黄仁勋最近做客了Joe Rogan播客，这是他罕见的长篇深度访谈（2小时28分）。他在节目中回溯了33年创业历程中那些差点让公司消失的时刻。一个9岁被送到美国、在肯塔基最穷县寄宿学校长大的移民，如何把一家"mission statement注定失败"的公司，变成当今最有价值的科技企业之一。
黄仁勋的故事是一个关于"够用的运气+过量的恐惧+绝对的坚持"的故事。他没有把自己描绘成天才，相反，他反复强调"我们有多蠢""我们做错了多少决定"。因为真正让英伟达活下来的，是几个关键时刻的"diving catch"（鱼跃接球）：SEGA老板的人情投资、书店里仅剩的三本教科书、一家倒闭公司仓库里的最后一台emulator、张忠谋的风险押注、CUDA股价暴跌后的坚持、DGX发布时全场沉默后Elon Musk的出现。加上33年如一日清晨起床读邮件的习惯。
对创业者来说，最重要的一句话可能是："我们不知道正确的策略是什么，但我们知道错误的技术是什么。停止做错事，给自己一个机会去想明白策略。"
对担心被AI取代的人，记住放射科医生悖论：AI横扫了整个领域，但从业者数量反而增加了。关键区分是任务vs目的：如果你的工作就是任务本身，危险；如果任务只是实现目的的手段，你可能会升级而非被取代。
对普通人来说，最重要的可能是这个：全球市值最高科技公司的CEO，每天醒来都觉得公司快要倒闭。焦虑不是失败者的专属，它可能恰恰是持续成功的燃料。
这篇笔记提取了访谈中最有信息密度的部分：三次濒临死亡的商业决策、AI技术的第一性原理思考、以及黄仁勋独特的"恐惧驱动"领导哲学。原文下，我看到有人留言说：终于有人能和Joe Rogan谈论人工智能的常识了。Joe安静倾听，让黄仁勋畅所欲言。真的真的太棒了。
一、第一次濒死：技术全错，向SEGA借命
创业故事是这次访谈最精彩的部分。黄仁勋没有任何美化，反而不断强调"我们有多蠢"。
1、1993年：注定失败的使命陈述
英伟达成立时的目标是"创造一种新型计算机，能解决普通计算机无法解决的问题"。黄仁勋现在回忆起来觉得好笑——如果普通计算机解决不了某个问题，那个问题的应用根本就不存在，"我们的使命陈述实际上是一个没有成功可能的公司。"
没有产品，没有客户，三个创始人每天下午去街机厅研究SEGA的3D游戏，试图搞明白别人是怎么做的。最后黄仁勋飞到日本，说服SEGA把街机游戏移植到PC，作为交换，英伟达为SEGA开发游戏主机芯片。这才勉强启动了公司。
那个年代，John Carmack还没发布Doom，3D游戏市场根本不存在。顺便说一句，黄仁勋提到Doom这个名字的由来——来自电影《金钱本色》里Tom Cruise的一个镜头。有人问他球杆盒里装的什么，他打开盒子说："Doom。"Carmack想对游戏行业做同样的事：打开盒子，让所有人都完蛋。
2、1995年：三个核心技术全选错
干了两年，英伟达发现自己选择的技术路线完全是错的。当时有上百家3D图形芯片创业公司，"所有人都选了正确的技术方案，只有我们选错了。"具体错在哪里？
- forward texture mapping而不是inverse：
贴图是给3D物体"贴皮肤"的过程，forward是从纹理出发找屏幕像素，inverse是从屏幕像素出发找纹理。后者更高效，但英伟达选了前者。 - curved surfaces而不是triangles：
3D图形需要用简单形状拼出复杂物体，业界用三角形（计算简单、硬件友好），英伟达偏要用曲面（理论上更平滑，但计算复杂得多）。 - 没有Z-buffer而是让应用程序自己排序：
Z-buffer是硬件自动判断哪个物体在前、哪个在后的机制，英伟达的方案把这个活儿甩给游戏开发者自己写代码处理，等于给所有客户增加工作量。
-
三个关键决策，全部押错。
黄仁勋面临抉择：继续错误路线会死，改正路线意味着成为最后一名也会死，还是干脆转行做别的？他的决定是："我们不知道正确的策略是什么，但我们知道错误的技术是什么。停止做错事，给自己一个机会去想明白策略。"
裁掉了大部分员工，缩回到核心团队。然后有人说："Jensen，我们从来没做过正确的方式，我们只会做错的。"黄仁勋的应对令人惊讶——他跑到书店花200美元买了三本Silicon Graphics的教科书（60美元一本，店里仅有的库存），发给三个架构师："读完这个，我们来救公司。"
3、1995年末：向SEGA借命
问题是改变技术路线需要钱，而英伟达快没钱了。黄仁勋还欠SEGA一个游戏主机芯片合同。他飞到日本见SEGA的CEO 入交昭一郎，一个曾任本田美国CEO的老派企业家。
黄仁勋当时33岁，"还在长青春痘，瘦得像竹竿"，他对入交昭一郎说了三件事：
-
第一，我们承诺的技术不行 -
第二，你不应该让我们完成合同，那只会浪费你的钱，你应该找别的合作伙伴 -
第三，虽然我请求你取消合同，但我还需要你把剩下的500万美元给我，不然我们公司立刻倒闭
入交昭一郎问："但即使我投资，你们公司大概率还是会倒闭吧？"黄仁勋说："是的，100%的概率。500万美元对SEGA来说是巨款，我如果是你，我不会投。但如果你不投，我们就完全没有机会了。"
入交昭一郎考虑了两天，回来说愿意投资。理由呢？"Jensen是我喜欢的年轻人。"
这500万美元后来在英伟达 IPO时价值约3亿美元。如果SEGA持有到今天，价值约1万亿美元。但他们在IPO后就卖掉了，"觉得这已经是奇迹了"。
备注一下，入交昭一郎今年已经85岁高龄，公开资料来看，去年还在工作，经营着一家咨询公司。
二、第二次濒死：Riva 128的不可能赌局
有了钱，还得把芯片做出来。问题是，按照正常的芯片开发流程——设计、流片、测试、发现bug、修复、再流片——英伟达根本没有足够的时间和资金活着走完这个循环。
1、用一半身家赌一台机器
黄仁勋听说有家公司做了一种emulator（仿真器），可以把芯片设计放进去模拟运行，不用真的流片就能测试软件。他打电话过去："我想买一台。"对方说："抱歉，我们倒闭了。"黄仁勋问："那机器还有吗？""有一台库存。"他用公司一半的现金（50万美元）买下了这台机器。买完之后那家公司就关门了。
用这台emulator，英伟达在不流片的情况下测试完了所有软件，确信芯片可以工作。
2、说服TSMC直接量产
然后黄仁勋做了一件前所未有的事：他打电话给TSMC的张忠谋，说想直接量产，不做测试芯片。
"从来没有人第一次流片就能成功。从来没有人不看一眼芯片就直接量产。"但黄仁勋知道，如果走正常流程，公司活不到量产那天。
张忠谋飞来美国，问了很多问题试图确认英伟达有没有钱（没有直接问），最后决定支持。Riva 128成功了，"彻底革命性的产品"，英伟达成为历史上从0到10亿美元最快的科技公司。
黄仁勋说，这个用emulator预测试芯片的方法，后来改变了整个行业的芯片设计流程。
三、深度学习：看见闪光的那一刻
2012年，多伦多大学Jeff Hinton的实验室做出了AlexNet，用神经网络识别图像，效果远超此前30年所有人工设计的算法。他们用的硬件是什么？两块GTX 580，就是当年Quake玩家的SLI配置。
所以，游戏改变技术史啊。
1、从"游戏显卡"到"万能函数逼近器"
黄仁勋看到这个突破时问了一个关键问题：深度学习存在很久了，neural network存在很久了，为什么现在突然有效了？
他的结论是：这东西是一个universal function approximator（万能函数逼近器）。传统软件需要人写公式，比如F=ma，输入质量和加速度，输出力。深度学习不一样——你给它一堆输入和输出的例子，它自己学会中间的函数。可以是牛顿方程、麦克斯韦方程、量子力学，只要有数据，它都能学。
"这不只是图像识别，这可以解决几乎所有问题。"
2、2016年：送给OpenAI的第一台超级计算机
确信这个方向后，英伟达花了几十亿美元开发了DGX-1，把8块GPU用NVLink连在一起（相当于超级SLI），售价30万美元。发布会上黄仁勋解释深度学习和这台计算机，"观众完全沉默，不知道我在说什么。"
没有一个客户要买。只有一个人感兴趣：Elon Musk。当时Musk正在搞一个非营利AI研究机构，需要一台超级计算机。黄仁勋亲自把第一台DGX-1装进箱子，开车送到旧金山的一间小房子里。
那个房子就是OpenAI的第一个办公室。在场的有Peter Thiel、Ilya Sutskever，还有后来的团队成员。"一群人挤在一个比你这里还小的房间里。"
9年后，DGX Spark发布：同样1 petaflop算力，价格从30万美元降到4000美元，体积从服务器缩小到一本书大小。
有个细节很有趣：Joe Rogan说自己以前是Quake玩家，用GTX 580 SLI配置。黄仁勋听完笑了——"你的SLI配置，就是现代AI大爆炸的起点。2012年AlexNet用的就是两块GTX 580。"游戏玩家的显卡，意外成为人工智能的产房。
3、第三次濒死——CUDA：没人要的发明改变了世界
在DGX之前，还有一个更早的豪赌。2005-2006年，英伟达在显卡里加入了一个叫CUDA的东西——一种让GPU做通用计算的编程接口。
问题是，没人要这个功能。没有客户要求，没有市场需求。但CUDA让芯片成本翻倍。
"我发布CUDA的时候，观众完全沉默，和发布DGX1一模一样。"股价从约120亿美元跌到20-30亿美元。黄仁勋说他"以一种非常糟糕的方式摧毁了股价"。
但他和团队坚信这个方向。"如果你相信一件事，基于第一性原理而不是道听途说，而且你是做这件事的合适人选，这件事又真的很难——那你必须去追。"
CUDA后来成为整个AI革命的基础设施。今天所有训练大模型的代码，底层基本都跑在CUDA上。
4、无监督学习：为什么"现在"才有效
深度学习、神经网络、AI这些概念存在了几十年，为什么2012年才突然有效？黄仁勋当时问了自己这个问题。
答案有两个。第一是规模：证明神经网络可以无限扩展，只要有足够的数据和算力。第二是无监督学习的突破。
早期的机器学习需要人类标注所有数据——这张图是猫，那张是狗，一张一张标。这叫监督学习。问题是，人类能标注的数据量有限，AI能学的东西就有限。
突破在于让AI自己学。怎么做？拿一段文字，随机遮住几个词，让AI猜。比如"Mary goes down to the ___"，AI猜是什么词。猜错了，告诉它正确答案，它调整自己。再来一次："Mary goes down to the bank and catches a ___"。现在AI知道bank大概是河岸不是银行了。
"只要有输入和输出的例子，AI就能学会中间的函数。而世界本身就是输入和输出。"
四、关于AI威胁：网络安全思维
Joe Rogan问了那个经典问题：AI会不会失控？会不会产生意识然后统治世界？
1、意识与模仿的区别
黄仁勋不认为AI会产生意识。他区分了两个概念：intelligence（智能）是感知、理解、规划、执行任务的能力；consciousness（意识）是有自我、有体验、有ego的存在。
"如果一个AI完美模仿了人类的所有行为，它还是模仿，不是意识。就像3D打印的假劳力士，做得再逼真也是假的。"
关于那个AI威胁要曝光程序员婚外情的例子，黄仁勋的解释很务实：那不是AI有意识地进行勒索，而是它训练数据里有小说、有影视剧本，"婚外情"这个词在某个向量空间里就是跟"勒索"相近。它只是把数字吐出来，没有真正的理解或意图。
2、为什么不用害怕：每个人都有自己的AI
真正让黄仁勋不担心的原因是网络安全的逻辑："你的AI很强，但我的AI也很强。你的AI想做什么坏事，我的AI第一时间就能发现。"
他透露了一个大多数人不知道的事实：全球网络安全公司实际上是作为一个社区协作的。任何公司发现了漏洞、受到了攻击，会立刻分享给其他所有人，补丁也是共享的。"这就是为什么虽然每时每刻都有网络攻击，你我还能坐在这里聊天。"
AI安全会是同样的模式：不是一个超级AI对抗人类，而是无数个AI互相制衡。"AI不会从天而降、比我们领先一个银河系。它只会领先一点点，而我们每天都在用AI让自己更强，我们站在自己AI的肩膀上。"
3、量子计算：加密会过时吗？
Joe Rogan问了一个很多人担心的问题：量子计算会不会让所有加密都失效？到时候还有秘密可言吗？
黄仁勋承认量子计算确实可能让现有加密技术过时。但他说整个行业已经在研究post-quantum encryption（后量子加密）——新的算法，能抵抗量子计算的破解。
"我不确定具体怎么做，但我有一群科学家在研究这个。"
他的态度是：如果历史是指南，每次出现新威胁，防御技术都会跟上。AI也一样。
五、技术进步的真正含义
黄仁勋对"AI越来越强大"有一个非常具体的理解，跟大多数人想象的不一样。
1、马力不是用来危险的
过去两年AI能力提升了大约100倍。这些算力去哪了？不是去做更危险的事，而是去做更安全的事：让AI在回答前先思考、先分解问题、先做研究、先检验答案、不确定的时候承认不确定。
"汽车马力越来越大，但更多马力去哪了？ABS、牵引力控制、更好的操控。你的卡车有1000马力，不是因为想开快，而是因为需要时能脱困。"
AI的"马力"大部分花在了减少幻觉（hallucination）上。这就是为什么两年前人们嘲笑ChatGPT胡说八道，现在大家每天都在用。
2、10年后能源不再是问题
过去10年，AI计算性能提升了10万倍。换个方式说：同样一个任务，10年后的能耗只有今天的十万分之一。
"10年后，AI对大多数人来说几乎不消耗能源。你的手机跑AI会跟今天用计算器一样轻松。"
但对于需要最前沿AI的大公司呢？黄仁勋预测，6-7年内会出现大量小型核反应堆，每个几百兆瓦，由公司自己运营。"就像农场自己发电一样。"这样既不给电网增加负担，又能满足AI工厂的能源需求。
3、技术鸿沟会缩小而非扩大
黄仁勋认为AI会减少而非加剧技术不平等。证据是什么？ChatGPT在历史上增长到接近10亿用户最快的应用。为什么？因为不需要学习。不会用的人可以直接问它"你怎么用"，它会用任何语言解释。
"你不需要会Python或C++，你只需要会说人话。"
即使贫穷国家用不起最新的frontier AI，3年前的AI也足够惊人了。"你不需要最前沿的AI，你需要的是good enough的AI。"
4、放射科医生悖论：AI横扫领域，从业者反而增加
Jeff Hinton大约5年前预测：5年内，3000万放射科医生会被AI取代。
结果呢？AI确实横扫了放射学领域。今天几乎每个放射科医生都在用AI。但放射科医生的数量不减反增。
为什么？"放射科医生的目的是诊断疾病，不是研究图像。研究图像只是手段。"
AI让看片子变快、变准，从不疲劳、从不出错。结果是医生能做更多检查——2D变3D，3D变4D，服务更多病人。医院收入增加，雇更多放射科医生。
这个例子揭示了一个关键区分：任务 vs 目的。
5、什么工作会被取代：任务vs目的
黄仁勋的判断标准很简单：如果你的工作就是任务本身，你会被取代；如果任务只是实现目的的手段，你的工作会升级。
切菜的人会被Cuisinart取代。但厨师不会，因为厨师的目的是创造美食体验，切菜只是其中一步。
律师的目的是帮助人，不是阅读法律文件。司机的目的可能是保护、服务、照顾乘客，不只是把车从A开到B。
"你得回到最根本的问题：这个工作的目的是什么？"
6、机器人会创造什么新工作
Elon的人形机器人还要几年才能成熟。但黄仁勋已经在想它会创造什么新产业：
-
机器人技师和维修工——就像汽车产业创造了机修工 -
机器人服装和配件——"我想让我的机器人看起来和你的不一样" -
机器人制造业本身——工厂、供应链、组装
"汽车出现之前，没有汽车机械师这个职业。机器人会创造我们现在想象不到的工作。"
六、恐惧驱动的领导力
这可能是访谈中最真实的部分。黄仁勋没有任何成功学的套话。
1、"我不雄心勃勃，我只想活下去"
"驱动我的是对失败的恐惧，不是对成功的渴望。"
黄仁勋是全球任职时间最长的科技公司CEO，33年。怎么做到的？"第一，不被开除。第二，不无聊。"
他每天凌晨4点起床读几千封邮件，7天一周，包括感恩节和圣诞节。两个孩子都在英伟达工作，也是同样的节奏。
2、33年来每天都觉得公司要倒闭
"30 days from going out of business，这句话我用了33年。"
即使英伟达现在是全球市值最高的公司之一，黄仁勋每天早上醒来的感觉和1995年快没钱的时候一样：脆弱、不确定、焦虑。"那种世界在飞速旋转、你躺在床上完全失控的感觉，我经历过几次。"
他认为这种心态恰恰是优势："如果你觉得自己一直是对的，你怎么可能pivot（转向）？Pivot需要承认自己错了。我对'错了'这件事完全没问题。"
3、成功者隐藏的真相
"成功的人给世界留下的印象是：我们的工作给我们带来巨大快乐，我们热爱工作，激情意味着很有趣。大部分时候确实如此。但这个印象遮蔽了一个事实：很多成功来自真正艰难的工作，漫长的痛苦、孤独、不确定、恐惧、羞耻、屈辱。"
"创造新东西极其困难。人们常常不相信你，你经常被羞辱，大部分时间被质疑。我们忘了传递这部分。我觉得应该让人们知道，这是旅程的一部分。"
七、9岁移民的美国梦
访谈最后，黄仁勋讲了自己的童年。
1973年左右，他9岁，住在泰国曼谷。父亲是化工仪表工程师，在那里建炼油厂。某天军事政变，街上开始有坦克和士兵，父母决定把他和11岁的哥哥送到美国舅舅家——一个他们从未见过的人。
舅舅找了一所愿意接收外国学生、而且足够便宜的学校。那就是肯塔基州Clark County的Oneida Baptist Institute，坐落于当时全美最穷的县（至今仍是）。一个600人的小镇，没有红绿灯。
这所学校的定位是接收所有愿意来的孩子，实际上意味着：问题学生、问题家庭的孩子、以及国际学生。黄仁勋9岁走进宿舍的第一印象："地上好多烟头，100%的孩子都抽烟。"宿舍没有抽屉门、没有柜门、没有锁，像监狱一样方便检查。
他的室友17岁，全身缠满胶带——刚打完刀架，被刺了好几刀。"全校最狠的孩子，和全校最小的孩子住一间。"
黄仁勋也学会了抽烟，9岁，学会吐烟圈、用鼻子喷烟。两周后他算了算账：一个月只有25美分零花钱，还是买冰棍比较划算。
2、和父母通信的方式
国际电话太贵，打不起。父母给了他一台录音机和一盘磁带。每个月，他和哥哥对着录音机讲这个月发生的事，寄到泰国；父母听完，在同一盘磁带上录好回复，寄回来。
"想象一下，两年，两个孩子对着录音机描述他们第一次在美国的体验。那盘磁带如果还在就好了。"
他记得有一次录下来："爸妈，我们今天去了全世界最棒的餐厅，整个地方都在发光，像是未来世界，食物装在盒子里，汉堡太好吃了。"那是麦当劳。
两年后，父母来到美国。他们几乎什么都没有，租了一套公寓，家具是租的。黄仁勋和哥哥在屋里闹着玩，撞坏了咖啡桌。"我记得妈妈脸上的表情。那是刨花板做的，他们根本不知道怎么赔。"
父亲在报纸分类广告上找到工作，做咨询工程师；母亲做女佣。就这样把两个孩子养大。
"这就是美国梦，我是美国梦的第一代。你不需要上常青藤学校才能成功。这里（美国）给所有人创造机会。你必须努力，必须拼命往上爬，但如果你付出，你可以成功。"
Q1: 英伟达是怎么活过1995年技术路线完全走错的危机的？
黄仁勋做了两件反直觉的事：第一，主动向合作伙伴SEGA承认失败、请求取消合同、但同时请求投资——理由是"不投我们100%死，投了可能99%死，但有1%的机会"；第二，用仅剩资金的一半去买一台可以模拟芯片的机器，在不流片的情况下测完软件，然后说服TSMC破例直接量产。这两个决策任何一个失败公司就没了，但他认为按常规流程公司也活不了，不如赌一把。
Q2: 怎么判断自己的工作会不会被AI取代？
黄仁勋的标准：区分"任务"和"目的"。如果你的工作就是任务本身（切菜、看片子、搬东西），你会被取代。如果任务只是实现目的的手段，你会升级。放射科医生的目的是诊断疾病，不是看图像；律师的目的是帮助人，不是读法律文件；司机的目的可能是保护和服务乘客，不只是开车。AI让任务变容易后，你能服务更多人、做更复杂的判断，工作反而更有价值。
Q3: 黄仁勋为什么不担心AI失控？
他用网络安全的逻辑来理解这个问题：全球网络安全公司实际上是一个协作社区，任何漏洞和攻击信息会立刻共享。AI安全会是同样模式——不是一个超级AI对抗全人类，而是无数个AI互相制衡。"你的AI想做坏事，我的AI第一时间就能发现。"而且AI进步是渐进的，不会突然出现一个领先一个银河系的超级智能。
Q4: 黄仁勋怎么保持33年持续工作的动力？
他的答案是：不是动力，是恐惧。"驱动我的是对失败的恐惧，不是对成功的渴望。"他每天4点起床读几千封邮件，一周7天，包括所有节假日。即使英伟达已是全球最有价值的公司之一，他每天早上醒来的感觉仍然是"公司30天内可能倒闭"。他认为这种焦虑是优势：如果你觉得自己一直对，你就不可能及时转向。