃：

是的，我想可以。讓我們看看，世界上幾乎所有的事物都已經用文字描述過了。是的，物理學也已經用文字描述過了，牛頓定律也已經用文字描述過。所以，你可以想象，我們可以通過世界的詞語庫學習幾乎所有的物理效應。

如果你從未見過紅色，真的很難想象紅色意味著什么。但是，如果有足夠多的詩歌來描述紅蘋果的美麗以及它與其他紅色蘋果的比較，我不會感到驚訝。而且，心形紅色，表情符號之類的東西。通過所有這些詞，你已經關聯起來，哦，這一定是紅色的。通過比較和對比，在沒有見過的情況下，你一定能夠理解這一點。

但是，如果你沒有能力把所有這些不同的事物結合起來，你永遠無法理解某種事物的感覺及其微妙之處和細微差別。我認為向人們傳授物理效應是可能的。但是，如果你想預測物理定律，也就是說，具有物理現象的事物，你需要將人工智能建立在物理學的基礎之上。這與今天使用增強學習和人類反饋來塑造大型語言模型沒有什么不同。

在未來，你將使用物理反饋的增強學習。而這個物理反饋，不是人為的，而是通過某種物理模擬表達的機器人的反饋。我們創建了一個名為Omniverse的系統，它遵守物理定律，所以我們可以讓Omniverse本質上是機器人的數字雙胞胎。

那個具體化的語言模型然后會得到增強學習的物理反饋，模擬物理反饋，Omniverse的數字雙胞胎反饋。所以，我的確認為，對某些類型的機器人來說，你想要建立在物理真理的基礎之上。你想建立在倫理真理的基礎之上。這就是人類。這就是協調。這是幫助我們創建更安全聊天機器人的一種方式。

所以，我認為這兩個想法在某種程度上是相互平行和合理的。我認為這將是有幫助的。是的，這可能就是我們最終在這個模擬中結束的原因。這就是你開始做這些實驗的原因。

主持人：

是的。您認為上限在哪里？您認為我們可以繼續運作現有的模型架構，稍微發展一下，規模化，計算化嗎？或者，我們需要徹底的突破和很快就會達到收益遞減？

老黃：

首先，我不知道背后的科學原理。但直覺會表明，我們的智力有許多方面都是應用規則，要么學習的規則，要么表達的規則。我們的公司，特定社會，特定文化中的許多原則和規則都是簡單地通過文字表達的。你沒有學習它的（其他）存在。

“不可殺人”，不是通過嘗試直到發現“不可殺人”才學會的事情。我們只是學習了它。我們得到了這個規則。所以，有許多規則可以在不需要學習的情況下表達。我認為這種符號推理可以增強這些詳盡學習的模型。

所以，我不知道背后的科學原理，以及它是否表明這種方式或那種方式，但直覺上，我們通過增強學習、經驗學習以及只是因為事情就是這樣而學習的東西來增強我們的智力。

最令我們興奮的一件事就是現在也有可能增強人類的智力。如果我們能為研究人員提供運行成千上萬次并行實驗的工具，而不是替代這些工具，那將是很棒的。

主持人：

隨著時間的推移，您如何看待人類在此方面的作用？一旦我們達到這方面比人類高出幾個數量級的智力，我還能發揮什么作用？

老黃：

我不知道。我不知道。但我周圍都有在某些技能方面比我高出幾個數量級的人。我和他們共存沒有任何問題。所以我已經生活在一個被超級智力包圍的環境中。相對于我自己，我覺得他們能做的事情我無法想象。不知怎的，我在其中存在得相當和諧。我認為我們會提高基本智力。

我們提高了許多事物，這些事物隨著時間的推移使人類資源大批量化。我們通過農業民主化了食物的狩獵。我們不必再狩獵或被獵物追趕。我們當然民主化了能源的生產。所以體型較小和較弱的人可以生活在這個世界上，不是只有體型龐大和肌肉發達的人才能生存于這樣的環境中。

我們民主化了能源的獲取。因此，社會在其能力方面有所提高。我認為我們現在正在民主化智力的生產。但我認為，對于那些擁有深入的領域專業知識和某些令人難以置信的熱情的人來說，價值仍將存在。正如您提到的，通過試驗所有這些未來情景的能力，我們可以放大自己的熱情和專業知識。

另一個方面，我對此抱有希望，在我40年的職業生涯中，絕大多數人口沒有學會如何使用我們稱之為計算機的這種儀器。只有少數人，我認為你在青少年時期就開始學習如何編程計算機了。對絕大多數人來說，他們不知道BASIC。他們不知道Python。他們不知道Pascal或Fortran或C或C++或Java。他們不知道如何編程這些計算機。

盡管對世界上少數人來說這很合理（大約100萬人），但數十億人至今仍不知道如何做到這一點。現在，有了ChatGPT，編程語言的首選項是人類。你可以用瑞典語編程，我可以用英語編程，你可以編程去編寫一個程序來編程另一臺計算機。所以，我們首次在歷史上實現了編程的民主化。我無法不相信這將賦予目前看到這種價值創造工具和生產力工具的數十億人力量。

這個令人難以置信的、以光速旅行的機器，我們稱之為計算機。第一次，每個人都可以使用它。所以我希望它能彌合數字鴻溝。我認為你可以為此提出理由。你現在就能實時看到這種情況，孩子們在網上激勵這些機器，編寫了驚人的程序，生成了美麗的圖像。他們只是孩子。他們不知道如何編寫程序，但他們可以做這件事。

主持人：

我認為，NVIDIA在加速計算方面所做的工作也令人著迷，因為你們自己使用AI來開發更高級的計算。你能告訴我這個循環是什么樣子的嗎？

老黃：

我們當前一代芯片如此之大、如此復雜，我們公司的所有員工都不可能設計出來。所以我們使用AI來幫助我們設計、探索設計空間。正如你所說，我們嘗試了數十萬種設計方案的組合，找到了權衡最佳的一個。

確切地。最佳的權衡是我們確定的權衡。不存在完美的優化。只存在在某些權衡下最佳的優化。有時候，我們可能想不惜一切代價優化速度。理由是它處在關鍵路徑上。你想讓關鍵路徑盡可能快。

也許是因為它代表了你必須實例化成千上萬次的東西。現在，能源效率真的很重要。所以，我們為能源效率進行優化。我們作出這種判斷。然后，我們釋放AI去發現所有的極端條件和所有的不同方案組合。它帶回來的設計不是任何人能做出來的。

令人難以置信的是，我們正在審視這些設計，我們將其納入最新一代 Hopper 中，這些設計以前沒有人設計過。這實在令人難以置信。或者，這是因為我們必須在一片芯片上連接成千上萬個模塊。成千上萬種組合的爆炸超過宇宙中的所有原子。

所以，只有AI才能弄清楚這種情況下的最佳優化方案。

主持人：

我對你的觀點真的很好奇的另一個問題是，我們應該如何思考防御性？

上次我們談到，領域專業知識的價值以及深入融入工作流程。但對于在應用層實施的公司來說，隨著這些模型變得更加商品化，它們能夠從越來越少的數據中學習，它們應該如何考慮防御性？許多歷史性壕溝似乎不再適用。我們應該如何考慮建立一個可防御的業務？

老黃：

嗯，我不知道有任何證據表明理解一個問題域或理解一部分客戶曾失去過價值。我們的技術、世界計算技術以及受過高等教育的人數，顯然在不斷增長。

現在大學畢業的新生真的非常了不起。他們中的每一個人當時都比我們更聰明，當我們第一次畢業時。他們能解決的問題類型，僅僅從畢業開始，就屬于整個公司過去要做的事情類型。然而，所有證據都表明深入理解客戶的挑戰真的很有價值。

所以，我認為這不會消失。我們將擁有令人難以置信的基本AI能力，它可以做驚人的事情。它可以解決所有的最困難的數學問題，它將通過資格考試。

然而，我們很清楚，通過資格考試的人，當被帶入某個特定問題的領域時，仍然必須學習該行業的基本原理。需要解決的問題是什么？人與人之間的復雜關系是什么？客戶常常是人，他們試圖解決自己復雜的挑戰。所以，理解人，理解上下文，這些東西往往表達不清。所以，這些是社會科學問題。

主持人：

在應用層，您最興奮的是什么？

老黃：

嗯，對我們來說，如果我可以將其分類為三個方面，那就是:

AI可以做什么來增強、革新我們制造產品的工作方式？這是一方面。我們剛才討論過一方面。我們設計芯片的方式已經完全改變。

第二，我們設計軟件的方式已經改變。當然，第二個方面是，AI現在可以使我們做什么，以至于我們的產品與眾不同？

不僅僅是革新我們設計產品的方式，而是革新我們建立的產品。例如，世界上有許多游戲玩家，我們過去設計圖形卡的方式是設計可編程著色器，當然還有編譯器等等。但僅此而已。我們發布它。我們運送具有優秀編譯器的優秀處理器，并將它們集成到游戲等中。

但現在，你甚至不能獨立發布運送GeForce顯卡，因為后面有一臺超級計算機在學習如何預測缺失的像素，因為我們必須去噪和推斷像素。我們推斷約每一個我們呈現的像素，我們現在推斷在8到16個像素之間。我的意思是，這就像得到一個拼圖，給你一個拼圖片，然后猜測其他16個拼圖片。

所以，我們在AI中教了一門課，后臺有一臺超級計算機，只是學習如何做這件事并改進算法，然后我們每次改進時都下載算法（到本地機器）。所以，現在我們使用AI不僅革新我們設計GPU的方式，還革新GPU產生圖像的方式。所以，它幫助我們創建更加節能高效的處理器，超過摩爾定律預測的任何能力。

然后，第三個方面，我想說，就是將整個公司轉變為人工智能。

這樣，我們所有員工都能夠借助這個系統獲得增強，這個系統一直在運行。這樣，我們不會搜索找不到的信息，這樣我們可能可以連接點和預測市場機會，或者供應鏈已經改變，或者市場需求已經改變，我們不可能看到所有信號，但AI看到所有信號并非不可能。

因此，隨著時間的推移，從員工相互協作的方式，我們獲取使用信息的方式，到我們預測需求和與供應鏈合作的方式，所有這些都將由AI革新。

主持人：

您認為您目前對AI最持不同意見的觀點是什么？

老黃：

我不知道我有任何特別與眾不同的觀點，因為，如果你看看今天的世界，關于AI的大多數討論要么超越其承諾的熱情，要么超越其危害的擔憂。所以，在承諾和危害的兩個極端條件之間，實時討論的地方，可能是真相。

毫無疑問，這種能力的技術以及歷史上的任何技術帶來了社會和經濟的巨大變革和斷層。所以，我們必須考慮相當大的危害。

誰會想到會有一大群從事網絡設計的人？這是一個以前不存在的職業，或者程序化廣告。這些職業在40年前我畢業時并不存在。但今天整個行業存在。

所以，不知怎的，這個名為互聯網的啟用技術有推薦系統。AI的早期版本使我們能夠創建這個新行業。我認為我們將不得不進行再培訓和再訓練。流失的工作可以轉變。但我確定將創建新的行業，這些行業我們從未想過。

就現在而言，我們正看到有一點正在活躍起來，即提示工程。提示工程將是一個真實的事物。它將成為一個巨大的行業。它可能是最重要的編程行業。那么會有多少人成為提示工程師？這真令人難以置信。

你看到AI在幫助編寫提示，對吧？提示其他AI。

（主持人：這非常“元”meta）

的確，非常“元”。所以，我認為我們會看到所有這些。

我認為有許多好的方面正在討論。我喜歡關于安全性的討論。我們必須投入與AI能力相當的技術投資和AI安全投入。我們碰巧在自動駕駛汽車領域工作。我們可能已經投入了與讓車開動相當的資源來使AI安全和汽車安全。所以，我認為大型語言模型也必須這樣做。

用于建立AI護欄的技術，以使您將其保持在操作域內，與對齊相關的技術，增強學習，人類反饋，我們前面談到的與物理反饋相關的增強學習，向量數據庫技術，減少謬誤的能力或減少幻覺，以使用事實對其進行增強。

我認為我們將看到所有這些能力的想法爆炸，以轉換那個核心的大型語言模型去圍繞其他AI技術、方法和最佳實踐。所有這些都將使那個大型語言模型轉變為可使用的聊天機器人。

主持人：

您深深地令我敬佩的一點是您在技術上保持如此最新。我認為您一定花了很多時間閱讀或其他什么。但您對行業中發生的每一個細節都異常深思熟慮和淵博。如何在管理全球最大公司之一的同時緊跟形勢。

老黃：

哇。讓我們看看。這個問題的答案是什么？

首先，我身邊有很多了不起的人。當我去拜訪你時，你身邊也有很多了不起的人。（主持人：是的。）

他們樂于教導我。你必須努力學習。人們喜歡教導好學生。所以我投入了很多時間去成為一名好學生。當然，我們涉足的領域很廣，從自動駕駛汽車到氣候研究到數字生物學。我們可以在世界范圍內產生影響的廣度和廣度很大。但我們也必須學習。

所以，您所在的行業是技術驅動型行業，為公司解決問題和創造解決方案。我所在的行業也是技術驅動型行業。對我們來說，理解技術的基礎是必不可少的，這樣您就有直覺如何改變行業。您有一種直覺，某項技術有點左轉，而某項技術是基本的。

認識到我們早期工作的生成對抗模型到變分自動編碼器再到擴散模型（注：都是AI生成圖像的模型）。但它們有些親戚關系。認識到一種影響可以導致另一種突破，這打開了現在擴散模型的視野，這些模型簡直令人難以置信。

所以，我認為對技術有直覺可以讓您更好地推斷。我們推斷和預見未來的能力真的至關重要，因為，天哪，技術變化如此之快。

但我們還需要幾年時間來構建一個偉大的解決方案。那么，在一方面，如何專注于構建需要幾年時間才能完成的東西，將其構建在每幾年就會改變1000倍的技術之上。如果您沒有直覺，您如何做到這一點？

所以，我認為事實上技術如此精深，所以你理解它，并對技術充滿興趣和好奇心，這對管理技術驅動型公司至關重要。所以，我認為我熱愛我工作的這一部分，我身邊有樂于教導我的人，我必須全身心投入成為一名好學生。

主持人：

我也非常感興趣的一個領域是您如何管理公司。我明白您沒有一對一。您能跟我講講您挑戰和發展的一些經典管理手冊嗎？

老黃：

首先，對于建立一家公司來說，您首先必須去解決所有的問題，喬，您非常自然地做到了這一點。從一開始就考慮。（主持人：是的。）

我們試圖創建的是什么機器？這是什么輸出？這是什么輸入？它處于什么條件下？這個行業是什么樣的？是快速發展的行業嗎？是官僚主義行業嗎？是高度監管的行業嗎？它是什么樣的行業？您試圖建立什么？

所以，我認為從這個角度來看待這個問題，我想在公司做幾件事。

我想創造一家自然吸引人才的公司。原因是因為我們正在解決問題。我們公司的使命是解決幾乎不可能解決的計算問題。如果一個問題可以由普通計算機解決，我們不會解決它。所以，我們必須找到普通計算機無法解決或幾乎不可能解決的問題。所以，您想吸引那些想發明這種新計算形式并將其應用于解決一些非常困難問題的人才。所以，我想要人才。

其次，我想要一家較小而不是較大的公司，一家盡可能小而不是盡可能大的公司。它需要與工作要求相適應，但盡可能小。所以，自然地，您想加強人們的權力。如果您想要一家遵循命令和控制的組織，那么就把它建成金字塔結構，就像古老的軍隊，一直回到羅馬帝國。但如果您想賦予人們權力，那么您想盡可能扁平化，以便信息快速傳播。

為了盡可能扁平化，第一層必須經過深思熟慮。第一層碰巧是最高級別的人。您會認為他們需要最少的管理。沒有人來找我，我的管理團隊沒有人來找我咨詢職業發展。他們成功了，他們做得很好。

所以我有很多人向我匯報，因為我不需要進行一對一談話。我不需要進行職業輔導。他們都很好，他們知道自己在做什么。他們是各自領域的專家。所以，那些一對一的談話實際上并不必要。

如果有戰略方向，為什么只告訴一個人？你要告訴每個人。所以，在我們沉浸在策略討論和制定未來道路的混沌之后，到了時間，我會同時向每個人發送或同時告訴每個人。人們會給我反饋，我們會完善它。

因為公司如此扁平，您已經通過公司知識和員工獲取信息的機會大大賦予了組織權力，公司也很敏捷。結果是，擁有許多直屬下屬、不進行一對一談話，使公司變得扁平，信息迅速傳播，員工得到賦權，這使得我不必進行一對一談話變得可能。

這個算法設計得很好，架構實施得很好。

我們也沒有業務部門。我們沒有部門。每個人都作為一個整體工作。公司的形成方式使我們可以最好地構建加速計算。如果您要我去做炸雞，我們會很難做炸雞。瑞典肉丸，沒有機會。但加速計算，非常好。

主持人：

我認為您有40個直屬下屬，對嗎？

老黃：

差不多。挑戰是讓每個人聚在一起。我想讓每個人聚在一起，但要么有人出去，要么有人在度假，要么有人在忙別的事。所有人都坐在辦公室的可能性約為0%。

主持人：

您的領導風格是如何隨時間變化的？您現在已經領導公司幾十年了。隨著您的學習，它是如何發展的？

老黃：

嗯，我實際上沒有風格。這只是我。有很多事情我想做得更好。

如果工作中發生了什么事，我不喜歡它的方向，我會直接說，我沒有把任何人拉到一邊進行一對一輔導。

如果有什么不對，我會直接說。如果我有不同的意見，我會直接說。

這可能會直接一點。但人們認識到我的目的就是直接（溝通），然后我花了很多時間論證我的決定。

這賦予員工權力，因為他們學習領導者如何思考問題。只是通過我參加的每次會議，我都在解釋我如何思考這個問題。讓我推理這個問題，讓我解釋為什么我這樣做，我們如何比較和對比這些想法？這種管理過程真的很賦權。

我們也不僅進行副總裁會議或僅進行董事和董事會會議，我參加的會議上有剛畢業的大學生，來自不同組織的人都在那里，我們只是都坐在那里。他們有點像你的辦公室，每個人都坐在那里。

主持人：

確實。這實際上是我發現非常有趣的一點，因為這是其中一項規則。有一個非常清晰的領導團隊，有領導團隊會議等等，這是我一直以來都在努力解決的問題，因為您會有很多最佳的個人貢獻者。他們應該參加這些會議，不應該只是副總裁不知道技術細節。

老黃：

正是這樣，你理解了。你想要最有見識，最熟練或者最有經驗的人。實際上他們制造了混亂，或者實際上面對了情況。

你想要真實信息。你想要盡可能好的真實信息和專家。

主持人：

您有一些模式讓人們傳達他們的首要任務。我聽說過通過發送電子郵件。這是怎么回事？

老黃：

我們不做狀態報告。我不閱讀任何狀態報告。

原因是狀態報告在您獲得信息時是元信息，它們幾乎沒有信息性。已經提煉和精練了，偏差已經插入，觀點已經添加，你不再看到真實信息了。

我傾向于欣賞任何人提供的信息。如果您發送電子郵件，標題為Top 5 Things，并且恰好是您的前五件事，無論您觀察到什么或您做了什么或您學到什么或事情，都可以。

（主持人：哦，真的嗎？）

是的，前五件事，無論是什么。你剛去了一家很棒的餐館。誰不想聽到這件事？這是重要信息。我剛生了一個孩子。這是重要信息。

無論這些事情是什么，前五件事，如果你發送出去，我會閱讀它。我每天早上閱讀，可能有100多封郵件，我每天都在讀這個。

主持人：

這是公司內每一個人都發送給您的一條巨大的線索，對嗎？

老黃：

每個人都有自己的前五件事版本，他們只是發送出去。如果您發送，我會閱讀。

主持人：

您的前五件事是什么？

老黃：

前五件事的意思不是從中心向外的，它們是從外向中心的。把它想象成物聯網。

如果我把我的前五件事發出去，那么實際上我污染了系統。這就是我不這樣做的原因。

我有我自己的前五件事，我會保留給自己。

主持人：

您如何在規劃中達到平衡？自下而上的想法是讓您團隊中最好的工程師決定要做什么，有時您也必須執行計劃。您如何平衡這兩件事情？

老黃：

首先，戰略不是文字，戰略是行動。

如果公司有一系列戰略，但人們的行動，他們的前五件事不是那樣，那么顯然他們沒有執行戰略。

事實證明，戰略不是我說的，而是他們做的。我理解每個人在做什么真的很重要。

通過對每個人的前五件事有所了解來做到這一點。不必每周閱讀全部內容。它是隨機的和隨機抽樣系統。您能感知公司是否朝著您想要的，大家都同意的方向發展前進。

這是第一點。

第二，規劃。

我們沒有定期規劃系統，因為世界是一個生動而富有生機的事物。

我們只是持續計劃，沒有五年計劃，沒有一年計劃，沒有計劃。只有我們正在做的事情。

主持人：

聽到這些真的很興奮。

我認為，在執行第一原則并產生一些想法的同時，如果您做的事情與劇本相反，也會很難相信您的直覺。

是什么使您相信這些事情中的一些直覺？

老黃：

嗯，您致力于追求的大多數事情都應該首先通過第一原則推理。

有一個基礎，即假設，導致您相信計算機必須改變，或芯片架構必須改變，或軟件開發的方式，或數據中心的轉變方式的重要假設。

數據中心過去是一個我們存儲所有文件并檢索文件的地方。但未來每家公司將有兩個以上的數據中心，但數據中心之一不會成為數據中心，而是工廠。它是一個生產智能的工廠。數據輸入，通過計算機提煉，輸出的是世界上最寶貴的東西，即無形的智能。

這座建筑將不斷驅動這件事情。你和我，我們都將擁有工廠。

您如何推理這個？你會后退（去追溯）。不知不覺中，你會根據第一原則思維形成世界觀。然后下一步是全心全意地追求它，以實現它。這通常真的很難。

但如果你錯了，你就改變主意。這就是現代領導力真正偉大的地方。

如果我在某件事上錯了，我會承認。那是錯誤的。那真是糟糕。然后你說，我改變了主意。因為您正在不斷適應和實際重新計劃，有趣的是，隨著時間的推移，人們可能甚至不會注意到您在去年已適應了17次。您可能已經改變主意35次。

我們不做這些巨大的五年計劃，我認為五年計劃對技術來說簡直是可怕的，這簡直荒謬。這些連續的規劃系統可能會導致更容易的領導。

主持人：

和我們要建立的產品一樣，我們對要建立的公司同樣著迷。

我認為只有很少的公司真正專注于賦予員工實現終生事業的權力。這也一直是您的關鍵激情。您如何實現這一點？您在NVIDIA實施了哪些措施來賦予員工實現終生事業的權力？

老黃：

領導者的任務是為他人創造環境，賦予他人實現終生事業的權力。

有幾種方法可以實現這一使命。

實現這一使命的最重要方式是不要使人們從事商品工作。

例如，我們公司從不談論市場份額。原因是為什么要談論我有23%的市場份額，他們有27%的市場份額。為什么要與其他人爭奪市場份額？

因為整個市場份額的概念表明有許多其他人正在做同樣的事情。如果他們在做同樣的事情，為什么我們要這么做？

為什么我要浪費這些才華橫溢的人的生命去做已經完成的事情？除非我們只是喜歡競爭，我傾向于不喜歡與人爭奪已經商品化的市場份額，與人爭奪已經商品化的市場。

這是一種思維方式，去做以前從未做過的事情。

另一種方式是證明這一點，離開已經商品化的業務。無論是出于我們自己的主動性還是其他原因，我們過去已經離開了許多業務。這非常清楚地向您的員工表明我們不會去做商品工作。選擇正確的工作和離開錯誤的工作的結合，這是創造條件的最佳方法。

其余的就是我們已經談過的，即通過信息賦予人權力。（主持人：是的。）

雖然一些公司是非常封閉的，信息無法在組織之外流傳，但我鼓勵我們公司更加透明。如果您問我關于我們公司秘密的問題，其實不會有太多秘密。這賦予人們權力。

其余的是您如何在工作中行事。如果公司存在等級制度，那么這顯然不太賦予權力。但（我們公司）任何人都可以進入會議并作出貢獻，包括剛畢業的大學生，這是非常賦權的。

我認為賦權是一件大事。

本文來自微信公眾號：Web3天空之城（ID：Web3SkyCity），作者：天空之城城主

關鍵詞：