needhelp
← Back to blog

سی روز، سی‌وسه سال: جنسن هوانگ از NVIDIA رفت

by xingwangzhe
nvidiajensen-huangcudagpuai-infrastructure

بعدازظهر ۱۲ نوامبر ۲۰۲۶ به وقت ساحل شرقی، اتاق خبر NVIDIA بیانیه‌ای کوتاه‌تر از سیصد واژه منتشر کرد. جنسن هوانگ از سمت‌های رئیس، مدیرعامل و عضو هیئت‌مدیره استعفا داد؛ با اثر فوری.

بدون دوره گذار. بدون «در فلان تاریخ کنار می‌رود». بدون عنوان مشاوری که بنیان‌گذاران معمولاً نگه می‌دارند.

سهم پیش از گشایش بیش از ۱۰ درصد ریخت و با افت ۴.۳۴ درصدی بسته شد و حدود ۱۸۲ میلیارد دلار ارزش بازار از میان رفت. هیئت‌مدیره همان روز دو تصمیم گرفت: کولت کرس، معاون ارشد و مدیر مالی، مدیرعامل موقت شد و امور مالی را هم نگه داشت؛ هاروی سی. جونز، مدیرعامل پیشین Synopsys، نخستین رئیس هیئت‌مدیره در ۳۳ سال شد. این سمت هرگز وجود نداشت.

بیانیه دلیل را نمی‌گوید. می‌گوید عملیات، تعهدات مشتریان و نقشه راه محصول طبق برنامه پیش می‌رود و نتایج سه‌ماهه سوم ۱۷ نوامبر منتشر می‌شود.

نوشتن سنگ‌قبر آسان و بی‌فایده است. پرسش بهتر این است که کدام تصمیم این ۳۳ سال قضاوت شخصی هوانگ بود و کدام به حافظه عضلانی سازمان تبدیل شده است. تماس ۱۷ نوامبر دسته دوم را می‌آزماید.

میز دنیز

۵ آوریل ۱۹۹۳، سن‌خوزه، کالیفرنیا، میزی در دنیز. سه نفر: هوانگ که تازه از LSI Logic آمده بود، و کریس مالاخوفسکی و کورتیس پریم از سان مایکروسیستمز. سرمایه اولیه ۴۰ هزار دلار. هوانگ سی ساله بود.

نام از لاتین invidia، حسادت. فایل‌های اولیه پیشوند NV داشتند، از next version. به چیزی مشخص باور داشتند: رایانه شخصی از دستگاه اداری به دستگاه مصرفی تبدیل می‌شود و نخستین نیاز دستگاه مصرفی تصویر است.

در ۱۹۹۳ این باور عجیب نبود. دو دوجین شرکت تراشه گرافیکی وجود داشت، سه سال بعد هفتاد. تا ۲۰۰۶ تنها یکی مستقل ماند.

عجیب هرگز ایده نبود. اندازه شرط بود.

نخستین شرط اشتباه: NV1 و سطوح درجه دو

NV1 سال ۱۹۹۵ خطای کتاب درسی بود و خطا در هندسه.

رندر چندضلعی روی مثلث می‌چرخید و DirectX مایکروسافت آن را استاندارد عملی می‌کرد. NV1 نگاشت بافت درجه دو را انتخاب کرد: ساختن اشیا از تکه‌های خمیده، که در تئوری پهنای باند را ذخیره می‌کند، لبه‌ها را نرم می‌کند و پله‌های مثلث را حذف می‌کند.

سگا بازی آرکید Virtual Fighter را روی آن برد؛ نخستین بازی سه‌بعدی روی تراشه NVIDIA. کارت با نام Diamond Edge 3D فروش رفت.

مشکل محاسبه نبود، زنجیره ابزار بود. نرم‌افزار مدل‌سازی، دارایی‌های هنری، موتورهای رندر و عادت دست هر برنامه‌نویس حول مثلث رشد کرده بود. کارتی که فقط خم می‌کشد از کل صنعت می‌خواهد جریان کار را از نو بسازد. هیچ برتری کارایی این را جبران نمی‌کند.

سگا سفارش بعدی را لغو کرد. هوانگ به ژاپن رفت، در برابر شوییچیرو ایریماجیری مسیر را اشتباه خواند و خواست پول پرداخت‌شده بماند. او سفارش را به سرمایه‌گذاری ۵ میلیون دلاری تبدیل کرد. این حدود شش ماه خرید.

در ۱۹۹۶ بیش از نیمی از کارکنان را کنار گذاشت و نقدینگی باقی‌مانده را روی طراحی‌ای گذاشت که هنوز از کارخانه بیرون نیامده بود.

«شرکت ما سی روز تا تعطیلی فاصله دارد.» این را ده سال در جلسات عمومی تکرار کرد. استعاره نبود. باند نقدینگی بود.

شرط دوم: RIVA 128 و استاندارد

RIVA 128 در ۱۹۹۷ نتیجه همان شرط بود. نخستین پردازنده سه‌بعدی ۱۲۸ بیتی جهان، بدون خم، فقط مثلث، کاملاً در خط Direct3D. یک میلیون واحد در چهار ماه.

هنگام عرضه، مانده حساب یک ماه حقوق بود. داستان را به‌عنوان افسانه بازگشت تعریف می‌کنند، اما نکته گم می‌شود: هزینه پذیرش مسیر فنی اشتباه باید کمتر از نقدینگی موجود باشد. میان NV1 و RIVA 128 نابغه‌ای نیست؛ اعترافی عمومی و گران است، حتی در برابر مشتری که پول داده بود.

بیشتر شرکت‌ها همین‌جا می‌میرند. مسیر غلط است، اما سازمان واژه‌ای برای پذیرش ندارد، پس منابع به هزینه غرق‌شده سرازیر می‌ماند.

ساختن یک واژه: GPU در ۱۹۹۹

ژانویه ۱۹۹۹: NVIDIA در نزدک با ۱۲ دلار هر سهم عرضه شد.

اکتبر همان سال: GeForce 256. NVIDIA اصطلاح GPU را ساخت و تعریفی آزمون‌پذیر داد: پردازنده تک‌تراشه با واحدهای یکپارچه تبدیل، نورپردازی، چیدمان و برش مثلث و رندر، که دست‌کم ده میلیون چندضلعی در ثانیه پردازش می‌کند.

جانِ ماجرا T&L سخت‌افزاری بود. پیش از آن تبدیل رأس و نورپردازی کار پردازنده بود و کارت فقط مثلث‌های آماده را رنگ می‌کرد. آوردن T&L به کارت به آن نخستین بار بار محاسباتی خودش را داد. دیگر بوم نبود.

گاه‌شمار رسمی مقایسه را می‌دهد: GPU امروز بیش از هفت میلیارد چندضلعی در ثانیه پردازش می‌کند. بیست‌وهفت سال، سه مرتبه بزرگی.

واژه بعدها از گرافیک بیرون رفت و واحد محاسبه شد.

شرکت‌هایی که با محصول رقابت می‌کنند محصول می‌فرستند. شرکت‌هایی که با مقوله رقابت می‌کنند واژه می‌سازند. نام گذاشتن روی یک چیز یعنی نصب تابلوی امتیاز، و هر که تابلو را نصب کند تعیین می‌کند دور بعد سر چه چیزی بازی شود.

شرطی که هیچ‌کس دوست نداشت: CUDA

در ۲۰۰۶ معماری G80 سایه‌زن‌های یکپارچه را آورد: سایه‌زن پیکسل و رأس از هم جدا نبودند و هر پردازنده جریانی می‌توانست کد عمومی اجرا کند. یک G80 صد و بیست‌وهشت پردازنده در هشت گروه داشت.

سپس مهم‌ترین تصمیم تاریخ شرکت آمد و تصمیم محصول نبود: باز کردن این هسته‌های برنامه‌پذیر به محاسبه غیرگرافیکی. CUDA در نوامبر ۲۰۰۶ آمد.

از نظر فنی ساده بود: مدلی موازی با نحوی شبیه C. رشته‌ها در بلوک، بلوک‌ها در شبکه؛ ۳۲ رشته یک warp می‌سازند که در هر چرخه یک دستور اجرا می‌کند و فقط با ثبات‌های داده تمایز می‌یابد. برنامه‌نویس لازم نیست بداند کارت چند SM دارد. باید پاسخ دهد مسئله چند داده مستقل دارد.

همین لایه انتزاع محتوای فنی واقعی شرط است. موازی‌سازی را از جزئیات سخت‌افزار به مدل برنامه‌نویسی تبدیل می‌کند و بهایش سطح سیلیکون، پشته درایور، کامپایلر، اشکال‌زدا و بیست سال سازگاری عقب‌رو است.

از نظر تجاری اصلاً ساده نبود: CUDA روی هر GeForce رفت، از جمله آن‌هایی که فقط برای بازی خریده شدند.

وال‌استریت هزینه دید. چرا کارت بازی باید برای کامپایلری که کسی استفاده نمی‌کند ترانزیستور و اعتبارسنجی بدهد؟ در بحران ۲۰۰۸ سهم ۷۰ درصد ریخت.

«ما ابررایانش را دموکراتیک می‌کردیم،» هوانگ بعدها گفت.

در ۲۰۰۸ مثل دلخوشی بود. شش سال طول کشید تا به گزاره واقعیت تبدیل شود.

شش سال بعد: دو GTX 580

در ۲۰۱۲ سه نفر از دانشگاه تورنتو — الکس کریژفسکی، ایلیا سوتسکور و جفری هینتون — شبکه پیچشی را روی دو GeForce GTX 580 مصرفی برای ImageNet آموزش دادند. خطا ۱۵.۳ درصد، دومی ۲۶.۲ درصد.

واقعیت فنی مهم پیروزی الگوریتم نبود. این بود که سخت‌افزار از قبل آنجا بود. ده سال CUDA روی قفسه فروشگاه یعنی هر آزمایشگاه جهان از قبل ماشینی داشت که یادگیری عمیق را اجرا کند؛ کسی به آن‌ها نگفته بود.

اکوسیستم بهره مرکب را این‌طور می‌سازد. لازم نیست در ۲۰۱۲ کسی را به خرید کارت قانع کنی. باید در ۲۰۰۶ کارت روی میزش باشد.

این راز خندق هم هست. سهم ۹۲ درصدی با برتری یک نسل نمی‌ماند. با این می‌ماند که کد هر مقاله در GitHub قابل کلون و اجراست. هزینه مهاجرت در میلیون‌ها خط CUDA است، نه در تراشه.

حمل جعبه: DGX-1 و مرز «یک ماشین»

در اوت ۲۰۱۶ هوانگ تا سان‌فرانسیسکو راند و نخستین DGX-1 را خودش به دفتر OpenAI برد. دستگاه ۱۲۹ هزار دلار بود، هشت P100 روی NVLink. ایلان ماسک در اتاق بود.

مدیرعامل شرکتی چند ده میلیارد دلاری رایانه‌ای به آزمایشگاهی غیرانتفاعی که چند ماه عمر دارد تحویل می‌دهد و وزنش را هم خودش می‌کشد. داستان را به‌عنوان لطیفه تعریف می‌کنند. این دقیق‌ترین خودنگاره شرکت است: تراشه نمی‌فروشند، الگویی از این‌که محاسبه چه شکلی باید باشد می‌فروشند.

Volta در ۲۰۱۷ هسته‌های Tensor را آورد: واحد ضرب ماتریس ۴×۴. عملگرهای هسته‌ای Transformer تقریباً همه ضرب ماتریسی دسته‌ای‌اند، و فروپاشی هزینه آموزش میان ۲۰۲۰ و ۲۰۲۵ نیمی از فرایند و بسته‌بندی آمد و نیمی از ساختن سخت‌افزار اختصاصی برای همان عمل.

سپس دقت نسل به نسل پایین آمد: FP16 روی V100، BF16 و TF32 روی A100، FP8 روی H100، FP4 روی Blackwell. هر گام همان کار را کرد: بیرون کشیدن دقتی که مدل لازم ندارد از سیلیکون و پهنای باند.

رابط عمومی، هسته اختصاصی. همین ترکیب توضیح می‌دهد چرا «تراشه‌های اختصاصی جای GPU را می‌گیرند» هر سال پیش‌بینی می‌شود و هرگز رخ نمی‌دهد.

## جوش دادن ضرب ماتریس به سیلیکون

Volta در ۲۰۱۷ آمد و V100 هسته‌های Tensor را آورد: واحدی برای ضرب و جمع ماتریس ۴×۴ که یک دسته عمل را در یک چرخه ساعت تمام می‌کند. آن زمان بیشتر چارچوب‌ها هنوز cuBLAS را در FP32 صدا می‌زدند و مسیر FP16 برای بهره‌گیری به تغییر کد نیاز داشت.

پنج سال بعد این تعیین‌کننده شد. عملگرهای هسته‌ای Transformer تقریباً همه ضرب ماتریسی دسته‌ای‌اند؛ ترانهاده QK در توجه و جمع وزن‌دار پس از softmax روی سخت‌افزار به GEMMهای بزرگ تبدیل می‌شوند. فروپاشی هزینه آموزش میان ۲۰۲۰ و ۲۰۲۵ نیمی از فرایند و بسته‌بندی آمد و نیمی از تصمیم به ساخت سخت‌افزار اختصاصی برای همان عمل.

سپس دقت نسل به نسل پایین آمد: FP16 روی V100، BF16 و TF32 روی A100، FP8 روی H100، FP4 روی Blackwell. هر گام همان کار را کرد: بیرون کشیدن دقتی که مدل لازم ندارد از سطح سیلیکون و پهنای باند حافظه.

با نگاه به عقب، این پوششی هوشمندانه برای راهبرد CUDA بود: بیرون مدل برنامه‌نویسی عمومی، درون سخت‌افزار اختصاصی برای پرتکرارترین هسته.

رابط عمومی، هسته اختصاصی. همین ترکیب توضیح می‌دهد چرا «تراشه‌های اختصاصی جای GPU را می‌گیرند» هر سال پیش‌بینی می‌شود و هرگز رخ نمی‌دهد: رقیبان یا در عمومیت می‌بازند یا در میلیون‌ها خطی که از پیش نوشته شده.

یک شکست: Tegra

داستان ۱۹۹۳ تا ۲۰۲۶ شکست بیشتری از موفقیت دارد. فقط صدایشان کمتر است.

در ۲۰۰۸ NVIDIA تگرا را عرضه کرد و به گوشی حمله برد. تگرا در Zune HD، چند تبلت و واحد خودرو رفت، سپس کوالکام و SoCهای اپل آن را از بازار اصلی بیرون راندند. حدود ۲۰۱۵ این کسب‌وکار از نبرد موبایل به کابین خودرو و رانندگی خودکار رفت.

همان درس NV1 با شهریه کمتر: تراشه سریع‌تر در اکوسیستم دیگری، کسی را که اکوسیستم را تعریف می‌کند شکست نمی‌دهد.

شاخه‌ای که ماند — خودرو و رباتیک — ده سال بعد دروازه هوش مصنوعی تجسم‌یافته شد.

از یک تا پنج تریلیون

H100 در ۲۰۲۲ آمد. ChatGPT چند ماه بعد. زمان‌بندی زیادی خوب بود.

ارزش بازار در ۲۰۲۳ از یک تریلیون، در ۲۰۲۴ از سه تریلیون گذشت و در اکتبر ۲۰۲۵ NVIDIA نخستین شرکتی شد که از پنج تریلیون گذشت. سهم سازمانی حدود ۹۲ درصد.

شانس واقعی بود. AlexNet روی کارت آن‌ها دوید؛ عملگر هسته‌ای Transformer ضرب ماتریس است؛ مدل‌های بزرگ به هزاران کارت نیاز دارند که به یک ماشین وصل شوند. اما شانس قله‌ها را توضیح می‌دهد، نه حضور در همه قله‌ها را.

تعبیر خودش «قانون هوانگ» بود: کارایی هر دو سال دو برابر می‌شود و هزینه واحد پایین می‌آید. این بازنویسی قانون مور نیست؛ فشردن معماری، بسته‌بندی، اتصال و نرم‌افزار در یک ریتم است. پیش‌شرط آن است که هر چهار لایه در یک شرکت باشند و کسی امضا کند که لازم نیست هزینه بلندمدت را در تماس فصلی توضیح دهد.

۲ سپتامبر ۲۰۲۶ در گفت‌وگو با وزیر بازرگانی هاوارد لاتنیک گفت: «می‌توانم کار را رها کنم، اما نمی‌خواهم از دستش بدهم. ده، پانزده سال آینده را از دست نمی‌دهم.» افزود تا ۲۰۳۰ باید صد گیگاوات زیرساخت محاسباتی ساخته شود.

ده هفته بعد، نبود.

دو نقشه

کسب‌وکار چین زمینه پرسش‌هایی است که پس از ۱۲ نوامبر آغاز شد.

در اکتبر ۲۰۲۲ وزارت بازرگانی صادرات A100 و H100 را محدود کرد و NVIDIA نسخه‌های کاسته A800 و H800 را عرضه کرد. در اکتبر ۲۰۲۳ قواعد جدید آستانه چگالی کارایی را در متن نوشت، آن تراشه‌ها هم به فهرست رفتند و سپس نوسان H20 آمد: محدودیت، بعد مجوز مشروط در ۲۰۲۵.

نتیجه تغییر ترکیب درآمد بود: درآمد مراکز داده چین از بیش از یک‌پنجم کل به تقریباً صفر رسید و سپس بخشی بازگشت. مهندسی این را حل نمی‌کند، چون آنچه سنجیده می‌شود کارایی نیست. مجوز است.

به همین دلیل نامه‌ای که پس از ۱۲ نوامبر رسید درباره محاسبه نبود، بلکه درباره این بود که چه کسی چه چیزی را تأیید کرد و سوابق کجاست. ریچارد نیل و ران وایدن از وزارت خواستند اسناد را حفظ کند. آن‌ها اقلیت‌اند: می‌توانند بپرسند، نه مجبور کنند.

صورت‌حساب کارخانه هوش مصنوعی

در سپتامبر ۲۰۲۶ هوانگ مراکز داده را «کارخانه هوش مصنوعی» نامید و جدولی داد: صد گیگاوات پیش از ۲۰۳۰.

یک واحد بزرگ هسته‌ای حدود یک گیگاوات است. این عدد بحث را از حمل تراشه به برق و زمین می‌برد. همان ماه Nebius چهل میلیارد دلار هزینه سرمایه‌ای برای ۲۰۲۷ اعلام کرد و سهم ۱۷ درصد ریخت؛ پروژه نیوجرسی مایکروسافت ماه‌ها عقب بود. گلوگاه از شتاب‌دهنده به پست برق منتقل شد.

این سخت‌ترین بخش جانشینی هم هست. هوانگ فقط تراشه نمی‌فروخت. انتظاری می‌فروخت که محاسبه کمیاب می‌ماند، و آن انتظار به کسی نیاز دارد که هر هفته تکرارش کند.

پس از غلبه استنتاج

میان ۲۰۲۴ و ۲۰۲۶ شکل تقاضا عوض شد. هزینه آموزش عظیم ماند اما کند شد؛ استنتاج بالا آمد: زمینه بلند، عامل‌هایی که ابزارها را در حلقه صدا می‌زنند، خودآزمایی چندمرحله‌ای.

اقتصاد متفاوت است. آموزش FLOPS اوج و پهنای باند اتصال را پاداش می‌دهد. استنتاج هزینه نهایی هر توکن را: ظرفیت حافظه تعیین می‌کند چه مقدار KV cache جا می‌شود، پهنای باند سرعت رمزگشایی، کوانتیزاسیون اندازه مدل در همان VRAM. فشرده‌سازی پنج‌برابری KV cache یعنی پنج برابر هم‌زمانی روی یک کارت.

از این‌رو حرکت به FP4 پس از Blackwell و از این‌رو فشرده‌سازی KV cache، رمزگشایی حدسی و زمان‌بندی دسته‌ای بیشتر پژوهش ۲۰۲۶ را می‌گیرند.

برای خندق، این چرخش زیان‌آور است. عصر آموزش سریع‌ترین کارت را پاداش می‌داد. عصر استنتاج کمترین هزینه هر توکن را، و آن زمینی است که ASICهای اختصاصی می‌توانند بگیرند: TPU گوگل، Trainium آمازون، MTIA متا. هوانگ شکاف را با ریتم سالانه معماری باز نگه می‌داشت. این‌که نفر دومی آن ریتم را نگه می‌دارد یا نه، نکته‌ای است که پس از ۱۷ نوامبر باید دید.

شصت گزارش مستقیم

سبک مدیریت حتی برای سیلیکون‌ولی عجیب بود. حدود ۶۰ گزارش مستقیم. بدون جلسه یک‌به‌یک. بدون اسلاید.

همه ایمیل هفتگی Top 5 Things می‌فرستادند: پنج نکته مهم و این‌که به چه فکر می‌کنید. اطلاعات افقی جریان داشت، نه بالا و پایین سلسله‌مراتب. این رویه پس از ده هزار کارمند هم ماند، به بهای تقویم از هم پاشیده مدیرعامل.

«شرکت سی روز تا تعطیلی فاصله دارد» خط پایه احساسی آن سیستم بود. شرکتی چهار تریلیون دلاری را در تنش نگه می‌داشت. همچنین باعث شد در ۳۳ سال هیچ‌کس به جانشین تبدیل نشود.

توطئه نیست، ساختار است: مدیرعاملی که خود را در هر حلقه تصمیم حیاتی می‌گذارد، شکل‌گیری تصمیم‌گیر دوم را نظام‌مند سرکوب می‌کند.

پس از ۱۲ نوامبر

کرس ۵۹ ساله است. سپتامبر ۲۰۱۳ مدیر مالی شد، پیش از آن نزدیک ۲۵ سال در امور مالی Texas Instruments، مایکروسافت و سیسکو. کسانی که با رویترز صحبت کردند او را نقطه مقابل آرام سبک تقابلی هوانگ توصیف می‌کنند.

بازار کاملاً قانع نیست. آنشل سگ از Moor Insights صریح می‌گوید: گذاشتن مدیر مالی روی صندلی موقت بازار را آرام می‌کند، اما او آن صاحب چشم‌انداز بلندمدت نیست که NVIDIA لازم دارد.

سه نام مطرح است: ایان باک، از ۲۰۰۴ در NVIDIA، مسئول سخت‌افزار و نرم‌افزار هوش مصنوعی و از آغازگران CUDA؛ رنه هاس، مدیرعامل Arm، هفت سال معاون در NVIDIA؛ و لیزا سو، مدیرعامل AMD، مستقیم‌ترین رقیب.

۱۷ نوامبر پس از بسته شدن بازار، نتایج سه‌ماهه سوم می‌آید. نخستین پرسش‌وپاسخ عمومی رهبری تازه خواهد بود.

همان روز، ریچارد نیل و ران وایدن، ارشدترین دموکرات‌های کمیته راه‌ها و امکانات مجلس نمایندگان و کمیته مالی سنا، به وزیر بازرگانی لاتنیک نوشتند که فروش تراشه‌های NVIDIA به چین چگونه انجام شده، و از وزارت خواستند اسناد مرتبط را حفظ کند. آن‌ها اقلیت‌اند: می‌پرسند، مجبور نمی‌کنند.

کاپشن چرمی سفید

در ۳۳ سال شرکت یک بار مدیرعامل عوض کرد. حالا عوض کرد.

آنچه آزموده می‌شود توانایی جانشین نیست، پرسشی آرام‌تر است: از این شرط‌ها — مثلث، T&L سخت‌افزاری، سایه‌زن یکپارچه، CUDA، هسته Tensor، NVLink — چند تا قضاوت شخصی بود و چند تا پیش‌فرض سازمان شده است.

CUDA نیمه اول پاسخ است. بیش از چهار هزار کتابخانه شتاب‌یافته، میلیون‌ها توسعه‌دهنده، بیست سال سازگاری. هیچ جانشینی آن را برنمی‌اندازد، همان‌طور که کسی x86 را برنینداخت. این دارایی شرکت است، نه فرد.

نیمه دوم تنش سی روز است. در سند فرایند نوشته نمی‌شود. فقط وقتی هست که کسی تکرارش کند و با تقویم نشانش دهد. این دارایی شخصی است.

بیانیه ۱۲ نوامبر این دو را جدا کرد. بازار برای جدایی ۱۸۲ میلیارد دلار قیمت گذاشت.

سیلیکون در سه سال می‌چرخد. معماری در ده. زیست‌بوم در بیست. دوران یک انسان سی‌وسه سال بود، درست به اندازه‌ای که یک بار در هر سه لایه درست شرط ببندد.

کاپشن چرمی سفید هنوز در کمد است. مردی که آن را می‌پوشید دیگر در اتاق جلسه نیست.

منابع

Share this page