直面现实：黄仁勋在YC Startup School谈NVIDIA的心智模式

摘要

在YC Startup School 2026（Chase Center）上，Garry Tan与NVIDIA创始人兼CEO黄仁勋（Jensen Huang）进行了一场关于心智模式的深度对谈。黄仁勋最想纠正的误解是：NVIDIA创业时选择的技术方向是完全错误的——他们带着"把PC变成游戏机"的想法起步，却在1995年发现算法根本行不通，靠去Fry's买三本OpenGL教科书才找到正确的路。

贯穿全场的主线是"直面现实"（Confront Reality）：技术选错不可怕，可怕的是不敢承认；公司的真正大想法不是芯片，而是"用加速器增强CPU以解决普通计算无法解决的问题"这一独特视角。黄仁勋分享了他如何看待AlexNet（不是神经网络，而是通用函数逼近器）、如何用第一性原理组织公司、为什么"系统思维是新编程"、为什么AI消灭的是任务而非工作、以及物理AI（Physical AI）将如何成为NVIDIA下一个百亿美元业务。

他给创业者的终极心态是："这能有多难？"（How hard can it be?）——简单的事会被自动化，但硬科学、系统思维和交叉领域的难题永远不会消失，AI只是让人更加雄心勃勃的工具。

正文

起点的错误：从错误的算法到三本教科书

当Garry Tan问起"早期NVIDIA故事中学生们最需要理解的部分"时，黄仁勋给出的回答出人意料：大多数人不会相信，我们创立公司时选择的技术是彻底错误的。

NVIDIA创立于1993年，当时PC即将普及。创始团队的核心理念是：通用计算芯片（CPU）非常有用，但如果能用加速器（Accelerator）增强它，就能解决普通计算难以解决的问题。他们选择的第一个问题领域是3D图形。"我们成长于游戏机时代，"黄仁勋回忆，"所以我们的大想法是：设计一个能装进个人电脑的系统，把每一台PC变成游戏机。"

他们推理出了新的算法，满怀信心地创办了公司。然而现实是残酷的——"结果证明，算法完全是错的，支撑公司的技术也完全是错的。"到1995年，他们已经意识到这一点，但为时几乎已晚：市场上已有35到40家公司在做PC 3D图形。

黄仁勋回到公司，对团队说了一句关键的话："如果我们不正视这个事实——它行不通——我们将不会有公司。我们必须开始寻找正确的算法。"更糟糕的是，有人告诉他：不仅他们选错了技术，而且他们根本不知道正确的方法是什么。

"那天对我来说是个大日子。我口袋里只有一两百美元，于是去了Fry's，买了三本教科书——关于OpenGL和图形管线设计的书。我把它们带回公司交给工程师。然后，后来的事你们都知道了。"黄仁勋说，"我们重新发明了计算机图形，成为现代计算机图形的世界领先者，过去25年大多数重大突破都是我们创造的。所有人都以为NVIDIA一创立就是3D图形领域的世界领袖——其实我们是靠教科书学会的。"

这个故事的教训是：技术永远在变，只要你能直面现实，只要你能承认"我们不知道"，然后去买教科书、去学习，你就还有机会。NVIDIA真正的起点不是创始时的技术，而是承认错误的那一刻。

公司的真正大想法：独特视角比技术更重要

那么，NVIDIA从一开始就"完全正确"的部分是什么？黄仁勋的回答揭示了他的世界观：是"用加速器增强CPU，解决太难的问题"这一理念——包括分子动力学、图像处理、逆物理（Inverse Physics）等等。深度学习只是其中最大的一个。

他由此提出了一个关于伟大公司的核心观点：

"让公司伟大的，是你对世界某个重要事物的独特视角，并且你深深地相信它。与其说是技术，与其说是市场——当然这些都很重要，如果你在对的时间拥有对的技术、面对对的市场，你的日子会好过很多——但真正重要的是：一个关于未来的高层愿景，一个某种程度独特、你深信不疑的视角，而且追求这个愿景本身是困难的。这些组合起来才是好东西。"

对NVIDIA而言，这个视角是"加速计算（Accelerated Computing）将变得极其重要"。而他们的洞察是：一切与算法有关，而不是与芯片有关。"我们早就意识到，不是造一块好芯片，而是加速一个算法领域（Algorithm Domain）。"事实证明，这个判断完全正确。

这解释了为什么NVIDIA能在不同时代反复押对方向——从3D图形到分子动力学，从SQL到深度学习。黄仁勋的"透镜"永远在寻找算法：这个算法是什么？它为什么重要？它还能解决什么？

Sega的故事：诚实、谦逊与1,500万美元的教训

黄仁勋分享了一个让他"直面现实"成为公司文化的故事——与Sega的合作。

Sega曾与NVIDIA签约，委托他们打造Saturn之后的下一代游戏机（后来我们知道那是Dreamcast）。合同价值约1,200万美元。但NVIDIA的算法和根本技术存在缺陷。于是黄仁勋飞到日本，告诉时任CEO入交昭一郎（Irimajiri-san）："我们无法完成这份合同，因为技术行不通。"他解释了原因，并建议Sega另找合作伙伴。

然后他做了一件在商业世界中几乎不可想象的事——"我告诉他，很遗憾，我仍然需要这笔钱。"

他描述当时的对话："你能想象那个场景。他说：'所以你的意思是，我委托你做的事你做不到，但你还是想要合同上的全部钱？'我说：'没错，就是这样。'"

Sega最终同意支付了这笔钱（黄仁勋说大概是1,500万美元——"他们在我司上市的那一刻卖掉了股份"）。1999年NVIDIA上市时估值3亿美元，如今已超过1万亿美元。

Garry Tan追问："你是怎么做到走进那间办公室，提出那个请求的？"黄仁勋的回答是："我很有礼貌，也很谦逊。他意识到我是诚实的，一切都在逻辑上说得通。"对方的判断是：一个如此坦诚面对自己失败的人，值得信任。这笔钱让NVIDIA活了下来，买下了走向正确算法的时间。

这个故事的核心：当你无法兑现承诺时，直面现实、主动坦白，而不是掩盖或拖延——这反而可能赢得信任和生存的机会。诚实是创始人最被低估的生存策略。

看见AlexNet：通用函数逼近器与全栈重构

2012年，AlexNet在ImageNet竞赛中横空出世。黄仁勋看到它的方式与众不同："我和所有人一样看到了AlexNet。但请记住，我看世界的透镜永远是寻找算法——NAMD、VASP、OpenGL、SQL……当AlexNet出现时，那个算法就是深度学习。"

他提出的问题是：这个算法是什么？为什么如此有效？它还能做什么？如果把它规模放大，它能解决今天无法解决的问题吗？

"对我们的突破性时刻是意识到：AlexNet不是AlexNet。AlexNet代表的是深度学习方法——它能让你学习任何函数。"

15年前，黄仁勋就开始告诉所有人："我们刚刚发现了通用函数逼近器（Universal Function Approximator）。你可以给它几乎任何函数的答案，它就能学会这个函数是什么。而大多数有趣的问题恰恰是无法精确计算的——它们本质上是'不精确'的。"

这个认知立刻触发了一连串推演：这对计算堆栈（Computing Stack）意味着什么？对软件意味着什么？哪些行业会受影响？"几乎立刻，我们开始做计算机视觉；几乎立刻，我们开始做机器人、自动驾驶汽车。"因为这一基础能力可以解决计算机视觉和机器人领域的重要问题。

这也是NVIDIA"重构全栈"（Reinventing the Full Stack）的起点——从算法到芯片、从系统到软件、从数据中心到应用。黄仁勋的视野横跨材料科学到应用层：他称其为"AI工厂"（AI Factory）——"你必须同时思考材料、芯片、数据中心，甚至应用层，以及人们将如何工作。"

第一性原理组织：好奇心、杂草与赛车调校

Garry Tan观察到黄仁勋会深入细节（"你会读论文，直接和工程师对话"），问他如何管理这种"极致投入"。黄仁勋的回答是，这首先不是管理技术，而是人格技术：

"我的思维状态总是从好奇心开始。我有一大堆自己的问题。当然，像任何人一样，我会寻找通往答案的最短路径。但通常，身边人给的答案并不能让我满足……所以我的第一倾向是亲自去发现答案。第二，如果我发现某个领域的信息可能对某人或对公司很重要，我的下一步倾向就是尽可能多地学习，以便为公司服务、与所有人分享。"

他强调："CEO在某种程度上是在为公司服务、为所有在那里工作的人服务。你想用洞察力赋能他们。这与其说是管理技术，不如说是个性技术。"

为什么CEO必须"身在杂草中"（In the Weeds）？因为技术很复杂，而且变化极快。"除非你对正在发生的事情有触觉般的感知，否则世界对你来说就像在快速移动但你抓不住它。"黄仁勋说。这也解释了他为什么能做出关键决策——他掌握着第一手的、未经过滤的技术现实。

关于组织设计，他提出一个有力的比喻："建造适合你驾驶风格的赛车"（Build the car to fit your driving style）。"我们一直在调校这辆车以适应我们的需求。这就是我一直在做的事——不断地调校公司，不断地重塑它。"当Garry Tan提到"Founder Mode"时，黄仁勋笑着说："Founder Mode可以持续34年。从零到5万亿美元。没有证据（显示它失效）。"

他把NVIDIA的组织哲学称为"第一性原理组织"（First-Principles Org）——不从"别人怎么组织"出发，而是从"我们正在解决什么问题、需要什么结构"出发，不断重塑。

系统思维是新的编程：Agent与NVIDIA的内部实践

当被问到最感兴趣的前沿算法时，黄仁勋给出了一个对在场创业者影响深远的判断：系统思维（Systems Thinking）将是未来最有用的技能。

"大多数低层级的、必须做的事情都会以Agent方式完成，都会被自动化。以我这一代为例，设计芯片涉及编译、综合晶体管、门和功能块——现在这些都已被综合。我们的大多数设计师现在是系统设计师。软件领域也一样：大多数软件将Agent化完成。所以你必须能够更抽象地思考系统：你要解决什么问题？约束是什么？输入在哪里？输出在哪里？信息从哪里来？信息进出系统的速率是多少？瓶颈是处理器、内存还是网络？"

他认为这种系统级的基础知识永远不会无用，而且会越来越有用。

黄仁勋还谈到了NVIDIA内部的Agent实践："我们已经有了粗粒度的递归自我改进（Recursive Self-improvement）。我们内部有各种Agent在沙盒中自主运行代码——有人用Codex，有人用Claude Code，有人用Cursor，有人用Cognition。我们让'百花齐放'（A thousand flowers bloom），让人们选择自己想要的工具，然后从这一切中学习。第一部分是让公司更快，第二部分是我们需要理解Agent，因为Agent是新的软件。"

他还谈到了开源AI："我学到OpenClaude（OpenClaw？）的第一反应是：我们刚刚设计了现代计算机——这是承载大语言模型的操作系统。OpenClaude对我来说非常像Linux时刻。如果没有开源，移动云产业永远不会发生；如果没有Linux、Kubernetes、PyTorch，怎么会有现代AI？"

他鼓励所有人："世界需要每个人都能构建自己的AI。你们公司应该构建自己的领域特定AI——现在有Hermes、OpenClaude、LangChain、Deep Agent等各种方式。而且相当容易，因为软件本身很聪明。"

AI不会摧毁工作：任务自动化与就业创造

Garry Tan抛出一个尖锐问题："每次你移动奶酪，人们就会担心。智能将'即开即用'（On Tap），这对经济意味着什么？"

黄仁勋的回答旗帜鲜明："AI消灭的是任务（Tasks），不是工作（Jobs）。"

"显然，我们会自动化任务，包括认知任务。如果一个任务是一个电话进来、你说一堆话、而所有信息都在你的指尖、你应该能完整回答——那么那个任务会被自动化。但每个工作都会改变，同时会有一大批新工作诞生。"

他的证据链条很有意思：
- "我们自动化了编码——编码是一个任务。但软件工程师的工作似乎在增长：软件工程师的岗位数量每年增长10%。"
- "阅读放射科扫描已经被自动化，但放射科医生的工作在过去几年增长了约20%——即使AI已经接管了整个领域。"

为什么？因为"一份工作有一个目的，而那个目的包含许多任务。有些任务可以被自动化，但很多任务不能。"关于"AI摧毁工作的叙事完全是反的——AI和自动化正在到处创造工作。"对于在场的创业者，这既是安慰也是提醒：任务被自动化，意味着创业者可以把精力放在更有目的性的事情上。

物理AI：机器人的ChatGPT时刻

黄仁勋认为，机器人的"ChatGPT时刻"几年前已经到来。转折点是生成式视频。

"我看到AI生成视频的那一刻，对我来说是伟大的时刻。我们早期做过渐进式GAN（Progressive GANs）、条件GAN（Conditional GANs）的原创工作。早在外界看到生成视频之前几年，我们的实验室里就在用完全由神经网络生成的视频驱动模拟器。当我看到我们能生成手指移动的视频、生成手拿起杯子的视频时，我心想：为什么不能让机器人做同样的事？"

这个洞察启动了NVIDIA的"物理AI"（Physical AI）之旅——构建理解物理定律、理解因果、理解摩擦与张力的"世界基础模型"（World Foundation Model）。三个基本系统：用于学习的模拟环境（Isaac Sim、Cosmos）、强化学习（在物理上落地）、以及"仿真到现实"（Sim to Real）的迁移。

物理AI最先在哪里产生真实的经济价值？黄仁勋的回答是自动驾驶。"我们推测机器人将到来，并决定第一个应用必须同时满足：市场足够大、技术相对标准化以便规模化并启动飞轮、且有真实经济价值——那就是自动驾驶汽车。"Waymo用的是NVIDIA芯片；Tesla的车里也有NVIDIA（现在在数据中心）；Mercedes则在数据中心和车里都有NVIDIA软件栈。

他们甚至开源了自动驾驶堆栈Alpaca Myo——"因为农业、邮件投递、仓库AMR都需要自主导航，但这些市场都不够大，无法单独撑起自动驾驶汽车市场。"黄仁勋透露："我们的机器人业务、自动驾驶业务——基本上就是物理AI业务——已经接近100亿美元。这很可能是世界上最大的产业之一，它需要的时间将超过两三年，但少于十年。这将是我们下一个百亿美元的业务。"

给创业者的心态："这能有多难？"

访谈临近尾声，Garry Tan请黄仁勋给在场的年轻人建议："如果给18到22岁的自己发一条电报，你会说什么？"

黄仁勋回忆了NVIDIA创立时自己的感受："当时有太多东西需要我知道、需要我学习，而我并不知道。没有YouTube、没有YC，没有人教你如何创业。于是我去了书店，买了一本叫《如何创业》的书。不幸的是，那本书有500页。我想，等我看完它，我大概已经破产了，我和Lori的钱也花光了。所以读它没有意义。"

他坦言自己当时有多么恐惧去融资："我害怕去筹钱，因为我即将面对一群人，而我不知道怎么回答他们的问题。这是真的——即使到今天我也几乎不知道怎么回答。"但他学到的核心教训是："事实证明，那些都不重要。你总会遇到你不知道的事情。世界每天都在变，技术在变。"

"显然，这是过去60年来最好的创业时机。整个行业都变了，从技术角度看是一次彻底的重新洗牌。人类历史上最重要的技术——计算机——被彻底重置了。所以这绝对是创业的最佳时机。我羡慕你们所有人。"

那么，正确的感受应该是什么？黄仁勋给出了整场访谈的题眼——"这能有多难？"（How hard can it be?）

他最后对全场创业者说："我看到今天见到的那些初创公司，非常鼓舞人心。简单的东西会被自动化——软件、编码会被自动化。就像我们这代人小时候要学长除法一样，现在谁还需要学长除法？但难的问题、硬科学——物理、化学、生物学、计算机科学、计算机工程、系统思维——尤其是那些交叉领域的难题，永远不会消失。AI只是一个不可思议的工具，让我们变得更加雄心勃勃，更加急切地去解决那些极其庞大、极其困难的问题。"