N° 01
从被霸凌的小孩到工程师 Beginnings
黄仁勋的起点并不光鲜：小时候是被霸凌的对象，只能选择坚强；打球极富攻击性、永远在进攻；20 岁起薪 28700 美元，先后在 AMD、LSI 与太阳微系统工作。这段经历塑造了他的底色——进攻型人格 + 把商业当成另一个工程问题来解。
例子"每当他说要做什么时，最终都很有可能做成"——同事对他的早期评价。
一家在餐厅里起步、专做游戏显卡的小公司，三十一年后成为地球上市值最高的企业。 这中间隔着离破产只有 30 天、秘密押注 CUDA 的十年亏损、 以及一个周五做出的决定——周一，我们转型成 AI 公司。
《黄仁勋：英伟达之芯》是科技记者斯蒂芬·威特（Stephen Witt）写的人物访谈传记，原作名为 The Thinking Machine: Jensen Huang, Nvidia, and the World's Most Coveted Microchip（Viking，2025），获 FT／施罗德年度商业图书奖，并入选《经济学人》2025 年度最佳图书。中文版由周健工翻译，中国财政经济出版社 2024 年 12 月出版（湛庐文化出品，ISBN 9787522335568，396 页），卷首有沈向洋的推荐序《从摩尔定律到黄氏定律》。作者获得英伟达极高的访问权限，多次面对面深访黄仁勋，并采访了其家人、朋友、联合创始人、合作伙伴与员工近 200 人。全书结构为引言 + 两部分（第 1–12 章 / 第 13–23 章）+ 后记 + 附录（人物关系表与数据来源）。
这本书最反直觉的地方在于：英伟达并不是"押中了 AI 风口"，而是提前十几年为它修好了路。 为了让图形计算更快，他们把芯片做成大规模并行；为了让并行有用，他们做了 CUDA； CUDA 让研究者第一次能用便宜的显卡训练神经网络，于是有了 AlexNet，有了 Transformer，有了今天这一切。 风口来的时候，他们已经在那儿等了十年。
押注一个
还没发生的未来，
再用十年把它做出来。
第一组是技术路线的根本分歧：计算机到底该怎么算。第二组是商业上的取舍：要不要为了一个十年后才兑现的愿景，忍受眼前的长期亏损。
传统 CPU 追求什么都能干：少数几个强大的核心，把任务一条一条做完。这条路线统治了计算史几十年，靠摩尔定律不断变快。但当任务变成"把同一件事重复几百万次"（图形渲染、矩阵运算）时，串行结构就成了天花板。
英伟达的赌注是：用成千上万个简单核心同时干活，专攻可以并行的那部分计算，剩下的交给 CPU。这在当时被主流视为"只能打游戏的小玩具"，直到神经网络证明——训练 AI 恰好就是一场巨大的并行矩阵运算。
CUDA 在诞生后的很多年里，是一笔只烧钱、不赚钱的投入：它让每块显卡成本更高，却没有直接带来销量。华尔街反复质疑，股价两次暴跌九成（"凸点门"、加密货币退潮）。从季度视角看，这就是纯粹的浪费。
黄仁勋的做法是先在想象中的未来里定好位置，再倒推今天要建什么：为了并行计算有人用，就先做 CUDA；为了让开发者留下来，就把它免费、做成生态、养十年。等到 AI 需求爆发，全世界只有英伟达软硬件都现成。
前四张是"活下来"（早期、NV1 失败、三十天、公开失败），中间四张是"修路"（光速执行、CUDA、AlexNet、转型），最后两张是"想清楚"（加速计算与 AI 工厂、恐惧）。
黄仁勋的起点并不光鲜：小时候是被霸凌的对象，只能选择坚强；打球极富攻击性、永远在进攻；20 岁起薪 28700 美元，先后在 AMD、LSI 与太阳微系统工作。这段经历塑造了他的底色——进攻型人格 + 把商业当成另一个工程问题来解。
创业初期，英伟达押注了一种后来被市场淘汰的技术标准，第一款产品 NV1 精心策划却一无所获。公司差点就此结束。这一章的价值在于它承认：伟大公司的开局同样是一连串错误判断，区别只在于纠错速度。
NV1 失败后，公司现金只够撑一个月，必须靠下一代产品 NV3／RIVA 128 一举成功。他们用软件模拟器抢在流片前验证、与台积电建立跨越太平洋的合作，硬是在绝境里把产品做对了。这一段是全书最紧张的部分。
黄仁勋的一条管理铁律：失败要公开讲，让所有人一起学到。他不遮掩、不找替罪羊，也不允许组织把错误藏起来。这带来高压，但也让信息在公司内部高速流动——错误只犯一次，而不是每个团队各犯一遍。
英伟达的节奏是迭代、迭代、再迭代；执行、执行、再执行。黄仁勋会给团队设定一个看似不可能的目标——他称之为"光速"：先算出物理极限上的最快可能，再倒推排期。TNT2 时代他们创下过"13 天"的纪录。
为了让 GPU 能被科学家与研究者使用，英伟达秘密开发了 CUDA 平台——本质上，是让游戏玩家为科学研发买了单。这个项目长期亏损、不被看好，却成了后来一切的根：它把硬件优势变成了软件生态与开发者习惯。
2012 年，几个研究者用两块游戏显卡训练出的神经网络，在图像识别比赛中碾压式胜出。这个"范式转变的时刻"证明了：GPU 不只是画图的工具，它是 AI 的引擎。而英伟达，恰好已经把路修好了十年。
看到深度学习的潜力后，黄仁勋在一个周五做出决断：周一，公司转型成一家 AI 芯片公司。这不是一次渐进调整，而是把全部资源重新投向一个当时还很小的市场——内部最重要的项目代号 "OIALO"（once in a lifetime opportunity，一生一次的机会）。
沈向洋在推荐序里点出：芯片性能的传统增长曲线（摩尔定律）已经放缓，而英伟达靠架构 + 软件 + 系统的协同，跑出了一条远快于前者的新曲线。由此延伸出"AI 工厂"的思路——数据中心不再是一堆服务器，而是一条生产智能的流水线。
全书没有在狂欢中收尾。最后一章直面那个问题：AI 会是人类的终结者吗？书里呈现了 99 与 1 的分歧、本吉奥等人的担忧，以及黄仁勋本人的乐观。更值得注意的是他一贯的姿态——即使已经成为地球上最重要的公司，他仍然每天担心失败。
第一部分讲"活下来并修路"（从洗碗工到 CUDA 与 AlexNet），第二部分讲"登顶与反思"（从 AI 工厂到地球上最重要的股票，再到对 AI 的恐惧）。
以下为书中观点的中文转述（部分为黄仁勋原话的通行译法），尽量保留原意，未逐字照搬。
我们公司
离破产只有 30 天。
不勇于冒险，
才是最大的冒险。
造芯片原本是为了
打怪兽，
我们却用它来造大脑。
我们其实
是一家软件公司。
失败必须被公开——
它属于所有人。
这是一本传记，不是方法书。但它的很多做法可以拆成个人能用的动作——尤其是关于"极限执行"和"长期押注"这两件事。（括号里标注了它来自哪一张书签。）
如果现在的收入/主业突然中断，你还能撑多久？把数字算出来。适度焦虑是有用的，它能挡住大部分自我感觉良好。
↳ 离破产只有 30 天先算理论极限：这件事最快能多快完成？再对比你现在的排期，把差距拆成"能做到"和"结构性做不到"两类，只攻前者。
↳ 死亡竞赛与光速每周固定留出一段不被季度考核的时间/预算，投向一个现在看不到回报、但你相信十年后有价值的方向。关键是不许中途拿它救急。
↳ 秘密押注 CUDA写清：做错了什么、为什么当时没发现、下次怎么提前识别。发给会因此受益的人。公开，会逼你把原因写到真正有用为止。
↳ 失败必须被公开哪些事是串行、必须一件件做的？哪些其实可以同时推进、或一次投入反复复用？找出来，那是你的加速空间。
↳ 通用计算 vs 加速计算AlexNet 式的信号往往不在你的目标客户里。定期看看谁在用它做你没想过的事——那可能就是下一个范式转变的入口。
↳ AlexNet 时刻问一句：别人复制你的产品后，用户会不会因为习惯、数据、配套而留下？如果不会，你现在领先的部分只是暂时的。
↳ CUDA 与软件公司假设你的行业在五年内会被彻底改写，写下你今天会改的三件事。写完后问：既然答案如此，为什么要等到那一天？
↳ 周五决定，周一转型它解决的是"一家公司如何提前十年修好路，并在绝境中不死"。如果你想要的是投资建议或技术教材，这本书都不是——它是一份关于长期押注与极限执行的案例。