Шел к концу 1973 год. Десятилетний Дженсен Хуанг каждое утро отправлялся из общежития в непростой путь – в школу. Уроженец Тайваня, выросший в Таиланде, он лишь недавно оказался здесь, в глубинке штата Кентукки. Дорога вела вниз по холму к речной долине, окруженной лесом. Чтобы попасть в школу, Дженсену нужно было перейти реку по шаткому подвесному мостику. Многие доски в настиле отсутствовали, и сквозь прорехи был виден стремительный холодный поток.

Дженсен был смышленым и прилежным учеником, и ему удалось перескочить через класс, из четвертого сразу в шестой. Неудивительно, что в шестом классе он был самым маленьким, тем более что даже для своего возраста был мелок. Он не слишком хорошо владел английским и был единственным азиатом в школе. С ним учились дети работников табачных ферм и шахтеров – практически все белые, многие из очень бедных семей. В некоторых домах даже не было водопровода.

Дженсен Хуанг вместе со старшим братом Джеффом приехал сюда в середине учебного года. Их родители остались в Таиланде. Мальчики поселились в баптистском интернате Онейды, но Дженсен был слишком мал, чтобы там учиться, и его отдали в местную начальную школу. В первый день директор, представляя Дженсена одноклассникам, сказал: «Встречайте нового ученика. Он из далекой страны, но невероятно умен». Это стало сигналом для школьных хулиганов. «Он был идеальной мишенью», – вспоминает его одноклассник Бен Бэйс.

До появления Дженсена объектом издевательств был сам Бэйс. Как и Дженсен, он был небольшого телосложения и хорошо учился. Нередко его запирали в шкафчике в раздевалке, иногда он сидел там часами. Но теперь у хулиганов появился новый объект для травли, к тому же азиат (а у многих мальчишек отцы или старшие братья воевали во Вьетнаме). «Всех китайцев тогда называли исключительно узкоглазыми, – рассказывал мне Дженсен в стерильной переговорной во время нашей первой беседы. Его лицо при этом оставалось бесстрастным. – Мы слышали это в свой адрес постоянно».

Задиры преследовали его не только в школе. Они толкали его в коридоре и гоняли на школьной площадке. Но любимым местом издевательств был мост. Дженсену приходилось переходить по нему в одиночку, и даже без хулиганов это было достаточно опасно. А они, когда он оказывался посреди моста, выскакивали из засады по обеим сторонам реки и начинали раскачивать шаткий мост, пытаясь сбросить Хуанга в реку. «Но его это как будто вообще не волновало, – рассказывает Бэйс. – Словно это было развлечение».

Бэйс и Дженсен быстро подружились. Несмотря на плохое знание языка, Дженсену легко давалась учеба, и вскоре он обошел Бэйса, став лучшим в классе. Он прекрасно рисовал и научился очень аккуратно писать, хотя и исключительно заглавными буквами. Кроме того, он научил Бэйса давать отпор хулиганам. Местные мальчишки судили о китайцах по фильмам с Брюсом Ли. Дженсен пустил слух, что владеет боевыми искусствами, но его блеф быстро раскрыли. Однако неумение драться он компенсировал решимостью, вступая в драки с обидчиками, многие из которых были крупнее него. Бэйс утверждал, что никому не удавалось побить Дженсена. («Это не соответствует моим воспоминаниям», – смеется Дженсен.) Тем не менее Дженсен вдохновил Бэйса тоже давать сдачи, и постепенно их оставили в покое.

Семья Бэйса жила в крайней нищете. В ней было шестеро детей, а поскольку отец был проповедником, они часто меняли место жительства. Сейчас они обитали на краю долины в развалюхе с выгребными ямами на заднем дворе. Ничто здесь, в округе Клэй, одном из самых бедных районов США, не предвещало появления такого одаренного и независимого мальчишки, как Хуанг Дженсен.

Дженсен был средним из трех братьев. Он родился на Тайване, в Тайбэе, в феврале 1963 года. Отец работал инженером-химиком, мать преподавала в начальной школе. Родители были родом из города Тайнань, расположенного на юго-западе острова, и говорили на тайваньском диалекте хоккиен. Бо́льшую часть их жизни остров находился под внешним управлением: до 1945 года Тайвань был японской колонией. После 1949 года правительство Чан Кайши, бежавшего от захвативших материковый Китай маоистов, установило военную диктатуру.

Когда Дженсену исполнилось пять, его отец Син Тай нашел работу на нефтеперерабатывающем заводе в Таиланде, и семья переехала в Бангкок. У Дженсена осталось мало воспоминаний о Юго-Восточной Азии. Он помнит, как поджигал жидкость для зажигалок, разлив ее на поверхности бассейна у дома. Помнит обезьянку своего приятеля. В конце 1960-х отец Дженсена проходил на Манхэттене обучение в компании Carrier – пионере в области оборудования для климат-контроля[3]. Нью-Йорк потряс его, и вернувшись, он решил перевезти семью в США.

Готовя мальчиков к переезду, Чай Шиу, мать, начала их учить английскому языку. Она сама его тогда не знала, но не считала это препятствием. Опираясь на свой опыт преподавательской работы, она каждый вечер заставляла сыновей заучивать десять новых случайно выбранных слов. На следующий день они повторяли урок. Примерно через год она отправила всех троих сыновей в международную школу, и Дженсен начал учиться на английском языке, продолжая дома общаться с родителями на тайваньском диалекте.

В 1973 году в Таиланде начались беспорядки, и семья стала готовиться к переезду. В октябре полмиллиона протестующих вышли на улицы Бангкока с требованием отмены военной диктатуры. Правительство разогнало демонстрантов – Дженсен помнит, как по улицам ехали танки. Отец отправил Дженсена со старшим братом Джеффом в Такому, штат Вашингтон, к их дяде. Сами родители с младшим сыном остались в Бангкоке. Дядя решил отдать мальчишек в интернат и начал искать подходящее заведение, готовое принять двух тайваньских детей десяти и двенадцати лет, оказавшихся в тысячах километров от родителей. В конечном итоге он выбрал баптистский интернат в Онейде в Кентукки, скорее всего, ошибочно решив, что это престижное учебное заведение.

На самом деле это был интернат для трудных подростков. Он находился в поселке, в котором жило всего 300 человек, и был основан в 1899 году баптистским проповедником Джеймсом Андерсоном Бернсом, искавшим способ положить конец смертоносной и длительной кровной вражде, раздиравшей поселок. (Идея о создании школы пришла Бернсу после того, как ему разбили голову прикладом и бросили умирать в канаве.) К 1970-м годам в школу стали принимать даже иностранных учеников, но по большей части интернат продолжал оставаться «последней надеждой» для малолетних хулиганов.

Впервые оказавшись на его территории, братья увидели, что земля вокруг усыпана окурками. «Практически все ученики курили, и, кажется, я был единственным мальчишкой в школе, не носившим нож в кармане», – вспоминает Дженсен. Его, тогда десятилетнего, поселили в комнате с семнадцатилетним парнем. В первый же вечер тот, подняв рубашку, гордо продемонстрировал многочисленные шрамы, полученные в драках. Сосед Дженсена не умел читать и в обмен на уроки грамоты учил его отжиматься лежа. В результате Дженсен начал каждый день перед сном делать сто отжиманий, и это вошло у него в привычку на всю жизнь.

Чтобы не выделяться среди других хотя бы именами, братья Хуанг изменили их на английский манер: Джен-Чие стал Джеффом, а Джен-Сун – Дженсеном. (Младший брат Джен-Че позже взял имя Джим.) Джефф и Дженсен поддерживали связь с живущими в Таиланде родителями, пересылая звуковые письма на аудиокассетах. По воспоминаниям Дженсена, он не слишком тосковал по дому; новая жизнь казалась ему грандиозным приключением.

Летом воспитанники интерната должны были работать, чтобы компенсировать расходы на свое содержание. Джеффа отправили на табачную ферму, Дженсена оставили чистить туалеты в общежитии. «Это не было наказанием, – объясняет Хуанг. – Просто такая работа». Помимо этого, он занимался расчисткой зарослей на территории школы. Бэйс вспоминал, что не раз видел его за этим занятием по дороге в церковь. «Мы ехали мимо поля, а он носился по нему кругами с косой, воюя с сорняками», – рассказывает он.

К концу учебного года Хуанг освоился. Он стал лучшим в классе, за что получил на школьной линейке серебряный доллар. Дженсен в одиночку противостоял расистским выпадам и оскорблениям, которые иногда позволяли себе даже учителя. Когда последний звонок возвестил о конце учебного года, Хуанг, чавкая ботинками по аппалачской грязи, радостно помчался в лес в сопровождении ватаги однокашников – трудных подростков из округа Клэй.

Лето 1974 года Хуанг провел в общежитии. Каждую неделю он с другими ребятами, оставшимися здесь, с нетерпением ждал воскресного кинопоказа на канале ABC. С приближением осени Хуанг лакомился яблоками с дерева, растущего под окном. В новом учебном году он пошел в седьмой класс интерната, а Бэйс остался в государственной школе. Под защитой своего старшего соседа по комнате, закаленного в драках, Хуанг быстро освоился на новом месте. Через год его отец нашел работу в США, и братья уехали из Кентукки в Орегон, чтобы воссоединиться с семьей.

После этого Бэйс и Хуанг не виделись целых сорок четыре года. За это время Бэйс стал администратором дома престарелых, а Хуанг – одним из самых богатых людей на планете. Бэйс не был удивлен тем, чего достиг Дженсен; по его словам, он уже в детстве знал, что у Хуанга большое будущее. Их встреча произошла в 2019 году, когда Хуанг вернулся в Онейду, чтобы подарить школе новый корпус. «Он никогда не забывал меня», – говорит Бэйс.

Многим жизнь в глубинке Кентукки показалась бы тяжелым испытанием. Хуанг провел здесь два года, совсем ребенком оказавшись в 13 000 километров от родины и едва зная язык. Его дразнили, запирали, поселили в одной комнате с великовозрастным драчуном и заставляли чистить туалеты. Но он сумел постоять за себя и преуспел даже в таких условиях. «Тогда не было никакого школьного психолога, с которым можно было бы поговорить, – объясняет Хуанг. – Приходилось справляться самому».

Наверное, время смягчило воспоминания Хуанга об интернате. Приехав туда в 2019-м, он с ностальгией вспоминал уже исчезнувший шаткий мост, по которому шел в школу каждый день, ни словом не обмолвившись о том, как школьные хулиганы пытались его оттуда скинуть. Когда я спросил его о хозяйственных работах в школе, Дженсен ответил, что это научило его ценить тяжелый труд. «Конечно, если бы вы спросили меня тогда, я бы, вероятно, ответил иначе», – замечает он. В 2020 году Хуанга попросили выступить онлайн перед учениками баптистского института Онейды. Он сказал в своей речи, что годы, проведенные в школе, были одними из лучших в его жизни.

В 1976 году Хуанг поступил в среднюю школу в Алохе, пригороде Портленда, штат Орегон. Он одевался в джинсу и спортивную одежду, а волосы стриг так, что прическа напоминала мотоциклетный шлем. Учеба давалась ему легко, и Дженсен все свободнее говорил по-английски. В школе царила дружеская атмосфера, и вскоре он сблизился с группой таких же «ботаников», как и он. «Нас было трое или четверо, и мы все состояли в одних и тех же кружках: математическом, научном, компьютерном, – вспоминает Хуанг. – Ну, обычные очкарики. Подружки у меня не было».

Особый интерес для Хуанга представлял компьютерный кружок. В 1977 году школа приобрела Apple II, один из первых массовых персональных компьютеров. Хуанг был очарован этой машиной, на которой он играл в примитивную игру Super Star Trek, стреляя по клингонам, и писал свою версию игры Snake на Basic.

Помимо компьютеров, он увлекся настольным теннисом. Еще в Онейде Хуанг был одним из лучших в этой игре, но не относился к этому серьезно. Однако в старших классах он начал участвовать в соревнованиях. Его тренером стал Лу Боченски, владелец зала настольного тенниса Paddle Palace, располагавшегося в переоборудованном танцевальном зале. Дочь Боченски Джуди в 1971 году побывала в Пекине в рамках культурного обмена, но сам Хуанг никогда не играл в Азии и практиковал западный стиль.

Все лето Хуанг не выпускал ракетку из рук. Боченски был настолько впечатлен прогрессом ученика, что написал письмо в журнал Sports Illustrated, назвав Хуанга «самым перспективным молодым игроком, когда-либо игравшим в настольный теннис на Северо-Западе», хотя тот выступал на соревнованиях всего лишь три месяца. Фирменным приемом Хуанга был его дугообразный накат справа, которым он побеждал многих опытных соперников, иногда буквально бросаясь под стол, чтобы поднять, казалось бы, безнадежные мячи. Уже через год он попал в национальный рейтинг и играл в финале парного чемпионата страны среди юношей до шестнадцати лет в Лас-Вегасе. «Он освоил настольный теннис быстрее, чем кто-либо из тех, кого я встречал», – рассказывает товарищ Хуанга по Paddle Palace Джо Романоски.

Хуанг был в прекрасной форме и отличался быстрой реакцией, однако самой сильной его стороной была поразительная концентрация. Когда он ставил перед собой цель, все остальное отходило на второй план. Дженсен работал усерднее других, не терял терпения и не успокаивался на достигнутом. Он с удовольствием наблюдал, как его усердие медленно, но верно превращается в мастерство.

Хуанг стал проводить в Paddle Palace почти все свободное от учебы время. Если он не тренировался, то работал там же, драя полы по ночам, чтобы оплатить участие в турнирах. Боченски настолько доверял ему, что дал ключи от клуба, и иногда Хуанг даже ночевал в зале. Место было весьма престижное: люстры под потолком, паркетные полы, мягкие скамейки вдоль стен. На одной из фотографий можно увидеть Хуанга в возрасте лет пятнадцати в спортивных шортах и полосатых носках. Невысокий, стриженный под горшок, он сосредоточенно готовится к удару. «У него был очень агрессивный стиль игры, он постоянно находился в движении», – вспоминает Романоски.

Незадолго до окончания школы Хуанг устроился на работу в закусочную Denny's. Это известная сеть, работавшая круглосуточно и в то время славившаяся своим пережаренным кофе, порошковой яичницей и разогретыми котлетами. Ему нравилось это место. Он начал работать посудомойщиком и вскоре стал официантом. «Я понял, что лучше всего думаю, когда нахожусь в стрессовой ситуации. Когда кажется, что мир рушится, пульс у меня, как ни странно, замедляется, – говорил он позднее. – Возможно, это благодаря Denny's. Официант должен уметь справляться с потоком посетителей в часы пик. Все, кому довелось этим заниматься, меня поймут».

Работа в Denny's стала для Хуанга возможностью быстро познакомиться с американской кухней. Здесь он узнал, что такое чизбургер с беконом, хот-дог и стейк по-деревенски. Он методично перепробовал все блюда меню, а его любимым стал super bird, поджаренный сэндвич из дрожжевого хлеба с индейкой, беконом, помидорами и сыром. Иммигранту, привыкающему к новой культуре, этот незатейливый фастфуд казался квинтэссенцией Америки.

Учеба давалась Хуангу легко, он получал отличные оценки и даже вступил в Национальное общество почета[4]. Стремление к успеху не было привито родителями: по словам Хуанга, они не были требовательны и не настаивали на хорошей учебе. «На самом деле оба моих брата были отвратительными учениками», – признается он, но тут же добавляет, что вообще-то они умные парни. На вопрос, почему только он, средний сын, стремился к успеху в учебе, Хуанг пожимает плечами: «Не знаю, у меня нет ответа на этот вопрос. Я стараюсь не анализировать себя в таком контексте».

К окончанию школы Хуанг успел перескочить через класс, стать спортсменом национального уровня и при этом остаться отличником. Тем не менее он отказался от поступления в престижный колледж, выбрав местный, Университет штата Орегон. Как отмечает сам Хуанг, он не особо над этим задумывался, а родители не подталкивали его поступать куда-то конкретно. Его школьный друг Дин Верхайден пошел в Университет штата Орегон по семейной традиции, и Хуанг поступил туда за компанию. «Просто решил пойти туда же, куда и лучший друг», – говорит он.

Однако многие иначе объясняют его выбор. К семнадцати годам Хуанг успел пожить в трех странах и поучиться в пяти разных школах. Университет штата Орегон принимал более 70% абитуриентов и не входил в число лучших университетов штата, зато от родительского дома он был всего в полутора часах езды. «Он мог выбрать что угодно: университет Лиги плюща, Стэнфорд, Восточное побережье, – вспоминает один из его друзей. – Но выбрал Университет штата Орегон, чтобы быть ближе к дому».

Хуанг поступил в университет в 1980 году. Тогда там не было компьютерного курса, поэтому Хуанг выбрал электротехнику. Начальные знания в этой области стали решающими для его карьеры. Он научился проектировать электрические схемы и продолжал заниматься этим на протяжении всей карьеры. В университете он встретил и свою будущую жену.

Лори Миллс была серьезной восемнадцатилетней первокурсницей, кудрявой и близорукой. Дружелюбная и простая в общении, она всегда стремилась к порядку и хотела следовать в жизни намеченному плану: к двадцати двум годам получить профессию, к двадцати пяти выйти замуж, к тридцати обзавестись детьми. В первую же неделю занятий ее назначили в пару к Хуангу в лаборатории. «На электротехнике было примерно двести пятьдесят студентов, и из них, наверное, всего три девушки, – рассказывает Хуанг. – Причем она была самая симпатичная». Юноши соперничали за внимание Миллс, и Хуанг считал, что у него мало шансов: «Я был самым молодым на курсе, – говорит он. – И выглядел лет на двенадцать».

Не рассчитывая достичь успеха с помощью обычного флирта, Хуанг решил применить другой подход. «Я пытался произвести на нее впечатление – не внешним видом, конечно, а своим упорством в выполнении домашних заданий», – говорит он. Каждые выходные Хуанг звонил Миллс и предлагал позаниматься вместе. А в работе над «домашкой» он был хорош и говорил, что в этом его суперсила. Лори соглашалась, и оба получали отличные оценки.

В лаборатории Дженсен и Лори корпели над прямоугольными кусками пластика – так называемыми макетными платами, – паяя детали усилителей и счетных устройств. Работа была кропотливой и требовала весьма тесного контакта. Источник электричества заставлял работать различные схемы. В простых схемах электричество питало лампочки или электронные часы. Более продвинутые, собранные на транзисторах, работали как переключатели. Возможности транзисторов позволяли создавать «логические ворота», а несколько «ворот» – производить простейшие вычисления с использованием двоичного кода (1 и 0). Цепи из таких примитивных счетных устройств могли совершать более сложные математические действия. Последним этапом сборки всегда было создание замкнутой электрической цепи. Через шесть месяцев совместной работы над макетными платами Хуанг наконец пригласил Миллс на настоящее свидание. Она согласилась, и после этого они уже не расставались.

Хуанг окончил университет досрочно с высшими оценками. Его выпуск совпал по времени с кремниевой революцией 1980-х. В коммерческих логических схемах преобладали полупроводниковые элементы. Логические схемы (микросхемы) печатались на кремниевых дисках с помощью узконаправленного ультрафиолетового луча, а затем диски разрезались на крошечные квадратики, каждый из которых представлял собой отдельную микросхему.

Бум персональных компьютеров, разразившийся в 1980-х, создал огромный спрос на микросхемы (сейчас в ходу больше слово «чипы»). Способствовала этому и растущая популярность разнообразных электронных устройств. Микрочипы устанавливают в автомобили, CD-плееры, детские игрушки, микроволновки и множество других устройств. Они есть в зарядных устройствах, холодильниках, кредитных картах и электрических зубных щетках. А это изначально означало высокую потребность в квалифицированных разработчиках. Накануне выпуска Хуанг получил работу в мировой столице электроники – Кремниевой долине.

Был канун Рождества 1984 года, над безлюдной горной трассой на границе Калифорнии и Орегона занимался рассвет. Тени деревьев тянулись на запад, пересекая дорогу и скользя по капоту спортивной машины, летевшей вперед. Это была «Тойота-Супра», двухдверное купе с угловатым дизайном и мощным шестицилиндровым двигателем. Автомобиль с его приподнятыми фарами напоминал дружелюбного андроида. За рулем сидел Дженсен, уверенно управлявший машиной.

Причина держаться уверенно у него была. На пассажирском сиденье сидела его невеста Лори Миллс. Накануне вечером Дженсен сделал ей предложение на рождественской вечеринке, устроенной компанией Advanced Micro Devices, где он работал сборщиком микросхем. Дженсен в возрасте двадцати лет получил работу в AMD и стартовую зарплату 28 700 долларов в год. Эта сумма казалась ему настолько огромной, что он помнил ее и спустя сорок лет. Он жил экономно и через год накопил достаточно, чтобы купить машину и обручальное кольцо.

Вечеринка AMD отлично подходила для предложения. Это была самая масштабная праздничная гулянка в Кремниевой долине. AMD арендовала конференц-центр Moscone в Сан-Франциско, предоставила счастливым сотрудникам бесплатные напитки и пригласила известные группы. В тот год рок-группа Chicago порадовала собравшихся инженеров танцевальными версиями хитов «Saturday in the Park» и «25 or 6 to 4». В 1984 году технологические компании, располагавшиеся в Кремниевой долине, были аванпостом американской экономики. Когда Дженсен начал работать в AMD, самыми дорогими компаниями США являлись старые промышленные гиганты вроде DuPont и General Electric, но через некоторое время эти монстры оказались отодвинутыми на второй план, а на фондовом рынке начали доминировать высокотехнологичные компании.

Конечно же, Лори приняла предложение, хотя даже по меркам того времени это была ранняя помолвка: Дженсену исполнился двадцать один год, двадцатидвухлетняя Лори еще не окончила колледж. Однако обоих прельщала семейная жизнь, и их браку суждено было стать предметом зависти среди знакомых. После помолвки Дженсен предложил поехать к родителям Лори, чтобы сообщить им радостную новость. Он очень сблизился с семьей Миллс, особенно с отцом Лори, добродушным американским патриархом, похожим на актера Джимми Стюарта. Родители Миллс обожали Дженсена и считали, что их дочь не могла сделать лучший выбор. Друзья шутили, что отношения Дженсена с родителями Лори были более близкими, чем с его собственными.

Несмотря на то что Хуанг был разумным и очень зрелым для своего возраста молодым человеком, у него иногда возникали довольно легкомысленные идеи: например, после шумной рождественской вечеринки отправиться посреди ночи на спортивной машине в девятичасовое путешествие по заснеженным горным дорогам. Когда встало солнце, Дженсен и Лори были в пути уже более пяти часов. Местность вокруг была пустынной и почти безлюдной: некоторые местные жители вели родословную от искателей счастья, когда-то перекапывавших окрестные холмы в поисках золота, но сейчас прииски были заброшены, а большинство из них уехали в иные края. И когда Дженсен не заметил тонкой пленки льда на шоссе и потерял контроль над автомобилем, «Тойота» пошла юзом, вылетела на обочину и перевернулась.

На мгновение Дженсен и Лори оказались вверх ногами. Затем машина с грохотом ударилась о землю и кубарем покатилась, разбрасывая вокруг дорогие детали. Она была полностью разбита, а пара оказалась зажата внутри. Лори с новеньким обручальным кольцом на пальце отделалась легким испугом, Дженсен же сильно повредил шею и был весь в крови. Вставало солнце, но было еще холодно. Прибывшим на место происшествия спасателям пришлось резать машину, чтобы вызволить Дженсена и Лори. Дженсену наложили швы, и несколько месяцев он носил шейный корсет. Когда я попросил его рассказать об этой аварии, он в первую очередь пожалел о «Тойоте»: «Потрясающая была машина».

На отношения Хуанга с Лори происшествие никак не повлияло – они, вероятно, даже сильнее сблизились благодаря совместно пережитой опасности. Пока Лори доучивалась, Дженсен вернулся на работу. В AMD он проектировал микросхемы, тогда еще на бумаге. На каждом листе отображался один слой чипа: внизу размещались транзисторы, а вверху – соединения. Закончив рисовать слой, он относил чертеж в другой отдел, где рисунок переводили на лист прозрачного цветного целлофана. Эти листы использовали для создания трафаретов, называемых фотомасками, которые затем отправляли на производство.

По каким-то причинам изготовлением фотомасок в AMD занимались исключительно китаянки. Сидя за рабочими столами, они аккуратно раскладывали цветные трафареты. Они почти не говорили по-английски, а Хуанг, родным диалектом которого был хоккиен, не знал мандаринского. Эти диалекты похожи не больше, чем немецкий и английский, но постепенно, общаясь с работницами, Хуанг начал понимать мандаринский – наиболее распространенный диалект китайского. «Я учился на слух, беседуя», – вспоминает он. Эти женщины напоминали ему мать.

Хуанг проработал в AMD два года и до сих пор тепло отзывается об этом времени. Он приобрел некоторое количество акций компании благодаря программе для сотрудников и продолжает хранить их по сей день.

В 1985 году коллега убедил его перейти в LSI Logic, инновационную фирму в Кремниевой долине, разработавшую первое программное обеспечение для проектировщиков микросхем. К середине 1980-х инженеры размещали на одном чипе сотни тысяч транзисторов, проектировать микросхемы на бумаге стало невозможно – все равно что выложить на теннисном корте лабиринт из человеческих волос. Процесс Large Scale Integration (крупномасштабной интеграции) от LSI автоматизировал разработку низкоуровневых блоков, позволяя инженерам сосредоточиться на высокоуровневой архитектуре. Со временем эта автоматизация проектирования эволюционировала в невероятно сложную систему Very Large Scale Integration (сверхкрупномасштабную интеграцию), или VLSI, которая остается базовой для большинства современных инженеров. VLSI позволяет забыть о проектировании деталей, и о разработке отдельных транзисторов можно уже не думать. Вероятно, лишь ветераны отрасли вроде Дженсена помнят, как рисовали микросхемы вручную.

Лори окончила университет в 1985 году и устроилась в Silicon Graphics (SGI) – компанию, производящую дорогие рабочие станции с 3D-графикой. SGI была одной из флагманских компаний Кремниевой долины, так что Лори поначалу зарабатывала больше, чем Дженсен. Как и AMD, SGI располагалась недалеко от шоссе US 101 – узкой дороги, протянувшейся на 40 километров от центра Сан-Хосе до кампуса Стэнфордского университета в Пало-Альто. Вдоль этого шоссе на поворотах размещались указатели на Купертино, Санта-Клару, Милпитас и Маунтин-Вью – на первый взгляд, ничем не примечательные городки, где располагались штаб-квартиры Apple, Intel, Cisco и Silicon Graphics. Здесь было сосредоточено огромное количество талантов – и сколачивались баснословные состояния. Жизнь Дженсена Хуанга оказалась намертво связанной с этим местом, и вся его карьера строилась на этом пятачке радиусом около восьми километров.

Городки эти внешне практически не отличались друг от друга. Здесь не было манхэттенского блеска, который когда-то произвел сильное впечатление на отца Хуанга. Вместо устремленных ввысь небоскребов и уличной суеты – серые невысокие строения в пересеченной скоростными магистралями низине к югу от залива, окруженные парковками, торговыми центрами и бизнес-отелями. За стеклянными фасадами трудились лучшие инженеры мира, но снаружи был лишь плотный поток машин.

Внутри здания были такими же скучными, хотя и достаточно комфортными. Офисы 1980-х представляли собой огромные помещения с громоздкими ламповыми мониторами, унылыми коврами, жужжащими люминесцентными светильниками и подвесными потолками, за которыми скрывались воздуховоды. Как правило, они были разделены перегородками на отсеки. В LSI Logic перегородки были низкими, и сотрудники прозвали офис «ямой». Хуанг пришел туда в 1985 году. Он носил большие очки, стильные часы, застегнутые на все пуговицы рубашки, узкие брюки и отличался от других лишь довольно длинными волосами. Для него «яма» была раем. Казалось, именно об этом он мечтал всю жизнь.

Как во времена занятий настольным теннисом, Хуанг быстро стал одним из лучших в LSI благодаря своей невероятной работоспособности. Его соседом по «яме» был Йенс Хорстманн, такой же инженер-электрик, приехавший из Германии на шестимесячную стажировку и оставшийся работать. Оба они были иммигрантами, примерно одного возраста и даже с одинаковыми инициалами (Jensen Huang – Jens Horstmann). Их объединяла готовность жертвовать личной жизнью и отдыхом ради решения бесконечных технических задач. «Мы не знали, что такое выходные, – вспоминал Хорстманн. – Приходили в семь утра, а в девять вечера наши девушки звонили и спрашивали, когда мы наконец вернемся домой».

Со временем Хорстманн стал ближайшим другом Хуанга. Он был харизматичным, общительным, веселым и вне работы более беспечным, чем Хуанг, обладая широким кругом интересов и дружеских связей. Однако в работе рискованные решения принимал именно Хуанг. С присущим ему усердием он в совершенстве освоил Simulation Program with Integrated Circuit Emphasis, или SPICE, – программу для моделирования интегральных схем. Вводя упорядоченный список компонентов схемы в командную строку, Хуанг получал текстовую таблицу параметров. Многие считали SPICE примитивной программой, пригодной разве что для обучения, но Хуанг с ее помощью постигал новые возможности микросхем, еще не известные никому. В ситуациях, когда большинство разработчиков говорили заказчикам LSI «Это невозможно», Хуанг отвечал: «Я посмотрю, что можно сделать».

Хуанг часами работал на симуляторе, пытаясь расположить компоненты так, чтобы получить желаемый результат. Это была кропотливая работа, выполняемая без отображения процессов на цветных мониторах и вообще без какого-либо графического интерфейса. Его сосредоточенность вызывала восхищение, но Хорстманн знал многих инженеров, которые могли так же погрузиться с головой в работу. В отличие от них, Хуанг умел выбираться из тупиков. «Другие люди, такие же умные, все равно иногда теряются, – говорит Хорстманн. – Они просто застревают в глубокой кроличьей норе. А он – нет. У него замечательная интуиция, он чувствует, когда задача заводит в тупик, и начинает искать другой путь».

Самыми взыскательными заказчиками компании LSI были дизайнеры, занимающиеся компьютерной графикой и крайне заинтересованные в новых, более быстрых графических процессорах. Чтобы удовлетворить их потребности, Хорстманн, заручившись поддержкой Хуанга, начал заключать контракты на поставку продуктов, которые LSI еще не выпустила и не факт, что смогла бы выпустить. Более опытные инженеры советовали им проявлять осторожность. «Вы понимаете, на что идете? – спрашивали они. – Если у вас ничего не выйдет, вашей карьере придет конец». «Это было так, но нас это никогда не тревожило», – вспоминает Хорстманн.

В итоге практически все, что Хорстманн и Хуанг обещали заказчикам, было сделано. Вознаграждением за решение сложных технических задач становились новые, еще более сложные. Хуанг обожал справляться с вызовами, получая удовольствие от преодоления препятствий. «У него был талант складывать один и один и получать три, – вспоминает Хорстманн. – Я имею в виду, что мы не просто делали то, чего хотели от нас заказчики, но превращали заказы в инструменты, а инструменты – в методы». По словам Хорстманна, большинство инженеров на такое не способны, у них при сложении двух единиц не всегда получается даже два. «Хорошо, если получится хотя бы полтора», – добавляет он.

В кругу друзей Дженсен и Лори считались самыми ответственными людьми. Они первыми поженились и обзавелись собственным жильем. В 1988 году пара переселилась в двухэтажный коттедж на восточной стороне Сан-Хосе, в котором были четыре спальни, гараж и патио – в нем Дженсен любил готовить барбекю. У обоих была стабильная, хорошо оплачиваемая работа в престижных компаниях, оба откладывали средства на старость. Вскоре они завели пса по имени Суши, ставшего общим любимцем. Суши отвечал хозяевам взаимностью, встречал их, радостно виляя хвостом, и носился, сбивая окружающие предметы.

Хорстманн восхищался семейными отношениями и упорядоченностью жизни Дженсена. Он также отдавал должное Лори, которая тоже была одаренным инженером. Хорстманн вспоминает, как обсуждал с ней техническую проблему, которую ему нужно было решить: микрочип клиента, расположенный на орбитальном спутнике Земли, давал сбои из-за воздействия космических лучей. Лори уже сталкивалась с подобной задачей, требующей знания не только электротехники, но и физики элементарных частиц. «Просто потрясающе, насколько глубоким и структурированным было ее мышление», – говорит Хорстманн.

Организованность Хуангов имела обратные стороны: их трудно было назвать общительными. Они непрерывно работали, редко куда-то выбирались и практически не общались ни с кем вне круга специалистов по полупроводникам. Хорстманн вспоминает, как познакомил Дженсена с приятелем, владевшим крафтовой пивоварней, что в те времена было редкостью. Дженсен был крайне удивлен: «Где ты его нашел? Как так получилось?» Создавалось впечатление, что у Хуанга не было ни одного товарища за пределами мира высоких технологий.

Дженсен быстро продвигался в LSI по карьерной лестнице. Параллельно он учился на вечернем отделении в Стэнфорде, чтобы получить магистерскую степень по электронике. Из-за загруженности на работе учеба растянулась на восемь лет. На своем автомобиле Дженсен колесил по Кремниевой долине, перемещаясь между университетом на западе, домом на востоке и офисом в центре и наматывая круги по шоссе 101. К тому времени, когда он в 1992 году получил диплом, многое из того, что он изучал, уже устарело.

Благодаря работе в LSI Дженсен познакомился с Крисом Малаховски и Кёртисом Примом – разработчиками микросхем из компании Sun Microsystems. Sun, как и SGI, выпускала мощные профессиональные рабочие станции. Прим с Малаховски были очень требовательными заказчиками, их заявки зачастую ставили в тупик менеджеров по продажам. «LSI пришлось потрудиться, чтобы найти для нас самого компетентного и нестандартно мыслящего инженера, – вспоминает Малаховски. – Им оказался Дженсен».

Малаховски, Прим и Хуанг составили отличную команду. Прим мыслил схемами, представляя путь электрического сигнала в цепи устройства. Малаховски увлекался автомобилями и легкими самолетами и был прирожденным механиком, способным воплотить в реальность любые идеи Прима. Хуанг со стороны LSI обеспечивал поставку компонентов, необходимых для внедрения разработок в массовое производство.

Самым необычным в этой троице был Прим. Его внешность полностью соответствовала образу гениального ученого и была бы находкой для физиономиста. Очень высокий лоб, изогнутые брови и постоянно блуждающий даже во время беседы взгляд прищуренных глаз придавали ему вид человека не от мира сего. Его речь напоминала нескончаемую техническую лекцию: он словно проводил экскурсию по миру электронных схем, то и дело останавливаясь, чтобы подчеркнуть важные детали. Как правило, то, о чем рассказывал Прим, существовало лишь в его воображении, но он как будто не замечал этого и не волновался о том, понимают ли его окружающие.

Прим пришел в инженерное дело непрямым путем. Он вырос в пригороде Кливленда, штат Огайо, и его мать мечтала, что сын станет профессиональным виолончелистом. Прим шел к этому несколько лет, пока в старших классах не попал в музыкальный лагерь в Северной Каролине. Там его посадили на последнее место во втором составе оркестра. «Я вдруг осознал, что максимум, что мне светит, – карьера преподавателя музыки в школе», – признается Прим. Он бросил виолончель и увлекся компьютерами, а по окончании Политехнического института Ренсселера в штате Нью-Йорк оказался в Кремниевой долине. Здесь его эксцентричность воспринималась вполне терпимо – по крайней мере поначалу.

Малаховски отличался более практическим складом мышления и умел обращаться с инструментами. Крепкий, широкоплечий уроженец Нью-Джерси, он был доброжелателен и характеризовал себя как «волосатика», который любит пиво и беззаботные вечеринки. К концу 1970-х он был уже аккуратно подстрижен, но сохранил грубоватую непринужденность и манеру громко смеяться. Для Малаховски компьютеры были не абстрактными вычислительными устройствами, а реальными железными машинами. Образно говоря, если Прим разрабатывал летный симулятор, то Малаховски сидел за штурвалом самолета.

Хуанг был на несколько лет моложе их и, хотя формально считался представителем сторонней компании-партнера, фактически выполнял в их коалиции функции менеджера. Он постоянно поддерживал связь с производством LSI, обеспечивая своевременные поставки оборудования для Sun. Все трое с ностальгией вспоминают, как здорово они работали вместе. «Никто из нас не лез не в свою сферу», – говорит Малаховски. Это необычное сотрудничество оказалось успешным лишь потому, что Прим и Малаховски доверяли Хуангу больше, чем своему начальству. «В Sun была такая внутренняя политика, что лучше не спрашивайте», – отмахивается Прим.

Хуанг избегал конфликтов и всегда был примером для подражания – работал не покладая рук, не интересовался сплетнями и справедливо оценивал вклад каждого в общее дело. Если поставки задерживались или LSI не могла обеспечить то, что обещала, Хуанг честно и понятно объяснял, что именно пошло не так и как он намерен это исправить. «Если он обещал что-то сделать, можно было не сомневаться, что сделает», – сказал Малаховски. По его словам, во всей Кремниевой долине вряд ли можно было найти второго настолько хорошего менеджера.

Если у Дженсена и был какой-то недостаток, то разве что склонность к прямоте, граничащая с резкостью. Нередко именно это привлекало к нему людей, но порой их чувства все же оказывались задеты. Он был нетерпим к тем, кто не разделял его взглядов, и, кажется, искренне не понимал, что не все готовы по 14 часов в день сидеть на работе. Однако для таких трудоголиков, как Прим и Малаховски, эти его качества были лишь еще одним свидетельством лидерских способностей.

Сотрудничество Прима, Малаховски и Хуанга в 1989 году привело к появлению Sun GX – линейки 3D-графических процессоров для рабочих станций. Подобные процессоры использовали ученые, художники-мультипликаторы и дизайнеры. С их помощью каркасные модели, состоящие из точек в пространстве, превращались в полигональные объекты, раскрашиваемые пиксель за пикселем. Сейчас результаты работы GX показались бы грубыми, но в 1989 году на громоздком ламповом мониторе в них при желании можно было увидеть будущее компьютерной графики.

Успех сотрудничества Дженсена с Sun GX привлек внимание Вилфа Корригана, основателя LSI Logic. После выхода этой линейки графических процессоров Корриган повысил Хуанга, поручив ему руководить разработкой платформы «система-на-чипе». Эта система позволяла объединить функции 3D-графики, видео– и игровых контроллеров в одной микросхеме. Технология стала популярной, и Малаховски был убежден, что Корриган видит в Хуанге будущего генерального директора LSI. «Они доверили парню в двадцать с небольшим лет возглавить целое направление! – говорит он. – Значит, заметили в нем что-то особенное».

Однако потенциал Дженсена видели и Прим с Малаховски. Они предложили руководству компании начать выпуск более дешевой версии их совместной разработки для игровых компьютеров, но, несмотря на успех Sun GX, начальство отказалось. («Мы поставляем оборудование ученым, а не геймерам», – высокомерно заявил один из боссов.) Разочарованные Прим и Малаховски решили самостоятельно создать микропроцессор для видеоигр, но боялись, что не справятся с организационной стороной, и в 1992 году пришли к Дженсену с предложением возглавить их стартап.

Дженсен оказался перед сложным выбором. Он уважал Прима и Малаховски, но у него была стабильная работа и перспективы в инновационной компании. У Прима и Малаховски не было ни бизнес-плана, ни даже названия для будущей компании – лишь примерная концепция продукта, который в Sun посчитали недостаточно прибыльным.

Кроме того, хотя оба убеждали его, что они – идеальная команда, со стороны было видно, что это не так. Малаховски и Прим постоянно спорили, причем весьма бурно. «Мы с Крисом частенько орали друг на друга», – признается Прим. Нередко эти перепалки заканчивались тем, что кто-то в бешенстве вылетал из комнаты, громко хлопая дверью. «Коллеги в команде часто спрашивали: "Что, компании конец?" – рассказывал Прим. – Но это был просто наш способ общения». Оба были крайне упрямы. Описывая Малаховски в разговоре со мной, Прим использовал инженерный термин «функция сопротивления» – противодействие потоку электричества в цепи. Услышав от меня об этом, Малаховски ответил: «Ну, не знаю, насколько долго вы общались с Кёртисом, но я бы сказал, что его пользовательский интерфейс оставляет желать лучшего».

Работа с Примом и Малаховски подразумевала бесконечные споры и специфические инженерные шутки. А у Хуанга в то время были сложности с финансами. В 1990 году у них с Лори родился сын Спенсер, а в 1991-м – дочь Мэдисон. (Суши реагировала на новых членов семьи своеобразно: пыталась вытаскивать соски у детей изо рта.) Дженсен и Лори рассчитывали, что оба продолжат работать, будут выплачивать ипотеку, однако им не удалось найти надежную няню, и в итоге Лори оставила работу в Silicon Graphics, чтобы заниматься детьми.

Крестным отцом детей Хуангов стал Йенс Хорстманн. Его жена также ушла с работы, чтобы растить детей, как и Тина, жена Криса Малаховски. Хорстманн сказал мне, что все три женщины были прекрасными инженерами. «Лично мне временами бывает стыдно перед моей семьей за то, что я так много работал один и думал только о своей карьере, – признается он. – Мы пробовали разные варианты, нанимали нянь сидеть с детьми, но из этого ничего не получилось. Наверное, стоило стараться лучше». Когда я спросил об этом Хуанга спустя годы после рождения детей, его обычно бесстрастное лицо слегка скривилось. Он явно вспомнил, как сначала попросил свою талантливую жену бросить работу, а затем, имея запас сбережений всего на шесть месяцев, сообщил, что хочет уйти из LSI ради стартапа. Но Лори поддержала его. «Она всегда верила в меня», – говорит Хуанг.

Хуанг любит рассказывать, как стремительно прошел путь от чертежника до генерального директора, представляя все как череду счастливых совпадений. «Я был технарем, получившим образование в государственном вузе, и не отличался особой амбициозностью, – сказал он в своей речи, произнесенной в 2020 году на церемонии открытия учебного сезона в интернате Онейды. – Если бы вы искали человека, способного возглавить компанию, то вряд ли выбрали меня».

Хуанг всегда скромничает, рассказывая о своей карьере, порой даже чрезмерно. Все, кто знал его в начале карьеры, говорили мне, что в той речи он был не вполне искренен. Малаховски вспоминает, что он был весьма уверенным в себе и не скрывавшим амбиций выпускником Стэнфорда. «Он рассчитывал к тридцати годам занять руководящий пост, – рассказывает Малаховски. – Я хорошо помню, как он говорил об этом за ужином у себя дома».

Ханс Мозесманн, аналитик – ветеран индустрии, который помогал в организации IPO Nvidia, вспоминает разговор с одним из бывших начальников Хуанга в LSI. Этому человеку поручили оценить работу Дженсена. Оценочный лист походил на школьный табель. Этот менеджер оставил графу с оценками пустой и просто написал: «Дженсен – превосходный сотрудник. Надеюсь, однажды буду работать на него».

Хорстманн рассказывал, что старшие сотрудники LSI были недовольны тем, что в свои двадцать лет Хуанг руководил подразделением с годовой выручкой 250 миллионов долларов и они вынуждены подчиняться этому выскочке. Чтобы сгладить трения, Корриган нанял одного из директоров Intel руководить разработкой линии продукции вместе с Хуангом. Хуанг был в бешенстве – он воспринял это назначение как политический ход. «Он построил это подразделение с нуля и считал, что его у него отобрали», – говорит Хорстманн. Возможно, это унижение стало последней каплей, заставившей Хуанга принять решение об увольнении. Пусть Малаховски и Прим порой бывали несносны, они все же были гениями, а Хуанга считали единственным кандидатом на роль руководителя стартапа – никому другому они просто не доверяли.

И все равно Хуанг согласился не сразу. Он знал, что создать успешный стартап, особенно в сфере производства оборудования, да еще рассчитанного на широкий круг пользователей, крайне сложно. Большинство подобных компаний не продвигались дальше создания прототипа, а многие не доходили и до этого. Хуанг всегда принимал решения с холодной головой, не поддаваясь эмоциям и пустым надеждам. Организация бизнеса для него была лишь очередной инженерной задачей.

Инженеры раскладывают сложные задачи на ряд основополагающих действий и принципов, которые необходимо соблюдать. Прежде чем запустить стартап, Хуанг должен был определить эти основополагающие действия и принципы, чтобы гарантировать успех. Ему нужно было изучить рынок, цепи поставок, конкурентов, необходимые технологии и спрос на продукт. Организовать опрос потенциальных клиентов, пообщаться с разработчиками игр и экспертами в области компьютерной графики. Изучить тома отчетов о состоянии индустрии за прошлые годы, выявляя на основе статистики и потребительского спроса нечто похожее на зарождающийся тренд. Иными словами, следовало проделать огромную домашнюю работу. И было лишь одно место, где он мог этим заниматься.

Легендарная закусочная Denny's располагалась рядом с автострадой в Сан-Хосе, ее яркая неоновая вывеска сияла как маяк среди бензозаправок и витрин. Полы внутри были покрыты лилово-бордовыми коврами, на некоторых столах тогда, в 1993-м, еще стояли пепельницы. Напротив кухни протянулась длинная барная стойка со стульями, в задней части помещения был тихий уголок, где посетители порой просиживали часами, попивая бесплатный кофе. Витрина рекламировала завтрак Grand Slam: яйцо, сосиска, бекон и блинчики всего за 3 доллара 99 центов. Закусочная работала круглосуточно.

Место встречи выбрал Хуанг. Denny's была недалеко от дома, и иногда он заходил туда с детьми. Тихая зона в задней части обычно была занята полицейскими, пьющими кофе и заполняющими отчеты. В 1993 году в Калифорнии был всплеск преступности, наибольший за всю историю штата: за год здесь произошло более 4000 убийств. Сан-Хосе, несмотря на близость богатой Кремниевой долины, не избежал этой участи.

Хуанг сидел среди полицейских, просматривая на ноутбуке материалы своих исследований. Пришедшие на встречу Крис Малаховски и Кёртис Прим не жаловали здешнюю кухню и налегали на бесплатный кофе. Хуанг старался сгладить ситуацию, болтая с официантами, заказывая блюда одно за другим и оставляя щедрые чаевые.

Компания Sun Microsystems отказалась от производства игровых видеокарт для ПК, как и бывший работодатель Лори Silicon Graphics, признанный лидер в области трехмерной графики. (Сотрудники обеих компаний в то время были заняты анимацией динозавров для «Парка юрского периода».) Нежелание крупных игроков инвестировать в игровое оборудование для ПК создало на рынке пустую нишу, которую стремились заполнить многочисленные стартапы.

Идея Малаховски и Прима заключалась в том, чтобы использовать существующие передовые технологии – те самые, с помощью которых разрабатывались компьютерные модели самолетов и динозавров, – для трехмерных игр. Для этого требовалось наладить массовое производство дешевых и производительных графических процессоров, а также разработать программное обеспечение для них. Готовое устройство должно было представлять собой видеокарту, которая устанавливалась в специальный слот на материнской плате.

Продукт назывался графическим акселератором, и на тот момент его пытались разработать как минимум 35 компаний. Хуанг опасался, что для тридцать шестой может не найтись места. Главным специалистом в мире компьютерной графики на тот момент считался Джон Педди, автор нескольких учебников по этой теме. Хуанг обратился за консультацией к Педди, чтобы получить представление о ситуации на рынке, и вскоре они стали друзьями. Хуанг постоянно звонил ему по каким-то вопросам, иногда они разговаривали до поздней ночи. Педди предостерегал, что рынок перегружен и в других стартапах трудятся многие из лучших инженеров в этой области. «Я советовал ему не ввязываться, – признается Педди, – но он сделал лучшее, что мог, проигнорировав мой совет».

На посиделках в Denny's Прим и Малаховски обычно играли роль наблюдателей. «Я сидел там ради кусочка пирога, – вспоминает Прим, – и в общем-то просто смотрел на Дженсена». Для Хуанга магической цифрой была 50 миллионов долларов – тот минимальный, по его подсчетам, годовой доход, который оправдывал бы усилия по созданию стартапа. В его ноутбуке была таблица с прогнозом доходов на ближайшие годы. Меняя значение в одной ячейке, Хуанг видел, как предполагаемый доход падает ниже 50 миллионов. Тогда он подправлял значение в другой, и сумма снова вырастала.

После нескольких встреч Хуанг решился ввязаться в эту авантюру. Вскоре Прим, Малаховски и Хуанг отправились регистрировать фирму, пока еще безымянную, к юристу Джиму Гейтеру в Пало-Альто. Гейтер, которому однажды удалось посетить 129 заседаний советов директоров за год, был в Кремниевой долине нарасхват. Троица друзей произвела на него огромное впечатление, особенно Хуанг, в котором он сразу распознал прирожденного лидера. «Я моментально решил, что никуда их не отпущу, пока они не согласятся работать со мной», – говорит Гейтер.

Гейтер обсудил с основателями организационные детали и занялся подготовкой документов. Поскольку названия у стартапа еще не было, он предложил пока обозначить его как NV – New Venture, новое предприятие. Удивительным совпадением было то, что Прим и Малаховски уже назвали свой прототип графического процессора NV1, шутя, что он, как Sun GX, заставит конкурентов «позеленеть от зависти»[5]. Прим составил список названий, обыгрывающих это сочетание букв на разных языках, включая латынь. Остановились на Nvision, пока не выяснилось, что это название уже занято производителем экологичной туалетной бумаги. Следующим в списке было Nvidia, от латинского слова invidia, что означает «зависть».

Троица вернулась в Denny's, чтобы окончательно согласовать все детали. Они решили, что Хуанг станет генеральным директором Nvidia, Прим – техническим директором, а Малаховски – вице-президентом по разработке. У всех были равные доли в компании. Пока Прим и Дженсен обсуждали подробности, Малаховски подошел к окну. Он смотрел на расположенную через дорогу закусочную Taco Bell, залитую светом люминесцентных ламп. Вид был достаточно убогий. Взгляд Криса скользнул вверх, и тут он увидел, что вверху все стекло в пулевых отверстиях.

Пораженный Малаховски отпрянул от окна и поспешно вернулся к партнерам. «Посмотрите туда! – тревожным шепотом произнес он. – Все стекло в дырах! Мне кажется, вон с того виадука стреляют по полицейским!» Прим и Хуанг отвлеклись от бумаг и, посмотрев в окно, убедились в правоте Малаховски. Они быстро оплатили счет, оставив щедрые чаевые, и отправились в более безопасное место – домой к Приму. Пройдет немало времени, прежде чем кто-то из них вернется сюда.

Таким образом, общеизвестная история о том, что Nvidia была основана в изрешеченной пулями закусочной Denny's, не до конца соответствует действительности: на самом деле документы были подписаны уже в доме Кёртиса Прима в Сан-Хосе. Тем не менее для корпоративной легенды эта история вполне годилась, и теперь место, где трое основателей собирались за чашкой кофе, украшено мемориальной табличкой. (Если захотите ее увидеть, приезжайте в закусочную; ее адрес – Сан-Хосе, Берриесса-роуд, 2484. Администрация утверждает, что уже много лет по заведению никто не стрелял.)

Завершающим штрихом в создании Nvidia было оформление уставного капитала – формальность, которую можно было выполнить, указав любую сумму. Когда основатели вернулись к Гейтеру с подписанными документами, тот просто предложил Дженсену вытряхнуть из кошелька все, что там было. Набралось около 200 долларов. В обмен на эту сумму Дженсен официально получил треть акций Nvidia; со временем это вложение оказалось весьма выгодным. Позже партнеры оплатили свои доли, и компания обрела жизнь. Свидетельство о регистрации Nvidia было выдано в апреле, примерно через шесть недель после того, как Дженсену Хуангу исполнилось тридцать. «Он чуть не пропустил свой дедлайн», – шутит Малаховски.

Типичная компания Кремниевой долины начинается в гараже. Однако Nvidia пошла наперекор этому правилу: работа развернулась в двух спальнях дома Прима, а в гараж переехала мебель из них (третью спальню Прим оставил себе). Хотя первые инвестиции появились лишь спустя несколько месяцев, выпущенный компанией процессор произвел такой фурор в индустрии, что несколько сотрудников Sun перешли в Nvidia, не побоявшись какое-то время поработать без зарплаты. Они были уверены, что позже, когда Хуанг найдет финансирование, им заплатят. «Мы верили в свою исключительность, но было приятно узнать, что в этой вере мы не одиноки», – говорит Малаховски.

Однако веру в успех Nvidia разделяли не все. Хорстманн вспоминает, как позвонила мать Хуанга, когда они пили пиво дома у Дженсена. Разговор шел на тайваньском, так что Хорстманн не понимал, о чем идет речь, но видел, что беседа становится все более напряженной. Повесив трубку, Хуанг вернулся к нему очень раздосадованный. «Ты можешь в это поверить? – возмущенно произнес он. – Мама только что сказала, что я должен бросить Nvidia и вернуться в крупную компанию».

Одну из спален в доме Прима заняла команда разработчиков аппаратного обеспечения, ранее проектировавшая микросхемы в компании Sun. В другой разместились разработчики ПО, создававшие драйверы и программный интерфейс устройств. «Офис» генерального директора располагался на первом этаже; Хуанг сидел за небольшим круглым столом рядом с кухней. Неизвестно, специально Дженсен устроился там или случайно, но это был, можно сказать, центральный перекресток дома: все, кто шел к холодильнику за напитками или едой, проходили мимо него. Впрочем, он на протяжении всей своей карьеры предпочитал находиться в центре событий, не отгораживаясь от подчиненных.

Фильм «Парк юрского периода» вышел на экраны через два месяца после основания Nvidia. Впервые удалось объединить в кино компьютерную графику с живыми кадрами так, что это выглядело правдоподобно. Для этого потребовались колоссальные вычислительные мощности: на создание трехсекундного эпизода, где тираннозавр ломает бревно, у аниматоров ушло десять месяцев. Возможности процессора NV1 от Nvidia в сравнении с этим выглядели примитивно, хотя основные различия заключались в масштабе, а не в принципе действия. «Даже современные интерактивные видеоигры и спецэффекты в фильмах по сути своей движущиеся и сталкивающиеся блоки», – говорит Педди.

Главное, к чему стремилась Nvidia на этом этапе, – чтобы NV1 заметили среди множества других новых продуктов. Для этого Прим как главный разработчик наделил процессор и программное обеспечение новаторскими функциями. Для прорисовки каркасов в NV1 применялся метод квадратичного текстурного отображения, который создавал иллюзию глубины и реализма изображений. Кроме того, Прим применил объектно-ориентированный подход в программировании, позволяющий разработчикам использовать блоки кода многократного применения. Когда я впервые задал Приму вопрос об архитектуре NV1, он говорил без остановки 27 минут. «Я хотел построить архитектуру, которая прослужит сто лет», – сказал он.

Пока Прим возглавлял разработку NV1, Хуанг занимался привлечением средств. При содействии Гейтера Nvidia удалось организовать встречи с представителями Sequoia Capital и Sutter Hill Ventures – двумя крупнейшими венчурными компаниями Кремниевой долины. Накануне презентации для Sequoia Хуанг безуспешно пытался составить бизнес-план. «Я просидел над ним всю ночь, но так ничего и не получилось, – признается он. – Да у меня и сейчас его нет».

Зато у него была поддержка основателя LSI Вилфа Корригана. Хуанг и Прим отправились в штаб-квартиру Sequoia, чтобы представить свой проект Дону Валентайну – основателю фирмы, славящемуся своей прямотой. (Любимым вопросом Валентайна к начинающим предпринимателям был: «Кому это вообще нужно?») Презентация не задалась: Хуанг сбивался, а Прим вставлял неуместные технические замечания. По завершении этой провальной встречи Валентайн отвел Хуанга в сторону. «Ну, вышло неважно, – сказал он. – Но раз уж Вилф Корриган говорит, что мне стоит вас профинансировать, то добро пожаловать в бизнес».

Sequoia и Sutter Hill выделили на развитие Nvidia по несколько миллионов долларов, получив взамен места в совете директоров. Представителем Sequoia стал Марк Стивенс, обаятельный и общительный тридцатитрехлетний менеджер, выпускник Гарварда с дипломом MBA. Место от Sutter Hill занял Тенч Кокс, еще один выпускник Гарварда на три года старше Стивенса, столь же милый и легкий в общении. Оба носили одежду от Patagonia, так что порой их путали.

Кокс и Стивенс сходятся во мнении, что их привлекал сам Хуанг как личность, а не идеи Nvidia. «Мы поддержали этих ребят, потому что они были настоящими гениями компьютерных технологий, – поясняет Кокс. – Обычно генеральные директора стараются слушать своих клиентов, но в сфере вычислительных технологий такой подход – большая ошибка, потому что порой клиенты сами не знают, что вообще возможно сделать. Они просто не понимают, какие горизонты открыты!» Кокс отмечает, что компании вроде Intel и Microsoft в определенный момент начали испытывать трудности, перейдя к традиционному управлению: «Дженсен в первую очередь был выдающимся инженером, способным видеть перспективы».

К 1994 году Nvidia снимала офис в одном из торговых центров Саннивейла и работала над NV1. Помещения выглядели неприглядно: потертые ковры, навесные потолки в пятнах от протечек, застеленная линолеумом комната отдыха. Через вентиляцию проникали запахи из ресторана китайской кухни, расположенного рядом, а туалет приходилось делить с другой компанией. Напротив офиса находился банк Wells Fargo, облюбованный местными бандитами. «Пока мы там работали, банк ограбили дважды! – вспоминает Малаховски. – Мы видели, как это происходит, прямо из окна».

Задняя часть офиса была оборудована для отдыха. Обедали сотрудники за столом для пинг-понга, за которым Хуанг время от времени устраивал мастер-класс. В другой комнате была компьютерная лаборатория, на одном из столов посреди разобранных устройств стоял портативный телевизор, подключенный к игровой системе Sega. Эта консоль, единственная, использующая метод квадратичного текстурного отображения, была любимой платформой Прима. Он был рекордсменом в большинстве игр и часто играл даже посреди рабочего дня, откинувшись на стуле и орудуя джойстиком перед девятидюймовым экраном.

Рядом с лабораторией был конференц-зал, где Хуанг устроил свой командный пункт. Он расписал на белой доске крупными буквами бизнес-стратегию компании и обозначил дедлайны для NV1. Помимо этого, Дженсен подробно нарисовал разноцветными фломастерами архитектуру микропроцессора. Места на доске ему не хватало, поэтому рисунки Хуанга постепенно переползли на стены конференц-зала. Он никогда не учился рисовать и писать каллиграфическим почерком, тем не менее его рисунки были очень аккуратными и эстетичными; хаос ему претил.

Побывать в офисе Хуанга было все равно что заглянуть к нему в мозг. Когда члены совета директоров впервые собрались в конференц-зале, на всех произвел неизгладимое впечатление начертанный Хуангом на стенах генеральный план развития Nvidia. «У него нереально красивый почерк», – замечает Кокс.

Одним из важнейших этапов в создании микропроцессора был так называемый тейп-аут – передача проектной документации прототипа на производство для изготовления первой рабочей версии. Однажды, когда запланированный тейп-аут был уже близок, Хуанг вел заседание совета и вдруг услышал ликующие голоса за стенкой. Он поспешил в лабораторию, надеясь увидеть завершенный проект первого продукта, но вместо этого обнаружил работников толпящимися вокруг игровой консоли, на которой Прим поставил очередной рекорд в игре Road Rash. Разгневанный Хуанг конфисковал приставку и отдал ее своим детям. «Дженсен всегда был самым взрослым из нас, – отмечает один из первых сотрудников Nvidia. – Даже если все вокруг были старше него, по-настоящему взрослым все равно был он».

Nvidia избрала бизнес-модель коммерческой доступности: микросхемы производились Европе, а сборкой, дистрибуцией и розничной продажей готовых плат занимался американский поставщик Diamond. Сама Nvidia осуществляла лишь проектирование и контроль качества процессоров. С приближением даты выпуска нового чипа сотрудники засиживались допоздна и лаборатория была завалена пустыми контейнерами из-под еды и конфетными коробками.

Джефф Фишер был одним из первых сотрудников, нанятых Nvidia. Именно он снимал на VHS-камеру события того дня, когда прибыли первые прототипы NV1. На зернистом видео разношерстная группа мужчин с волнением окружает небольшой чемоданчик. Затем они его открывают и видят 15 чипов в черных корпусах. Прим вскрывает плоскогубцами один из корпусов, обнажая кремниевый кристалл размером не больше ногтя. Глядя на это крошечное чудо, мужчины начинают скакать как мальчишки, подпрыгивая и размахивая руками.

На этой записи сотрудники Nvidia одеты в модные в 1990-е плотные рубашки с броскими узорами. У многих они заправлены в джинсы без ремней. Хуанг в это время был с семьей и пропустил распаковку, на видео его нет, но на одной из фотографий того времени мы видим его в круглых очках с толстой оправой, в жилете и красно-белой полосатой рубашке. Фишер вспоминает, что рубашки Хуанга всегда были накрахмалены. «На нем все было очень, очень, очень гладким», – говорит он.

Теперь Nvidia предстояло проверить полученные прототипы. Этим процессом руководил Дуайт Диркс. Диркс родился в семье фермеров-свиноводов в Миннесоте и выглядел соответствующе даже после переезда в Кремниевую долину. Это был крупный, слегка неуклюжий мужчина, носивший просторные клетчатые рубашки и свободные джинсы. У него были светлые волосы и голубые глаза, говорил он со среднезападным акцентом – но меня несколько раз предупредили, что не стоит его недооценивать.

Диркс провел с прототипом серию графических тестов, проверяя каждый кадр на наличие ошибок. Это была кропотливая работа, сходная по сложности с покадровым монтажом фильма. По окончании проверки Nvidia исправила ошибки в проекте и вновь отправила его европейскому производителю. Но Хуанг не сидел без дела. Еще до официального запуска NV1 он уже работал над NV2, заключив контракт с Sega на разработку графического акселератора для будущей консоли Dreamcast. По условиям соглашения Nvidia снабжала NV1 звуковым чипом и контроллером-джойстиком, что позволяло Sega перенести свои игры на ПК. Главным успехом стала игра Virtua Fighter, в которой мастера боевых искусств были созданы из угловатых многогранников. В рекламных роликах игры человек, состоящий из прямоугольников, как бы пролетал сквозь телеэкран.

Необходимо было выпустить процессор как можно быстрее. К 1995 году рост рынка 3D-графики превзошел самые смелые ожидания Хуанга. Это произошло в первую очередь благодаря двум игровым хитам. В сентябре 1993 года вышла Myst – хитроумный квест, действие которого разворачивалось на загадочном острове. Игра стремительно заняла первое место в списках продаж. Еще через три месяца появилась Doom, сюжет которой представлял собой смесь научной фантастики с ужасами. Герой бродил по Марсу, расстреливая чудовищ из дробовика. Концепции этих двух игр были противоположными, но обе продавались миллионами копий и заставляли геймеров штурмовать магазины, торговавшие графическими акселераторами.

Выпущенный осенью 1995 года NV1 попал на крайне насыщенный рынок. В магазинах электроники в рождественский сезон у покупателей был выбор из десятков графических процессоров разных производителей. Помимо Nvidia, это были Matrox, S3, 3dfx, Cirrus Logic и ATI. Ситуацию усложняли партнеры Nvidia: наборы микросхем Nvidia они продавали под брендом Diamond Edge, параллельно реализуя конкурирующие микросхемы 3dfx под маркой Diamond Monster.

Пестрые коробки этих устройств поражали своей безвкусицей, полки магазинов, ранее аккуратно уставленные строго упакованными модемами и принтерами, превратились в психоделический хаос. При этом продукция была отнюдь не дешевой: карта Diamond Edge на базе NV1 стоила 249 долларов, что превышало стоимость Super Nintendo. Вскрыв аляповатую коробку, можно было найти еще более аляповатую зеленую плату, усыпанную конденсаторами и микросхемами. Она выглядела хрупкой, одноразовой; впрочем, графические акселераторы на самом деле быстро устаревали и требовали замены раз в несколько лет.

Наиболее важным показателем в расчетах Хуанга было количество покупателей, готовых участвовать в этом дорогостоящем марафоне обновлений. Таких оказалось больше, чем можно было предположить. Разработчики игр, вдохновленные успехом Myst и Doom, обратили свои взоры к ПК, что освободило их от ограничений Sega и Nintendo. Именно в это время появились культовые видеоигры вроде Civilization II и Command & Conquer, завораживающие геймеров возможностями бесконечных повторных прохождений и необходимостью постоянно принимать решения, от которых зависело дальнейшее развитие сюжета. Компьютерные игры не всегда были чисто развлекательными, но теперь стали настолько притягательными, что игроки тратили на них часы и даже дни. Тот, кто не поскупился на качественную видеокарту, погружался во взлеты и падения империй и пропадал в виртуальном мире, пока картинка перед глазами не начинала плыть и в окне не занимался рассвет.

К концу года Nvidia удалось продать более 100 000 акселераторов NV1, в основном благодаря популярности игры Virtua Fighter, которая шла в комплекте. Уверенный в своем продукте, Хуанг начал активно увеличивать штат, и очень скоро в Nvidia было уже более 100 сотрудников. «Внезапно мы стали похожи на настоящую компанию, – усмехается Диркс. – Рождественская вечеринка в том году удалась на славу».

Однако в начале 1996 года обнаружились первые проблемы. Наигравшись в Virtua Fighter, пользователи обнаружили, что с другими играми NV1 справляется с трудом. Большинство разработчиков предпочитали строить 3D-объекты с помощью треугольников, а не квадратов. «В изображении не было буфера глубины, отображались только изогнутые поверхности, – рассказывает Тим Литтл, разработчик игр, работавший с NV1. – Из-за этого было очень сложно сортировать объекты на экране». Это приводило к серьезным ошибкам, когда игровые персонажи проваливались сквозь тротуар или проходили сквозь стену. В худших случаях NV1 полностью переставал взаимодействовать с Windows, вызывая печально известный синий экран смерти. «Это было катастрофой», – замечает Литтл.

Из-за ограниченного количества поддерживаемых игр продажи NV1 снизились, а недовольные покупатели начали возвращать платы в магазины. Через несколько месяцев Диркс зашел в Fry's Electronics и увидел на полках десятки броских коробок с уцененными Diamond Edge. Nvidia многократно увеличила штат и расходы на зарплату, а спрос на ее единственный продукт исчез.

Тем временем разработчики игр начали отказываться от экспериментального подхода Прима. В 1995 году, устав бороться с системными сбоями, вызванными сторонними графическими устройствами, компания Microsoft объявила о запуске собственного стандарта DirectX для игр. Этот стандарт поддерживал только изображение, строящееся из треугольников, ставя серию NV в еще более сложное положение. Несмотря на многообещающее начало, процессор NV1 оказался разочарованием.

Спустя десятилетия Прим продолжает защищать свою первую видеокарту, но двое других основателей с досадой вспоминают о ней, горько покачивая головами. (Хуанг называет NV1 «катастрофой», а Малаховски попросту «куском дерьма».) А хуже всего было то, что Nvidia строила цепочку поставок вокруг будущих версий того же устройства. Генеральный план Хуанга предусматривал выпуск на основе той же архитектуры не только NV2 для Sega, но и NV3. Теперь его аккуратно расписанную стратегию и сложные диаграммы пришлось забыть, и только чернильные пятна на доске и на стенах конференц-зала напоминали о них. «Мы все упустили, – говорит Хуанг о том периоде. – Все решения, которые мы принимали, оказались ошибочными».

Впервые переступив в 1996 году порог офиса Nvidia, Дэвид Кирк сразу же понял, что компания обречена. Кирк был признанным экспертом в области компьютерной графики и консультировал фирмы по всей Кремниевой долине, то есть отлично разбирался в теме. На его глазах множество стартапов, в том числе и его собственный, потерпели фиаско, и у Nvidia он сразу заметил все признаки подступающего банкротства. Сотрудники выглядели усталыми и подавленными, продукт не продавался, а якобы дружные основатели погрязли в «технических спорах», которые давно вышли за рамки чисто производственных. Кирк был настроен скептически и соглашался работать в Nvidia только при условии, что в конце каждой недели будет получать банковский чек. Он не был уверен, что очередная неделя его работы в компании не станет последней.

В Nvidia царило уныние. Незадолго до прихода Кирка Хуанг сообщил сотрудникам, что неудача NV1 будет иметь неприятные последствия. Он честно сказал, что деньги заканчиваются, а от первоначальной архитектуры NV1 придется отказаться. Единственной возможностью как-то поправить положение был разрыв с Sega и налаживание сотрудничества с Microsoft, чтобы обойти остальных производителей в создании доступной микросхемы нового образца. Увы, этот «маневр» означал, что большинство сотрудников придется уволить. Оставшаяся команда должна была трудиться на износ, пока Дженсен искал, на чем сэкономить, чтобы в рекордные сроки спроектировать, изготовить и выбросить на рынок универсальный графический акселератор.

Вслед за своим заявлением Хуанг сократил штат более чем в три раза, оставив всего 35 инженеров. Пришедшему в тот момент в компанию Кирку офис показался мрачным и заброшенным. Под люминесцентными лампами расположились ряды низких кабинок, в основном пустующих. В задней части стоял «аппаратный эмулятор» – странное громоздкое устройство, на которое Хуанг потратил последние деньги компании. Будущее Nvidia зависело от работы этой загадочной машины. Эмулятор позволял создавать и проверять виртуальные модели микросхем, пока существующие только в виде кода. Машина была огромной, работала медленно и казалась недоделанной: все ее внутренности торчали наружу, на пол вываливались клубки спутанных кабелей. Она была слишком велика, чтобы поместиться в лаборатории, поэтому пришлось освободить для нее место в комнате отдыха, потеснив стол для пинг-понга.

Хуанг рассчитывал, что эмулятор позволит исключить затратный процесс создания физического прототипа и перейти сразу к массовому производству, имея в распоряжении лишь виртуальный проект. Ни одна компания в отрасли раньше ничего подобного не делала, но это должно было сработать. Работа на эмуляторе шла круглосуточно: Диркс занимался им днем, а Кирк – ночью.

Спустя несколько недель Кирк понял, что у него появилась вторая, неофициальная роль в Nvidia: переубеждать Кёртиса Прима. Кирк был автором технологии квадратичного отображения, которая использовалась в NV1, но теперь призывал отказаться от нее. «Это была всего лишь одна из моих идей, – говорит Кирк. – У меня было полно других». Но Прим был ярым приверженцем этой технологии, и то, что Кирк, ведущий мировой эксперт в данной области, отрекся от нее, только усилило его упрямство. Он был идеалистом, не желающим идти на компромиссы в угоду финансовым интересам. «Кёртис ориентируется на конечный результат, – замечает Малаховски. – И совершенно не думает о таких мелочах, как, например, сохранение бизнеса».

Вскоре Кирк понял, что за спорами об использовании квадратичного отображения кроется нечто иное, куда более существенное: скрытое выяснение, кто главный в Nvidia. Прим как технический директор стремился полностью самостоятельно формировать технологический курс компании. Хуанг как генеральный директор хотел, чтобы покупатели перестали возвращать видеокарты в магазины. Миротворец Малаховски, казалось, вообще утратил контроль над ситуацией. К приходу Кирка проходившие ранее за закрытыми дверями споры об архитектуре процессоров превратились в громкие ссоры на глазах у растерянных сотрудников.

Многие говорят, что работать с Примом было непросто. «Мы с Кёртисом не очень ладили, – признается Кирк (выражаясь при этом более корректно, чем другие). – Он был великолепным специалистом, но не умел находить общий язык с людьми». Прим действительно был странноватым, он любил находить мудреные решения простых проблем. Одним из примеров служил его подход к проблеме спама: вместо того чтобы использовать фильтры, как все, он создавал тысячи адресов электронной почты, по одному для каждой переписки.

Но даже Прим не мог переупрямить Хуанга. Дженсен излагал свою точку зрения спокойно и рассудительно, но после этого можно было считать, что вопрос решен и точка поставлена, так что у собеседника оставалось два варианта: либо согласиться с Хуангом, либо попытаться возражать и ждать неизбежного взрыва. Те, на кого он впервые обрушивал свою ярость в присутствии коллег, были в шоке. Это был знаменитый гнев Хуанга.

Причины подобных взрывов оставались загадкой даже для тех, кто хорошо знал Хуанга. Йенс Хорстманн, его ближайший друг, рассказывает, что, пока Хуанг работал в LSI Logic, подобное за ним не наблюдалось; только заняв пост генерального директора, он стал регулярно выходить из себя. «Я никогда не забуду, как впервые увидел его в таком состоянии, – вспоминает один из сотрудников Nvidia. – Я проработал там пару месяцев, и Дженсен всегда казался обаятельным и самокритичным. И вдруг он начинает орать на глазах у сотни людей».

Наличие зрителей было важно для Хуанга: он предпочитал отчитывать сотрудников перед всеми, чтобы другие могли извлечь из этого урок. («Неудачи должны быть общими», – говорил он.) Если в выполнении проекта возникали проблемы, Хуанг требовал, чтобы ответственный за это встал и объяснил присутствующим, в чем причина. Затем он устраивал беспощадный анализ работы этого сотрудника. Такие «корпоративные ринги» нравились не всем. «Было сразу видно, кто здесь приживется, а кто нет, – говорит Диркс. – Если кто-то начинал возражать, становилось ясно, что этому человеку не место в Nvidia».

Диркс считает, что Хуанг выплескивал гнев вполне осознанно. «Он никогда не кричал на кого-то просто так, – объясняет он. – Он ждал общего собрания, чтобы у всех была возможность научиться чему-то на чужих ошибках». Однако критика Хуанга не всегда была конструктивной, иногда она сводилась к жестким словесным атакам. Один бывший сотрудник вспоминает случай, когда он провалил несущественное задание. Хуанг обратился к нему перед тремя десятками руководителей, спросив, как давно тот работает в компании и сколько получает. Сотрудник робко ответил, после чего Хуанг подсчитал общую сумму его премий за все время работы и потребовал вернуть деньги. Это было не слишком похоже на шутку. «Он говорил вполне серьезно, – сказал этот человек. – После этого я практически не спал три недели».

Наблюдать за проявлениями гнева Хуанга было почти так же неприятно, как и оказаться объектом этого гнева. Несколько сотрудников Nvidia признавались, что им было сильно не по себе, когда Хуанг распекал кого-то из коллег. По словам Кирка, Хуанг кричал на него всего один раз – когда тот попытался защитить другого человека. «Дженсен буквально пытал этого парня, я не выдержал и решил вмешаться. И в ту же секунду я превратился в мишень! Как будто ты стоишь на поле боя и оружие нацелено на кого-то другого, а ты говоришь: "Стоп, прекратите огонь!" – и тут ствол разворачивается в твою сторону».

У Прима была равная с другими соучредителями доля в Nvidia, и документы о регистрации были подписаны в его доме. Это он пригласил Хуанга возглавить компанию, хотя мог бы выбрать кого-то другого. Как отмечает Малаховски, в работе они всегда придерживались негласного правила: не вмешиваться в дела друг друга. Хуанг занимался бизнесом, Прим – технологиями. Поэтому было вполне понятно, что Прим воспринял нарушение Хуангом этого правила как предательство.

Однако у него не было реальной власти. Несмотря на то что ему принадлежало около десятой части акций Nvidia, Прим не стремился попасть в совет директоров, да его, как и Малаховски, туда и не приглашали. Хуанг убедил обоих, что только он как генеральный директор должен быть в совете, – и Малаховски с Примом, которые настолько не любили тратить время на бизнес, продажи и совещания, что предпочли нанять человека со стороны руководить компанией, покорно согласились с ним. А поскольку совет директоров держал курс на сотрудничество с Microsoft, Хуанг просто пренебрег мнением Прима. И что Прим мог с этим поделать?

Предстоял еще один болезненный разговор. Sega согласилась выплатить Nvidia миллион долларов после получения рабочих прототипов NV2. В середине 1996 года Хуанг доставил эти прототипы – единственные микросхемы в своем роде. Со всей деликатностью Хуанг сообщил Sega, что Nvidia не будет участвовать в создании консоли Dreamcast, так как планирует далее работать с Microsoft, но выразил надежду, что, поскольку прототипы поставлены, то есть условия контракта выполнены, Sega все равно заплатит, иначе Nvidia обанкротится. «Надо сказать, учитывая обстоятельства, они восприняли это довольно хорошо», – говорит он.

Деньги, полученные от Sega, Хуанг использовал для покупки эмулятора. Это были последние средства Nvidia. К тому времени в Nvidia уже начали сортировать неоплаченные счета по срочности. Сначала платили поставщикам, затем коммунальным службам и в последнюю очередь сотрудникам. Но, что бы ни случилось, Хуанг был полон решимости выплачивать зарплату до того дня, когда отключат электричество.

Использование эмулятора было отчаянной авантюрой. Если бы хоть один из миллионов транзисторов новой платы NV3 был спроектирован неправильно, компания разорилась бы. Но Хуанг никогда не боялся рисковать. Большую часть жизни он стремился быть первым – в учебе, в спорте, в карьере. Но теперь Дженсен на своей шкуре испытал, каково это – быть последним. Глядя на длинную очередь опередивших его конкурентов, Хуанг осознал, что последнее место чем-то даже лучше середины. Компания, которой нечего терять, может делать что угодно. Например, пробовать обходные пути, которыми не решались пойти другие.

Разумеется, тем, кто трудился на эмуляторе, последнее место в гонке не казалось таким уж привлекательным. Видеоигры тех лет передавали изображение с частотой около 30 кадров в секунду, создавая иллюзию движения. Однако эмулятор позволял все сделать наоборот: он мог показывать один кадр в 30 секунд, разрушая иллюзию движения. Под руководством Диркса инженеры раз за разом просматривали демонстрационный ролик на этой мучительно медленной скорости. Анализ длился недели, но со временем эмулятор доказал свою полезность. «Нам удалось сократить обычный двенадцатимесячный цикл разработки примерно до трех месяцев», – рассказывает Диркс.

Когда дневная смена Диркса заканчивалась, его сменял Кирк. Часто он оставался в офисе ночью один и снимал стресс, стреляя из пластикового пистолета и побивая на Sega рекорды Прима в шутере Virtua Cop. «Как только ты понимаешь механику игры, становится ясно, как ее пройти, – говорит Кирк. – А заодно можно было побесить Кёртиса». По мере того как эмуляция близилась к завершению, напряжение между Хуангом и Примом нарастало. Прим вспоминает, как они однажды схлестнулись прямо в коридоре из-за какого-то технического вопроса. «Я сказал Дженсену, чем ему следует заняться, а он стал орать о том, что ему приходится делать, – вспоминал Прим. – В тот момент я осознал, насколько одиноким он себя чувствует».

Еще одним преимуществом позднего выхода на рынок было то, что легко было предвидеть действия конкурентов. Чтобы привлечь внимание, они предоставляли бета-версии своих продуктов СМИ и профильным интернет-сайтам. Кирку удавалось задействовать свои связи и выяснить, на что способна продукция конкурентов. Поскольку Nvidia решила пропустить стадии изготовления прототипов и публикации предварительных обзоров, времени хватило, чтобы внедрить такие же возможности в NV3.

Тейп-аут для NV3 был завершен в начале 1997 года. Отправив чертежи в Европу для запуска производства графических процессоров, три десятка сотрудников Nvidia собрались отпраздновать это событие за кружкой пива в соседнем торговом центре. Дженсен произнес тост, но, как он признавался позже, в тот момент совершенно не был уверен в успехе NV3. «Вероятность была пятьдесят на пятьдесят, – сказал он мне, – но нам было все равно, мы и так уже были фактически банкротами». Пока шло производство чипов, Дженсен предложил Кирку постоянную работу и выплатил невероятно щедрую компенсацию акциями. Хотя это и означало работать под началом Кёртиса Прима, Кирк решил, что человек в здравом уме не должен от такого отказываться. Хуанг придумал для него должность руководителя исследовательских работ.

Долгожданные схемы NV3 прибыли в конце весны. Будущее компании зависело от того, соответствуют ли эмуляции все 3,5 миллиона транзисторов в каждом экземпляре. Диркс подключил видеокарту к тестирующему устройству и запустил демонстрационный видеоролик. Все впервые увидели, как на экране плавно и безукоризненно воспроизводится движение с частотой 30 кадров в секунду.

Хотя NV3 в основном копировала устройства других производителей, у нее были и уникальные функции. Во-первых, она могла передавать 128 бит данных за раз, что вдвое превышало среднеотраслевой стандарт. Во-вторых, была универсальна, как швейцарский нож: ее можно было использовать в играх, проектных программах, для воспроизведения видео. Чтобы подчеркнуть эти широкие возможности, NV3 переименовали в Real-Time Interactive Video and Animation accelerator, или Riva 128.

Микросхемы распространяли через партнеров Nvidia, которые устанавливали их на платы и продавали в магазинах вроде Best Buy. В августе 1997 года, когда видеокарты начали поступать в продажу, Nvidia работала на износ. «Пар из ушей, – говорит Хуанг. – Больше нам ничего не оставалось». Nvidia, не представившая публике предварительных образцов, теперь вынуждена была уговаривать журналистов уделить ей внимание. К счастью, продукт им понравился. Один обозреватель даже написал: «Этот акселератор, способный отрисовывать до пяти миллионов треугольников в секунду, – лучший, который сейчас есть в продаже». В первые четыре месяца Nvidia продала миллион карт Riva.

Запустив Riva, Хуанг вложился в эмуляторы и отказался от физических прототипов. «По сей день мы крупнейшие пользователи эмуляторов в мире», – отмечает он. Можно понять, почему в отрасли предпочитали физические прототипы: представьте машину, которая поступила в продажу, ни разу не проходя краш-тест. Тестирование прототипов казалось разумным. Но Дженсен, трудоголик, работавший круглыми сутками и запрещавший сотрудникам играть в игры на работе, понимал, что рисковать необходимо. NV1, передовая разработка, в которой использовались актуальные востребованные технологии, провалилась. NV3, вторичный продукт, созданный в спешке в ситуации, когда терять уже нечего, стал успешным. Так что риск оказался оправданным.

Этот опыт открыл Хуангу глаза на многое. К победе привело отчаяние, а не вдохновение. Теперь Хуанг призывал сотрудников сохранить боевой дух, вызревший во время кризиса, и работать так, будто компания балансирует на краю провала, даже когда дела идут отлично. Много лет подряд Дженсен начинал свои выступления фразой «Нам осталось тридцать дней до банкротства». И сегодня в Nvidia эта фраза остается корпоративной мантрой.

Последняя ссора между Дженсеном Хуангом и Кёртисом Примом продолжалась почти целый день. Произошло это в 1998 году. Никто уже не помнит, с чего все началось, но они сцепились в конференц-зале, осыпая друг друга оскорблениями. Время от времени они замолкали, пытаясь взять себя в руки, но затем снова срывались на крик. Прошло несколько часов, оба уже охрипли, и хотя сотрудники Nvidia более-менее привыкли к подобным сценам, на этот раз им стало казаться, что ситуация достигла критической точки и разрыв неминуем. Первым не выдержал Прим. Резко развернувшись, он проследовал в свой кабинет и заперся, громко хлопнув дверью. Когда он вышел, то наотрез отказался разговаривать с Хуангом.

Прим своим упрямством окончательно исчерпал запас терпения окружающих. При разработке NV1 ему предоставили полную свободу действий, возможность создать именно то, что он хотел, но его амбиции разбились о зрелище забитых нераспроданными видеокартами полок в магазинах. Ранее в том же 1998 году Хуанг повысил Дэвида Кирка, сделав его соразработчиком архитектуры процессоров Nvidia и тем самым уравняв в правах с Примом, бывшим до этого его начальником. После этого Прим повел себя по-ребячески, закрыв ряду сотрудников доступ к производственной базе данных. Так он пытался восстановить свое влияние, но на деле лишь мешал работать.

Крис Малаховски, который раньше сглаживал конфликты, на этот раз сдался. По решению совета директоров Nvidia наняла специалиста по конфликтам. «Эта женщина до нас работала с Джоном Скалли и Стивом Джобсом в Apple, и в итоге Джобс был уволен, – рассказывает Прим. – Она сказала, что у нас с Дженсеном все намного хуже». К тому моменту в руководстве Nvidia уже ходила поговорка «Никогда не позволяйте Кёртису разговаривать с инвесторами и клиентами». Сам Прим позже признавал: «Это было справедливо».

В итоге после работы со специалистом по конфликтам Прим был дважды понижен в должности. Некоторое время он был техническим советником Кирка, но его это не устраивало. «Он отказывался работать под моим руководством и вообще под руководством кого-либо из бывших подчиненных», – рассказывает Кирк. Потом Приму поручили управление патентным портфелем Nvidia – должность, которая фактически вывела его за рамки процесса принятия решений в компании. Под началом Кирка в итоге оказалась почти тысяча сотрудников Nvidia. Прим впоследствии никогда уже не руководил более чем четырьмя.

Несмотря на пережитые унижения, Прим сохранил свою долю в компании. И Хуанг, и Малаховски продолжали считать его другом, и когда Прим через год после второго понижения, в 1999 году, женился, Малаховски был его шафером. Прим был человеком, который когда-то увидел потенциал рынка видеоигр, дал компании имя и приютил стартап в собственном доме, но с 1998 года он фактически не имел отношения к успехам Nvidia.

Правой рукой Хуанга стал Дэвид Кирк. Выходец из академической среды был не в восторге от напряженной рабочей атмосферы Кремниевой долины. Когда я впервые беседовал с ним, он звонил мне по видеосвязи с Гавайев. На нем была футболка с надписью «Университет прокрастинации», в руке он держал бокал вина. Он был больше похож на модного профессора, на лекции которого выстраивается очередь, чем на предпринимателя. Но несмотря на внешнюю интеллигентность, Кирк был безжалостен по отношению к конкурентам. Жизнь закалила его с ранних лет. Отца-алкоголика он практически не знал, в детстве часто болел и рос хилым. Но испытания лишь укрепили его дух. «Те, кто утверждает, что победа неважна, просто никогда не побеждали», – говорит он своим мягким голосом.

Кирк, как и Хуанг, обладал не только глубокими техническими знаниями, но и определенной хитростью. К тому времени, когда Nvidia наконец-то достигла успеха, многие стартапы-конкуренты терпели неудачи. Хуанг, не желая упускать возможности усилить команду, написал на белой доске список конкурентов. Затем они с Кирком выяснили имена наиболее перспективных инженеров в каждой компании и стали разрабатывать стратегию их переманивания.

Кирк вспоминает, как демонстрировал Riva 128 на выставке инженеру из конкурирующей фирмы. Увидев возможности видеокарты, тот развел руками. «Я переманил его буквально за пару дней, и это фактически похоронило ту компанию, понимаете? – рассказывает Кирк. – По сути, я лишил их главного интеллектуального ресурса». Несмотря на внешнее добродушие и профессорский облик, у Кирка были инстинкты хищника: «Мы собрали всех гениев из других стартапов, и по мере того, как переманивали их из этих мелких компаний, оставшимся становилось все труднее выживать».

В далеком 1993 году Хуанг представлял за чашечкой кофе в Denny's, как будет делить огромный рынок с многочисленными конкурентами. К 1998 году делиться ему расхотелось. «В нашей сфере около сорока компаний, – сказал он Кирку. – Через пять лет их должно остаться три: одна крупная, доминирующая, одна отстающая, пытающаяся догнать, и одна маленькая, стремящаяся подорвать позиции двух первых». Хуанг рассчитывал, что доминировать будет Nvidia.

Он оказался замечательным предпринимателем, однако не являлся им от природы. У него не было бизнес-образования, он нередко путался в базовых понятиях бухгалтерского учета. «Сначала он многого не понимал», – вспоминает Тенч Кокс. Тем не менее Хуанг обладал огромным желанием учиться. Он занялся самообразованием и читал все книги о бизнесе, которые попадались на глаза. «Если сегодня зайти в его кабинет, то он покажется заброшенным: Хуанг там практически не появляется, – рассказывал мне один из сотрудников. – Но он весь завален книгами по бизнесу».

По меркам образованных людей Хуанга нельзя назвать начитанным. В Кремниевой долине популярностью пользовались такие книги, как «Источник» Айн Рэнд, серия «Основание» Айзека Азимова и «Автостопом по галактике» Дугласа Адамса. Хуанг не читал ни одну из них. Он признался мне, что за всю жизнь не прочел ни одного произведения в жанре научной фантастики, а единственный беллетрист, чьи книги ему нравятся, это Пауло Коэльо.

Однако в области бизнеса он обладает поистине энциклопедическими знаниями. Дуайт Диркс вспоминает, как однажды Хуанг поспорил с одним из топ-менеджеров компании о том, сколько должна стоить продукция Nvidia. «У парня была магистерская степень по бизнесу, но он не читал ничего по ценообразованию, – рассказывает Диркс. – А Дженсен прочитал на эту тему книг десять или пятнадцать». В разгаре спора Хуанг прервал обсуждение и попросил обладателя диплома MBA назвать три его любимые книги о ценообразовании. Тот замялся, но не вспомнил ни одну. Тогда Хуанг перечислил три свои любимые книги на эту тему и сказал, что разговор будет продолжен только после того, как оппонент их прочитает.

Любимой книгой Хуанга стала «Дилемма инноватора» профессора Гарвардской школы бизнеса Клейтона Кристенсена. Это произведение, впервые изданное в 1997 году, ввело в обращение понятие «подрывные инновации», объясняющее, почему солидные компании проигрывают конкурентам-стартапам. Хотя слово «подрыв» со временем обесценилось из-за чрезмерного использования, концепция Кристенсена до сих пор актуальна. Он считал, что небольшие фирмы могут обходить крупные, обращаясь к нишевым, малоприбыльным клиентам, которыми пренебрегают лидеры рынка.

Говоря о подрывных инновациях, Кристенсен имел в виду не только высокие технологии. Подобные инновации могут возникать и в сфере переработки металлолома, и в производстве гидравлических экскаваторов, и в других областях. Классическим примером служит Honda, которая в начале 1960-х добилась успеха, продавая внедорожные мотоциклы Honda Super Cub американским подросткам (Beach Boys даже написали песню об этом мотоцикле). Крупные фирмы, такие как GM, игнорировали рынок внедорожных мотоциклов, считая, что выгоднее продать Cadillac респектабельному бизнесмену, чем Super Cub юному Брайану Уилсону. Однако тем самым GM дала Honda шанс на успех. Впоследствии Honda использовала полученное преимущество, создав малолитражный автомобиль и атаковав автомобильный рынок США в нижней нише.

Главное прозрение Кристенсена заключалось в том, что подниматься вверх по лестнице прибыльности легче, чем спускаться по ней. Спуск означает сознательное сокращение рентабельности путем выпуска дешевых товаров более низкого качества, что обычно вызывает недовольство инвесторов и создает у руководителей ощущение топтания на месте. Это привело Кристенсена к его основной и при этом парадоксальной рекомендации: «Иногда имеет смысл не слушать потребителя и вкладываться в продукты более низкого качества, получая более низкую маржу, и ориентироваться на малые рынки, а не на крупные». Этот принципиальный момент обычно упускался из виду, когда в популярной прессе обсуждают тему «подрыва».

Дженсен Хуанг стал буквально одержим идеями Кристенсена, этого огромного добродушного бывшего баскетболиста и мормона-проповедника. Он изучил все его труды, рекомендовал всем топ-менеджерам Nvidia прочесть «Дилемму инноватора» и позже нанял самого Кристенсена в качестве консультанта. Именно Кристенсен объяснил, почему такие гиганты, как Sun и Silicon Graphics, не стали вкладываться в аппаратное обеспечение для ПК-игр: дело было не в презрении к геймерам, а в том, что прибыльность по сравнению с рабочими станциями была ничтожной, а успех или неудача на игровом рынке не оказали бы серьезного влияния на финансовые показатели.

Однако уступив Nvidia рынок ПК-игр, компании – производители рабочих станций допустили серьезную ошибку – ту же, что допустила GM, недооценив Honda. Nvidia, как когда-то Honda, продавала подросткам товары по низкой цене и по аналогии с Honda в дальнейшем могла бы составить конкуренцию таким гигантам, как Sun Microsystems и SGI. Временами Дженсен обсуждал со своей командой даже возможность потеснить Intel, которая на тот момент была одной из самых дорогостоящих компаний в мире.

Пока же на территории, занимаемой Intel, Nvidia выживала, применяя стратегию постоянного тактического отступления. «Мы до сих пор не конкурируем с Intel, – заявил Хуанг в 2023 году, сравнив отношения компаний с приключениями героев мультфильмов Тома и Джерри. – Как только они оказываются слишком близко, я беру свои микросхемы и убегаю». Следуя идеям Кристенсена, Nvidia должна была выпускать нестандартные продукты, которые Intel никогда бы не стала производить, для клиентов, которые флагману неинтересны. «Дженсен давно говорил нам, что однажды Nvidia превзойдет Intel, – вспоминает Кирк. – Он считал, что это лишь вопрос стратегии».

Спрос на карты Riva от Nvidia превысил производственные возможности европейского поставщика, и Хуанг начал искать других партнеров. По единодушному мнению, лучшим независимым производителем микросхем была Taiwan Semiconductor Manufacturing Corporation. В ее огромном заводском комплексе в Тайнане производилась значительная часть мирового объема кремниевых полупроводников. TSMC не занималась разработкой собственных чипов, она предоставляла производственные услуги таким клиентам, как Nvidia.

Развитие независимых производств, не связанных с разработчиками, способствовало волне инноваций в вычислительных технологиях, поскольку стартапы могли сфокусироваться на экспериментах с революционными технологиями. TSMC выполняла заказы с непревзойденной точностью и качеством, что обеспечивалось высочайшей дисциплиной на предприятии. Работники описывали корпоративную культуру в компании как «армейскую», а график работы был 9–9–6, то есть они трудились с девяти утра до девяти вечера шесть дней в неделю.

Хуангу не сразу удалось договориться с TSMC. Сначала он отправил руководству компании несколько голосовых сообщений, которые остались без ответа. Затем, не слишком надеясь на ответ, отправил письмо Моррису Чангу, генеральному директору компании. Через некоторое время в офисе Хуанга раздался звонок. Это случилось в конце рабочего дня, и многие сотрудники расслаблялись, закончив трудиться. «Кругом стоял шум, я снял трубку, но почти ничего не слышал из-за галдежа, – рассказывает Хуанг. – И тогда я крикнул: "Эй, ребята, потише, это Моррис!"» (Малаховски приводит другой вариант фразы Хуанга: «А ну заткнулись все, у меня Моррис Чанг на линии!»)

Вся жизнь Морриса Чанга была связана с производством полупроводников. Он родился в Китае в 1931 году и подростком эмигрировал в США. Много лет успешно работал в Texas Instruments, но в 1970-х годах не получил место в топ-менеджменте, на которое рассчитывал, – по мнению некоторых, из-за расовых предрассудков. После этого он переехал на Тайвань и возглавил TSMC, которая под его руководством стала крупнейшей технологической корпорацией Азии.

Чанг сразу проникся симпатией к Хуангу. «Они были очень маленькой компанией фактически на грани банкротства, – вспоминает Чанг. – А я был уже в возрасте и управлял намного более крупной организацией. Но он показался мне таким открытым и искренним! И общался так непринужденно». Вскоре они заключили контракт.

У Чанга и Хуанга было много общего. Оба были китайскими иммигрантами и работали в технологическом секторе, который тогда практически всецело контролировался белыми мужчинами. Несмотря на то что азиатские сотрудники оставляли значительную часть работников технологических компаний Кремниевой долины, их практически не было на руководящих должностях. (По данным на 2010 год, доля американцев азиатского происхождения в корпоративном менеджменте составляла всего 0,3%, хотя среди квалифицированных рабочих в США их было более 5%. Консультант по менеджменту Джейн Хён называет это явление «бамбуковый потолок».) Когда я спросил об этом Хуанга, он отмахнулся, дав понять, что вопросы идентичности его не слишком волнуют. «Да, я был единственным гендиректором-китайцем в то время, – сказал он, – но никогда особо об этом не задумывался. Да и сейчас не задумываюсь». Чанг вообще отказался обсуждать эту тему.

Сотрудничество с TSMC имело критическое значение для долгосрочного успеха Nvidia, но чуть не закончилось провалом, едва начавшись. В начале 1998 года из-за производственной ошибки во многих микросхемах возникали короткие замыкания. Эта ошибка опять едва не погубила Nvidia, поскольку компания вложила значительные средства в производство этой партии. Более половины чипов пришлось списать, и Nvidia удалось спастись, лишь продав часть акций своим партнерам-производителям. «Мы тогда снова оказались на грани банкротства, – вспоминает Диркс. – Я не преувеличиваю».

Со временем отношения между Nvidia и TSMC стали чрезвычайно выгодными для обеих сторон, особенно по мере усложнения чипов Nvidia. Для Хуанга это сотрудничество имело и личное значение: он смог вернуться на Тайвань, где не был с детства. Впервые оказавшись на фабрике TSMC в конце 1990-х, Хуанг попал в одно из самых стерильных мест на планете. Надев бахилы, перчатки и шапочку, он вошел в воздушный душ, встал на липкий коврик и поднял руки. Комбинезон развевался на ветру, пока расположенный вверху вентилятор сдувал пух, волосы и пыль. Пройдя через шлюз, он попал в производственный цех, в который сквозь решетчатый потолок постоянно поступал поток воздуха.

Здесь находились священные светопечатные машины, наносящие узоры на зеркальные кремниевые пластины. Никто не смел притронуться к ним, ведь процесс был настолько деликатным, что даже колебания пола, вызванные шагами, могли его нарушить. После нескольких недель послойной обработки пластины разрезались на отдельные чипы пилкой с алмазным напылением, а потом отправлялись на упаковку. В хороший год фабрики TSMC производили десятки миллионов чипов.

Покинув предприятие, Хуанг отправлялся на знаменитые ночные рынки, чтобы насладиться любимой с детства тайваньской кухней. Он свободно владел языком и вполне мог сойти за местного, хотя мало что помнил о Тайване, за исключением одного случая, врезавшегося в память. В четырехлетнем возрасте он однажды подошел слишком близко к уличному торговцу, чистящему нож, и тот нечаянно порезал его щеку. Шрам остался на всю жизнь.

Как бы ни были велики его слава и богатство, Хуанг никогда не упускал возможности посетить ночные рынки. Приезжая на Тайвань, он непременно угощался традиционным местным блюдом – говяжьим супом с лапшой. Лучше всего его есть, примостившись на пластмассовом стуле на обочине оживленной улицы. Ковыряя одноразовыми палочками тушеные говяжьи ребра и горчицу, Хуанг представлял союз его разношерстной американской команды с великой тайваньской девой[6].

Разработчики «железа» постоянно разочаровывали Джона Кармака. Он был ведущим программистом при создании Doom и Quake, настоящим виртуозом кода, и очень придирчиво относился к качеству графических процессоров, от которых зависел успех его игр-бестселлеров. Для освещения коридоров космической станции в игре большинство программистов использовали бы стандартные алгоритмы, но команда Кармака придумала собственный подход, изменив внутреннюю структуру базовых переменных. Для этого ему пришлось работать с потоком информации буквально на уровне единиц и нолей. Один из свидетелей его работы назвал ее «самым прекрасным кодом, который когда-либо существовал».

Кармак был худощавым блондином, не блиставшим навыками общения. Говорил он быстро и слегка гнусаво, время от времени перемежая свои технические комментарии задумчивым мычанием. Погрузившись в работу, он мог трудиться по 14 часов в сутки и неделями ни с кем не общаться. А выходя из добровольного заточения, он обычно предъявлял миру нечто потрясающее. Quake, его шедевр, стал первым бестселлером среди трехмерных шутеров. Полигональные монстры, которых нужно было расстреливать из гвоздемета, отрисовывались при помощи графического акселератора. (Звуковое сопровождение к игре написал Трент Резнор.) В не менее кровавой игре Quake II герой отправлялся на далекую планету, чтобы сразиться с ожившими киборгами, сшитыми из человеческих останков. (Игра вышла, когда я учился на первом курсе колледжа, и изрядно затормозила мой академический прогресс.)

В обеих играх был предусмотрен режим «смертельной схватки», позволявший устраивать многопользовательские бои. Благодаря инженерным находкам Кармака игры Quake работали более плавно, чем все остальные, но одновременная отрисовка десятков участников в одном игровом пространстве оставалась сложной задачей. «Мы хотели, чтобы игра реагировала быстрее, позволяя участникам эффективнее уничтожать противника, – говорит Кармак. – Большинство существовавших графических акселераторов не могли обеспечить такой результат».

Это была прекрасная возможность для Хуанга. Теперь консоли Sega в офисе Nvidia простаивали без дела. Quake завоевала сердца всех; коллектив настолько пристрастился к игре, что Хуанг запретил устраивать сражения днем. Некоторые производители ПК, например Dell, стали устанавливать графические акселераторы Nvidia непосредственно в свои компьютеры, чтобы пользователям не приходилось покупать их отдельно. «Было понятно, что победа в гонке за лидерство в графике достанется тому, кто сумеет лучше других отрисовать эту конкретную игру», – говорит Кирк. Хуанг поручил своей команде разработать новый графический акселератор специально для Кармака – как кастомный «стратокастер» для Джими Хендрикса.

Одним из пожеланий Кармака было наличие большого количества «пиксельных шейдеров» – алгоритмов, задающих цвета каждому пикселю в трехмерных сценах. Запуская сразу несколько таких алгоритмов, можно было, например, вначале разместить на стене источник света, а затем добавить брызги крови. Но в работе такие шейдеры удваивали нагрузку на вычислительные ресурсы. 3dfx, лидер на рынке графических карт, решила эту проблему, разместив два графических акселератора на одной плате. Но Кирк и его команда задумались о более революционном подходе: что, если разделить шейдинг на два потока и выполнять одни и те же команды на двух каналах одного процессора? Это подходило для графического рендеринга, где вычисления часто повторялись.

Изначально Хуанг отнесся к этой идее скептически. Метод параллельных вычислений уже пытались использовать производители дорогостоящих суперкомпьютеров. «Кремниевая долина усеяна трупами компаний, пытавшихся запустить платформы параллельных вычислений, – говорит он. – Кроме нас, никому не удалось создать успешную компанию, используя эту технологию, – вообще никому, буквально ноль» (Хуанг иногда склонен к преувеличениям). Но затем он, как это свойственно ему, начал рассуждать. Кармак вряд ли остановится на двух пиксельных потоках. Сложность шутеров будет расти, а вместе с ней и потребность в вычислительных ресурсах. Представьте сцену: все залито огнем, кругом стреляют, вдали взрывается космический корабль и все это – на планете с двумя солнцами. Если применить подход 3dfx и для каждого источника использовать отдельный процессор, то на плате просто не хватит места. Единственная возможность удовлетворить растущие потребности Кармака – увеличить число потоков на одном кристалле.

Но прежде чем принять окончательное решение, Хуанг должен был провести тщательный анализ. Ему необходимо было понять, почему остальные, кто пытается воплотить этот подход, терпят неудачи. Сеймур Крей, создатель суперкомпьютеров, использующих технологию параллельных вычислений, столкнулся с серьезными проблемами: суперкомпьютеры работали нестабильно, а клиенты жаловались на их сложность и высокую стоимость. Ларри Эллисон, основатель Oracle, вложил миллионы в стартап nCube, ориентирующийся на метод параллельных вычислений, но к концу 1990-х годов этот проект тоже оказался в упадке. Проблема заключалась в сложности программирования при параллельных вычислениях: управление одновременно двумя и более потоками данных требовало от пользователя умения постоянно переключаться между множеством банков памяти, и научить этому было очень сложно. Это ставило компании, работающие над методом параллельных вычислений, в невыгодное положение по сравнению с Intel.

Процессоры Intel использовали стандартный последовательный подход, выполняя вычисления по порядку, но их мощность росла экспоненциально, удваиваясь примерно каждые 18 месяцев в соответствии с прогнозом, сделанным в 1965 году Гордоном Муром, бывшим гендиректором Intel[7]. Этот прогноз многократно подтверждался и получил название «закон Мура». Если не брать в расчет такие высокоспециализированные области, как метеорология или физика высоких энергий, то одного мощного процессора (CPU) было вполне достаточно для удовлетворения нужд даже самых требовательных пользователей. «Если вам нужно было ускорить работу какой-либо программы, – объяснял мне специалист по параллельным вычислениям Билл Дэлли, – то у вас было два варианта. Первый – переписать миллион строк кода, чтобы перенести ее на компьютер с параллельными вычислениями, второй – просто подождать два года, пока CPU не станет вдвое быстрее».

Закон Мура в полной мере оправдывал себя на рынке периферийных устройств, на которых поначалу специализировалась Nvidia.

В 1993 году 3D-графический акселератор задумывался как одна из дополнительных карт наряду со звуковыми, сетевыми и картами для принтеров. Но к концу 1990-х Intel интегрировала звуковой чип и контроллеры подключения сети и принтера непосредственно в материнскую плату.

В итоге из всей экосистемы дискретными остались только 3D-графические карты. Их спасла ненасытность: они пожирали всю доступную вычислительную мощность и жаждали еще. Остальные мультимедийные функции ПК были ограничены в развитии: как только качество аудио достигло уровня компакт-дисков, дальнейшее его улучшение не требовалось. Но развитие 3D-графики не имело предела.

«В Intel недооценили перспективы графических компаний, – говорит Мозесманн. – Спрос на вычислительные мощности в этом сегменте был практически бесконечным». Ни один центральный процессор не смог бы угнаться за требованиями 3D-рендеринга – ни сейчас, ни когда-либо в будущем. «Вдвое быстрее» было недостаточно быстро.

Акселератор Riva TNT вышел в свет в июне 1998 года. Аббревиатура TNT расшифровывалась как twin texels (двойные тексели), что означало наличие двух пиксельных каналов рендеринга, контролируемых сложным механизмом переключения. Кармак был рад своему «стратокастеру», называя карту идеальной. Quake III он создавал специально под архитектуру с двойным потоком и многочисленным фанатам рекомендовал использовать для этой игры видеокарту Nvidia. Кармак видел, как сбывается пророчество Хуанга о том, что именно видеоигры предоставят Nvidia возможность одержать победу на рынке над рабочими станциями. «Производительность TNT во многих случаях была действительно лучше, чем компьютера за 10 000 долларов», – говорит он.

Это понял не только Кармак. Кирк, успешно переманивавший лучших сотрудников провалившихся стартапов, теперь подбирался и к специалистам Silicon Graphics. Одним из них был Дэн Виволи, бывший инженер, занявшийся маркетингом. Виволи использовал TNT для укрепления авторитета бренда Nvidia. Последовавшие советам Кармака покупатели были в восторге от продукции Nvidia, возведя ее чуть ли не в культ, что не могло не привлечь внимания Хуанга. Стопки книг в его офисе вскоре пополнились многочисленными руководствами по маркетингу.

Nvidia никогда напрямую не рекламировала возможности параллельных вычислений, но потребителям сложные объяснения и не были нужны. Вместо этого компания использовала рекламный образ существования мира внутри компьютера. Эта фантазия оказалась крайне притягательной. Концепция «Матрицы» – общей виртуальной реальности – впервые появилась не в фильме 1999 года, а в романе Уильяма Гибсона «Нейромант», вышедшем в 1984-м. В интервью журналу Paris Review в 2011-м Гибсон рассказал, как к нему пришло вдохновение:

У Nvidia не было официально провозглашенной «миссии» (Хуанг не считал это нужным), но идея Гибсона вполне могла бы послужить ею. Компания стремилась добиться полного погружения, создания виртуальных миров с настолько детализированной графикой, что окружающая реальность отступила бы на второй план. То, что Гибсон почувствовал интуитивно, глядя на играющих детей, Хуанг осмыслил при помощи логики. Миссия Nvidia не могла быть выполненной, пока геймеры не оказались бы внутри игры.

Однако разделяя потоки данных, инженеры Nvidia затеяли более опасную игру, чем могли представить. В самой глубине архитектура TNT таила дьявольский секрет, о существовании которого еще не подозревали ни Хуанг, ни Кирк, ни Кармак, ни Виволи, ни кто-либо еще в мире. Даже сняв крышку с акселератора и изучив его под микроскопом, вы бы обнаружили разве что изменения в расположении транзисторов, но на самом деле там дремало нечто, способное повлиять на все компьютеры на свете и, возможно, на само человечество. Внутри крохотного чипа скрывалась тайна, которой было суждено изменить мир.

В 1997 году в фешенебельном номере гостиницы Bristol Suites в Далласе, штат Техас, группа людей собралась вокруг играющих в нарды. У них на глазах разыгрывался беспрецедентный матч, каких раньше не было. Человек играл против машины. Честь человечества защищали два лучших на тот момент игрока: Нэк Баллард и Майк Сенкевич. Машину представлял Малкольм Дэвис, делавший ходы по подсказке компьютера.

Несколькими месяцами ранее Гарри Каспаров[8] потерпел поражение от шахматного компьютера IBM Deep Blue в матче, к которому было приковано внимание всего мира («Быстро и сокрушительно компьютер побеждает Каспарова», – сообщала статья The New York Times с фотографией российского гроссмейстера, прячущего лицо в ладонях). Соревнование в Далласе не вызвало столь широкого резонанса, но на нем тоже делались немалые ставки. Собравшиеся здесь люди посвятили свою жизнь абстрактным стратегическим играм. Это были любители го, покера, скрэбла, бриджа и шахмат, многие из них – игроки мирового уровня. Наблюдая за ходами, они обменивались шутками и пачками денег. Не все были одеты элегантно и могли похвастать здоровым цветом лица, и имена их мало кто знал за пределами узкого круга. Однако не поражение Каспарова в Нью-Йорке, а именно это соревнование в Далласе, прошедшее без особого шума и помпы, ознаменовало начало новой эпохи.

Баллард был лучшим из лучших. Это был добродушный полноватый мужчина с бакенбардами на широком лице. Ежедневно он уделял нардам шесть часов и неоднократно возглавлял мировой рейтинг нардистов. С легким шуршанием он тряс кости в кожаном стакане и бросал их на доску. Каспаров во время матча с Deep Blue заметно волновался, но Баллард сохранял дзенское спокойствие, сосредоточившись на игре. Он молча обдумывал каждый ход, потом неторопливо двигал фишки.

Дэвис, бросив кости, обращался за инструкциями к компьютеру. Он тоже был мастером в нардах, но к 1997 году пришел к убеждению, что программа способна играть лучше человека. Чтобы доказать это, он предложил всем желающим поставить по 200 долларов против компьютера. Победа в нардах нередко обусловлена везением, и если бы Дэвис с компьютером проиграл, это обошлось бы ему в сотню тысяч долларов, а то и больше. Однако он полагался на программное обеспечение своей машины – принципиально новый вид искусственного интеллекта.

Программа называлась Jellyfish – «Медуза». Это была нейронная сеть, уникальность которой заключалась в том, что ее структура имитировала мозг. Вместо выполнения программного кода, написанного людьми, Jellyfish принимала решения, передавая информацию через сеть искусственных нейронов, синапсами которой была огромная матрица чисел, или «весов». Нейросеть анализировала ситуацию и выдавала следующий ход. На экране появлялось диалоговое окно с решением Jellyfish, и Дэвис двигал фишки. Иногда программа рекомендовала противоречивые ходы, что вызывало возбуждение у зрителей и провоцировало волну новых ставок. А Баллард молча бросал кубики и обдумывал ходы.

Сообщество исследователей и разработчиков ИИ уделило далласскому матчу по нардам не больше внимания, чем пресса. В 1997 году ведущие компьютерщики относились к нейронным сетям лишь как к забавной игрушке. Первые подобные сети появились еще в 1940-х годах, когда первопроходцы в этой области пытались физически воспроизвести структуру мозга с помощью сложных электромеханических устройств. Эти огромные механизмы потребляли массу электроэнергии и обходились очень дорого, практически не принося пользы, пока в 1969 году исследователь из Массачусетского технологического института (MIT) Марвин Минский не доказал, что один слой нейронов не способен выполнять даже самые простые логические операции. Финансирование прекратилось, и большинство этих устройств было разобрано.

В следующие годы предпринималось множество неудачных попыток создания искусственного интеллекта, так что эту область науки стали называть «кладбище карьер». Развитие «символического» ИИ остановилось в так называемую первую зиму ИИ в 1974 году. В 1980-х годах увеличение интереса к «экспертным системам» привело к кратковременному ажиотажу на фондовых рынках, но и он быстро сошел на нет после кризиса 1987 года. Правительства Японии, Великобритании и США выделяли миллиарды на амбициозные исследовательские проекты в области ИИ, но в каждом случае независимые аналитики приходили к выводу, что бо́льшая часть этих средств потрачена впустую.

Тем не менее в 1970– 1980-е годы небольшая группа энтузиастов продолжала разработку нейронных сетей, полагая, что старые громоздкие механизмы можно воссоздать программно, а ограничения обойти, создавая многослойные нейронные сети. Большинство исследователей ИИ считали этих «отщепенцев» наивными и даже безумными, но в 1986 году когнитивный психолог Дэвид Румельхарт вместе с компьютерщиками Джеффри Хинтоном и Рональдом Уильямсом из Калифорнийского университета в Сан-Диего опубликовал алгоритм для многослойных нейронных сетей, получивший название «обратное распространение ошибки» (backpropagation)[9]. Этот метод позволял осуществлять тонкую настройку виртуальных нейронов в компьютерах в ответ на получение новой информации аналогично тому, как человеческий мозг формирует новые синаптические связи при обучении.

Благодаря backpropagation интерес к нейросетям возродился: появилась возможность создавать системы, которые учатся на примерах, а не прописываются вручную правило за правилом.

В конце 1980-х годов исследователь Джеральд Тезауро, работавший в IBM, ушел из группы по изучению шахмат и решил сосредоточиться на менее популярной игре – нардах. Нарды, не столь популярные, как шахматы, и не столь непредсказуемые, как покер, представляют собой игру, в которой соперники перемещают фишки по кругу на доске с 24 лунками. Каждый ход задается броском двух кубиков-костей. Нарды в достаточной степени зависят от везения, чтобы привлекать азартных людей, но Тезауро увидел в них нечто иное. Симулируя броски кубиков, он мог быстро генерировать сотни тысяч виртуальных партий, создавая огромную базу данных для обучения нейронной сети.

Тезауро работал над этим узкоспециализированным проектом практически в одиночку; нарды, как и нейросети, не интересовали большинство исследователей ИИ. Сначала он попытался научить свою программу подражать лучшим игрокам, но этот метод не принес значительных результатов. Около 1990 года Тезауро решил изменить подход: он удалил из нейросети все стратегические советы по игре и оставил только правила и набор нейронов со случайными «весами». После этого он дал компьютеру задачу играть сотни тысяч партий против самого себя.

Этот метод известен как «обучение с подкреплением», и Тезауро стал первым, кому удалось его успешно применить. Сперва программа выглядела беспомощной и хаотично двигала фишки, однако, сыграв несколько тысяч партий, нейронная сеть поняла, что оставлять фишку одну плохо, а складывать две вместе хорошо, что позволило ей выйти на уровень грамотного новичка. После десятков тысяч игр нейронная сеть стала применять более сложные стратегии, например создавать стены из нескольких стопок фишек. После двухсот тысяч игр нейросеть (Тезауро назвал ее TD-Gammon) достигла среднего уровня мастерства. В последующие годы TD-Gammon сыграла миллионы партий и к 1995 году начала применять стратегии, ранее неведомые людям. Нейронная сеть перешла от простого обучения к инновациям.

Преодолев ограничения традиционных тактик, TD-Gammon открыла новый стиль игры в нарды. Она определила, что люди обычно чрезмерно рискуют в начале партии, пытаясь сразу получить преимущество, но на самом деле выгоднее делать более осторожные первые ходы. В то же время она часто жертвовала гарантированной победой в конце игры, стремясь удвоить свой счет, что многие игроки считали безрассудством. На среднем этапе игры TD-Gammon делала весьма сложные ходы, которые человек мог понять лишь после глубокого анализа. В 1995 году учитель игры в нарды Кит Вулси написал Тезауро восхищенное письмо:

Но IBM не стала пытаться извлечь коммерческую выгоду из проекта Тезауро. Менеджерам компании было непонятно, зачем тратить время на реализацию ПО для игры в нарды, нужного нескольким сотням человек. И правда, зачем?

Эту заманчивую рыночную нишу в 1994 году занял норвежский исследователь Фредрик Даль. Он был человеком разносторонних интересов: играл в нарды и шахматы, увлекался танковыми симуляциями и джиу-джитсу, собирал грибы в лесу. При этом Даль работал на Министерство обороны Норвегии, занимаясь моделированием сценариев советского вторжения. Вдохновение он черпал из фильма 1983 года «Военные игры» с Мэттью Бродериком, в котором искусственный интеллект пытается развязать ядерную войну.

Даль убеждал меня, что лично он не верил ни в какое вторжение, но тем не менее всерьез интересовался военной тематикой. Однако после распада Советского Союза его исследования лишились финансирования. «Это было ужасное время», – говорит он (надеюсь, в шутку). Для написания диссертации Даль создал нейронную сеть, которая моделировала исходы сражений, проводя миллионы симуляций боев. Эту модель легко было адаптировать для игры в нарды, и вскоре результаты Даля превзошли достижения Тезауро.

В 1994 году Фредрик представил Jellyfish – первую коммерческую нейронную сеть, доступную широкой общественности. Jellyfish училась на миллионах партий игры в нарды, но, несмотря на столь сложный процесс обучения, конечный продукт поместился на 3, 5-дюймовой дискете, которую Даль продавал через свой примитивный веб-сайт. Так уже в самом начале пути сложился поразительный контраст между трудоемким обучением ИИ и результатом, когда полученные знания применяются на практике. Вторая стадия оказалась намного менее затратной: здесь можно провести аналогию с человеческим мозгом, весящим всего лишь килограмма полтора, но формировавшимся сотни миллионов лет.

Далю были не чужды подобные аналогии. Он назвал свою программу Jellyfish в честь древнего морского существа, чья нервная сеть управляет реакцией на раздражители. «Моей программе нужно было всего около сотни "мозговых клеток", что, как я узнал, примерно соответствует нервной системе медузы», – рассказывает он. Вот в чем заключалась сила нейронных структур: чтобы побеждать в игре в нарды, выживать в океанской бездне на протяжении полумиллиарда лет или даже противостоять гипотетическим советским захватчикам, достаточно всего лишь сотни крошечных клеток.

Для сбора статистических данных Баллард и Сенкевич согласились сыграть против Jellyfish по 300 партий. Баллард, которому однажды довелось играть 84 часа без перерыва, был привычен к таким марафонам и сумел сохранить концентрацию внимания. Он обыграл компьютер с перевесом в 58 игр, заработав 11 600 долларов. Однако Сенкевич проиграл почти такую же сумму, так что Дэвис остался при своих и состязание завершилось вничью. Баллард был доволен своей победой, но последующий анализ показал, что во многом его успех был обусловлен удачными бросками костей, и он понял, что ему повезло. Ни один смельчак больше не рискнет сыграть с этой программой в нарды на деньги.

Новость о турнире быстро разлетелась в тесном сообществе любителей нард. Deep Blue был дорогим суперкомпьютером, грубую вычислительную мощь которого человек никак не мог превзойти, так что его победа над Каспаровым не сильно повлияла на профессиональный подход к шахматам (в 1997 году Deep Blue просто был разобран). Но Jellyfish в отличие от него была доступной программой, способной работать на любом компьютере с ОС Windows, и это произвело настоящую революцию в игре. С помощью Jellyfish, установленной на домашнем компьютере, популяризатор игры в нарды Кит Вулси выпустил книгу «Новые идеи в нардах». В ней он собрал позиции, в которых действия нейронной сети кардинально расходились с человеческими представлениями. Со временем стало очевидно, что компьютер всегда прав. Аналитики пришли к выводу, что мастерство игрока в нарды теперь должно определяться не количеством побед или поражений, а тем, насколько его ходы совпадают с идеальными компьютерными решениями.

Jellyfish стала первой нейронной сетью, превзошедшей человека в играх. После этого Даль переключился на покер. Используя технологию обучения с подкреплением, он вскоре разработал (может, лучше сказать «воспитал») нейросеть, способную победить кого угодно в лимитном техасском холдеме для двух игроков. Даль продал лицензию на использование нейросети производителю игровых машин, который установил непобедимые покерные автоматы в казино на Лас-Вегас-Стрип и пригласил всех желающих сыграть на деньги. И снова никто не смог победить машину.

Однако на этом революция закончилась. Несмотря на неплохой заработок от игровых автоматов, Даль столкнулся с трудностями при попытке создать аналогичную программу для безлимитного холдема. В этом варианте игры можно ставить любую сумму, и синтетический набор данных оказался намного больше, чем те ограниченные модели, которые он создал для лимитного покера и нард. Нейронная сеть Даля, созданная для безлимитной игры, с трудом усваивала огромное количество информации. «Она делала разумные ходы, но так и не достигла того уровня, на который я рассчитывал», – признался он.

Даль долгие годы боролся с этой проблемой. Основным препятствием было то, что он сам толком не понимал, как работает его покерный бот. Интерпретировать структуру нейронной сети было не проще, чем нервную систему какого-нибудь беспозвоночного: разгадать стратегию игры, анализируя отдельные весовые коэффициенты сетки, сродни попытке расшифровать сознание, исследуя клетки мозга под микроскопом.

Это и было главным упреком в адрес нейронных сетей и основой предвзятости к ним академического мира. Как только нейронная сеть достигала предела в своем обучении – а такое случалось почти всегда, – редко удавалось найти очевидный путь к дальнейшему совершенствованию. Классическое программирование было четким и логичным, а работа с нейронными сетями требовала совсем другого мышления. Даль сравнивал это с проведением биологического эксперимента: результаты непредсказуемы и даже изменение незначительных на первый взгляд параметров может привести к самым неожиданным последствиям. Он испробовал все, что смог придумать, чтобы довести своего бота до уровня эксперта в безлимитном покере. Он колдовал над функцией оценки, экспериментировал с памятью компьютера, заменял триггеры активации нейронов и даже создал более простую вселенную данных для изучения ботом, но так и не добился успеха.

В конце концов Даль, как и многие исследователи нейронных сетей до него, отступил. Он бросил своего покерного бота и занялся анализом медицинских данных с использованием привычных методов. Многие критики нейронных сетей проходили этот путь, сначала добившись успеха с использованием этой технологии, а затем после множества неудач зайдя в тупик и разочаровавшись. Даль не пополнил армию скептиков, но его вера подверглась серьезному испытанию. «Я сдался, – признается человек, который первым продал нейронную сеть широкой публике. – Я оставил это, потому что у меня просто не было необходимых знаний». Он перепробовал все и не нашел решения. Он просто не мог даже представить, как добиться успеха в разработке нейронных сетей.

Джонатан Вендел прицелился в груду боеприпасов и замер в ожидании. Один из первых профессиональных геймеров, он был известен под ником fatal1ty и к 1999 году уже метил в мировые чемпионы. За его плечами была впечатляющая серия побед на турнирах по Quake III: Arena. Его сильной стороной была способность предугадывать действия противника. На этот раз он заметил, что соперник питает слабость к боеприпасам, и готовился устроить ему ловушку.

В отличие от большинства профессиональных геймеров, типичных «ботаников», Вендел был похож на спортсмена из комедий 1980-х: голубоглазый, русоволосый, с широким мужественным лицом. Помимо видеоигр он увлекался вполне реальными видами спорта: хоккеем, теннисом и гольфом. Его талант побеждать в Quake проявился в 1996 году: ему было всего пятнадцать, но он разгромил сотню студентов на турнире в Уичито, штат Канзас. Он поступил в колледж, но бросил его, чтобы стать одним из первых, кто зарабатывает на жизнь видеоиграми. «Если ты выиграл всего один турнир, о тебе быстро забудут, – говорит Вендел, ссылаясь на своего кумира Тайгера Вудса. – Все эти люди не вспомнят обо мне, если я не буду побеждать снова и снова».

Вендел погрузился в Quake с одержимостью профессионального спортсмена. Он проводил тренировочные бои по 8–12 часов в день и даже расстался с девушкой, чтобы больше времени уделять подготовке. Он выиграл десятки турниров и семь лет подряд оставался самым высокооплачиваемым киберспортсменом. Однажды после победы на турнире в Техасе Вендел, сорвав наушники, вскинул руку с кулаком и издал торжествующий вопль. Его соперник, щуплый очкарик, лишь глубже спрятался в толстовку с капюшоном. Вендел, возвышаясь над ним в куртке NFL и широких штанах, выглядел так, словно вот-вот устроит сопернику настоящую взбучку.

Каждое действие Вендела занимало миллисекунды. Он оттачивал навыки молниеносной стрельбы с помощью специальных упражнений. Сидя перед монитором с пальцем на кнопке мыши, он ждал, когда экран станет зеленым, и тут же нажимал на нее. Тренировки позволили ему сократить время реакции до 140 миллисекунд. Между компьютерными сессиями Вендел бегал на длинные дистанции, полагая, что это улучшает его рефлексы. Любитель спортивных метафор, он сравнивал себя с пилотом «Формулы–1», вдавливающим педаль газа в пол в начале гонки.

…Вендел напряженно вслушивался в наушниках в приближающиеся шаги соперника, идущего прямиком к боеприпасам. Годы тренировок не подвели: он мягко опустил палец на кнопку мыши, готовясь к решающему моменту. Суть его тактики заключалась в том, чтобы открыть огонь за мгновение до появления противника на экране. В критический момент Вендел нажал на кнопку, и время словно замедлило ход.

Вендел использовал для игры акселератор TNT2 от Nvidia. Если обычные графические процессоры могли выдавать скорость рендеринга Quake III на уровне 20–30 кадров в секунду, то технология параллельной обработки данных, применяемая Nvidia, повышала этот показатель до 60–70 кадров. Благодаря этому в 140-миллисекундном интервале реакции Вендела количество кадров удваивалось с пяти до десяти. Это стало тем преимуществом, которое было необходимо ему для победы.

Вендел начинал стрелять буквально за кадр или два до того, как появлялся противник. Проходило 30 миллисекунд – всего три сотых секунды, и враг оказывался на линии огня. Акселератор Nvidia снова и снова обновлял графическую картинку, проводя с каждым обновлением около 200 миллионов вычислений, и с каждым кадром противник нес все больший урон. Вендел наслаждался стонами врага в наушниках, пока тот наконец не переставал дышать, а fatal1ty при этом добавлял очередную победу в свой актив.

Вендел сравнивал свои отношения с Nvidia с сотрудничеством Майкла Джордана и Nike. Компания бесплатно предоставляла ему оборудование, а он в свою очередь при каждом удобном случае упоминал о его возможностях. Вендел не слишком вникал в детали технологии параллельной обработки, которая обеспечивала большую мощность графических карт; когда в 2024 году я задал ему вопрос об этом, он лишь пожал плечами. Ему достаточно было знать, что ни одно устройство не справлялось в смертельных схватках так хорошо, как TNT2. «Частота кадров у этой штуки была просто безумной», – вспоминает Вендел. Он заменял видеокарту каждый раз с появлением новой модели, и вскоре практически все профессиональные геймеры последовали его примеру.

Уолл-стрит была покорена. Nvidia выпускала новые графические карты каждые шесть месяцев – вдвое чаще, чем любой другой производитель. Компания представляла новую линейку видеокарт к осени, к началу школьного сезона, и обновляла ее весной. С появлением плоских экранов спрос на графические акселераторы стремительно вырос, и через несколько лет они устанавливались в большинство ПК. В начале 1999 года, спустя всего шесть лет после основания, Nvidia стала публичной компанией с оценочной стоимостью 600 миллионов долларов. Sequoia, когда-то оценившая Nvidia в 6 миллионов долларов, получила колоссальную прибыль от своих вложений, компенсировав потери от множества менее удачных инвестиций. Акции с биржевым символом NVDA, размещенные на NASDAQ по первоначальной цене 12 долларов, подорожали вдвое, а к концу года их стоимость достигла 60 долларов. По корпоративным отчетам, у Прима, Малаховски и Хуанга было на каждого более 3 миллионов акций.

Хуанг стал мультимиллионером, но новообретенное богатство не отвлекло его от главной цели – сокрушить конкурентов и захватить рынок. Дуайт Диркс рассказывает, что после успешного IPO не было ни вечеринок, ни шампанского, ни какого-то чувства облегчения, ни даже простого поздравления от босса. Он показал мне электронное письмо от Хуанга, которое сохранил:

Диркс качает головой: «Он написал это на следующий день после IPO».

В письме упоминались конкуренты ATI и S3, но главным соперником Nvidia была 3dfx. Их видеокарты Voodoo за два предыдущих года стали самыми популярными. В конце 1999 года Хуанг представил «убийцу Voodoo» – GeForce (сокращенное от Geometry Force). Карта, основанная на чипе NV10, могла обрабатывать 10 миллионов треугольников в секунду и динамически изменять освещение в 3D-сцене в зависимости от положения подвижных источников света. Объединение трансформации и освещения на одной платформе было давней мечтой, и Nvidia гордилась этим достижением. «По сути, теперь они могли делать за 2 доллара то, что делала рабочая станция за 2000 долларов», – говорит Джон Педди.

Хуанг обратился за помощью к Дэну Виволи, маркетологу, который перешел в Nvidia из Silicon Graphics. Виволи был умен и видел, как можно использовать ограниченность бюджета многих геймеров. Он заметил, что при принятии решения о покупке они полагаются на полдюжины независимых обзоров. Виволи связался с журналистами и заявил им, что GeForce – «первый в мире графический процессор», или GPU. Он сам придумал этот термин, но СМИ с готовностью подхватили его и начали причислять к этой категории и другие продукты. Вскоре графические акселераторы повсеместно стали называть GPU. «Мы изобрели эту категорию, чтобы быть в ней лидерами», – говорит Виволи.

Инженеров из 3dfx возмущали хитроумные маркетинговые маневры Nvidia. «Бывали случаи, когда Nvidia пользовалась некоторыми уловками в тестах производительности, – признает Педди. – Так что да, она обошла их в маркетинге. Но она обогнала их и по инженерной части! Работа компании просто была организована лучше». GeForce могла управлять четырьмя потоками рендеринга на одной микросхеме. А у прототипа более дорогой Voodoo 4 от 3dfx было четыре микросхемы, которые не справлялись с аналогичными задачами. Интенсивный шестимесячный цикл обновления оборудования Nvidia ставил перфекционистов из 3dfx в сложные условия. В какой-то момент один из основателей компании даже публично предложил заключить перемирие, чтобы установить технические стандарты до выпуска следующего поколения видеокарт. «В тот момент я понял, что мы их сломили, – рассказывает Кирк. – Хуанга не устраивал мир, он считал, что на рынке должна остаться одна компания».

Эксперименты Кирка по «переманиванию мозгов» также вызывали недовольство конкурентов. Многие инженеры, переходя в Nvidia, приносили эксклюзивные идеи. Это создавало юридические проблемы: в 1996–1999 годах S3, Silicon Graphics и 3dfx подавали патентные иски против Nvidia, а еще один конкурент, Matrox, обвинил компанию в том, что она подстрекала перешедших в нее сотрудников нарушать договор о конфиденциальности. Три дела были урегулированы в досудебном порядке, но 3dfx отказалась от арбитража: компания, стоявшая на грани краха, решила поставить свое выживание на кон, дойдя до суда. В августе 2000 года, представляя инвесторам крайне плачевный отчет о доходах, генеральный директор 3dfx Алекс Леупп заявил, что компания может потерять более 100 миллионов долларов за один квартал. Через час Nvidia объявила о встречном иске против 3dfx с довольно сомнительными обвинениями в нарушении патентов. Многие сочли это слишком жестким ходом и даже предполагали, что Хуанг намеренно подал бесперспективный иск исключительно ради того, чтобы увеличить расходы на юристов и так терпящей бедствие 3dfx.

Через месяц судья вынес предварительное решение в пользу 3dfx, отклонив встречный иск Nvidia. 3dfx пыталась получить компенсацию, но Nvidia с помощью ловких юридических маневров удалось отсрочить выплату. В отчаянии Леупп попытался продать 3dfx компании Intel, причем единственным ценным активом компании было благоприятное судебное решение по иску против Nvidia. Однако Intel, как и другие потенциальные покупатели, не захотела участвовать в этих разборках. 3dfx, оставшись без денег и с неудачным продуктом на руках, была вынуждена признать свое поражение и предложить выкупить себя Nvidia.

Итак, Хуанг победил, получив в качестве трофея армию новых сотрудников, которые его ненавидели. Как свидетельствуют опубликованные позже судебные документы, в 3dfx Хуанга называли Дартом Вейдером. («На самом деле они называли его и хуже, – замечает Педди. – Уверяю вас, некоторые прозвища были не настолько мягкими».) К тому времени слухи об ужасном Хуанге достигли гигантского масштаба: он и переманивал сотрудников, и крал идеи, и дурил головы обозревателям, и добивал бедствующих конкурентов. Однако в основном его ненавидели за то, что он сумел всех обставить. «На пути к успеху Nvidia нажила немало врагов, включая партнеров и поставщиков, – говорит Педди. – Я лично могу назвать Дженсена другом, но надо признать, что он действительно бывал безжалостен».

Программист Бен Гарлик, как и остальные сотрудники офиса 3dfx, располагавшегося в Остине, получил уведомление об увольнении в одну декабрьскую пятницу. Происходило это следующим образом. Компьютеры были заблокированы, и охранники из службы безопасности выпроводили работников из здания, предварительно проверив их рюкзаки и сумки. Люди растерянно топтались на парковке, пока менеджер по управлению персоналом не отправил их на склад, расположенный через дорогу. Офисные комплексы в Техасе не рассчитаны на пешеходов, поэтому шествие белых воротничков, беспорядочной толпой перебиравшихся через канаву, чтобы пройти на склад, выглядело довольно странно. Склад был забит нераспроданными видеокартами. Здесь собравшимся объявили, что с этого момента все они уволены. «Веселый был денек», – говорит Гарлик.

Некоторым все же повезло. Nvidia отказалась от покупки 3dfx целиком, но предложила приобрести определенные активы за 70 миллионов долларов. Леупп согласился, и иск был отозван. Как выяснилось позже, каждого из ведущих инженеров 3dfx Хуанг оценил в миллион долларов. Эта сумма отражала их ценность для Nvidia и нежелание отпускать их к конкурентам. На складе им сказали, чтобы они ждали звонка Хуанга с возможным предложением работы.

Из примерно 500 кандидатов Хуанг с Кирком отобрали около 120. Естественно, бывшие сотрудники 3dfx не доверяли Хуангу. Среди них ходили слухи, что Nvidia – «потогонное производство», а сам Хуанг – тиран, постоянно на всех орущий. Некоторые утверждали, что ни за какие деньги не стали бы работать на такого человека. Но Гарлик смотрел на вещи трезво. Приближалось Рождество, и ему нужна была работа.

Он получил предложение одним из первых. Гарлик был талантливым программистом, хотя и не любил хвалиться (когда я спросил его, стоил ли он миллион долларов, он ответил: «Ну, может быть»). В следующий понедельник он пришел на тот же склад, и Хуанг лично предложил ему зарплату на 20% выше предыдущей, социальный пакет и опционы на акции. Гарлик согласился и проработал в Nvidia семнадцать лет. «Мне кажется, в глубине души Дженсен хороший человек, которому приходилось вести себя жестко, – говорит он. – И этим он отличается от некоторых других генеральных директоров, которые безжалостны по своей природе, но изображают хороших людей». Обаяния Хуанга оказалось достаточно, чтобы 106 сотрудников из 120, получивших предложение о работе, его приняли.

Ознакомившись с базой кодов Nvidia, Гарлик испытал шок. «Это был просто хаос, – говорит он. – Как в раковой опухоли, где у клеток нет никакой функции, они просто мутируют, растут и распространяются». В 3dfx Гарлик гордился изяществом своих программ, создавая упорядоченные системы с четкими инструкциями, что позволяло другим программистам поддерживать и улучшать его код. «Но пока мы в 3dfx наводили порядок, компания разорилась», – добавляет он. В Nvidia работали на первый взгляд небрежно: ключевые блоки кода, на которых были основаны важнейшие системы, зачастую создавались в аврале по ночам. «Там был ужасный бардак! Код был отвратным, инструменты в беспорядке, но их это совершенно не волновало! – вспоминает Гарлик. – Им было плевать на все, кроме выпуска устройства».

Такой подход привел к накоплению в Nvidia значительного количества технического брака: стремление к быстрым решениям приводило к разработке некачественного кода и создавало проблемы для будущих программистов. (Гарлик сравнивает это со зданием, построенным на непрочном фундаменте: «Когда дом уже стоит, фундамент переделать очень сложно».) Однако со временем он привык к подходу Nvidia и осознал его преимущества. «Это было по-своему гениально: повторять, повторять, повторять, выполнять, выполнять, выполнять, – говорит он. – Сейчас я считаю, что накопившийся технический брак – это боевые шрамы выжившего воина».

С новыми сотрудниками штат Nvidia превысил 600 человек – всего четыре года назад их было 35. Компания переехала в новую штаб-квартиру в Санта-Кларе, арендовав комплекс многоэтажных зданий из стекла и стали с переходами, скульптурами и огромной парковкой на 11 акрах земли, примыкающих к скоростной автомагистрали. Новые офисы больше не пахли едой навынос – они вообще ничем не пахли. Здесь царила модернистская респектабельность, скука и предсказуемость.

Все эти атрибуты пригородного бизнес-парка – офисные перегородки, бесконечные ряды автомобилей, ужасные сетевые рестораны – остроумно высмеял Майк Джадж в своем фильме 1999 года «Офисное пространство». Джадж опирался на свои воспоминания о работе в стартапе – конкуренте Nvidia, располагавшемся в паре километров от нее. Джадж ненавидел эту атмосферу, но никто из сотрудников Nvidia, с которыми я беседовал, не упоминал о скуке и не жалел об упущенных возможностях. Они самостоятельно приняли решение проводить бо́льшую часть жизни в подобных офисах; корпоративный мир им вполне подходил. Кроме того, Хуанг старался бороться с бюрократическим маразмом. В фильме Джаджа многочисленные начальники постоянно объясняют главному герою, как надо оформлять титульный лист в отчетах. Инженерам действительно нередко приходится заниматься подобным, но если бы Хуанг обнаружил, что кто-то из менеджеров отнимает у них время, придираясь к подобным мелочам, он, вероятно, устроил бы провинившемуся публичную взбучку.

Многие новички, пришедшие в Nvidia из игровых компаний, ожидали более непринужденной рабочей атмосферы. «В 3dfx девизом было "трудись усердно, гуляй на полную", – рассказывает один из бывших сотрудников. – В Nvidia это сводилось преимущественно к "трудись усердно"». Сверхурочная работа была нормой, а шестимесячный цикл выпуска новых видеокарт держал всех в постоянном напряжении. «Это приводило к практически беспрерывным дедлайнам и вечному чувству, что не успеваешь», – вспоминает другой сотрудник.

Другие ценили Nvidia за профессиональный подход ко всему. «По крайней мере ты знал, что компания не собирается разоряться», – отмечает один из ветеранов. В игровых компаниях мало заботились о дресс-коде, и некоторые программисты одевались неряшливо. Карен Хуальме, бывшая сотрудница 3dfx, вспоминает, как заблудилась в пригороде Далласа в поисках офиса iD Software, создателей Quake. Ей удалось найти офис, последовав за самым неопрятным человеком, встреченным на улице, – бледным парнем с длинными сальными волосами, разгуливавшим в шлепанцах и рваной футболке. Она проследила за ним прямо до двери iD Software.

В офис Nvidia никто никогда не заявлялся в шлепанцах. Хуальме также рассказывает, что на прежних местах работы коллеги-мужчины то весьма грубо выражали сомнения в ее квалификации, то проявляли неуместную фамильярность. Женщин в Nvidia, особенно в то время, было мало, но здесь Хуальме чувствовала себя в безопасности. «В Nvidia я была защищена от подобных вещей», – говорит она.

Кирк часто проводил собеседования c соискателями. Ранее, в собственном стартапе, он был вынужден уволить сразу сотню инженеров, и этот опыт оказался для него настолько тяжелым, что спустя несколько дней он ушел сам. Понимая, что больше не желает переживать подобное, Кирк пришел к выводу, что лучший способ избежать увольнений – тщательно выбирать, кого принимать на работу.

Изначально процесс собеседования в Nvidia проходил в несколько этапов, после чего принималось коллективное решение о найме сотрудника. Но технические специалисты, которым не нравилось мучить кандидатов, обычно сводили все к стандартным вопросам: «Расскажите, как вы преодолевали трудности», «Каков ваш главный недостаток», «Почему люки делают круглыми».

Кирка это расстраивало: он считал, что сотрудники тратят время впустую. Он знал, что сделал бы на его месте Дженсен: собрал бы всех в конференц-зале и наорал. Кирк, как и Диркс, верил, что вспышки ярости у Хуанга были продуманной стратегией. «Крик был частью его мотивационного метода, – говорит Кирк. – Казалось, что он взбешен, но, я уверен, это было актерство. И это действительно работало! Раздражало людей, но приносило плоды». Кирк полагает, что для Хуанга было важно выплескивать гнев именно на людях: «Он хотел, чтобы урок извлекли все. Он никогда не стал бы просто кричать на кого-то в коридоре. Когда он заставляет людей нервничать, он помогает им понять что-то важное – причем так, что они это запомнят навсегда».

Поняв, что его сотрудники не умеют отбирать хороших специалистов, Кирк решил применить «обучающий метод Дженсена Хуанга». Он собрал своих инженеров в конференц-зале и внезапно, вопреки своей репутации человека, всегда старающегося избегать конфликтов и не повышать голос, разразился гневной тирадой. «Чем вы занимаетесь, ради всего святого?! – обрушился он на подчиненных. – Вы только что провели собеседование с человеком, которому собираетесь доверить половину своей работы, и даже не узнали, способен ли он ее выполнять! Теперь вам придется справляться с двойной нагрузкой, а он будет получать половину вашей зарплаты». Кирк с удовлетворением отметил, что сотрудники были ошеломлены. «Мы пригласим его снова, и я сам буду задавать ему вопросы, потому что никто из вас не знает, как это делать», – добавил он.

Вновь оказавшись на собеседовании, несчастный соискатель почувствовал себя в комнате для допросов. Кирк начал с простого вопроса: «Знаете ли вы, как нарисовать треугольник?» Получив ответ, Кирк усложнил задачу: «Хорошо, а как вы рисуете грани треугольника?» Когда и на этот вопрос был получен ответ, Кирк продолжил: «Что, если одна из координат треугольника окажется нулевой? Вы ведь не можете делить на ноль, так что вы будете делать?» Кирк задавал все более сложные вопросы, пока не почувствовал, что подошел к пределу возможностей кандидата. Последний вопрос представлял собой техническое задание, которое кандидат, по мнению Кирка, не способен выполнить.

Дальнейшая судьба соискателя зависела от того, как он себя поведет. Многие начинали как-то выкручиваться или пытались импровизировать, что автоматически вело к провалу. Другие прямо признавались, что не могут справиться. Таким, как правило, тоже отказывали. Пройти тест удавалось тем, кто понимал, что участвует не столько в собеседовании, сколько в психологическом тесте. Эти инженеры могли проанализировать всю цепочку вопросов и для выполнения финального задания использовать знания, только что полученные в ходе интервью. За пятнадцать минут Кирк узнавал о кандидате больше, чем его сотрудники за восемь часов собеседований, а они поняли, как нужно проводить интервью.

Никто не относился к найму сотрудников более требовательно, чем Хуанг. Когда Nvidia достигла успеха, семья стала оказывать на него давление. «Родители настаивали, что он должен взять на работу своих братьев», – рассказывает Йенс Хорстманн. Хуанг отказался, что привело к некоторым трениям в семье. «По сути, он сказал: "Я не считаю это оправданным. Не думаю, что они впишутся в нашу корпоративную культуру"», – вспоминает Йенс. В итоге Хуанг так и не поддался на уговоры и не принял братьев на работу.

Старший брат Дженсена Джефф был инженером и успел поработать в различных компаниях. Хорстманн вспоминает, как они втроем строили террасу на заднем дворе дома Дженсена. Хорстманн и Дженсен выполняли все работы, а Джефф руководил. «Он даже гвоздезабивной пистолет держать не умел», – говорит Хорстманн. Младший брат Дженсена Джим окончил вслед за ним Университет штата Орегон, тоже получив ученую степень по электротехнике. Пока Дженсен создавал Nvidia в доме у Прима, Джим работал в Intel, выбрав более надежный путь. Он оставался там следующие тридцать лет, разрабатывая и поддерживая программные инструменты. «Он был трудолюбивым надежным инженером, – отмечает Хорстманн. – Но в нем не было того предпринимательского духа, готовности рисковать и терпеть неудачи, который был в Дженсене».

Однако Хуанг поддерживал братьев и обеспечил их жильем. В начале 2000-х он продал часть своих акций Nvidia и на вырученные средства купил приличный участок земли в Лос-Альтос-Хиллз, респектабельном районе неподалеку от Кремниевой долины (сейчас это один из самых дорогих районов в США). Там, постоянно советуясь с Лори, он построил особняк площадью 550 квадратных метров с пятью спальнями, семью ванными комнатами, бассейном и просторным гаражом. Он купил два «Феррари» (для себя и жены) и начал коллекционировать дорогой виски. Свой старый дом с террасой он подарил Джеффу.

Но даже дом мечты, построенный на заказ, не смог удовлетворить Дженсена. Разбогатев, он стал крайне придирчив к мелочам. Однажды, вернувшись с работы, Дженсен вдруг решил, что вид из ведущих в сад стеклянных дверей на домик у бассейна ему не нравится. Отсутствие симметрии раздражало его настолько, что Хуанг потратил немалую сумму, чтобы перенести злополучный домик на пять метров.

Линейка видеокарт GeForce закрепила за Nvidia статус лидера рынка. Параллельно компания представила Quadro – серию передовых профессиональных графических процессоров для компьютерного моделирования и цифровой анимации. Как и ожидалось, Nvidia наступала на пятки компании Silicon Graphics, а некоторые бывшие начальники Дженсена переходили работать к нему. В 2000 году Хуанг пригласил в компанию Томми Ли, своего первого руководителя в LSI.

Рост сегмента 3D-ускорителей совпал с бурей, поднявшейся на фондовых рынках. Nvidia не была надутым воздухом доткомом: она выпускала реальный продукт, получала прибыль. Тем не менее это была технологическая компания, находившаяся в пузыре своего рыночного сектора. В начале 2000 года Nvidia объявила о получении заказа на разработку процессора для игровой консоли Microsoft, и цена ее акций взлетела выше 100 долларов за штуку. Из-за этого многим сотрудникам, несколько месяцев назад поспорившим на корпоративном уик-энде, что подобное не произойдет, пришлось выполнять условия пари. Малаховски проколол ухо, Прим сбрил все волосы на голове, оставив на макушке покрашенный в зеленый цвет пучок, изображавший логотип Nvidia. Хуанг наколол логотип компании на плече и потом долго жаловался, как это было больно.

К 2001 году доход Nvidia от продажи графических процессоров достиг миллиарда долларов в год. Единственной компанией, способной конкурировать по темпам инноваций, была канадская ATI из пригорода Торонто. Ее флагман Radeon, как и GeForce, представлял собой 3D-ускоритель с вентиляторным охлаждением и параллельными пиксельными каналами. Графические процессоры Radeon производились на том же заводе TSMC, что и GeForce, а Квок Юэн Хо, сооснователь и генеральный директор ATI, был, как и Хуанг, иммигрантом с неистовой жаждой соперничества, чья компания несколько раз оказывалась на грани банкротства, прежде чем добилась успеха. С выпуском Radeon на рынке видеокарт наступило стабильное двоевластие, и в течение следующих двух десятилетий GeForce и Radeon боролись за лидерство.

Несмотря на успехи Nvidia, Хуанг не расслаблялся. В 1996 году ведущей компанией в области графических ускорителей была S3 Graphics. К 1999 году она перестала существовать. В 1998-м лидирующие позиции занимала 3dfx. К 2000 году исчезла и она. Не было никаких гарантий, что подобная участь не постигнет Nvidia. Среди обширной литературы по бизнесу в кабинете Хуанга появилась книга «Выживают только параноики», написанная генеральным директором Intel Энди Гроувом.

Любое предприятие неизбежно сталкивается на рынке с конкуренцией, однако в секторе микросхем она была особенно большой. Компании наподобие Coca-Cola, выпустив успешный продукт, могут рассчитывать на то, что он будет пользоваться спросом – важно лишь не мешать ему продаваться. Индустрия микросхем больше напоминает бизнес в сфере моды: если ваш новый продукт похож на предыдущий, вы совершили серьезную ошибку. В полупроводниковой отрасли все переосмысливается каждые несколько лет.

Это касается и программных инструментов для проектирования микросхем, и их архитектуры, и сложного оборудования для их печати. Первая микросхема Nvidia содержала миллион транзисторов. К 2000 году графические процессоры Nvidia вмещали в 20 раз больше транзисторов, охлаждались высокоскоростными вентиляторами и были в два раза меньше. «Все, что застыло, тает на глазах», – сказал кто-то еще на заре капитализма, а Энди Гроув позже уточнил: «Нам всем нужно приспосабливаться к ветрам перемен».

Но в технологическом секторе рисковал не только Дженсен. Это приходилось делать каждому руководителю. Постоянно растущие требования к транзисторам повышали стоимость производства, так что индустрия стала напоминать партию в покер с постоянно растущими ставками. Тот, кто боялся менять карты, постепенно проигрывал. Выжить могли только те, кто находил перспективный расклад и ставил все на него – снова и снова.

Одной из таких рискованных ставок Хуанга стали программируемые шейдеры для графических процессоров. В то время графика часто выглядела «пластиковой» или «резиновой». Кирк хотел дать разработчикам больше возможностей для настройки освещения сцен, но добавление шейдеров означало временное снижение прибыли ради создания инфраструктуры, которая понадобится немногим пользователям, – по крайней мере поначалу. «Если мы это сделаем, какое-то время это будет для нас невыгодно, – сказал он Хуангу. – Но рано или поздно это понадобится всем, а мы уже будем далеко впереди».

Как и в случае с параллельными каналами передачи данных, Хуанг поначалу сомневался. В необходимости шейдеров он уверился только после того, как просчитал, во что обходится их отсутствие. Единственное, в чем можно быть уверенным в этой отрасли, – это в постоянном росте количества транзисторов. А это означало, что рендеринг графики становился дешевле и проще. До сих пор Хуангу удавалось обгонять конкурентов, но его бизнес с небольшими активами представлял собой всего лишь группу инженеров, сидящих в офисе в Кремниевой долине. Если бы эти инженеры не трудились постоянно над созданием новых технологий, которые сложно повторить, производители из Азии начали бы копировать его микросхемы и Nvidia была бы обречена. «Если бы мы не переосмысливали компьютерную графику и собственные технологии и не открывали новые возможности применения наших процессоров, нашу продукцию вытеснили бы с рынка как посредственную», – сказал позже Хуанг. Рискованнее всего было не рисковать.

Первые модели GeForce с программируемыми шейдерами появились в июне 2001 года. В ноябре была представлена игровая консоль Microsoft – Xbox вместе со знаковой игрой Halo. Это был шутер наподобие Quake или Doom, но действие разворачивалось не в аду, а в закольцованном искусственном мире с великолепным натуралистичным освещением, созданным благодаря чипам Nvidia. Успех Halo поднял рыночную стоимость Nvidia почти до 20 миллиардов долларов. Спустя две недели Nvidia была включена в фондовый индекс S&P 500, вытеснив компанию Enron.

В свои тридцать восемь Хуанг был одним из самых молодых генеральных директоров в этом списке. За восемь лет он прошел путь от обсуждения идей в закусочной до управления одной из пятисот самых значимых компаний Америки. Он переиграл и поглотил всех конкурентов, кроме одного, и в ближайшие недели после добавления в индекс на некоторое время даже формально стал миллиардером. Но фондовый рынок непостоянен, и момент славы Хуанга оказался недолгим. Пройдет четырнадцать лет, прежде чем он снова увидит на своих счетах такую сумму.

Дженсен отправил крученый мяч через стол, удовлетворенно прислушиваясь к звуку удара: «Тук!» Он отрабатывал накат справа, который в давние времена был его коронным ударом. Ударив по мячу, он быстро принимал исходную позу, сжимался и взрывался новым движением, отправляя мяч по хитрой траектории через сетку: «Тук!» Он повторял это снова и снова – удар, подготовка, удар, подготовка, – с механической точностью вращаясь на опорной ноге.

Дела в компании шли неважно (тук!). Фондовый рынок рушился после кризиса доткомов (тук!). Последняя модель GeForce была выпущена с дефектом: вентилятор гудел, как пылесос (тук!). Сделка с Xbox висела на волоске (тук!). Против Nvidia велось расследование по поводу бухгалтерского мошенничества (тук, тук, тук, тук!). Взмокший Дженсен опустил ракетку.

В 2002 году Хуанг связался с Джо Романоски, своим давним другом и партнером по настольному теннису, и возобновил тренировки. Романоски был удивлен звонку: они не общались почти двадцать лет. Однако разговор получился теплым, и они восстановили дружеские отношения. Романоски вспоминает, как во время учебы в колледже Хуанг участвовал в турнире по настольному теннису, проходившем в тюрьме штата. Легко одолев всех соперников на глазах у толпы заключенных, Хуанг не смог удержаться от демонстрации своей техники. «У него в запасе всегда был набор трюков, но он исполнял их так, словно это было необходимой частью игры, – рассказывает Романоски. – Знаете, как Harlem Globetrotters»[10].

В разговоре с Романоски Хуанг упомянул, что основал компанию по разработке оборудования для видеоигр. «Он рассказывал об этом с неподдельным восторгом», – говорит Романоски. Хуанг отправил его сыну в подарок видеокарту, а Романоски в ответ заказал для Хуанга его любимую модель ракетки. Вскоре Хуанг снова начал играть в настольный теннис и нанял в качестве тренера бывшего члена олимпийской сборной.

Романоски, инженер компании Boeing в Сан-Диего, стал регулярно летать с женой в Кремниевую долину в гости к Дженсену и Лори. Хуанг установил в саду рядом с тем самым передвинутым домиком у бассейна большой японский гриль теппан и усердно изучал трюки шеф-повара из ресторана Benihana. Он мастерски подкидывал на сковородке рис, жонглировал продуктами и строил вулканы из луковых колец. Однако ему никак не удавалось научиться ловить шляпой жареные креветки – бо́льшая часть оказывалась на земле.

Отдыхая с друзьями, Хуанг говорил о семье, о своих хобби – о чем угодно, кроме работы. Романоски старался не расспрашивать о ней, он и так знал все новости из газет. Хуанг угощал Романоски виски из своей обширной коллекции, их жены сдружились, а Романоски предложил Хуангу отправиться в поход в горы (Дженсен отказался). «Он очень душевный и обаятельный человек, – говорит Романоски. – Когда мы общаемся, он вовсе не кажется суперзвездой бизнеса. Мне кажется, дома он становится самим собой».

Мнение Романоски о Хуанге совершенно не совпадает с тем образом одержимого магната, который рисуют его коллеги и конкуренты. Романоски воспринимает его как все того же энергичного, жизнерадостного парня, с которым он познакомился много лет назад. Похоже, что Хуанг всегда умел отделять свой деловой образ от домашнего. Мне было интересно узнать, видел ли Романоски в нем хотя бы намек на Дарта Вейдера. «Если эта сторона у него и есть, то он ее тщательно скрывает, – сказал Романоски. – Милый хозяин дома – вот тот Дженсен, которого я знаю».

С лета 2001 года по осень 2002-го акции Nvidia обесценились более чем на 90%. Состояние Хуанга стремительно сократилось. Самые большие проблемы начались в январе 2002 года, когда Комиссия по ценным бумагам и биржам начала изучать бухгалтерские отчеты Nvidia. Подобные проверки ранее выявили махинации в компаниях Worldcom и Enron, что вызвало волну подозрений корпораций в злоупотреблениях. В июле Nvidia пришлось пересчитать результаты за три года, и вскоре после этого финансовый директор Кристин Хоберг была уволена[11]. Тенч Кокс рассказывает, что ее увольнение было неприятным событием, но в Хуанге совет директоров никогда не сомневался. «Комиссия просто искала компромат повсюду», – говорит он. Однако при пересчете финансовых результатов действительно выяснилось, что Nvidia получила больше прибыли, чем задекларировала.

Скандал с бухгалтерией совпал с одним из самых неблагоприятных периодов на бирже за всю историю. После того как лопнул пузырь доткомов, после террористической атаки 11 сентября и банкротства Enron компании, входящие в индекс S&P 500, в общей сложности потеряли почти половину своей стоимости. В это же время у Nvidia начались разногласия с Microsoft, касающиеся ценообразования и интеллектуальной собственности. Свою роль в этом конфликте сыграло и то, что Nvidia стала слишком высоко оценивать свою значимость.

Сотрудники Nvidia считали себя элитой. Да, это было оправданно, но их самодовольство порой граничило с нарциссизмом. За несколько недель до выхода Xbox компания Microsoft устроила торжественный банкет, на котором с поздравительной речью выступил Билл Гейтс. Технических специалистов Nvidia усадили куда-то в самый конец зала, за один стол с производителями резиновых ножек для консоли. Даже спустя много лет Кирк вспоминает об этом с обидой подружки невесты, которую посадили на свадьбе за стол с дальними родственниками. «Ну да, мы были очень важными партнерами, такими же, как парни, которые делали резиновые ножки», – ворчит он.

Кирк, конечно, добавляет, что это шутка, но, как и Хуанг, нередко он маскирует шутками недовольство. Возможно, это была ошибка организаторов мероприятия, но для Кирка соседство с производителями резиновых ножек выглядело как намек на то, что Microsoft не собирается всерьез считаться с простым поставщиком оборудования. Этот эпизод запомнился, и вскоре деловые отношения компаний начали портиться. Microsoft стала требовать от Nvidia увеличить объем поставок и снизить цены, однако Nvidia возражала, что в контракте подобное не предусмотрено, и спор был передан в арбитраж. Для следующего поколения Xbox Microsoft выбрала решение от ATI.

Тем не менее из всех проблем, с которыми столкнулась Nvidia в тот период, самой серьезной стало слишком медленное внедрение шейдеров. Чтобы риск оправдался, компании нужно было убедить разработчиков освоить новый язык программирования. Для этого Nvidia запустила рекламную кампанию с изображением феи – символа компьютерной графики, получившей имя Дон (Dawn), – практически обнаженного сказочного существа с крылышками, усиками и внушительным бюстом. Дон украсила обложку изданного Nvidia учебника программирования The Cg Tutorial. Содержание его было куда менее привлекательным, чем обложка, и включало десять глав о преобразованиях вершин, пиксельных каналах и прочих премудростях кодирования – и, конечно, домашние задания. Книжку раскупали не слишком охотно.

Гнев Хуанга, о котором не ведал Романоски, все чаще находил выход на работе. В начале 2003 года Nvidia представила злополучный графический процессор GeForce FX, который отличался медленной скоростью рендеринга и заслужил у геймеров прозвище «пылесос» из-за чрезмерно шумного вентилятора. Устройство получило негативные отзывы от критиков и покупателей, включая Спенсера, тринадцатилетнего сына Хуанга. Однажды вечером Дженсен, придя домой, обнаружил на своем столе журнал с жесткой рецензией на устройство и записку: «Папа, тебе стоит постараться получше».

Хуанг созвал рабочее совещание и заставил продукт-менеджеров подробно объяснить нескольким сотням сотрудников причины провала. После этого он кричал на них почти час. «Это было ужасно, но в то же время принесло какое-то облегчение», – рассказывает Шэрон Клэй, инженер, отвечавшая за контроль качества. Гневные крики Хуанга вызывали не только страх, но и раскаяние. Он часто объяснял подчиненным, что, подводя клиентов, они подводят и свои семьи. «Думаю, чувство вины движет мной не меньше, чем что-либо другое», – говорит сам Хуанг.

Nvidia регулярно проводила оценку эффективности сотрудников, и после провала GeForce FX Клэй опасалась, что ее работа получит оценку «необходимо совершенствоваться». В Nvidia это было подобно черной метке. Работая над GeForce FX, Клэй провела четыре или пять тестов контроля качества. Для следующей модели графического ускорителя она сделала их сто, а потом их количество доходило до нескольких тысяч. «Когда мы начинали процесс, я даже представить не могла, к какому решению мы придем после того, как нас должным образом… эээ… заставят задуматься», – говорит она.

Ни Клэй, ни кого-либо другого в должности не понизили. Вместо этого маркетинговая команда Nvidia сняла сатирический видеофильм с участием продукт-менеджеров, в котором видеокарта превращалась в воздуходувку для уборки палой листвы. Ролик разослали журналистам, и спустя шесть недель обновленный GeForce был встречен с одобрением. Сотрудники Nvidia отмечали, что Хуанг поддерживал дисциплину на уровне армейского подразделения или профессиональной футбольной команды. «Я не думаю, что он кричит больше, чем любой другой генеральный из списка Fortune 500, – сказал один из сотрудников. – В конце концов, его работа не в том, чтобы быть нашим другом. Его задача – заставить нас превзойти самих себя».

Часто даже те, кому не импонировал такой стиль управления, тепло отзывались о Хуанге. Бывший сотрудник компании Тим Литтл вспоминает, что однажды получил электронное письмо от менеджера с заголовком «Доползи уже до финишной черты, неудачник». Литтл много времени проводил в командировках вдали от семьи, а в офисе часто допоздна работал на симуляторе микросхем. Решив, что с него хватит, он подал заявление об увольнении. Через несколько дней примерно в два часа ночи, когда Литтл дорабатывал одну из своих последних смен, пришел Хуанг и сел рядом с ним за симулятор. Тусклый свет монитора освещал усталое лицо Дженсена. Он начал рассказывать о том, на какие жертвы ему приходилось идти, так же проводя множество ночей вдали от семьи, когда он строил карьеру. Он откровенно признался, что до сих пор не уверен, стоила ли игра свеч, и предложил Литтлу вернуться на работу, если он захочет, но тот отказался. Тогда Хуанг поблагодарил его за вклад в развитие компании и ушел. «Это был, безусловно, самый значительный эпизод за все время моей работы там», – говорит Литтл.

Из более чем ста нынешних и бывших сотрудников Nvidia, с которыми я общался, собирая материал для этой книги, почти у каждого есть своя трогательная история о Хуанге. Один сотрудник (тот, которого Хуанг однажды унизил перед десятками людей, требуя вернуть все премии) рассказал мне, что в то время, когда у него возникли серьезные проблемы со здоровьем, Хуанг вызвался полностью оплатить лечение из собственного кармана. Когда Бен Гарлик решил уйти из Nvidia в стартап, Хуанг лично попросил его остаться. «Мы сидели за столом в переговорной, он придвинулся так близко, что мы едва не касались коленями. И он буквально упрашивал меня не уходить! – вспоминает Гарлик, в компании, насчитывающей тысячи сотрудников, он управлял командой из десяти человек. – Я был потрясен, я даже не думал, что он знает мое имя». Смесь любви, страха и чувства вины, которую использовал Хуанг, была сильным мотиватором для многих в компании. «Ты просто чувствуешь, что не можешь его подвести, – говорит Клэй. – Никак не можешь».

Примерно в это время Кёртис Прим окончательно отошел от дел. Его обязанности были ограниченны на протяжении многих лет, и в конце концов он вообще перестал появляться в офисе. («У него возник конфликт с другим топ-менеджером, и мне кажется, он решил, что его уволили», – говорит Кирк.) Прим начал продавать свои акции Nvidia. Бо́льшую часть вырученных средств он направил на благотворительность, в основном на поддержку своей альма-матер – Политехнического института Ренсселера, расположенного в северной части штата Нью-Йорк. Прима избрали в совет попечителей института, и на его пожертвования был построен центр искусств стоимостью 200 миллионов долларов, а позже приобретен квантовый компьютер.

Прим поселился на великолепном ранчо в районе горного хребта Дьябло к востоку от Окленда, купленном за 6 миллионов долларов. Из дома открывался потрясающий вид на залив: в ясный день можно было увидеть не только пасущиеся стада, но и все пять мостов. Прим купил реактивный самолет «Гольфстрим», чтобы перемещаться между Калифорнией и Нью-Йорком, а для компенсации углеродного следа инвестировал средства в экспериментальные экологически чистые технологии и сделал свое ранчо автономным. Он пережил непростой развод, а затем решил посвятить свою жизнь улучшению экологии планеты.

С 2004 по 2006 год Прим в несколько этапов продал все свои акции Nvidia. «Вот почему цена акций застыла, – говорит он. – Мы просто продавали их в тот момент, когда она начинала расти». Если бы он сохранил их и просто в течение двадцати лет наслаждался жизнью на ранчо, то сегодня его состояние превышало бы 100 миллиардов долларов, то есть он был бы одним из самых богатых людей на планете. Но Прим утверждает, что не сожалеет о своем решении. Хранить практически все свое состояние в акциях нестабильной технологической компании, в которой он больше не работает, не казалось ему разумным.

В духе Джорджа Бэйли из фильма «Эта замечательная жизнь Прим предложил мне представить, во что превратились его упущенные прибыли. «У меня больше нет акций, но это не значит, что средства исчезли. Эти деньги пошли на чьи-то пенсии. На чье-то жилье. Получается, я вложил 100 миллиардов долларов в нашу экономику, – говорит он. – Я намерен пожертвовать полмиллиарда в течение жизни, и это отнимает бо́льшую часть моего времени и усилий. Порой я задумываюсь, как распоряжался бы фондом в 100 миллиардов долларов, и понимаю, что это очень непросто. Я даже не знаю, как это можно было бы раздать».

В конечном итоге Nvidia спасли геймеры. Несмотря на то что акции компании обесценились, она продолжала выпускать одни из самых сложных чипов в мире. Эти микросхемы одновременно с распространением широкополосного интернета и совершенствованием мультимедийных компьютеров положили начало так называемому золотому веку ПК-гейминга. Разработчики использовали новое оборудование для создания игр, ставших классическими: Call of Duty, Half-Life 2, The Sims и World of Warcraft. «В период с 2000 по 2005 год индустрия игр для ПК достигла своего пика», – отметил один из моих собеседников.

Было ли это наилучшим применением данной технологии? Субкультура ПК-гейминга весьма токсична: достаточно вспомнить форум 4chan и «Геймергейт». ПК-геймеры пренебрежительно называли играющих на консолях «крестьянами», а себя – «высшей расой ПК». Пионеры компьютерной графики были разочарованы очевидным застоем в эстетике популярных игр, что было следствием незрелости их целевой аудитории. Nvidia предоставила разработчикам невероятный инструмент. Они использовали его для создания монстров, перестрелок, гонок на автомобилях и расчлененки. «Это поражает, если задуматься о том, какая огромная работа проделана и какой банальный результат получен», – говорит Джон Педди.

Тем не менее с точки зрения бизнеса это был правильный подход. ПК-геймеры – идеальные клиенты, у них быстро развивается зависимость. Видеоигры выдают вознаграждение случайным образом. Так же работают игровые автоматы, чтобы удерживать игроков часами. В 2001 году Джон Хопсон, исследователь из студии, создавшей Halo, описал игровой цикл зависимости: сначала персонаж приобретает новые возможности, затем его отправляют выполнять квест, дают вознаграждение и все повторяется. Некоторым игрокам трудно выйти из этого цикла.

Исследователи установили, что наиболее фанатичные геймеры демонстрируют поведение, характерное для наркоманов. Они устраивают игровые марафоны, страдают от «ломки», врут близким о том, сколько времени проводят за компьютером. Они удаляют игры, чтобы завтра скачать их снова. Американская психиатрическая ассоциация включила в свой справочник новый диагноз: internet gaming disorder (расстройство, вызванное интернет-играми), отметив, что наиболее подвержены ему молодые мужчины. К симптомам относятся «низкая эффективность в учебе, на работе и в выполнении домашних обязанностей» и «пренебрежение личной гигиеной».

Однако многим игры открывают завораживающие альтернативные миры, наполненные смыслом, приключениями и неограниченными возможностями. World of Warcraft, возможно, и вызывает привыкание, но благодаря ей геймеры находят друзей и единомышленников по всему миру. По данным социологических исследований, примерно четверть из них проводит за играми более двух часов в день. Nvidia называла таких игроков «энтузиастами», и они были самыми выгодными клиентами. Многие из них в детстве начинали с Nintendo, а повзрослев, переходили на ПК. В абсолютных цифрах у рынка ПК было меньше потребителей, чем у консолей, но пользователи ПК тратили на свои системы значительно больше денег. Некоторым из них между игровыми сессиями даже удавалось работать.

С графическими процессорами Nvidia игровые ПК стали для «ботаников» тем, чем были автомобили с мощными моторами для автолюбителей. Собранные под индивидуальные запросы игровые компьютеры могут стоить тысячи долларов за счет дополнительного оборудования. Продавцы предлагают прозрачные корпусы с цветной подсветкой, чтобы можно было любоваться «начинкой». Автомобильные фанаты гордо демонстрируют уличным зевакам мотор автомобиля, открывая капот, а геймеры делятся на форумах фотографиями своих системных блоков, хвастаясь разогнанными процессорами и новейшими видеокартами.

С развитием игрового рынка цена на акции Nvidia снова выросла, но компания продолжала расти, даже когда курс акций падал. К началу 2004 года в Nvidia работало свыше 1000 человек и она получала рекордную прибыль. Именно тогда аналитики Уолл-стрит начали вести бесконечные споры о том, какова реальная стоимость Nvidia. Немногие компании больше ставили их в тупик: анализ показателей прошлых лет был практически бесполезен, поскольку все заработанные средства Хуанг тут же инвестировал в рискованные технологии, которые могли либо изменить компьютерный мир, либо с треском провалиться.

К середине 2000-х его послужной список выглядел не совсем идеально: он добился успеха с графическими процессорами и параллельной обработкой данных, но потерпел неудачу с рядом других инноваций. В результате компания добилась успеха на бумаге, но ее акции стабильно недотягивали до ожидаемой цены. В Nvidia была важна не столько прибыль, сколько одержимость ее генерального директора и его готовность идти на риск в долгосрочной перспективе. В него можно было либо верить, либо нет. Тех, кто не верил, ждали непростые времена, потому что Хуанг собирался сделать свою самую безумную ставку.

Некоторые геймеры, в том числе Джонатан Вендел, уменьшали разрешение экрана, чтобы увеличить частоту кадров. Йен Бак пошел по другому пути: он стремился максимально увеличить картинку. Будучи аспирантом Стэнфордского университета по специальности «компьютерная графика», Бак понял, что, обладая некоторыми техническими навыками, можно задействовать кластер из нескольких графических процессоров Nvidia. В 2000 году он соединил 32 ускорителя GeForce, чтобы демонстрировать прохождение Quake III при помощи восьми проекторов. «Это была первая игровая установка с разрешением 8K, и она занимала всю стену, – вспоминал Бак. – Это было великолепно».

Погрузившись в принципы работы графических процессоров, Бак стал задумываться, можно ли использовать несколько GPU для иных задач, помимо швыряния виртуальных гранат в неприятелей. Если бы вы решили нарисовать 30 кадров Quake III в разрешении 8K вручную карандашами на бумаге, вам бы понадобилось около 16 000 лет непрерывного труда. А набор GeForce, использованный Баком, решал подобную задачу за секунду. При этом вся установка стоила около 20 000 долларов, что по меркам оборудования для высокопроизводительных вычислений было сущим пустяком. Решив поиграть в Quake на стене, Бак случайно придумал бюджетный суперкомпьютер.

Бак понял, что эта доступная высокая производительность может найти свое применение в науке и промышленности, однако программное обеспечение видеокарт Nvidia было рассчитано лишь на стандартные графические операции. Чтобы использовать массив графических процессоров для других целей, Баку предстояло найти способ обойти ограничения их программной модели. Изучив учебник Nvidia по шейдингу – тот самый, с феей Дон на обложке, – он стал одним из первых программистов, применивших шейдеры для универсальных вычислений. Парадоксально, но интерес к компьютерной графике он потерял. Как герой научно-фантастического фильма «Трон», попавший в киберпространство, Бак с головой погрузился во внутреннюю архитектуру графического процессора.

Йен обладал острым умом и энтузиазмом. Чем больше он изучал возможности своих видеокарт, тем сильнее увлекался этой работой. Подобно астроному, отставившему в сторону телескоп, чтобы ощутить необъятность Вселенной, Бак постоянно поражался тому, какое количество арифметических операций способен выполнить его компьютер: 60 гигафлопс (то есть 60 миллиардов операций в секунду) только на одной карте! Работая с графическими процессорами, он все больше испытывал благоговение перед этой мощью.

Йен Бак сумел получить грант от DARPA, исследовательского подразделения Минобороны США, и собрал для своего проекта команду инженеров. В 2003 году они представили новый язык программирования с открытым исходным кодом, названный Brook. Этот язык позволял решать сложные математические задачи – например, моделировать формирование галактики или взрыв ядерной бомбы – на оборудовании, изначально предназначенном для визуализации угонов автомобилей и выпускания кишок в видеоиграх. Графический вывод программы, написанной на Brook, представлял собой бессмысленную серию треугольников, но при их рендеринге GPU производил чрезвычайно сложные расчеты. «Чтобы взломать эти треугольники, нужно было очень хорошо разбираться в компьютерной графике», – говорит Бак.

Brook сделал параллельные вычисления доступными. Научное сообщество начало закупать видеокарты GeForce и объединять их в массивы, разрабатывая приложения для финансового моделирования, прогнозирования погоды, исследований в области физики высоких энергий и медицинской визуализации. Игровые видеокарты уже были не только видеокартами – они превратились в инструменты для научной работы. Появление этого нового рынка не прошло незамеченным для Дженсена Хуанга. «Я опубликовал кучу статей, и многие заинтересовались моими исследованиями, – вспоминает Бак. – А где-то в 2004 году Дженсен предложил мне прийти в Nvidia и заняться этим всерьез».

История Бака похожа на истории многих талантливых людей, оказавшихся в Nvidia. В 2005 году Silicon Graphics, не сумевшая конкурировать с линейкой Quadro, была исключена из списка Нью-Йоркской фондовой биржи, а ее штаб-квартира стала частью Googleplex. Как и в случае с 3dfx, многие сотрудники SGI приняли предложение Хуанга о работе, так что штат компании увеличился до 2000 человек. Из них 1200, то есть 60%, занимались исследованиями и разработками. Со стороны компания все еще выглядела слегка эксцентричным производителем игрового оборудования, но на самом деле она потихоньку превращалась в научную лабораторию.

Билл Дэлли, заведующий кафедрой информатики Стэнфордского университета и убежденный пропагандист параллельных вычислений, с воодушевлением наблюдал за растущей производительностью чипов Nvidia в области математических вычислений. Он полагал, что они могут стать основой для принципиально нового типа компьютеров. Дэлли опубликовал несколько статей, в которых восхвалял инновации компании, а в 2003 году Дженсен Хуанг лично пришел в его университетский офис, чтобы предложить работу консультанта. Многие годы Дэлли убеждал скептически настроенных топ-менеджеров в ценности параллельных вычислений, а Хуанг пришел к нему сам. «Он обладает глубокими техническими знаниями и всегда задает правильные вопросы, – говорит Дэлли. – Иногда он даже опережает тебя, и это в теме, где ты считаешься экспертом».

Однако Дэлли все же не до конца доверял Хуангу. Он слышал о его эмоциональной неустойчивости и о жестком рабочем графике в Nvidia. Вероятно, предвидя его колебания, Хуанг принес на встречу уже подписанный чек. И Дэлли, один из ведущих мировых ученых в своей области, все-таки согласился.

Йен Бак, Билл Дэлли и десятки других талантливых инженеров были привлечены для участия в секретном проекте Nvidia под названием Compute Unified Domain Architecture, или CUDA (название намеренно выбирали непонятное «вычисление унифицированной доменной архитектуры»). Идея CUDA заключалась в том, чтобы использовать параллельные вычислительные схемы, разработанные для видеоигр, в научных целях. Больше не требовалось взламывать треугольники ради драгоценных гигафлопсов – архитектура была открыта для любого пользователя. «Фактически CUDA можно представить как карту для видеоигр, оснащенную дополнительным переключателем, – объясняет Дуайт Диркс. – Вы щелкаете им, и видеокарта превращается в суперкомпьютер».

CUDA придумал Джон Николлс, инженер Nvidia, который ранее был одним из основателей прогоревшего стартапа, занимавшегося параллельными вычислениями. Николлс увлекался горнолыжным спортом и сборкой моделей поездов, а его офис украшали изображения микросхем в рамках. Он был одержим идеей сделать компьютеры быстрее, а в своей компании MasPar он пытался внедрить рабочий график 9–9–6, как в TSMC, где сотрудники работали с девяти утра до девяти вечера шесть дней в неделю. Даже после краха компании Николлс остался верен своим идеям, считая, что в конечном итоге они получат развитие, так как на его стороне законы физики.

Долгие годы миниатюризация электроники происходила в соответствии с «законом масштабирования Деннарда». По этой концепции транзисторы должны были продолжать эффективно работать по мере уменьшения размеров – именно благодаря этому компьютеры каждый год становились быстрее[12]. Однако Николлс подсчитал, что около 2005 года это правило перестанет работать. Пришлось бы создавать транзисторы размером в сотню атомов, что примерно в 6000 раз тоньше человеческого волоса и в 700 раз меньше эритроцита. На таком уровне миниатюризации проводимость транзисторов ухудшится и появится утечка тока из них, в результате чего скорость работы компьютеров снизится.

Николлс видел, что индустрия игнорирует эту проблему, особенно Intel, уверенная в линейном улучшении параметров транзисторов при уменьшении их размеров вплоть до атомов. Он полагал, что это невозможно, и в начале 2003 года по собственной инициативе написал Хуангу письмо, излагая свои «еретические» взгляды. В письме он точно и объективно, исходя из законов физики, объяснил, почему доминирование Intel с ее подходом близится к концу. «Мы все видели приближение этого момента, но именно Николлс убедил меня, что действие закона Мура закончилось, – говорит Хуанг. – В том, что Nvidia стала такой, какая она есть, в большой степени его заслуга».

Хуанг предложил Николлсу работу и назначил руководителем пилотного проекта по разработке научных приложений для GeForce. Даже среди сотрудников Nvidia Джон выделялся упорством и силой характера. Через две недели после начала работы у него обнаружили меланому, однако он продолжал трудиться по 70 часов в неделю, параллельно проходя лечение и не показывая ни семье, ни коллегам, насколько ему тяжело. Вскоре меланома Николлса перешла в стадию ремиссии, а первые версии платформы CUDA начали работать.

Николлс совершенно не интересовался видеоиграми и вообще компьютерной графикой, его заботила только вычислительная мощность устройств. Однако в остальном он был типичным сотрудником Nvidia. «Мой отец частенько повышал голос, – рассказывает его сын Алек. – Я часто слышал, как во время телефонных совещаний он кричит на людей. Но это не казалось чем-то плохим, скорее он просто хотел быть уверен, что люди понимают, что делают, и будут работать продуктивно».

В личной жизни Николлс был столь же жестким, как и на работе. Он хитростью затаскивал сына на самые сложные горнолыжные трассы, а в клубе железнодорожного моделирования больше интересовался устройством путей, чем общением. Когда Алек был бойскаутом, ему никак не удавалось пройти классическое испытание на выживание, которое заключалось в том, чтобы сделать спасательное средство на воде из собственных штанов. Николлс загнал сына в бассейн и не выпускал оттуда, пока тому не удалось наполнить брюки воздухом.

Николлс был одержим задачей заставить платформу CUDA работать. Друзья иногда удивлялись тому, что он работает в компании, связанной с видеоиграми, хотя сам ими не интересуется. Николлс отвечал, что занимается не играми: он работает над одной из самых значимых технологий всех времен. Он стремился создать платформу столь быструю, чтобы в сравнении с ней другие компьютеры выглядели калькуляторами. «Немногие изобретения так повлияли на мир, как повлияет CUDA», – утверждал он.

Конечно, это скорее отражало его веру в свою работу, чем реальное положение дел. К концу 2000-х годов компьютеры достигли скорости, достаточной для большинства потребительских нужд, и очевидного спроса на то, что создавал Николлс, пока не было. Объединить CUDA с обычной видеокартой было все равно что поставить на минивэн реактивный двигатель и попытаться продать его обычному жителю пригорода. Но Николлса это не смущало. Он хотел не просто обойти закон Мура, а развенчать его навсегда.

Для этого Николлсу нужно было увеличить вычислительную мощность микросхем. Частоты, на которых они работали, словно подчинялись некоему ускоряющемуся с каждым годом метроному. К середине 2000-х этот метроном выдавал сотни миллионов тактов (герц) в секунду, а возможности электрических соединений в устройствах уже не соответствовали таким скоростям. Параллельные вычисления решали проблему не за счет увеличения скорости каждого транзистора, а благодаря росту их количества. В процессорах Intel одновременно работало ограниченное количество транзисторов, в графических процессорах Nvidia их были тысячи.

Nvidia было сложно найти пользователей, которым понадобилась бы такая мощность. «Поначалу нашими единственными клиентами были двое исследователей рака груди», – вспоминает Диркс. Эти ученые, работавшие в Массачусетской больнице общего профиля, предложили Nvidia улучшить их маммографические сканеры. Хуанг доверил больнице провести альфа-тестирование CUDA, вложив несколько миллионов долларов в пилотный проект, который в итоге привел к продаже всего лишь двух графических карт. «Это было вполне в духе Дженсена», – замечает Диркс.

Маммографическая визуализация стала первым примером того, что Хуанг позже назвал «потенциальный рынок с оборотом в миллиарды долларов». Он давно стремился найти способ выделить Nvidia на фоне конкурентов. Инновации в аппаратном обеспечении не могли решить эту задачу, так как они легко копировались. В сети фанаты электроники обменивались своим опытом изучения микросхем Nvidia: они растворяли корпус чипа в серной кислоте и затем сканировали его под специальным микроскопом. Параллельно с энтузиастами микросхемы пытались копировать многочисленные профессиональные лаборатории, занимающиеся промышленным шпионажем. Теоретически технологии изготовления и схемотехника микросхем защищены патентами, но опыт 3dfx продемонстрировал бесполезность судебных разбирательств. «Все изучают, как работают аппаратные решения конкурентов, – говорит Диркс. – Это ни для кого не секрет».

Чтобы выделиться на общем фоне, Nvidia нужно было следовать стратегии, которая настолько противоречила общепринятой практике, что, к примеру, та же ATI ни за что не стала бы этим заниматься. Нужно было создать экспериментальный продукт, что-то вроде суперкомпьютера начального уровня стоимостью примерно 300 долларов, у которого тогда не было не только конкурентов, но и явных покупателей. «Потенциальный миллиардный рынок» по определению должен был стать таковым: на нем пока не только не было других участников, о нем даже никто не знал. Хуанг намеревался построить бейсбольный стадион посреди кукурузного поля и ждать, когда на него придут игроки.

При параллельных вычислениях масштабная задача разбивается на множество мелких, которые выполняются одновременно. Чтобы детально объяснить этот сложный процесс, потребуется написать целый учебник, но кое-что можно объяснить на пальцах. Представьте электронную схему размером с танцпол. На нем толпа людей размахивает светящимися палочками (это как бы символизирует транзисторы). Мигают огни, гремит музыка, но большинство танцоров стоит на месте: они могут двигаться только тогда, когда наступает их очередь[13]. Кто-то вступает на первый удар первого такта, кто-то на четвертый удар второго такта и так далее. Мы видим, как палочки вспыхивают то там, то здесь, но большинство просто находится в режиме ожидания.

Руководящий их последовательным движением диджей пытается расшевелить толпу, ускоряя ритм, но успех такого подхода ограничен. В этот момент на сцену выходит другой диджей, управляющий выполняемыми параллельно действиями. Вместо того чтобы ускорять ритм, он придумывает значительно более сложные движения для танцоров, которые можно выполнять группами. И это работает: активность танцоров резко увеличивается, пол начинает дрожать, в помещении становится жарко (некоторые танцоры настолько активны, что могут перегреться). Теперь тысячи светящихся палочек качаются в такт.

Переосмысление работы микросхем таким образом было кардинальным решением. Сложность параллельных вычислений состоит в необходимости координации подобной «хореографии», которая требует от программистов абсолютно нового подхода. Относительно просто составить инструкцию для процессора Intel, который работает как фургон, развозящий посылки по одной. Да, это медленно, зато не требует от программиста больших ухищрений. Нужно доставить посылку? Просто киньте ее в фургон!

Графический процессор Nvidia, работающий по принципу параллельных вычислений, больше напоминал армию мотоциклистов, разъезжающих по городу. Все курьеры доставляют посылки примерно одновременно, и весь процесс может занять не более получаса, однако управлять им сложнее: требуется больше водителей, автомобилей, нужна продуманная логистика. Необходимо выдать каждому мотоциклисту правильную посылку и указать правильный путь.

На протяжении десятилетий программисты отдавали предпочтение фургону, но, как и предсказывал Николлс, вскоре фургону предстояло застрять в пробке законов физики. Николлс считал, что, как только это произойдет, всем придется перейти к управлению армией мотоциклистов. Просто не останется выбора.

Тем не менее Nvidia ориентировалась не на программистов как таковых; они были лишь посредниками. Настоящими клиентами должны были стать врачи, астрономы, геологи и другие ученые – специалисты в различных областях, которые, возможно, вовсе не умели программировать. Именно они будут тратить деньги на CUDA, и им нужно было более простое объяснение.

Объяснить ученым различие между последовательными и параллельными вычислениями было проще всего, сравнив выполняющий последовательные операции процессор Intel с кухонным ножом из нержавеющей стали. Этот нож – великолепный многоцелевой инструмент, с помощью которого можно нарезать что угодно как угодно: соломкой, кубиками, ломтиками, крошить или рубить. Немного умения, и с его помощью повар приготовит целый обед. Но ножом можно резать только один продукт за раз.

В свою очередь графический процессор Nvidia, выполняющий параллельные операции, можно сравнить с кухонным комбайном. Это профессиональное устройство, шумное, большое и мощное. Он неспособен нарезать хрен тонкой стружкой или сделать надрезы в виде решетки на филе кальмара. Однако когда необходимо быстро нарезать одновременно большое количество овощей, такой комбайн – то, что нужно.

Невозможно приготовить все блюдо с помощью одного лишь комбайна, не применяя кухонный нож. И компьютер не может работать, используя только графический процессор. Это слишком специализированное устройство для конкретных задач; в любом случае для работы необходим и центральный процессор. В этом контексте последний всегда является основным инструментом, а GPU – мощным дополнением с узким функционалом. Поэтому, как и многие современные кухонные инструменты, его тоже поначалу воспринимали с долей скепсиса. Однако представьте, что шеф-повар приходит на работу и обнаруживает, что для банкета крупной международной организации нужно срочно нарезать грузовик свежих овощей. У него нет времени аккуратно их нарезать, ему нужно срочно измельчить сотни килограммов продуктов. В такой ситуации кухонный комбайн будет весьма полезен. Фактически для такой задачи хорошо бы использовать множество комбайнов, работающих одновременно.

В этой аналогии грузовик с овощами обозначает большие массивы данных. К середине 2000-х годов ученые накопили такие объемы данных, которые многократно превышали все, что до этого собиралось веками. Это были данные по астрономии, геологии, медицине, правительственные и финансовые записи, а также неуклонно растущий объем информации, закачиваемой пользователями в интернет.

Ученый прошлых веков был бы счастлив, получив ящик овощей на несколько недель. К середине 2000-х годов ему пришлось бы ежедневно разбирать нескольких грузовых контейнеров. «Кухонные ножи» от Intel просто не справлялись с этой задачей: требовалась машина с мощным вращающимся лезвием. Конечно, нарезка не всегда получалась идеальной – ну и что? Все равно вскоре прибудет еще один грузовик. Графический процессор стал кухонным комбайном для обработки данных. Это было устройство, которое превращало массивы информации в грубо нарезанные кубики.

Под руководством Николлса команда Nvidia начала компоновать свои микросхемы в «ядра CUDA» – массивы, способные одновременно выполнять одну и ту же команду для нескольких групп данных. Арджун Прабху, директор Nvidia по аппаратным решениям, сравнивал проектирование нового процессора с градостроительством, когда зоны застройки должны выполнять разные функции. Иногда транзисторы даже снились Прабху, как падающие блоки игрокам в «Тетрис». «Самые лучшие идеи возникают у меня в пятницу перед сном – они буквально снятся мне», – признавался Прабху.

Решение выпускать карты двойного назначения вызвало в Nvidia споры, поскольку это увеличивало себестоимость видеокарт GeForce по сравнению с устройствами Radeon (в компании это увеличение расходов стали называть «налог CUDA»). Хуанг сделал ставку на то, что геймеры, завороженные графикой Half-Life 2, не придадут значения своему фактическому участию в рискованных и, возможно, бесполезных исследованиях в области высокопроизводительных вычислений. «Многие из решений, примененных в ядрах CUDA, давно использовались в суперкомпьютерах и специализированных процессорах, но они были слишком дорогими для рынков, которые обслуживали, – говорит Бретт Кун, один из первых инженеров CUDA. – На мой взгляд, "дар" CUDA заключался в том, что она позволила нам переложить на геймеров расходы на разработку».

На микросхемах, созданных Прабху, должны были работать несколько уровней программного обеспечения. Первым слоем был машинный код, превращающий сложные математические формулы в простую арифметику. Над этим в основном работал Йен Бак. Это был «подвал» вычислений, работа на базовом уровне кода, где команды передавались непосредственно устройству. Многие программисты считали эту работу утомительной и скучной, но Бак обожал ее – впоследствии он получил ряд патентов на методы программирования на уровне ассемблера. «Это то место, где резина встречается с дорогой», – говорит он.

Бак нанял команду специалистов по вычислениям, многие из которых окончили Московский государственный университет. «Куча Петров и Борисов», – шутил он. Вместе с русскими специалистами он трансформировал любимые учеными сложные математические структуры – дифференциальные уравнения, многомерные матрицы и т. п. – в простейшие уравнения, использующие только сложение, вычитание, умножение и деление. Параллельное выполнение этих базовых операций на множестве наборов данных требовало исключительной способности чипа к комплексным операциям. «Люди привыкли мыслить линейно, – поясняет Бак. – Вы можете объяснить человеку, как попасть в Starbucks, описывая путь шаг за шагом, но вряд ли вы будете объяснять, как добраться до любого Starbucks из любого места. Мыслить параллельно мы просто не привыкли».

Над первым слоем находился компилятор, который переводил языки программирования, например C++ и Python, в машинный код. Бас Аартс, голландский разработчик и автор первого компилятора CUDA, был предан своему делу не меньше Бака. Он неделями существовал в мире собственных идей, забывая о друзьях, личной жизни и хобби и пытаясь представить, как компьютер воспринимает информацию. «Некоторые люди считают меня ограниченным, – говорит он, – но все это так красиво! И так сложно! Так что для меня это вызов, а без вызова мне скучно».

Бизнес-стратегия для CUDA была рассчитана на долгосрочную перспективу. Хуанг убеждал Николлса приманивать потребителей из среды ученых и ни за что их не отпускать. Прирост производительности от CUDA обещал быть настолько впечатляющим, что пользователи сами должны были создавать новые академические дисциплины, использующие эту платформу. «У них должно отпасть желание перейти на что-то другое, – говорит Аартс. – Это как привязка к поставщику».

Так Nvidia создала то, что разработчики программного обеспечения окрестили «комплекс CUDA». В нижнем «этаже» располагались электрические схемы, над ними – машинный код для управления электронами, еще выше – компилятор, который преобразовывал машинный язык в человеческий, и на самом верху – программный интерфейс, доступный пользователю.

CUDA была представлена широкой публике в конце 2006 года. Программный пакет предоставлялся бесплатно, но работал только на оборудовании Nvidia. За 2007 год его скачали всего 13 000 раз. Меньше сотой процента из сотен миллионов владельцев GeForce решились сделать суперкомпьютер на базе своей игровой платы. Скептически настроенные инвесторы задавались вопросом, нужна ли кому-то вообще эта технология. «Уолл-стрит не просто не увидела ценности в CUDA; она считала, что платформа способна принести только убытки», – говорит сотрудник компании, хорошо знакомый с ситуацией.

Для многих программистов CUDA оказалась слишком сложной. Чтобы использовать всю мощность графического процессора, требовалось разбить большие задачи на сотни маленьких подзадач, называемых потоками. Затем эти потоки нужно было очень аккуратно направлять в ядра CUDA. Это был весьма непростой процесс со множеством скрытых ловушек. Разработчикам приходилось управлять одновременно несколькими банками данных, избегая путаницы, а также учитывать рассогласование во времени, которое могло привести к ошибкам. Обучение принципам параллельных вычислений оказалось сложным и требовало глубоких знаний в области информатики. Ученые из других сфер, таких как физика или медицина, обычно не обладали навыками программирования, необходимыми для работы с CUDA.

Стремясь повторить успех использования шейдеров, Кирк решил продвигать технологию с помощью учебника. Вместе со специалистом по информатике Вэнь Мэй Ху он написал книгу «Программирование массивов параллельных процессоров». Во введении авторы отметили, что архитектура компьютеров не менялась с тех пор, как в 1945 году венгерский гений Джон фон Нейман сформулировал ее основные принципы. «Пользователи компьютеров привыкли к тому, что программы работают быстрее с каждым новым поколением микропроцессоров, – писали они, – но сегодня оснований для подобных ожиданий уже нет». Лишь немногие преподаватели включили это пособие в свои курсы. Подвергать сомнению авторитет фон Неймана в кибернетике было равнозначно богохульству в религии.

На промышленном рынке Nvidia стремилась привлечь самых разных клиентов – от биржевых трейдеров до нефтегазовых компаний и молекулярных биологов. В какой-то момент компания даже заключила соглашение с General Mills о создании симуляции термической обработки замороженной пиццы Totino's. Однако большинство подобных сделок заглохло в течение полугода; для приготовления пиццы такие вычислительные мощности были не нужны.

Высокие расходы на научно-исследовательские и опытно-конструкторские работы в рамках проекта CUDA легли большим финансовым бременем на Nvidia, но дело было не только в прямых затратах. В компании начались внутренние разногласия: Николлсу приходилось с боем выбивать ресурсы для своего проекта. «Гораздо проще было объяснить разработчикам, зачем нужно улучшать производительность в играх, чем в задачах вроде умножения матриц или быстрых преобразований Фурье», – вспоминает Кун. Тем временем кодовая база усложнялась: программный пакет GeForce вскоре перешагнул отметку 100 миллионов строк, превзойдя по сложности некоторые версии Windows.

Вероятно, хуже всего было то, что CUDA отвлекала внимание Хуанга от ключевых клиентов. Первые слухи о производственных проблемах в Nvidia появились в конце 2006 года: геймеры жаловались, что графические процессоры в ноутбуках выходили из строя после нескольких недель использования. К тому времени, как в компании признали наличие проблемы, на игровых форумах уже распространилась конспирологическая теория о том, что Nvidia неправильно распаяла чипы на платах. Так начался «Бампгейт»[14]: геймеры уходили к конкурентам, и акции Nvidia вновь рухнули, во второй раз за шесть лет потеряв почти 90% своей стоимости. Члены совета директоров, изучавшие график изменения цены акций на терминале Bloomberg, сравнивали его с ЭКГ при сердечном приступе.

Сторонники Radeon не преминули воспользоваться ситуацией, обвиняя Хуанга в утаивании информации. «Мы давно говорили, что Nvidia идет ко дну», – прокомментировал один из них. В начале 2009 года Dell отказалась от услуг Nvidia в качестве поставщика видеочипов для игровых ноутбуков. «Мы долго ждали, когда же ничем не обоснованная глупость Nvidia обернется потерями, – язвительно отмечал один из обозревателей. – Теперь, по крайней мере в Dell, все точно знают, что этот момент настал».

Хуанг, стремясь смягчить последствия «Бампгейта», выделил 200 миллионов долларов на компенсации клиентам. Эта сумма свела на нет годовую прибыль Nvidia, и впервые с момента выхода на биржу компания понесла убытки. Хуанг организовал пресс-конференцию, чтобы объяснить ситуацию. Он появился в очках, черных джинсах и свободной серой футболке, которая подчеркивала его отличную физическую форму – результат многолетних занятий спортом. «Я просто не хочу, чтобы наши потребители страдали из-за нас, – спокойно объяснял он. – Конкуренты, конечно, стараются раздуть эту ситуацию, но на самом деле все не так страшно». Лишь те, кто хорошо знал Дженсена, могли почувствовать, какой гнев он прятал за своей размеренной речью.

Nvidia регулярно проводила выездные стратегические сессии. Пытаясь сэкономить после «Бампгейта», встречу 2008 года перенесли в корпоративную столовую. «Никогда я не слышал, чтобы он кричал так громко», – рассказывает Самир Халепете, один из ведущих инженеров компании. На этот раз объектом гнева Дженсена стал талантливый и преданный разработчик микросхем, проработавший в компании много лет. Он стоял в одном углу столовой, а Хуанг в противоположном. Вдоль стен выстроились около 150 топ-менеджеров, молча наблюдавших за этой мучительной сценой. «Я до сих пор помню, как Дженсен отчитывал его в течение добрых полутора часов, – вспоминает Халепете. – А то и двух; он был абсолютно взбешен».

Тем не менее инженер сохранил свое место. «Дженсен редко прибегает к радикальным мерам, – продолжает Халепете. – Он не хочет, чтобы люди боялись рисковать и внедрять инновации, поэтому обычно прощает даже весьма серьезные ошибки». Халепете высказывает предположение, что вспышки ярости Дженсен использует вместо увольнения: «Он обрушит на вас свой гнев, накричит, может даже унизить, но никогда не уволит», – добавляет он.

Чтобы исправить ситуацию, Хуанг обратился к Деборе Шоквист, которая управляла глобальной сетью поставщиков Nvidia. Географически границы ее ответственности простирались от Гвадалахары до Ханоя и Бангалора. Шоквист отвечала за своевременную поставку всех необходимых компонентов в нужном количестве. Порой ее работа требовала проводить жесткие телефонные переговоры, и бойкая, экспрессивная Шоквист всегда была готова к конфронтации. В 2007 году, вскоре после ее прихода в Nvidia, Хуанг поручил ей договориться о сокращении времени поставок от тайваньского производителя корпусов чипов, работавшего в связке с TSMC. Шоквист посчитала это невозможным. Тайваньские партнеры и так работали на пределе, и она не думала, что процесс можно еще как-то ускорить. Она начала спорить с Хуангом и в конце концов заявила: «Вы не понимаете, как это работает».

Все это происходило за большим столом, за которым сидели топ-менеджеры с открытыми ноутбуками. Как только Шоквист сказала Хуангу, что он не понимает ситуацию, ее почтовый ящик заполнился сообщениями от коллег. «Остановись! – писали ей. – Не надо! Не продолжай, попробуй его послушать». Но было уже поздно. Хуанг обрушился на Шоквист, обвиняя ее в том, что она не знает своей работы. «Я думал, что ты специалист по операционному менеджменту, но это не так! – кричал он. – Ты не разбираешься в нем!» Шоквист тоже вышла из себя. Она занималась этой работой двадцать лет, и ее возмущало, что кто-то упрекает ее в непрофессионализме. Стремясь доказать свою правоту, Шоквист заявила Хуангу, что полетит на Тайвань и лично изучит работу поставщика корпусов.

Поставщик был очень рад ее визиту: клиенты не часто посещали предприятие, занимающееся производством корпусов чипов, и визит представителя Nvidia был событием. На протяжении недели Шоквист изучала, как здесь организована работа. Время от получения заказа до его выполнения оказалось равно трем неделям, но при этом Шоквист с удивлением обнаружила, что чистое время, необходимое для того, чтобы поместить партию микрочипов Nvidia в черные корпуса, составляло всего 36 часов. Поставщик объяснил, что теоретически можно сократить время выполнения всей работы до этого срока, но это увеличит стоимость работы с каждым чипом с 8 долларов до 1000. Хуанг оказался прав: возможность ускорить процесс существовала. Это было дорого, но реально.

Признав поражение, Шоквист вернулась в Nvidia с расчетами затрат, необходимых для ускорения работы над корпусами. Она дождалась момента, когда останется с Хуангом наедине, чтобы показать ему свои вычисления. («Я не хотела привлекать внимание к этому разговору», – признается она.) Дебора ожидала очередной вспышки гнева и была удивлена, когда ее не последовало. Хуанг просто сказал: «Вот это правильный ответ». Впоследствии Шоквист проделала аналогичные расчеты для всех поставщиков, участвовавших в производственной цепочке Nvidia. Затем она приступила к сокращению времени поставок, уменьшив производственный цикл Nvidia с нескольких месяцев до недель, и в конце концов установила рекорд – 13 дней.

Призывая Шоквист ускорить процесс, Хуанг использовал методику планирования, которую сам называл «скорость света». С энтузиазмом религиозного проповедника он стремился внушить эту управленческую концепцию всем сотрудникам, и почти все работники Nvidia, с которыми мне довелось беседовать, упоминали эту «скорость света». Однако она отнюдь не предполагала, как можно было бы подумать, мгновенных действий. Хуанг рекомендовал менеджерам определить максимально возможную скорость выполнения задачи без учета ограничений бюджета и прочих замедляющих работу факторов (например, «скорость света» для путешествия из Нью-Йорка в Лондон могла бы означать движение при наличии идеальной погоды, свободных дорог и сверхзвукового самолета). Затем менеджеры могли от этого недостижимого идеала двигаться назад, рассчитывая реалистичные, но все равно впечатляющие сроки выполнения работы. «Звучит сложно, но на самом деле освобождает от психологического давления, – объясняет Шоквист. – Как только ты осознаешь физические пределы возможного, становится понятно, что конкуренты тоже не смогут справиться быстрее».

Хуанг стремился к идеалу каждый день своей жизни. «Я должен быть настолько измотан работой, что буду крепко спать ночью, несмотря на любые помехи, – говорил он позже. – Это, пожалуй, единственное, что я могу контролировать». Ему удавалось поддерживать такой темп на протяжении десятилетий, но другие рядом с ним выгорали. Устав от ежедневных поездок в офис, Дэвид Кирк в 2007 году решил, что больше не хочет работать в режиме полной занятости. Продав часть акций, которые Хуанг выдал ему еще в 1990-х, он переехал в Теллурайд, штат Колорадо, а позже на Гавайи, и продолжал сотрудничать с Nvidia в качестве консультанта так же, как и начинал, – в режиме неполного рабочего дня.

На момент своего ухода Кирк возглавлял Nvidia Research – группу из 30 ученых, работавших над передовыми графическими технологиями. Но Хуанг посчитал, что для работы над растущей мощностью CUDA нужен некто более амбициозный, и поручил Кирку найти себе замену. Человек, которого предложил Кирк, жил «со скоростью света» и вскоре превратил Nvidia Research в самый успешный корпоративный отдел исследований и разработок в мире.

Когда Билл Дэлли не пилотировал свой самолет, не оформлял очередной патент и не изобретал заново компьютер, он до изнеможения катался на велосипеде, греб на лодке по озеру Тахо, участвовал в горнолыжных соревнованиях или бороздил морские просторы между Гренадой и Антигуа. Страсть Дэлли к изобретательству была столь велика, что Кирк и Николлс в сравнении с ним выглядели лентяями: он был автором 250 научных статей и четырех книг, а также обладателем 120 патентов в самых разных сферах вычислительных технологий – от сложных архитектур микросхем до чипов для блоков питания. Лысый, подтянутый, с быстрой речью и острым умом, Дэлли говорил с безупречной академической точностью, если дело касалось компьютеров, и простым деловым тоном, обсуждая что-либо еще. Не было области в вычислительных науках, в которой он бы не разбирался, и ни одного мгновения в его жизни, не посвященного технике либо спорту.

Дэлли бросил школу, потому что терпеть не мог уроки истории. Он работал автомехаником, но смог поступить в колледж. Он стал бакалавром в Вирджинском технологическом институте, магистром в Стэнфорде и доктором в Калифорнийском технологическом, так и не получив аттестат о среднем образовании. К тридцати годам Дэлли работал на профессорской должности в Массачусетском технологическом институте (MIT).

Самолеты были его второй страстью после компьютеров. Пасмурным днем в сентябре 1992 года он летел на своем одномоторном Cessna в Нью-Йорк над проливом Лонг-Айленд. На высоте около двух километров загорелся индикатор уровня масла. Билл направил самолет к ближайшему аэродрому, но вскоре двигатель заглох, и он услышал звук, который описывал как «удары множества мячиков по стенкам железной бочки». Дэлли перевел Cessna в режим планирования и подготовился к аварийной посадке на воду.

При ударе его бросило вперед, и он разбил нос о штурвал. Оглушенный, весь в крови, он сумел за 20 секунд, пока самолет тонул, выбить окно кабины и выбраться, вцепившись в подушку сиденья как в спасательный круг. Его подобрала проходившая мимо яхта. «Потом я проанализировал эту ситуацию на летном симуляторе, – рассказывал мне Дэлли совершенно будничным тоном. – Десять раз я оказывался в воде, но в конце концов мне удалось посадить самолет в аэропорту Гротон-Нью-Лондон».

Через пару дней Дэлли уже вернулся к работе. Его команда в MIT конструировала экспериментальный компьютер, выполняющий параллельные вычисления, под названием Jellybean. Этот аппарат воплощал представления Дэлли о будущем информационных технологий: практически все его компоненты (от микропроцессоров и плат до сетевого оборудования и приложений) представляли собой собственные разработки команды Дэлли. Конструкция была высотой с человека, а отдельные ее части скреплялись изолентой.

Тесты производительности показали, что Jellybean значительно превосходит обычные компьютеры по скорости, но Дэлли не смог найти коммерческого партнера для его производства. На устройства, производящие параллельные вычисления, на рынке не было спроса: большинство потребителей вполне устраивали существующие компьютеры. Дэлли решил покинуть MIT и перешел в Стэнфорд, где в возрасте сорока лет возглавил лучшую в мире кафедру информатики.

Дэлли начал сотрудничать с Nvidia в 2003 году, после того как Дженсен Хуанг нанес ему визит, но когда в 2009 году Кирк предложил ему постоянную работу, он сначала отказался. 2009–2010 финансовые годы были убыточными для Nvidia, и цена на акции компании неуклонно падала. В списке лучших инновационных компаний мира за 2010 год, составленном деловым журналом Fast Company, Nvidia отсутствовала, Businessweek также не упомянул ее в аналогичном перечне. Переход из Стэнфорда в Nvidia выглядел на тот момент как шаг в сторону, если не назад. Тем временем Intel, компания в 10 раз крупнее Nvidia, убеждала инвесторов, что нашла решение проблемы утечки тока в транзисторах; ее руководители настаивали на том, что закон Мура все еще действует.

Примерно в то же время, когда Хуанг пытался заполучить Дэлли, Intel сделала ему более выгодное предложение. Билл некоторое время обдумывал его, но после настойчивых уговоров Кирка все-таки выбрал убыточную Nvidia. Официально он занял должность главного научного сотрудника Nvidia в январе 2009 года, в тот момент, когда цена ее акции упала ниже 10 долларов. Джим Пламмер, декан инженерной школы Стэнфорда и член совета директоров Intel, сомневался в разумности решения Дэлли. «Билл, ты ненормальный, – говорил Пламмер. – Очень скоро Intel уничтожит Nvidia». Однако Дэлли был непоколебим. «Дженсен – прирожденный лидер, – говорит он. – За ним хочется следовать, куда бы он ни шел».

Дэлли преобразовал Nvidia Research, увеличив штат подразделения до трехсот с лишним сотрудников. Nvidia всегда отличалась тем, что постоянно увеличивала вычислительную мощность своих продуктов в пересчете на цену. Дэлли формировал портфель исследовательских проектов, следуя этой традиции. Со временем в него вошли такие направления, как робототехника, автомобилестроение, моделирование климата и биохимия. Работая в вузах, Дэлли располагал неограниченным временем для своих эксцентричных увлечений. В Nvidia ему приходилось придерживаться общего шестимесячного цикла выпуска графических процессоров. Как ни странно, со временем это начало ему нравиться. «Здесь гораздо меньше бюрократии, чем в других организациях, потому что благосостояние сотрудников и их семей зависит от своевременного выпуска новых устройств», – говорит он.

Дэлли считал, что Nvidia следовало больше взаимодействовать с академическим сообществом. В 2009 году, через несколько месяцев после его прихода, компания организовала Первую ежегодную конференцию по технологиям графических процессоров (GTC). Она прошла в отеле «Фэтмонт» в центре Сан-Хосе. Хуанг, который годами выглядел так, будто одевался на распродажах, переживал эволюцию стиля. Он вышел на сцену в облегающей черной рубашке, джинсах клеш и туфлях с серебряными пряжками. Аудитория смотрела на него не отрываясь, словно на гипнотизера. «Добро пожаловать на праздник высокопроизводительных вычислений!» – объявил он.

Хуанг любил зрелищные презентации. Однажды он пригласил Адама Сэвиджа и Джейми Хайнемана из программы «Разрушители мифов», чтобы показать разницу между последовательными и параллельными вычислениями. Для этого использовались два устройства, стреляющие краской по холсту. Первое с дистанционным управлением делало выстрелы по одному и нарисовало примерно за минуту примитивный смайлик. Вторая установка, состоящая из множества пушек, сделала одновременно 1100 выстрелов, мгновенно воссоздав пиксельную версию «Моны Лизы». Публика подобралась соответствующая, так что все были в восторге.

В первый вечер конференции состоялся благотворительный бал-маскарад, собирающий средства для местной начальной школы (очарование мероприятия слегка портил состав участников: в основном это были мужчины среднего возраста с бейджиками на шнурках). Следующий день был посвящен докладам по таким темам, как квантовая химия, дополненная реальность и моделирование поведения черных дыр. Одна из презентаций называлась «Возможности компьютерного зрения, вдохновленного биологией: высокопроизводительный подход». Проводил ее профессор MIT Николас Пинто, который собрал разнообразные приложения для распознавания изображений, в том числе и несколько нейронных сетей, и оптимизировал их для графических процессоров Nvidia с помощью CUDA. Он давал программам задание распознавать персонажей и объекты из сериала «Закон и порядок». Лучшие из моделей, собранные из разных программ, опознавали Джерри Орбаха с вероятностью почти 90% даже при первом показе нового отрывка. В статье, написанной по материалам презентации, Пинто отмечал, что производительность плат Nvidia превышала возможности сопоставимого по цене центрального процессора Intel в 1356 раз.

Распознавание изображений было основополагающей задачей для разработчиков искусственного интеллекта. Обучая компьютеры «видеть», они следовали путем биологической эволюции, развивая более продвинутые возможности. Примерно в то же время при раскопках в Гренландии палеонтологи обнаружили в скальной породе окаменелые останки трилобита возрастом около 500 миллионов лет. Оказалось, что в этом образце удивительно хорошо сохранилась нервная ткань. Это существо, жившее задолго до динозавров, напоминало мечехвоста с торчащими из тела глазными стебельками. Изучая зрительный нерв, застывший в древнем камне, исследователи обнаружили крошечное скопление клеток размером меньше рисового зерна – древнейший известный нам мозг.

Ископаемые останки подтверждали, что Пинто шел в верном направлении. Возможность визуального распознавания привела к скачку в развитии биологического интеллекта, и профессор рассчитывал, что с компьютерами произойдет то же самое. К сожалению, презентация Пинто не получила должного внимания. На конференциях 2010 и 2011 годов его идеи никто не подхватил, а его статья за эти два года была процитирована лишь 15 раз. Нейронные сети, как и окаменевшие трилобиты, были мало кому интересны.

Тем временем CUDA переживала трудный период. В конце 2000-х рак Джона Николлса вернулся, но на этот раз лечение не помогало, и в 2011 году он ушел из жизни. Дэлли, его товарищ и партнер по горным лыжам, был потрясен. Хуанг тоже глубоко переживал потерю коллеги. Когда я спросил его о Николлсе спустя двенадцать лет, на его лице промелькнули нехарактерные для него эмоции, и он тут же сменил тему.

Даже умирая от рака, Николлс не прекращал работать. «Я думаю, некоторые из его лучших, самых продуктивных лет в Nvidia пришлись именно на этот период», – говорит его сын Алек. Nvidia учредила стипендию имени Николлса в Иллинойсском университете в Урбане-Шампейне.

Николлс до конца настаивал, что CUDA изменит мир, хотя ему самому удалось увидеть воплощенной лишь небольшую часть ее возможностей. Программное обеспечение, превращающее игровую видеокарту в суперкомпьютер, в 2009 году было скачано более 300 000 раз. В последующие три года интерес к нему постепенно снижался, и в 2012 году его установили чуть больше 100 000 пользователей. Казалось, рынок научных вычислений достиг предела, и инвесторы начали заявлять, что постоянные вложения Nvidia в CUDA не имеют финансовых оснований. «Эта новая архитектура микросхем обошлась им в целое состояние, – говорит Бен Гилберт, соведущий популярного в Кремниевой долине подкаста Acquired. – Они вложили миллиарды в весьма ограниченную сферу научных вычислений – в крохотный рынок, в тот момент никак не соответствующий огромным суммам, которые они потратили».

К 2012 году все стало еще хуже. Стоимость акций Nvidia не росла уже более десяти лет, и хотя доходы сотрудников компании и штат значительно увеличились, прибыль оставалась прежней. Хуанг стремился предоставить доступ к вычислительным мощностям суперкомпьютеров широкой аудитории, но ей это не было нужно.

В начале 2013 года совет директоров Nvidia получил письмо от инвестиционной фирмы Starboard Value, которая владела небольшой долей в компании. Главный инвестиционный директор Starboard Джефф Смит был известным корпоративным рейдером, специализирующимся на компаниях, которые показывали низкую эффективность. Он требовал изменить стратегию и предоставить ему место в совете директоров, а в случае отказа обычно стремился сместить генерального директора. В письме Starboard был задан вопрос, не ведет ли Хуанг компанию к краху. Многие инвестиционные аналитики считали, что акции Nvidia могли бы расти значительно быстрее, если бы компания перестала вкладывать прибыль в CUDA и вместо этого выплачивала акционерам дивиденды. Некоторые начали открыто говорить, что Хуанг больше не соответствует занимаемой должности.

Джеффу Смиту было сорок два, но из-за буйной курчавой шевелюры и мальчишеского лица он выглядел моложе. Однако он был крайне въедливым и жестким человеком: однажды ему удалось добиться смены всего совета директоров Darden Restaurants, хотя ему принадлежало менее 6% акций компании. Он сделал это, представив на 294 слайдах масштабный план возрождения переживающей не лучшие времена сети ресторанов Olive Garden. Презентация Starboard об Olive Garden стала культовой среди аналитиков. Особенно выделялся слайд 104, критикующий политику ресторана в отношении хлебных палочек (официанты Olive Garden приносили один кусочек хлеба на каждого гостя плюс один на стол, а затем добавляли по мере необходимости, однако качество сервиса постепенно ухудшалось, и официанты начали просто сваливать хлебные палочки на столах в кучу, что сокращало количество заказанных блюд). А слайд 163 показывал, что повара Olive Garden перестали солить воду для пасты, якобы для того, чтобы продлить срок службы кухонной утвари. «Как руководство крупнейшей сети итальянских ресторанов может считать нормальным подавать плохо приготовленную пасту?» – вопрошал директор Starboard.

Смит умело манипулировал прессой и использовал ее в своих интересах. В 2014 году, после того как за три года он произвел 80 замен в советах директоров 30 компаний, журнал Fortune назвал его «самым страшным человеком корпоративной Америки». Теперь его мишенью стал Хуанг. Восприятие CUDA как пропасти, в которой пропадают деньги, имело объективные причины, тем более что Хуанг и раньше закрывал убыточные направления бизнеса, предварительно потратив на них много времени и средств.

В начале 2000-х годов Nvidia некоторое время производила чипы «северного моста» материнской платы (контроллеры системной логики), которые выполняли функцию коммутации. Однако вскоре Хуанг осознал, что вступил в изнурительное соревнование с Intel, в котором вряд ли сможет победить. Он принял решение закрыть это направление и признал свою ошибку.

Одновременно с разработкой CUDA Хуанг инвестировал средства в графику для планшетов и мобильных телефонов (в интервью начала 2010-х годов Хуанг говорит о мобильных устройствах гораздо больше, чем о суперкомпьютерах). Учитывая масштабы этого рынка, такой шаг был оправданным, но в 2011 году Nvidia приняла менее логичное решение, потратив 367 миллионов долларов на приобретение компании Icera – производителя чипсетов модемов для устройств сотовой связи. Эта неудачная покупка и стала поводом для письма Starboard: рынок чипов сотовых модемов был переполнен и доминировала на нем Qualcomm. Смит и его команда полагали, что, занявшись одновременно CUDA, графическими картами, мобильными чипами и сотовыми модемами, Nvidia слишком много взвалила на себя. В 2012 году они приехали в штаб-квартиру Nvidia, чтобы призвать Хуанга сосредоточиться на ключевых направлениях. Встреча прошла вежливо, но угроза корпоративного захвата висела в воздухе.

В конечном итоге Хуанг согласился отказаться от рынка модемов. «Если мы бросим все силы на борьбу в мобильном сегменте, то неизбежно упустим что-то другое», – заметил он. Ему уже приходилось отстаивать свое мнение в жестоких схватках, но такие битвы оставляют шрамы, и сейчас Хуанг не желал драки. Однако вопрос о CUDA для него не обсуждался – на этом уникальном рынке Nvidia оставалась единственным игроком.

Среди множества решений, принятых Хуангом за всю его карьеру, решение удвоить ставки на CUDA, несмотря на давление Смита, было самым рискованным. В отличие от геймеров, покупатели суперкомпьютеров были капризны, но при этом у них вечно не хватало денег. Заказчики – академические учреждения – зависели от ненадежных исследовательских грантов, а корпоративные отделы исследований и разработок находились под жестким контролем осторожных финансовых директоров. Крупные государственные научные программы рассчитывались на десятилетия вперед, но затем утопали в бесконечных спорах о распределении средств. Даже привыкшие к риску руководители других айтишных компаний считали ставку на CUDA неоправданной. Но именно это решение определило будущее Дженсена и выделило его среди остальных.

При помощи члена совета директоров Джима Гейтера – того самого юриста, которому он когда-то отдал все наличные, имевшиеся в кошельке, для стартового капитала новорожденной Nvidia, – Хуанг организовал кампанию своей поддержки. Крупнейшими акционерами Nvidia были паевые фонды Восточного побережья США. Среди них выделялся фонд Fidelity, который управлял активами на сумму свыше триллиона долларов и владел большей долей акций Nvidia, чем сам Хуанг. Дженсен полетел в Бостон, чтобы встретиться с руководством фонда. Встреча прошла плохо. По словам Гейтера, директора Fidelity «отлупили нас так, что мало не показалось». Из Бостона Хуанг отправился в Нью-Йорк, чтобы встретиться с несколькими крупными институциональными инвесторами. Он прилагал все усилия, чтобы убедить их поддержать CUDA, но скептически настроенные менеджеры подвергли его суровым допросам. «Было неясно, сможем ли мы прорваться», – вспоминает Гейтер.

Тем не менее Хуанг сохранил поддержку совета директоров, большинство которых было с ним с основания компании. Однако даже некоторые из них начали проявлять недовольство. «Среди нас был разлад», – признается член совета директоров Тенч Кокс. Дон Хадсон, бывший маркетинговый директор NFL, пополнившая состав совета директоров вскоре после получения письма от Starboard, рассказывает: «Когда я присоединилась к Nvidia, у компании была не самая лучшая репутация. Она явно находилась в состоянии застоя».

Дома Хуанг страдал от одиночества. Его сын Спенсер учился на фотографа в художественной академии в Чикаго, дочь Мэдисон ходила в кулинарную школу в Париже, любимая собака Суши скончалась. Работая по 80 часов в неделю, Хуанг не замечал, как взрослели его дети. «Если честно, Лори взяла на себя 90% заботы о воспитании», – признается он. Хуанг старался проводить с детьми хотя бы один выходной в неделю, но и тогда часто погружался в свои проблемы (Хорстманн вспоминает, как они ходили в парк аттракционов и Хуанг постоянно отправлял детей на американские горки, чтобы обсудить с ним технические вопросы). Хорстманн также отмечает, что дети Хуанга, как и его собственные, не стали выбирать технические профессии. «Мне кажется, они пытались избежать такой сумасшедшей рабочей среды, – говорит он. – Наверное, они смотрели на нас и думали: "В жизни должно быть что-то большее, чем это"».

Хуанг, остро переживая одиночество, старался наполнить дом теплом и уютом во время приездов детей. Он завел двух собак и проводил много времени на кухне, развивая свои кулинарные навыки. Однако даже это не всегда приносило облегчение. Хорстманн вспоминает семейную встречу, которая совпала с периодом жестких переговоров с Fidelity. Хуанг пытался приготовить сложное блюдо, но потерпел неудачу. И тогда, стоя на своей шикарной кухне рядом с дочерью, учившейся в Le Cordon Bleu, Хуанг вдруг взорвался и начал кричать на кухонное оборудование. «Мы все поняли, что лучше покинуть кухню, – говорит Хорстманн. – Дженсену просто нужно было выпустить пар, поорав на свою плиту».

В своих выступлениях Хуанг часто вспоминает встречу с Тин Вэй Чу, профессором физики Национального университета Тайваня, который помог ему выстоять в это сложное время. Чу пытался смоделировать эволюцию материи после Большого взрыва и создал для этого суперкомпьютер. Оказавшись в его в лаборатории, Хуанг увидел, что вокруг все завалено коробками от видеокарт GeForce, а компьютер охлаждается при помощи обычных настольных вентиляторов. «Дженсен – настоящий визионер, – отмечает Чу. – Благодаря ему главный проект моей жизни стал возможным».

В своей установке Чу использовал игровые видеокарты, а значит, был идеальным клиентом для Nvidia. Распространяя CUDA как дополнение к обычным графическим платам, компания хотела охватить даже скромных ученых – непризнанных гениев, чьи исследования были настолько нерентабельны, что у них не было денег на высокопроизводительную рабочую станцию. Здесь Хуанг снова ориентировался на идеи Клейтона Кристенсена. По его теории, революционные технологии часто возникают в любительских сообществах. Их разработка ведется с использованием нетрадиционных методов, когда какие-то инструменты и компоненты применяются не по прямому назначению. Поначалу такие технологии несовершенны, но быстро прогрессируют в тех направлениях, которыми пренебрегают крупные игроки рынка.

Но даже если вы знакомы с этой теорией, использовать ее на практике непросто. Нишевые рынки обходятся дорого и заставляют инвесторов колебаться. Это Клейтон Кристенсен тоже предвидел. «Одна из причин, по которой менеджеры в стабильных компаниях сталкиваются с трудностями при работе с развивающимися рынками, заключается в том, что инвесторы и клиенты постоянно убеждают их, что связываться с этими рынками не стоит», – писал он.

Это и есть главный секрет книги «Дилемма инноватора», который читатели часто не замечают. Она не учит достигать успеха; она учит, как избежать краха. Книга Клейтона Кристенсена не столько руководство для стартапов, сколько стратегическое пособие для опытных менеджеров, работающих в стагнирующих компаниях. Имея за плечами тринадцать лет опыта, Хуанг чувствовал, что Nvidia может стать такой компанией, и обратился к рынку инновационных исследований не только из энтузиазма, но и из страха.

«Мы рисковали, предлагая CUDA с каждой видеокартой, но если бы мы этого не делали, риск был бы не меньшим», – сказал мне Хуанг при нашей первой встрече. Только через несколько месяцев изучения истории Nvidia я понял, что он имел в виду. Он говорил о том, что кто-то другой мог рискнуть и сделать то же самое. Какая-нибудь маленькая амбициозная фирма, ютящаяся в скромном офисе между китайским рестораном и любимым банком местных грабителей, готовая годами обслуживать малоприбыльных академических клиентов без ясных перспектив в надежде однажды сделать с Nvidia то, что сама Nvidia сделала с Silicon Graphics. Это был риск, который мог предвидеть только последователь Кристенсена.

Однако Хуанг часто удивлял собеседников. Даже когда вы были полностью с ним согласны, он мог внезапно высказать противоположное мнение. Когда я упомянул влияние Кристенсена на его компанию, Хуанг тут же возразил: «Конечно, из этой книги стоит извлечь определенные уроки. Но Кристенсен ошибался не реже, чем был прав. Все гораздо сложнее». В отличие от маргинальных клиентов Кристенсена – мотоциклистов и экскаваторщиков – малоприбыльными клиентами Хуанга были ученые-исследователи. Он рассчитывал, что именно они совершат прорыв, который изменит мир.

Подобное переосмысление технологий уже происходило в истории. В начале XVII века голландские мастера, работавшие над изготовлением очков, обнаружили, что можно расположить линзы так, чтобы увеличивать удаленные объекты. (Существует версия, что это открытие случайно сделали двое детей, разглядывавшие сквозь стекла флюгер.) Мастера-оптики завалили голландское патентное ведомство проектами телескопов. Не прошло и года, как Галилей направил один из таких приборов в небо и первым описал фазы Венеры, спутники Юпитера и кольца Сатурна. Телескоп Галилея, созданный из модифицированных линз для очков, обладал меньшей увеличительной способностью, чем современные бинокли, но он навсегда изменил наше представление о Вселенной и о нашем месте в ней. Распространяя доступные суперкомпьютеры среди ученых-энтузиастов, Хуанг надеялся спровоцировать аналогичную революцию.

У Хуанга не было четкого представления о будущем его технологии. Другие, например Илон Маск, начинали с конкретной цели – например, высадки на Марс – и затем создавали технологии для ее достижения. Хуанг шел иным путем: он отталкивался от уже существующих электронных микросхем и развивал их, насколько это было возможно. И только исчерпав их возможности, он позволял себе сделать шаг в туманную область интуиции и предчувствий.

«То, что делает Дженсен, выходит за рамки обычного фокуса, – говорит Хорстманн. – Я бы назвал это резонансом». Чтобы достичь этого резонанса, Хуанг постоянно взаимодействовал с клиентами и сотрудниками. На своих конференциях он всегда сажал ученых впереди, а прессу – сзади и распределял свое внимание соответственно. Он постоянно общался с рядовыми работниками – не столько для поднятия их морального духа, сколько для того, чтобы «чувствовать пульс компании», как он выражался.

«Я помню времена в LSI, когда нам почти ничего не приходилось выдумывать самим, – мы просто угадывали мысли наших клиентов, – вспоминает Хорстманн. – Здесь, с параллельными вычислениями, происходило то же самое: Хуанг улавливал резонанс благодаря общению с клиентами и сотрудниками. Он чувствовал, когда наступало время действовать».

Прорыв был близок, Хуанг был уверен в этом. Он ощущал это по реакции исследователей, которые были поражены возможностями его технологии, по энтузиазму талантливых сотрудников, таких как Билл Дэлли, Джон Николлс и Йен Бак. Ради этого он был готов жертвовать прибылью, забыть об основном продукте и рискнуть собственным положением. Хуанг верил, что где-то существует безумный ученый – необязательно Чу с его квантовой физикой, – чьи идеи будут доказаны благодаря CUDA. Где-то существовал аспирант, готовый отказаться от бюрократической волокиты, сопровождающей получение гранта, и вместо этого купить на стипендию графический процессор Nvidia и совершить революцию в науке. И где-то была малоизвестная область этой науки, готовая использовать мощь CUDA, чтобы разрушить устоявшиеся парадигмы. Просто Хуанг еще не знал, как именно все это произойдет.

Если бы Алекс Крижевский мог стать невидимкой, он бы, вероятно, так и сделал. Этот талантливый программист испытывал патологическое отвращение к вниманию. Худощавый рыжий парень неохотно о себе рассказывал даже коллегам. Поэтому его научный руководитель в аспирантуре Джеффри Хинтон мало что мог о нем рассказать, разве что сказал: «Алекс, пожалуй, лучший программист, которого я когда-либо встречал».

Хинтон познакомился с Крижевским в конце 2000-х, когда тот учился в магистратуре Университета Торонто и жил с родителями. Крижевский родился в еврейской семье в СССР, в Восточной Украине, но его семья эмигрировала в Канаду, когда Алекс был маленьким. Его родным языком был русский, но по-английски он говорил безупречно, хотя и был немногословен. Своими манерами он напоминал Хинтону опытного шпиона, который много знает, но не станет болтать, однако стоило ему открыть рот и становилось ясно, что за этим лбом кроется глубокий ум.

Однажды он без приглашения явился в кабинет к Хинтону. «Он пришел ко мне и заявил: "Я лучший студент по программной инженерии, и мне скучно, – вспоминает Хинтон. – Можно я присоединюсь к вашей группе?"» Это была дерзкая просьба: Хинтон был знаменитым ученым, посвятившим годы разработке нейронных сетей, соавтором знаковой статьи 1986 года о методе обратного распространения ошибок, который он на протяжении десятилетий пропагандировал, несмотря на непонимание и даже враждебность большинства разработчиков искусственного интеллекта.

Однако научная работа Хинтона завела его далеко от основных компьютерных исследовательских центров, таких как Стэнфорд и MIT. Заснеженный Торонто сложно было назвать столицей инноваций. Исследования Хинтона имели весьма ограниченное финансирование. Прежде чем взять Крижевского в ученики, он честно предупредил его, что в научном сообществе идея разработки нейронных сетей непопулярна. И хотя группа Хинтона добивалась результатов, не уступающих результатам, получаемым традиционными методами, статьи о ее исследованиях регулярно отказывались публиковать. «Нейронные сети считались бессмыслицей», – констатирует он.

Хинтон считает, что предубеждение против нейронных сетей носило «идеологический» характер. Это слово он произносит с той же ядовитой интонацией, с какой Хуанг говорит слово «политический». А общепринятая идеология на тот момент заключалась в том, что просто создать полезный ИИ недостаточно, он должен каким-то образом раскрыть секреты разума и превратить их в математический код. Стандартный 1100-страничный учебник по ИИ представлял собой обзор вероятностного вывода, деревьев решений и метода опорных векторов. Нейронным сетям отводилось 10 страниц с кратким обсуждением игры в нарды в начале. Когда коллега Хинтона разработал нейронную сеть, превзошедшую лучшие программы распознавания пешеходов, его статью даже не приняли для обсуждения на конференции. «Реакция была такой: это не считается, потому что не объясняет, как производятся вычисления, так что здесь нет ничего полезного», – рассказывает Хинтон.

Хинтон возражал, что математически описать, как в человеческом мозге формируется речь, тоже невозможно, но его никто не слушал. ИИ-сообщество не желало имитировать разум – оно хотело разгадать его. Хинтон считал попытки разгадать, как мыслит мозг, абсурдными, сравнивая их с попытками разгадать, как функционирует почка, но и этот довод не находил понимания. Чтобы как-то замаскировать свою деятельность и получить финансирование, он и другие исследователи нейронных сетей вынуждены были называть свою работу «машинное обучение» или «глубокое обучение» – чем угодно, только не разработкой ИИ.

Крижевский, не испугавшись трудностей, присоединился к группе Хинтона. Хинтон познакомил его с Ильей Суцкевером, еще одним русскоговорящим еврейским иммигрантом родом из Советского Союза. Несмотря на схожие биографии, Суцкевер и Крижевский были абсолютно непохожи. Суцкевер был спортивным молодым человеком с темными густыми бровями, выразительными карими глазами и лукавой улыбкой. Будучи ярым последователем Хинтона, Суцкевер утверждал, что нейронные сети однажды превзойдут человеческий интеллект, – предсказывать подобное в то время не решался сам Хинтон. «Илья любит шокировать, но ему это сходит с рук, потому что он открытый и честный, – говорит Хинтон. – Ему наплевать на условности. Он верит в себя. И он прав».

Хинтон дал Суцкеверу и Крижевскому амбициозное задание: научить компьютер видеть с помощью графических процессоров Nvidia. CUDA уже применялась в лаборатории Хинтона. В 2008 году он поручил аспирантам Абдельрахману Мохамеду и Джорджу Далю создать модуль распознавания речи с использованием дорогостоящего сервера Nvidia. К началу 2009 года нейронная сеть Мохамеда и Даля не уступала лучшим существующим математическим моделям. Хинтон был поражен. В том же году, выступая на конференции, посвященной нейронным информационным системам, он заявил коллегам, что будущее ИИ за нейронными сетями, работающими на базе процессоров, производящих параллельные вычисления, так что им стоит бросить все, чем они занимаются, и приобрести графические процессоры Nvidia. После выступления Хинтон отправил в Nvidia электронное письмо: «Я только что посоветовал тысяче экспертов по машинному обучению купить ваши видеокарты. Может, вы предоставите мне одну бесплатно?»

Nvidia отказала. Хотя компания работала над множеством приложений для суперкомпьютеров, она не занималась разработкой ИИ. Более того, «машинного обучения» даже не было в списке потенциальных сфер применения параллельных вычислений, предложенном Кирком в его учебнике. Иногда группа CUDA даже не отвечала Хинтону на его письма. Предубеждение против нейронных сетей было весьма стойким. На вводных курсах по ИИ все еще можно было услышать утверждение, что нейронные сети неспособны выполнять даже простые логические функции, хотя этот вопрос был решен при помощи метода обратного распространения ошибки десятилетия назад.

Хинтон понимал, что единственный способ привлечь внимание Nvidia – не просто сравняться с конкурентами, а превзойти их. Крижевский и Суцкевер казались наиболее подходящими специалистами в его группе для достижения этой цели. У этих двоих было много общего, хотя Суцкевер не считал Крижевского другом в буквальном смысле: Крижевский был слишком замкнутым человеком. Но они были настроены на одну волну, и даже Хинтон иногда с трудом их понимал. Бывало так, что Хинтон задавал вопрос, они обсуждали его на русском, а затем выдавали ответ, который неизменно оказывался точным.

Хинтон поручил Крижевскому и Суцкеверу создать систему распознавания изображений на основе сверточной нейронной сети, использующей математические фильтры для выделения ключевых деталей на снимках. Он призывал их мыслить масштабно: ему нужна была не просто победа, а триумф. Крижевский, не имевший подобного опыта работы, очень быстро освоил методы параллельного программирования: его мозг моментально усвоил концепцию «поездки в Starbucks из всех точек сразу». «Он лучше всех умел заставить графический процессор строить сверточные нейросети, – говорит Хинтон. – Он просто волшебник».

К началу 2012 года Крижевский адаптировал классическую учебную модель распознавания изображений для платформы CUDA. Графическому процессору понадобилось всего 30 секунд на ее обучение. Когда Крижевский показал результат Суцкеверу, тот не мог сдержать восторг: скорость вычислений была невероятной, в сотни раз больше, чем все, с чем он сталкивался ранее. Суцкевер изначально верил в потенциал нейросетей. Он считал, что они – самый очевидный способ функционирования искусственного интеллекта. «Если допустить, что искусственный нейрон подобен биологическому, то ИИ должен уметь все, что умеем мы, – говорит Суцкевер. – А если выяснится, что нейроны можно ускорять, то получается, что мы обучаем искусственный мозг».

Прежде этот подход всегда упирался в аппаратные возможности, но графический процессор был способен всего за полминуты сделать то, на что машине с процессором Intel потребовался бы час, а природе – сотни тысяч лет. Суцкевер сразу понял, что необходимо использовать все доступные вычислительные мощности, чтобы ускорить эту синтетическую эволюцию. Это понимание сыграло существенную роль в развитии технологии. «Илья обладает способностью на лету схватывать то, к чему другие приходят постепенно», – замечает Хинтон.

Двое аспирантов скинулись, чтобы собрать самый мощный компьютер, какой могли себе позволить. Средств у них было немного: они смогли приобрести лишь два графических процессора GeForce GTX 580 примерно по 500 долларов каждый. Вожделенные GeForce походили на реквизит фильма «Чужой»: каждая видеокарта, весящая около полутора килограммов, была помещена в черный корпус с зеленой отделкой и с круглым отверстием для мощного вентилятора, охлаждавшего процессор. Под корпусом на черной плате в окружении радиаторов скрывалась огромная микросхема Nvidia с 3 миллиардами транзисторов, сгруппированных в 32 параллельных ядра. Именно такая мощь была нужна Крижевскому. Это была та самая армия мотоциклистов, кухонный комбайн, толпа танцующих транзисторов.

Крижевский установил оба графических процессора в системный блок в своей спальне и загрузил их задачами на неделю. («На самом деле немалые счета за электричество оплачивали его родители», – замечает Хинтон.) Наконец-то появился тот самый потребитель, о котором мечтал Хуанг: программист, настолько ограниченный в финансах, что вынужден проводить свои эксперименты на перепрофилированном графическом ускорителе. Странный одиночка, о котором даже коллеги знали немногое. Настоящий безумный ученый. Иконоборец. Человек, которому было суждено создать для CUDA поистине революционное приложение.

Для обучения своей нейросети Крижевский использовал базу данных ImageNet, созданную преподавательницей информатики из Стэнфорда Фэй Фэй Ли. Недовольная ограниченностью общедоступных баз данных, Ли разработала свой собственный подход, наняв работников Amazon Mechanical Turk, чтобы они вручную отобрали более 15 миллионов изображений в 22 000 категорий. База ImageNet была в сотни раз больше любой аналогичной, и хотя научные консультанты Ли сомневались в целесообразности такого огромного труда, это было именно то, что нужно Крижевскому. Его сеть состояла примерно из 650 000 нейронов, что сопоставимо с нервной системой пчелы. Для обучения столь масштабной нейросети требовался огромный объем данных.

Сначала нейроны в сети Крижевского были соединены в случайном порядке, но по мере обучения они образовывали сложный и строго упорядоченный узор. В течение наносекунд сеть обрабатывала случайно выбранное изображение и пыталась отнести его к одной из тысяч категорий. Это мог быть скат, шотландский терьер или гольф-кар. Сеть никогда прежде не работала с этими изображениями, поэтому при определении категории она могла только делать предположения – и чаще всего ошибалась. Однако даже подобная ошибка позволяла сети определить, чем это изображение не является (например, что это точно не скат).

Сеть обрабатывала информацию, перенастраивая связи между нейронами методом обратного распространения ошибки, предложенным Хинтоном. Это была самая сложная часть процесса, так как для нее требовалось многократное повторение операции умножения матриц, которую ученые сравнивали со сборкой невообразимо большого кубика Рубика. Более ранние попытки обучения нейронных сетей часто терпели крах именно на этом этапе, но у Крижевского была CUDA и мощь архитектуры параллельных вычислений GeForce. Как только все математические расчеты завершались (за мельчайшую долю секунды), сеть приступала к обработке следующего изображения, а их были тысячи, а потом и миллионы.

Чтобы «видеть», нейросеть не нуждалась в освещении. Вместо него был поток чисел, представляющих расположение и цвета определенного набора пикселей. Затем она корректировала значения в числовых матрицах – тех самых синаптических весах, – которые отвечали за разные уровни интерпретации данных. Из-за этого некоторые скептики утверждали, что нейронная сеть всего лишь выполняет математические операции, но с таким же успехом можно говорить, что человеческая сетчатка всего лишь взаимодействует с фотонами света.

Допустим, в течение нескольких минут обучения сеть Крижевского совершенно случайно правильно идентифицировала первое изображение – например, цветочный горшок. Этот маленький успех вызывал бурный процесс умножения матриц: схема обратного распространения стремилась сообщить нейронам, что именно отличает «цветочный горшок» от «шимпанзе», «бильярдного стола» или «самосвала». Это давало минимальный выигрыш: вероятно, сеть приняла бы за цветочный горшок и мусорное ведро. Но если она сталкивалась с предметом совершенно иной формы – скажем, с акулой, – она уже могла увидеть различие.

Этот процесс повторялся миллионы раз в секунду, превращая комнату Крижевского в арену гиперскоростной эволюции. Процесс обучения нейросети был сродни чуду. В сети Крижевского было несколько «слоев», каждый из которых постепенно учился различать разные аспекты данных. Один слой улавливал форму, другой – цвет, третий – симметрию, и все эти слои связывались причудливыми информационными каналами, образуя гармоничное целое. При появлении нового изображения – стрекозы, песочных часов, мангуста, контейнеровоза, дирижабля или трости – информационные потоки формировали все более точное отражение реальности.

Вентиляторы охлаждения на блоках GeForce работали постоянно, создавая шум около 44 децибел. Этот гул не то чтобы был оглушительным, но тем не менее не давал Крижевскому спать по ночам. Успешность идентификации изображений росла с 0 до 1%, затем до 10%, до 40%, до 60% – и наконец стабилизировалась на уровне 80%. Завершившая обучение сеть имела слабые места, особенно в распознавании человеческих инструментов – например, никак не могла отличить лопатку от топорика. Крижевский мог бы еще поработать над улучшением, но этот результат уже превосходил все прочие методы распознавания, точность которых была не более 70%.

В Стэнфорде группа ImageNet под руководством Ли проводила ежегодные соревнования по распознаванию изображений искусственным интеллектом. Для проверки работоспособности своей модели Крижевский протестировал ее на данных прошлого года, с которыми его сеть никогда не сталкивалась. Она легко побила все рекорды.

В мире машинного обучения такая работа с размеченными наборами данных называлась «обучение с учителем» (supervised learning), поэтому Крижевский назвал свою нейросеть SuperVision. Хинтон и Суцкевер были потрясены результатами его работы. «Появились графические процессоры, и произошло чудо», – с восторгом говорит Суцкевер даже спустя 10 лет. В оптимальных условиях две карты GeForce могли выполнять суммарно 3 триллиона операций в секунду, то есть 10 квадриллионов операций менее чем за неделю. Человеку на выполнение такой задачи потребовалось бы 9 миллиардов лет, а теперь все это было закодировано в хрупком синтетическом мозге SuperVision. «Без CUDA заниматься машинным обучением было бы непомерно сложно», – утверждает Хинтон.

Крижевский решил представить SuperVision миру в 2012 году на очередном конкурсе ImageNet. Хинтон и Суцкевер сгорали от нетерпения. «Мы знали, что победим», – говорит Хинтон. Они первыми испытали восторг и гордость от причастности к пока никому не известной ИИ-технологии, которая должна была изменить мир. Представляя возможные области применения SuperVision, они обсуждали автономных роботов, беспилотные автомобили и самопрограммирующиеся компьютеры. Для этих троих – по крайней мере тогда – ИИ был исключительно благим порождением прогресса.

Исследователи из Торонто также осознали еще одну важную вещь: если SuperVision получила преимущество благодаря Nvidia, то и Nvidia может получить преимущество от SuperVision, поскольку потребность нейросетей в росте мощности параллельных вычислений казалась бесконечной. «Еще до подачи заявки мы поняли, что в будущем значительную часть научных расчетов будет составлять машинное обучение», – говорит Хинтон.

Когда Фэй Фэй Ли впервые увидела результаты SuperVision, она не поверила своим глазам. Ее конкурс задумывался как способ доказать научным руководителям ценность ее работы, но в 2010 году в нем было 35 участников, в 2011-м – 15, а в 2012 году – всего семь. Будущее конкурса оказалось под вопросом. Тем удивительнее был тот факт, что один из этих семи продемонстрировал показатель распознавания выше 80% – на 10% больше существующего рекорда в области, где прогресс традиционно измерялся долями процента. А еще удивительнее было то, что победила нейронная сеть – технология, которую Ли считала пережитком прошлого. «Представьте, что вам сказали, что рекорд скорости для наземных транспортных средств побила " Хонда-Цивик", причем сразу на 100 миль в час», – пишет Ли в автобиографии.

Ли родилась в Китае и была единственным ребенком в семье. Ее родители переехали в Нью-Джерси, когда она была подростком. Этот период оказался для нее непростым: мечтательная девочка изо всех сил старалась влиться в круг старшеклассников и при этом была вынуждена работать, чтобы помочь семье свести концы с концами. Ей повезло с учителем математики, который заметил ее способности, и благодаря его помощи Фэй Фэй получила стипендию в Принстонском университете. В качестве основного предмета она сначала выбрала физику, а затем переключилась на электронику, мечтая научить машину «видеть».

И вот теперь, столкнувшись с чудом – машиной, которая действительно была способна «видеть», – Ли не могла поверить в реальность происходящего. Она попросила свою команду перепроверить данные. «Я разговаривал с человеком, который обрабатывал результаты, и он тоже сначала был уверен, что это ошибка», – рассказывает Хинтон. Ли продолжала сомневаться и обратилась к своему научному руководителю. Тот написал Хинтону электронное письмо, спрашивая, уверены ли они на все сто в правильности результатов. «Мы перепроверяли несколько раз, прежде чем он признал, что данные верны», – вспоминает Хинтон.

Постепенно до Ли начало доходить, что ее угасающий конкурс ИИ только что открыл настоящее сокровище. Официальные результаты ImageNet опубликовали в октябре 2012 года. В том же месяце разработчики должны были представить свои модели на научной конференции во Флоренции. У Ли только что родился первенец, и она не собиралась ехать в Италию, но, увидев результаты SuperVision, изменила свое решение. Ей нужно было лично встретиться с гением, придумавшим эту технологию.

Фэй Фэй Ли прилетела во Флоренцию, но Алекс Крижевский не отвечал на ее сообщения. Она начала сомневаться, приедет ли он вообще. Может, он передумал? Или заблудился в галерее Уффици? Однако утром в день конференции Крижевский неожиданно появился. Ли была поражена: неужели этот похожий на подростка лохматый парень в широченной толстовке и черных очках действительно создатель SuperVision? Они обменялись неловкими приветствиями. Ли была очень рада, что главный докладчик наконец-то объявился, но все-таки упрекнула его в том, что он не выходил на связь. Крижевский мямлил, извиняясь.

В тот день выступление Алекса Крижевского было последним. Качество его презентации совершенно не соответствовало значимости сделанных им открытий. В самом начале его голос неожиданно сорвался на высокий гнусавый тон. Он нервно кашлянул и смущенно опустил взгляд, затем быстро пролистал серию черно-белых слайдов, не поднимая глаз. На одном из слайдов перечислялись впечатляющие характеристики SuperVision: 650 000 нейронов, 60 миллионов параметров и 630 миллионов соединений. «Вообще-то я обучал ее у себя в спальне, – сообщил Крижевский аудитории. – Для станции, которую можно обучить дома, она довольно большая».

Доклад Крижевского не произвел фурора: ничто не указывало на то, что он сейчас рассказал об открытии огромной значимости. «Ну вот, – сказал он. – Это все». После этого его завалили на удивление жесткими вопросами. Впрочем, враждебность аудитории можно было понять: то, что сделал Крижевский, абсолютно не вписывалось в общепринятые теории. По сути, он заявил собравшимся, что до сих пор они занимались ерундой и десятилетия их исследований ничего не стоят. Он мог хотя бы представить свои открытия более уважительно! После нескольких мучительных минут Ли прервала поток вопросов, так как в них не было ничего конструктивного: участники конференции просто выплескивали на этого странного юношу свое негодование.

Несмотря на прием, оказанный Крижевскому во Флоренции, ИИ-сообщество встретило результаты SuperVision с энтузиазмом. «Многие ведущие исследователи практически сразу оценили ее возможности и признали: нейронные сети действительно работают», – говорит Хинтон. В 2013 году конкурс ImageNet был буквально завален заявками участников, работающих с нейронными сетями, а в 2014 году все участники – а их было больше сорока – применяли их. Научная статья о сети SuperVision, подписанная Крижевским, Суцкевером и Хинтоном, стала одним из самых значимых прорывов в истории вычислительной техники и к настоящему времени процитирована уже более 150 000 раз. Крижевский разработал несколько ключевых методов программирования, но основным его открытием оказалось то, что графический процессор может обучать нейронные сети в сотни раз быстрее, чем центральный.

Компания Google поручила одному из своих сотрудников, поляку Войцеху Зарембе, воспроизвести SuperVision. Вскоре его сеть, названная WojNet, стала популярной в среде компьютерщиков, и Хинтон испугался, что открытие скромного Крижевского не получит заслуженного признания. Он предложил Крижевскому переименовать SuperVision, использовав в названии его имя, чтобы подчеркнуть его вклад. Крижевский не считал это необходимым, но все же согласился («Алекс не особо интересуется такими вещами, как брендинг», – замечает Хинтон). С тех пор сеть известна как AlexNet.

Хинтон волновался зря. Крупные технологические компании начали проявлять огромный интерес к малоизвестному факультету компьютерных наук Университета Торонто, и поиски финансирования остались позади. Команда AlexNet получила множество предложений о сотрудничестве и о покупке их технологии. По настоянию Суцкевера Хинтон учредил стартап под названием DNNResearch, в котором каждый из троицы – Хинтон, Крижевский и Суцкевер – получил треть акций. У DNNResearch не было ни клиентов, ни совета директоров, ни доходов, ни веб-сайта, только интеллектуальная мощь троих ученых.

Этого было вполне достаточно. В декабре 2012 года, находясь на научной конференции, Хинтон организовал по электронной почте аукцион по продаже этой «компании». Команда AlexNet, расположившаяся в номере на седьмом этаже отеля в Лейк-Тахо, осознавала, что вот-вот разбогатеет. Microsoft и лондонский ИИ-стартап DeepMind сделали первоначальные предложения, но вскоре выбыли из борьбы. Главное соперничество развернулось между Google и китайским технологическим гигантом Baidu. Ставки быстро перевалили за 20 миллионов долларов, а трое исследователей бродили по гостиничному номеру, иногда подходя к окну, чтобы полюбоваться заснеженными лесистыми склонами Сьерра-Невады.

Когда Google предложила 44 миллиона, Хинтон с согласия Суцкевера и Крижевского принял предложение и закрыл аукцион. Им казалось, что Google более подходящий партнер, чем китайская компания. Теперь нейронная сеть AlexNet, которую Крижевский обучал у себя в спальне, могла быть поставлена в один ряд с самолетом братьев Райт и лампочкой Эдисона. «Это было как Большой взрыв, – вспоминает Хинтон. – Настоящая революция».

Брайан Катандзаро не был типичным сотрудником Nvidia. В окружении прожженных технарей он выглядел мечтателем. У него были длинные волосы, он любил носить броские очки и яркие рубашки. При первом нашем разговоре на нем была разноцветная футболка с мелкими картинками, а при следующем – свитер с изображением совы. Брайан покорял своей мягкостью, терпимостью и убаюкивающим голосом. Он был единственным инженером Nvidia с гуманитарным образованием, которого я знал.

Катандзаро воспитывался в мормонской общине и через год после окончания школы отправился в Сибирь миссионером. В течение двух лет он говорил только на русском. «Я был невероятно предан своему делу», – вспоминает он. Там он прочел «Преступление и наказание» в оригинале, и это стало важным опытом для формировавшегося экзистенциалиста. Вернувшись, он получил диплом по русской литературе в Университете Бригама Янга. «Достоевский, безусловно, мой любимый писатель, – говорит Катандзаро. – Трое моих фаворитов – Достоевский, Толстой и Пушкин».

Параллельно он получил и вторую степень – по компьютерной инженерии, понимая, что гуманитарное образование окупится с меньшей вероятностью. В 2001 году его приняли на летнюю стажировку в Intel, где он трудился над разработкой микропроцессора, который должен был функционировать на частоте 10 миллиардов герц. Выполнив расчеты, он понял, что задача была скорее теоретической: такой процессор создать невозможно. Брайан предоставил полученные результаты старшим инженерам и услышал от них: «Наверняка вы сделали что-то не так. Создание такого микропроцессора – в наших ближайших планах».

Брайан был ошеломлен. Перепроверив свои вычисления, он еще раз убедился в верности выводов. Транзисторы становились все меньше, закон Мура переставал работать, но в Intel это игнорировали. «Я ведь был всего лишь стажером, – вспоминает он. – Но я видел, что традиционные принципы конструирования архитектуры процессора перестают работать».

Катандзаро считал, что нужен принципиально новый подход к разработке микросхем. В середине 2000-х вместе с несколькими коллегами он основал лабораторию параллельных вычислений в Калифорнийском университете в Беркли. Там он изучил существующие приложения для параллельных вычислений. Проблема заключалась в том, что на тот момент вычислительных мощностей хватало даже самым требовательным клиентам: продав нефтяной компании суперкомпьютер, вы закрывали ее потребности на годы. Нужно было некое ненасытное приложение, требующее постоянного роста вычислительных мощностей. Что-то вроде приложения для непрерывной отрисовки 3D-графики. После нескольких дней мозгового штурма Катандзаро и его команда поняли, что это должно быть за приложение. «Решением был искусственный интеллект, – говорит он. – Я пришел к идее ИИ, двигаясь снизу вверх, я отталкивался от архитектуры микросхем. Я чувствовал, что разработка ИИ – самая важная вычислительная задача будущего».

Научные руководители Катандзаро в Беркли не особо приветствовали его увлечение искусственным интеллектом. Многим компьютерщикам идея создания ИИ казалась столь же сомнительной, как поиски снежного человека, а нейронные сети были главным объектом насмешек. «Бытовало мнение, что мир вычислительных технологий полон странных людей, которые занимаются чем-то устаревшим и нелепым, что не имеет смысла и не работает», – рассказывает Катандзаро, приглаживая волосы рукой.

Мне понятно его разочарование: Катандзаро одним из первых осознал потенциал разработки ИИ с использованием параллельных вычислений, но преподаватели отговорили его от правильного выбора. Вместо этого Катандзаро погрузился в заумную математику и опубликовал несколько малозначимых научных статей. Работа над докторской диссертацией оказалась для него очень непростой. К этому времени у них с женой было трое детей, а стоимость аренды жилья в Кремниевой долине кусалась. В отчаянии он начал подавать заявки в разные компании на все доступные стажировки. За шесть лет Катандзаро поработал в восьми компаниях, с трудом зарабатывая деньги, позволявшие семье кое-как сводить концы с концами. Однако был и положительный момент: благодаря этим стажировкам он получил возможность заглянуть на кухню гигантов полупроводниковой индустрии.

В поисках постоянной работы Катандзаро поначалу вернулся в Intel. К тому времени руководство компании поняло, что Nvidia действительно представляет для них угрозу, и запустило проект Larrabee по созданию графического процессора, который должен был стать «убийцей GeForce». Катандзаро привлекли к работе над ним. Однако ожидания Intel не оправдались. Из-за разногласий внутри команды выпуск Larrabee неоднократно откладывался, и в итоге проект был закрыт. Катандзаро полагает, что на самом деле руководство компании не очень интересовали передовые вычислительные технологии. «Им было все равно, что производит Intel – хоть мыло», – говорит он.

Еще одним местом стажировки Катандзаро была Qualcomm, известная компания, разрабатывавшая микросхемы для мобильных устройств, расположенная в Сан-Диего. В Qualcomm дела шли хорошо, зарплату тоже платили достойную, но Катандзаро коробили постоянные попытки очернить конкурентов. «Мне все время говорили, что Nvidia – ужасное место для работы, а их гендиректор – настоящий тиран», – рассказывает он. Это противоречило личному опыту Катандзаро, который успел поработать в Nvidia. Именно он когда-то сказал, что общаться с Хуангом – все равно что совать палец в розетку, но при этом понимал, что этот человек не будет заниматься «продажей мыла». Хуанг был увлечен своим делом, и Катандзаро решил, что должен убедить его в необходимости использовать параллельные вычисления для создания ИИ. После получения докторской степени в 2011 году Катандзаро в качестве места работы выбрал Nvidia.

Катандзаро присоединился к растущему отделу Билла Дэлли Nvidia Research. По его словам, это было похоже на аспирантуру, «только масштабнее и куда интереснее». Атмосфера в коллективе была почти академической: исследователи могли заниматься тем, что их увлекало, и сотрудничать с другими отделами. Дэлли часто публиковал статьи о своих открытиях в научных журналах, не заботясь о финансовой выгоде. Многие из них были написаны в соавторстве с инженерами других компаний, например AMD и Intel. Такая открытость Дэлли удивляла многих, и не все коллеги ее одобряли, однако он ориентировался на долгосрочную перспективу и считал, что, пропагандируя свои достижения, сможет привлечь к совместной работе других ученых. «Они прочтут наши публикации и захотят работать с нами, – объяснял он. – Результаты говорят сами за себя».

Одним из таких ученых оказался Катандзаро. Изначально ему поручили изучать языки программирования, но вскоре он стал первым сотрудником Nvidia, специализирующимся на разработке ИИ. Узнав о прорыве в технологии нейронных сетей, Дэлли решил, что это направление нельзя упускать из виду. В 2012 году он отправил Катандзаро к своему коллеге Эндрю Ыну, стэнфордскому профессору, работавшему на Google. Ын разработал технологию, схожую с AlexNet, но применил для этого процессоры, имеющие стандартную архитектуру. Проект оказался дорогим: используя кластер из 2000 процессоров, Ын хотел научить нейросеть распознавать на видео кошек, загрузив в компьютер 10 миллионов записей с YouTube. Это потребовало больших затрат, расход энергии был колоссальным, но в итоге сеть Ына создала впечатляющую систему распознавания кошек, которую он представил прессе.

Об этом открытии начали писать СМИ, в июне 2012 года статья с результатами исследования появилась в The New York Times. Но для Дэлли было важно не то, что нейронная сеть может распознавать животных, а то, сколько ресурсов для этого потребовалось. Он поручил Катандзаро повторить эксперимент с кошками, но с использованием оборудования Nvidia. Катандзаро сумел добиться тех же результатов всего с 12 графическими процессорами.

События развивались с головокружительной быстротой. Все лучшие умы стекались в Кремниевую долину. Крижевский, Хинтон и Суцкевер, продав свой стартап компании Google, тоже перебрались из Торонто в Маунтин-Вью, где продолжили свои революционные исследования параллельных вычислений. Когда Крижевскому предложили в Google работать с массивным кластером процессоров, он отказался. Вместо этого Алекс установил в офисном шкафу обычный персональный компьютер с несколькими видеокартами Nvidia. Вскоре и другие разработчики Google начали отключаться от разросшегося до невероятных размеров архипелага дата-центров компании (на тот момент, вероятно, самого массивного компьютерного комплекса в мире) и использовать игровое оборудование, установленное непосредственно в стоящих под их столами системных блоках.

Катандзаро на волне перемен обратился к руководству Nvidia за дополнительными ресурсами, но вначале столкнулся с отказом. Из-за чувствительного характера и гуманитарного образования Брайан не вписывался в привычный образ сотрудника Nvidia. «Оценка моей работы оставляла желать лучшего, – признается он. – Да и зарплата тоже». Но несмотря на отсутствие поддержки, Брайан продолжал трудиться над разработкой библиотеки программного обеспечения cuDNN, необходимой для развития нейронных сетей на платформе CUDA.

Сначала работа шла тяжело. Катандзаро, будучи академическим ученым, не имел практического опыта программирования. К тому же у него появился четвертый ребенок, из-за чего он постоянно не высыпался. Возникли проблемы со здоровьем, а от лекарств Брайан чувствовал себя «каким-то тупым». Когда он в начале 2013 года представил свой прототип cuDNN команде разработчиков Nvidia, его подвергли жесткой критике. Катандзаро начал сомневаться в себе и до сих пор, вздыхая, вспоминает полученную на аттестации оценку «необходимо совершенствоваться». «Мне кажется, мои руководители не считали, что я занимаюсь чем-то важным, – говорит он. – И у меня ничего не клеилось».

Катандзаро решил обсудить свои идеи с Хуангом. Казалось, что технология нейронных сетей не была у того в приоритете; на конференции GTC в марте 2013 года Хуанг говорил о прогнозировании погоды и о мобильной графике, ни словом не упомянув нейросети. (Он все еще находился в поисках своего стиля и на этой конференции впервые появился в нелепой кожаной куртке.) К удивлению Катандзаро, Хуанга заинтересовали его идеи. После их разговора Хуанг выделил в своем плотном графике целые выходные на изучение материалов об искусственном интеллекте, в котором раньше разбирался не слишком хорошо. Вскоре состоялась еще одна встреча, и Катандзаро был поражен, обнаружив, что босс уже разбирается в нейронных сетях не хуже него, а то и лучше.

Увлекшись CUDA, Хуанг завел корабль компании далеко в неизведанные воды. Десять лет он стоял на капитанском мостике, всматриваясь в горизонт в ожидании земли, и теперь ему казалось, что он открыл Атлантиду. Хуанг с головой погрузился в изучение и обсуждение новой технологии, и чем больше он узнавал, тем сильнее разгорался его энтузиазм. К середине 2013 года Дженсен испытывал невероятное воодушевление, граничащее с одержимостью. Он пригласил Катандзаро в конференц-зал (который все еще использовал как свой офис) и заявил, что проект cuDNN – самый важный за всю двадцатилетнюю историю компании. Все старые диаграммы, формулы и графики на стенах были стерты, а на доске красовалась загадочная аббревиатура OIALO. Как объяснил Хуанг, это означало Once in a Lifetime Opportunity, то есть «возможность, выпадающая раз в жизни». Он предложил ошарашенному Катандзаро поучаствовать в мысленном эксперименте. «Представьте, – сказал он, – что я построил восемь тысяч сотрудников Nvidia на парковке. Вы можете выбрать любого из них для своей команды».

Хуанг далеко не всегда так быстро проникался новыми идеями. «С параллельными вычислениями нам потребовалось немало усилий, чтобы убедить Дженсена, – вспоминает Кирк. – То же случилось с CUDA. Нам пришлось поработать над обоснованием целесообразности проекта». Но в случае искусственного интеллекта на Хуанга как будто снизошло озарение. «Он понял это мгновенно, раньше всех, – говорит Кирк. – Он увидел, чем это все может стать. Действительно увидел первым».

Хуанг утверждает, что просто рассуждал логически. «Увидев, как система справляется с абсолютно неструктурированной задачей "зрительного" распознавания, я сразу задался вопросом, чему еще ее можно научить», – сказал он. И ответил: «Всему». Хуанг пришел к выводу, что нейронные сети могут произвести настоящую революцию и нужно использовать CUDA, чтобы застолбить рынок необходимого для них оборудования. Он объявил о полной переориентации компании. «В пятницу вечером он разослал всем электронное письмо, в котором сообщал, что мы полностью переходим на глубокое обучение и больше не являемся компанией, специализирующейся на графическом оборудовании, – рассказывает Грег Эстес, вице-президент Nvidia. – К утру понедельника мы стали компанией по разработке ИИ. Я не преувеличиваю, все было именно так».

Незадолго до этого Хуангу исполнилось пятьдесят. Несмотря на появившуюся седину, он сохранил юношеский задор и энергично носился по коридорам компании, то и дело останавливаясь, чтобы расспросить сотрудников об их работе. По мере роста компании Хуанг ввел практику устраивать ежеквартальные выступления перед всем коллективом. Он мог спонтанно говорить более двух часов на излюбленные темы: о концепции планирования «со скоростью света», о мифическом «еще не существующем миллиардном рынке» – и в первую очередь предупреждать об опасности бюрократического подхода.

Хотя Nvidia уже была крупной компанией, Хуанг поддерживал гибкую корпоративную структуру без жестко разграниченных подразделений и четкой иерархии. Высшее руководство, по сути, представлял только он сам; в Nvidia не было операционного, технического и маркетингового директоров, так же как и заместителей генерального. Не было даже управляющего персоналом. Вместо этого более 30 человек подчинялись ему напрямую, занимая гибкие универсальные должности «вице-президентов». Мысленный эксперимент с парковкой, который он предложил Катандзаро, отражал его уверенность в том, что компания способна в любой момент произвести радикальную реорганизацию. «Мне нужно, чтобы вы всегда были готовы ко всему, – говорил он своим менеджерам. – Неизвестно, в какой момент именно вам придется стать самыми важными людьми в компании».

В начале 2014 года таким «самым важным человеком» оказался Катандзаро, несмотря на то что он не вписывался в корпоративную культуру и часто получал не самые высокие оценки на аттестациях. Управляя командой инженеров, Катандзаро свел работу над cuDNN к ключевой задаче: ускорению эволюции нейросетей. В тканях человеческого мозга каждый нейрон образует в среднем около 1000 синаптических связей с соседними нейронами. Мозг может менять и настраивать их с помощью химических процессов, а нейронная сеть делает это методом умножения матриц.

При умножении матриц числа из одной сетки перемножаются с числами из другой, и таким образом создается третья. Правила заполнения новой сетки несложные, но по мере увеличения размеров матриц количество расчетов возрастает в геометрической прогрессии. Это делает параллельную обработку данных самой подходящей технологией для умножения матриц, однако до появления нейронных сетей никто в Nvidia всерьез этим не занимался.

Долгие годы за библиотеку матричного умножения CUDA отвечал Филипп Вандермерш – эксцентричный француз, приезжавший на работу на велосипеде. Предыдущие разработчики оставили проект незавершенным, и он привел библиотеку в порядок. На протяжении нескольких лет Вандермерш безуспешно пытался убедить исследователей глобального потепления обновить свои климатические симуляции, написанные древним кодом на языке Fortran, используя более современные решения. Но лишь немногие из них были готовы тратить на это время и силы. «Вообще, эти ребята в лабораториях иногда слишком ленивы», – жалуется он.

В случае с нейронными сетями издержки перехода отсутствовали. Почти весь код писался с нуля талантливыми и целеустремленными программистами, для которых производительность имела первостепенное значение. Это были именно те энтузиасты, о которых давно мечтал Хуанг: сообщество разработчиков нейросетей, объединившееся вокруг CUDA, на долгие годы стало надежной клиентской базой Nvidia. Вандермерш, выбранный из той самой «толпы на парковке», присоединился к команде Катандзаро в качестве ведущего специалиста в технической реализации проекта и оптимизировал библиотеку функций для задач ИИ. (По его словам, программированием по большей части тоже занимался он. «Можно сказать, что Катандзаро был Джобсом cuDNN, – говорит он, – а я Возняком».)

Программисты Nvidia творчески подошли к задаче ускорения операций с матрицами. Они быстро обнаружили, что большинство весов в нейронной сети попадают в промежуток от плюс одного до минус одного. Числами за пределами этого диапазона часто можно было пренебречь, что повышало скорость операций и уменьшало их объем. Кроме того, они увидели, что даже в этом промежутке не требуется идеальная точность. Так же как в мозге, нейроны в сети были «размытыми», а синаптические связи между ними – гибкими и изменчивыми. Поэтому в некоторых случаях достаточно было правильно определить знак.

В AlexNet было 650 000 нейронов и 630 миллионов синаптических связей. В таких масштабах отдельный синапс едва ли имел значение. Последовательный код бывает настолько капризным, что одна неправильно поставленная точка с запятой может привести к сбою всей системы. В нейронных сетях один ошибочный вес был всего лишь одной из миллионов точек данных. Поэтому при разработке cuDNN программисты Nvidia пересмотрели приоритеты в выборе между точностью и скоростью. По их мнению, в программном обеспечении для нейросетей выбор нужно было делать в пользу скорости.

AlexNet была сравнима по размерам с мозгом насекомого, но в будущем нейронные сети обещали стать гораздо больше. Было понятно, что по мере их разрастания обучение будет не единственной проблемой; так же важно обеспечить быстрое получение ответов (представьте оракула, который знает ответ на любой вопрос, но может произносить только одно слово в час). Хотя процесс инференции (вывода информации) требовал меньших вычислительных ресурсов, чем этап обучения, со временем он стал значимой частью функционирования библиотеки cuDNN.

Хуанг внимательно следил за успехами Катандзаро. Они встречались регулярно, и Хуанг постоянно извинялся, что никак не запомнит, как произносится его фамилия. В других компаниях библиотека cuDNN давно перешла бы в руки опытного продакт-менеджера, но в Nvidia курировать флагманский проект доверили Катандзаро, который никогда не разрабатывал коммерческое программное обеспечение и не имел опыта руководства командой. Порой Катандзаро сам сомневался, подходит ли он для этой роли. Особенно сложно ему было, когда приблизились сроки сдачи проекта. Не скупившийся на похвалу за хорошую работу Хуанг так же легко переходил к гневу и оскорблениям, если обязательства были сорваны. «С Дженсеном не всегда легко поладить, – признается Катандзаро. – Порой он внушает мне страх. Но я знаю, что он относится ко мне с любовью».

Ближе к дате запуска Катандзаро начало беспокоить другое. Его тревожило, что босс может попасть в старую как мир ловушку. Если и была сфера менее прибыльная, чем параллельные вычисления, то это, безусловно, ИИ. С 1950-х годов развитие технологии искусственного интеллекта переживало многократные взлеты и падения. Катандзаро прекрасно осознавал, насколько сложно будет внедрить искусственный интеллект в бизнес, и боялся подвести инвесторов. Однако делиться своими опасениями с Хуангом он не стал: уж очень хотелось использовать предоставленный шанс.

Хотя Катандзаро помнил о неудачном прошлом нейросетей, Уолл-стрит, похоже, уже обо всем забыла. Со времени краха экспертных систем в 1980-х годах прошло около тридцати лет, так что об этом уже не помнили даже самые въедливые аналитики фондового рынка. Вскоре на фоне шумихи вокруг нейронных сетей акции Nvidia начали расти, и Starboard Value перестала присылать письма. «Они удвоили свой капитал и исчезли», – говорит Кокс.

К началу 2014 года cuDNN была готова к работе. Хуанг представил новый продукт на конференции GTC 2014 и впервые за двадцать один год существования Nvidia открыто объявил, что компания занимается разработкой искусственного интеллекта. (На этот раз он отказался от кожаной куртки и щеголял в черных брюках и темно-синей рубашке поло. Новый наряд как бы подчеркивал его уверенность и силу.) Хуанг продемонстрировал сеть Ына и ее способность распознавать кошек и человеческие лица, затем рассказал о ранних разработках Nvidia в области ИИ и, опять допустив ошибку в произношении фамилии, передал слово Катандзаро, который показал, как AlexNet идентифицирует породы собак в Twitter. В режиме реального времени сеть определила далматинца, немецкую овчарку, венгерскую выжлу и керн-терьера. («Я даже не знал, что это за порода – керн-терьер», – смеется Катандзаро.) Было похоже, что все неудачи в развитии ИИ остались позади.

В конце выступления Хуанг представил партнеров компании, которые тестировали cuDNN в бета-версии. Среди них были Adobe, Facebook и Netflix. Google была слишком важным клиентом, чтобы упоминать о ней публично. За несколько недель до показа Google приобрела DeepMind – лондонскую компанию, основанную Демисом Хассабисом, Мустафой Сулейманом и Шейном Леггом. Они стремились создать первый в мире общедоступный искусственный интеллект (AGI) и разгадать загадку сознания. К моменту приобретения DeepMind разрабатывала AlphaGo – нейронную сеть, которой предстояло в 2016 году решить сложнейшую задачу: одолеть человека в японской игре го. Объединив усилия с группами Ына, AlexNet и DeepMind, Google закрепила за собой лидирующие позиции в отрасли.

По мере развития направления ИИ в Google разработчики начали требовать все больше графических процессоров. В конце 2014 года Google инициировала проект Mack Truck – секретную программу по созданию самого мощного в мире компьютера, выполняющего параллельные вычисления. Для него было закуплено более 40 000 GPU от Nvidia на сумму свыше 130 миллионов долларов. Крупнейший заказ, который когда-либо получала Nvidia. Но это было только начало. С развитием ИИ тяжелый период в продвижении параллельных вычислений закончился.

Не все понимали, что революция в области глубокого обучения происходила не только в программировании, но и в развитии аппаратной части. Прорыв стал возможен благодаря не одной, а сразу двум ранее невостребованным и непопулярным технологиям, которые смогли проявить себя, лишь будучи объединенными. Нейросети, развернутые на компьютерах, выполняющих параллельные вычисления, были как сплетенные нити ДНК в сверхмощном организме, стремящемся вобрать в себя все данные мира.

Йенс Хорстманн начал замечать перемены в своем старом друге. Прежде Хуанг, как бы ни был он загружен работой, дома был мягким и спокойным. Он всегда находил время для хобби: собак, дорогого виски, коллекции роскошных автомобилей, пополнившейся Tesla Roadster и суперкаром Koenigsegg. Также Хуанг приобрел просторный дом на Мауи на берегу океана с видом на закат. Он часто принимал в нем друзей, в том числе Морриса Чанга из TSMC.

Его главной страстью была кулинария. На один из дней рождения Хуанга друзья организовали ему мастер-класс у шеф-повара, имеющего звезду «Мишлен», в отеле Four Seasons. Когда Хуанг прибыл туда, его встретили шутками. «Шеф-повар его просто высмеял, – рассказывает Хорстманн. – Дженсен, конечно, когда-то работал на кухне в Denny's, но это было совсем другое». Хуанг отработал двенадцатичасовую смену, впервые за много лет оказавшись в шкуре подчиненного, на которого кричит начальник. После ужина, которым он накормил друзей, он просто заснул в автомобиле по дороге домой.

Однако когда Nvidia начала заниматься ИИ, Хуанг забросил все свои хобби. Его тяга к развлечениям ослабла. Он больше не играл в настольный теннис, покрытый пылью гриль ржавел во дворе. Он даже перестал отвечать на сообщения. «Он с головой погрузился в работу, – вспоминает Хорстманн. – Мы больше не говорили ни о чем, кроме нее». Хуанг был одержим новыми достижениями. Аббревиатура OIALO звучала на каждом собрании. Хуанг усердно трудился c двадцати лет, шесть дней в неделю проводя по двенадцать часов на рабочем месте. Это продолжалось тридцать лет, но теперь, перешагнув пятидесятилетний рубеж и вырастив детей, он стал работать еще больше.

Когда-то, чтобы расслабиться, Хуанг любил ходить в одиночку в кино. Он предпочитал высокобюджетные фильмы, особенно сагу о Мстителях, которую смотрел не только ради сюжета, но и чтобы оценить качество компьютерной графики. Однако многие поклонники Marvel были геймерами, а фото Хуанга не раз появлялось на сайте сообщества Nvidia, так что его стали узнавать в кинотеатрах. Устав фотографироваться с поклонниками, Хуанг какое-то время старался посещать только утренние сеансы, но это не помогло, и он совсем перестал ходить в кино. С 2014 года его полностью поглощала работа. Остался только ИИ.

В 2013 году стоимость акций Nvidia выросла на 30%, в 2014-м – на 27%, в 2015-м – на 66%. Последний скачок позволил Nvidia побить предыдущий рекорд, поставленный еще в 2001 году, когда компания впервые вошла в индекс S&P 500. Включение в этот индекс имело значение: на следующий день фондам, контролирующим пенсионные сбережения Америки, было предписано купить акции Nvidia. На протяжении четырнадцати лет частные инвесторы поддерживали компанию, не получая прибыли. Настало время расплатиться со всеми.

Со стороны Nvidia все еще выглядела как игровая компания, так как основную часть ее дохода составляли розничные продажи GeForce. Однако Уолл-стрит, заглядывая в будущее, начала оценивать ее как лидера в области разработки искусственного интеллекта. Вслед за Google, которая приобрела большое число графических процессоров для проекта Mack Truck, аналогичные покупки начали совершать и другие технологические гиганты, такие как Amazon, Oracle и Microsoft. Бизнес-модель этих провайдеров облачных услуг заключалась в создании огромных центров обработки данных, оснащенных десятками или даже сотнями тысяч графических процессоров и сдающихся в аренду корпоративным клиентам.

Облачные провайдеры продавали вычислительные мощности как коммунальные услуги – как воду или электричество. Центры обработки данных размещались в неброских промышленных зданиях по всему миру. Миновав охрану и проходную, вы попадали в большое помещение с кондиционерами, где находились ряды двухметровых стоек, напоминающие библиотечные стеллажи. В каждой стойке было несколько лотков, в каждом лотке размещались один или два графических процессора. Лотки были модульными и легкозаменяемыми, вся система соединялась кабелями, так что сотни графических процессоров могли работать в унисон как единое вычислительное устройство. Управляла системой меньшая группа центральных процессоров, а толстый пучок оптоволоконных кабелей соединял весь комплекс с внешним миром.

Nvidia не занималась производством стоек и лотков и обычно сама не строила центры обработки данных. Она поставляла только микросхемы, но это был прибыльный бизнес, в котором компания была практически монополистом. Новые процессоры Nvidia получали свои имена в честь известных ученых: Curie, Tesla, Fermi, Kepler, Maxwell, Pascal, Turing, Volta, Ampere, Lovelace, Hopper и Blackwell. Более поздние серии включали специальные микросхемы для ИИ, так что центрам обработки данных приходилось постоянно заменять процессоры. Шестимесячный цикл обновления заставлял разработчиков передовых технологий машинного обучения регулярно покупать новое оборудование, что приносило компании значительную прибыль.

Цены у поставщиков облачных услуг указывались в «долларах за графический процессор в час». Аренда системы с новейшими наборами микросхем Nvidia стоила около 3 долларов за час (для сравнения: доступ к центральным процессорам Intel стоил какие-то центы). При таких ценах обучение «мозга насекомого» AlexNet обошлось бы примерно в 500 долларов, но исследователи уже создавали гораздо более сложные модели с миллиардами параметров, на обучение которых уходили миллионы долларов. Тем не менее при правильном обучении результат оправдывал затраты, что подтверждалось примером Google. Применение нейронных сетей для оптимизации энергопотребления серверных позволило этой компании сэкономить сотни миллионов на счетах за электричество, что обеспечило быструю окупаемость инвестиций в ИИ. Google также применила инструменты распознавания изображений в своем приложении для фотографий, включив в него возможность создания автоматических меток для пользовательских снимков, и использовала ИИ для улучшения поиска.

Другие крупные технологические компании тоже внедряли ИИ в свои продукты. Instagram, Facebook и Twitter начали привлекать внимание пользователей, алгоритмически организуя их ленты, то есть применяя методы машинного обучения. (Эти методы оказались столь же эффективными, сколь и манипулятивными: алгоритмы в социальных сетях удерживали внимание пользователей часами, умело подбирая провокационный контент.) Инвестиции в ИИ приносили столь большую прибыль, что Хуанг вспомнил один из самых старых лозунгов розничных продаж: «Чем больше тратишь, тем больше экономишь».

Венчурные капиталисты начали активно инвестировать в стартапы, связанные с ИИ, поддерживая не только разработки в области распознавания изображений и речи, но и проекты в сферах здравоохранения, розничной торговли, беспилотных автомобилей и образования. В 2010 году инвестиций в ИИ практически не было, а к 2015 году они достигли 5 миллиардов долларов и продолжали стремительно расти. «Мы инвестируем в множество стартапов, в различных областях применяющих методы глубокого обучения, и практически все они используют платформу Nvidia, – отмечал Марк Андриссен из фирмы Andreessen Horowitz в начале 2016 года. – У наших сотрудников есть игра: мы фантазируем, в какие публичные компании вложили бы деньги, если бы были хедж-фондом, и всегда выходит, что вложили бы всё в Nvidia».

Опытные инженеры, работающие в сфере глубокого обучения, тоже зарабатывали немалые суммы. В общей сложности так называемая общая компенсация, состоящая из базовой зарплаты, бонусов, опционов на акции и соцпакета, складывалась в магическое число, которое могло превышать семизначную сумму за год. В конце 2014 года Брайан Катандзаро перешел из Nvidia в Baidu, чтобы работать с Эндрю Ыном. «Они предложили мне зарплату в три раза выше», – рассказывает Катандзаро с легким сожалением, добавляя, что если бы остался в Nvidia, то заработал бы гораздо больше на опционах. Бас Аартс, создавший первый компилятор CUDA, ушел примерно в это же время. Однако спустя несколько лет оба вернулись. Они поняли, что для них нет другой компании, кроме Nvidia.

По мере развития ИИ наблюдатели начали проявлять беспокойство. В книге «Сверхразум» (Superintelligence), вышедшей в 2014 году, шведский философ из Оксфордского университета Ник Бостром сравнил людей, экспериментирующих с машинным интеллектом, с «маленькими детьми, играющими с бомбой». Он предположил, что компьютер, способный к абстрактному мышлению, станет последним изобретением человечества. По его мнению, компьютер с общим интеллектом сможет самосовершенствоваться и превратится – возможно, за несколько секунд – в сверхразум, который с точки зрения человека будет всемогущим. Бостром задавался вопросом, не станет ли такая машина обращаться с людьми так же, как люди обращаются с гориллами, – захватит планету и уничтожит среду их обитания, оставив лишь несколько особей в качестве экспонатов зоопарков и охраняемых заповедников.

Книга Бострома развивала идеи, над которыми он размышлял годами. Ранее он предложил мысленный эксперимент под названием «максимизатор скрепок»:

Пример с «максимизатором скрепок» долго цитировали в интернете, он нашел отклик в сообществе «рационалистов», а также среди многих руководителей технологических компаний. Через несколько месяцев после публикации книги Бострома Илон Маск оставил комментарий на футурологическом сайте Edge.org:

Маск удалил свой комментарий через несколько минут, но скриншоты уже разлетелись в интернете. Как и многие предсказания Маска, это выглядело преувеличением, но в долгосрочной перспективе риск казался реальным.

Хуанг пригласил Маска для дискуссии на конференцию GTC 2015. К этому моменту Дженсен наконец-то окончательно определился со своим стилем в одежде. На сцене конференц-центра в Сан-Хосе он появился в темно-синей рубашке поло, черных брюках и черных туфлях, как и ранее, но поверх рубашки была надета черная кожаная куртка. Наряд был эффектным и недешевым: почти все – от люксовых брендов. Позже Хуанг заявлял, что изменением стиля обязан жене и дочери. Особенно повлияла Мэдисон: она как раз ушла из кулинарной индустрии и начала работать с французским концерном Louis Vuitton, производителем модной одежды и предметов роскоши. Когда я говорил с Хуангом о его одежде в 2023 году, он признался, что часто затрудняется вспомнить, одежда каких брендов на нем. «Кажется, это… э-э-э… Том Форд, что ли…» – сказал он, распахивая черную куртку, чтобы посмотреть на этикетку.

Выступление Хуанга в том году было непрерывной презентацией возможностей ИИ. Сначала он пригласил на сцену словацкого исследователя Андрея Карпатого. Работая в лаборатории Фэй Фэй Ли в Стэнфорде, Карпатый объединил две нейронные сети: первая, подобно AlexNet, распознавала изображения, а вторая описывала их понятным грамотным языком. Если сети Карпатого показывали картинку с птицей, она отвечала не просто «птица», а что-нибудь вроде «птица, сидящая на ветке дерева». Изображение самолета было «большим самолетом на взлетной полосе». Особенно впечатлило всех описание фотографии человека в повозке, снятого сзади. Сеть интерпретировала ее безупречно: «человек, едущий по улице в повозке, запряженной лошадью».

Хуанг все же не без удовольствия указал Карпатому на некоторые ошибки. Летучая рыба была «маленькой белой птицей, летящей над водоемом», двое мужчин в санях оказались «мужчиной и ребенком, сидящими на скамейке», а младенец с зубной щеткой – «маленьким мальчиком с бейсбольной битой» (способность различать человеческие инструменты была слабым местом нейронных сетей). Карпатый признал, что у его сети есть ограничения: она воспроизводит речь не всегда осмысленно, а сталкиваясь с чем-то непонятным, городит ерунду. Карпатый назвал эти ошибки «галлюцинациями».

Затем на сцену вышел Маск. Все присутствующие достали смартфоны, чтобы записать его выступление. Хуанг был фанатом Tesla, он имел все три модели автомобиля, выпущенные компанией, и восхищался их программным обеспечением. Маск использовал микросхемы Nvidia в модулях отображения информации на лобовом стекле начиная с 2011 года.

Как только эти двое уселись в кресла на сцене, Хуанг взял быка за рога.

– Вы говорили, что искусственный интеллект опаснее ядерного оружия.

Маск заерзал в кресле.

– Я сказал «может быть».

– Еще вы сказали, что развивать его – все равно что вызывать демонов, – напомнил Хуанг.

Маск бросил на него недовольный взгляд. Хуанг не стал давить и перевел разговор на беспилотные автомобили.

– Я считаю эту проблему практически решенной, – сказал Маск. – Мы сделаем это через несколько лет.

Какое-то время они обсуждали автомобили, но потом Маск сам вернулся к теме экзистенциальных рисков.

– Так непривычно думать, что мы стали свидетелями пришествия ИИ. Удивительно, что мы живем именно в это время.

На этом саммит, прошедший на редкость спокойно, завершился. Но настоящая дискуссия развернулась за кулисами, вдали от журналистов и инвесторов. В присутствии Йенса Хорстманна и Криса Малаховски Маск и Хуанг поделились своими сокровенными мыслями об ИИ – теми, которые не предназначались для публики. Они фонтанировали идеями, все больше воодушевляясь. Вскоре диалог стал больше напоминать высокоскоростной обмен данными, чем человеческий разговор. «Они просто сыпали предложениями и гипотезами, так что через какое-то время мы вообще перестали понимать, о чем они говорят, – рассказывает Хорстманн. – Даже Крис был озадачен».

На первый взгляд у Маска и Хуанга было много общего. Оба иммигранты, трудоголики, визионеры. Оба были азартны и могли сорваться на крик; и тот и другой – инженеры мирового класса. Они уверенно осваивали заброшенные территории, усеянные трупами неудачливых предпринимателей, и выращивали там сады.

Однако при ближайшем рассмотрении становились видны и различия. Их видение будущего существенно отличалось: Маск двигался вперед, воплощая свои фантазии, Хуанг – опираясь на реальность. Совершенно по-разному они относились и к подчиненным. Маску было чуждо понятие лояльности, он часто увольнял людей без предупреждения. В одно воскресенье Илон, ничего не объясняя, распустил всю инженерную команду Starlink. Хуанг крайне редко кого-нибудь увольнял, а если это случалось, то после многократных предупреждений и требований работать лучше. Чтобы быть уволенным из Nvidia, надо было совершить что-то действительно вопиющее, и многие сотрудники работали десятилетиями, включая вернувшихся Катандзаро и Аартса. Даже когда по экономическим соображениям Хуанг был вынужден закрыть какое-то подразделение, он перебрасывал людей на другие направления. В 2019 году Кёртис Прим впервые за шестнадцать лет пришел в штаб-квартиру Nvidia, чтобы встретиться с Хуангом и Малаховски. «Я был поражен, как много людей все еще работали там, – говорит он. – А у Джеффа Фишера даже дети пришли работать в Nvidia».

У Хуанга был счастливый брак, он всегда говорил о Лори с любовью. У Маска было по меньшей мере одиннадцать детей от трех или более разных женщин. У Хуанга была харизма, он блестяще шутил и ко всем относился доброжелательно, пока не терял самообладания. Маск же часто не замечал настроение окружающих, был неловким, не умел общаться и сам называл себя аутистом. Хуанг предпочитал виски, никогда не писал в Twitter и, насколько я могу судить, за сорок лет ни разу не высказался на политические темы (проверив федеральные архивы, я не нашел ни одного пожертвования политикам, сделанного от его имени или от имени Лори). Маск курил травку, публиковал скандальные посты и поддерживал Трампа.

Но самым важным различием, пожалуй, было несовпадение мнений об опасности ИИ. Для Маска высокоразвитый ИИ представлял потенциальную угрозу уничтожения человечества. Это мнение разделяли многие инженеры и ученые, включая Хинтона и Суцкевера – авторов первой статьи об AlexNet. Хуанг смотрел на это иначе. К моему большому удивлению, он вообще не видел в ИИ никакой опасности.

К концу 2015 года Маск со свойственной ему скромностью решил, что лучший способ защитить человечество от ИИ – создать его самому. Маск выбрал для нового проекта необычную форму: он собрал коалицию спонсоров и технологов для создания OpenAI. «OpenAI – это некоммерческая исследовательская компания в области искусственного интеллекта, – было заявлено в первом посте в блоге организации. – Наша цель – развивать цифровой интеллект на благо человечества, не ограничиваясь задачей получения финансовой выгоды». В итоге некоммерческая организация собрала 135 миллионов долларов пожертвований. Маск, внесший около 45 миллионов, стал крупнейшим инвестором, среди других первых спонсоров были сооснователь LinkedIn Рид Хоффман и Сэм Альтман, президент венчурной инвестиционной фирмы Y Combinator. (Позже выбранная структура организации и методы ее финансирования создадут проблемы для всех участников.)

Параллельно со сбором пожертвований OpenAI формировала команду из выдающихся специалистов в области ИИ. К основателям присоединился Андрей Карпатый, тот самый, который демонстрировал на GTC 2015 свой генератор подписей к изображениям. В команду также вошел Войцех Заремба, польский программист, воссоздавший AlexNet в Google, а техническим директором стал Грег Брокман, разработчик из Северной Дакоты и один из первых сотрудников Stripe. Но главным приобретением оказался Илья Суцкевер, бывший партнер Алекса Крижевского по исследованиям, участвовавший в создании AlexNet и с тех пор направлявший развитие ИИ.

Сам Крижевский обошел все ловушки. Его крайняя необщительность не способствовала сотрудничеству с кем-либо, и в 2017 году он ушел из Google. Его доля от аукциона по продаже DNNResearch составила чуть меньше 15 миллионов долларов – достаточно, чтобы больше никогда не работать, особенно учитывая его аскетический образ жизни. В 2019 году он пригласил японскую съемочную группу в свою квартиру, находившуюся над вьетнамским рестораном в районе залива Сан-Франциско. Крижевский жил как монах. Стены были голыми, всю обстановку составляли стол, диван, цифровое пианино и телевизор, а единственным живым существом, кроме хозяина, был кот. Крижевский, своего рода Орвилл Райт в мире нейронных сетей, рассказал съемочной группе, что завязал с технологиями. «Может, это моя особенность, – сказал он, – но если я долгое время акцентируюсь на чем-то, лет через десять я начинаю терять к этому интерес».

Пока OpenAI собирала команду мечты, Хуанг занялся созданием для нее компьютера. Самым дорогим предложением от Nvidia на тот момент был системный блок, предназначенный для научных исследований и визуализации данных. Хуанг решил, что нужно что-то в 10 раз мощнее. Он поручил своей команде разработать DGX–1 – оснащенный искусственным интеллектом компьютер, архитектура которого была в первую очередь ориентирована на матричные вычисления.

Переделка началась на атомарном уровне. TSMC предложила новую технологию сборки под названием FinFET. Теперь транзисторы возвышались над кремниевой подложкой словно акульи плавники. Если бы микроскопический человек встал на зеркальную кремниевую поверхность, эти транзисторы, вздымающиеся со всех сторон на высоту 200 атомов, могли бы напомнить ему советские блочные многоэтажки.

Благодаря этим транзисторам разработчики могли гораздо лучше контролировать поток электричества. Предыдущие модели вели себя как старый садовый шланг: «протекали» повсюду и с трудом поддавались управлению. В новых вероятность утечек была устранена. Для разработчиков микросхем FinFET стала долгожданным воплощением триединства точности, эффективности и контроля.

Широкую публику не интересовали подобные инновации. Транзисторы и компьютеры только что пережили важнейший скачок развития начиная с 1970-х годов, но об этом вряд ли знал хотя бы 1% людей на планете. Выдающиеся достижения полупроводниковой индустрии воспринимались как должное даже программистами, как победы какого-нибудь знаменитого футбольного клуба. Компьютеры просто постоянно становились лучше, к этому все давно привыкли.

Однако в компании Nvidia появление транзисторов с архитектурой «акульего плавника» было встречено с восторгом. Разработчики микросхем занимались проектированием на невообразимо высоком уровне. Образно выражаясь, упоминавшийся выше лабиринт из волос теперь мог бы заполнить не теннисный корт, а целый штат Род-Айленд. А по мере того, как эти лабиринты начали расти ввысь, перед разработчиками открылись еще более фантастические возможности. Помните древнегреческий миф о Дедале, построившем лабиринт для Минотавра? Увидев то, что создавали инженеры Nvidia, легендарный строитель лабиринта заплакал бы от зависти.

Архитектура первой микросхемы Nvidia на основе FinFET получила название Pascal – в честь философа и математика XVII века Блеза Паскаля, который, помимо прочих его достижений, создал первый механический калькулятор. В названии содержалась скрытая отсылка к главному узкому месту в вычислениях: скорости расчетов. До сих пор вычислительным устройствам – от счетной машины Паскаля, собранной из шестеренок, до вакуумных ламп ЭНИАКа и миниатюрных чипов Intel и IBM – не хватало в первую очередь скорости. Однако процессор P100, выпущенный Nvidia в апреле 2016 года, считал быстрее, чем поступали данные. С появлением таких процессоров главным препятствием была уже не скорость вычислений. Мощные компьютеры перестали быть просто счетными машинами.

Хуанг предвидел возникшую проблему. С 2014 года Nvidia разрабатывала высокоскоростную шину для передачи данных под названием NVLink. Это была, можно сказать, пушка, выстреливающая в процессор миллионом матричных вычислений каждую секунду. Соединив восемь процессоров P100 по шине NVLink, Nvidia превратила отдельные кремниевые лабиринты в единый вычислительный суперлабиринт.

Этот великолепный массив стал основой DGX–1. Заключенное в элегантный металлический корпус с фактурной поверхностью устройство весило 61 килограмм, стоило 129 000 долларов и при этом потребляло энергии не больше сушилки для белья. DGX–1 стал самым мощным творением Nvidia – Хуанг называл его «центр обработки данных, помещенный в коробку». Эта машина не была предназначена для общих задач, ее единственным назначением было обучение все более мощных систем ИИ. DGX–1 было суждено встать в один ряд с ENIAC Джона Экерта и Джона Мокли и Apple II Джобса и Возняка как одному из важнейших вычислительных устройств в истории.

Первый такой компьютер получил Илон Маск. В августе 2016 года Хуанг лично доставил его в штаб-квартиру OpenAI в Сан-Франциско. Хуанг приехал в кожаной куртке – теперь он носил ее всегда. Устройство было настолько тяжелым, что в офис его пришлось завозить на тележке, а чтобы поднять на стол, потребовалось несколько человек. Маск вскрыл упаковку канцелярским ножом, и Хуанг расписался маркером прямо на компьютере. «Илону и команде OpenAI! – вывел он своим каллиграфическим почерком. – Будущему вычислений и человечества. Представляю вам первый в мире DGX–1!»

На следующей неделе Хуанг доставил еще один подписанный DGX–1 в лабораторию Фэй Фэй Ли в Стэнфорде. Через несколько дней начался конкурс ImageNet 2016. Модели с сотнями когнитивных слоев достигли точности распознавания изображений 98%, превзойдя средний результат человека, который составлял 95%. Шестьдесят лет исследований и десятки миллиардов долларов инвестиций ушли на то, чтобы научить искусственный интеллект отличать лопатку от топорика. Эпоха господства машин началась.

В 2016 году акции Nvidia взлетели на 224%, вернув Дженсену Хуангу могущество и снова сделав его миллиардером. Однако в рейтинге S&P 500 компания оказалась не первой. Это место досталось ее давнему сопернику – AMD, акции которой поднялись на 309%. Хуангу не нравилось быть вторым. Решив вернуть лидерство, он полностью сосредоточился на победе и вскоре достиг своей цели. В 2017 году доходы Nvidia удвоились, прибыль утроилась, и компания с головокружительной скоростью запустила целый ряд новых продуктов. Немногие компании могли в своей истории похвастать таким успешным годом, как 2017-й у Nvidia.

Хуанг твердо вознамерился ослабить позиции AMD. С тех пор как в 2006 году AMD приобрела производителя графических карт компанию ATI, она оставалась единственным серьезным конкурентом Nvidia. Линейки GeForce и Radeon на рынке графических процессоров были как Coca и Pepsi на рынке напитков. Однако после 2014 года затяжное и временами жесткое противостояние перешло в разряд личных: новый генеральный директор AMD Лиза Су оказалась родственницей Хуанга.

Су была на семь лет младше Хуанга. Лиза выросла в семье статистика и бухгалтера и переехала с родителями с Тайваня в Нью-Йорк, когда ей было три года. В отличие от Хуанга, она воспитывалась в традициях жесткой дисциплины. В раннем детстве родители предложили Лизе выбрать одну из трех возможных профессий: инженер, врач или концертирующий пианист. Она выбрала инженерное дело, потому что, по ее признанию, оно казалось ей самым сложным. Су говорит с легким нью-йоркским акцентом, предпочитает брючные костюмы и короткие стрижки. Как и Хуанг, она всегда готова рисковать. «У нее есть та же настойчивость и убежденность, что и у Дженсена, – рассказывает один из топ-менеджеров AMD Форрест Норрод. – Ей хватает смелости придерживаться избранного курса в трудные времена».

Родство между Дженсеном и Лизой достаточно отдаленное. Мать Хуанга росла в многодетной семье, у нее было одиннадцать старших братьев и сестер. Одним из них был дедушка Су, так что фактически Хуанг приходится Лизе двоюродным дядей. Однако о ее существовании Дженсен не подозревал и выяснил, что они родня, только после ее назначения главой AMD.

Связь между семьями была очень слабой, мать Дженсена не поддерживала отношений с родительской семьей: ее, как одну из младших детей, отдали на воспитание приемным родителям. «В былые времена иногда приходилось отдавать детей, и обычно их поручали друзьям, – объясняет Хуанг. – Мою мать отец передал в семью своего друга, и она выросла отдельно от сестер и братьев». А дедушка Лизы остался с родителями.

Когда я спросил Хуанга о Лизе Су, он отозвался о ней очень хорошо: «Она просто великолепна. Мы не конкурируем». Но окружающие думали иначе. В течение многих лет AMD оставалась единственным серьезным соперником Nvidia в области графических процессоров, и сотрудники Nvidia знали наизусть, какую долю рынка занимает каждая из компаний. Я призадумался, не сдерживает ли Хуанг себя; раньше он не стеснялся негативно отзываться о конкурентах – например, о 3dfx. Однако в последнее время Дженсен перестал говорить плохо о соперниках – по крайней мере в компании ищущих сенсации журналистов.

Мне говорили, что в узком кругу Хуанг и сейчас не стесняется резко высказываться о конкурентах. Дэвид Кирк полагал, что Хуанг получил урок, когда адвокаты 3dfx заставили его зачитывать свои оскорбления под видеозапись в зале суда. Но, продолжал Кирк, без камер, за закрытыми дверями, появляется прежний Дженсен, не упускающий возможности сказать что-нибудь колкое. Аналитик отрасли Ханс Мозесманн считает, что дружба между Nvidia и AMD была показной. «Конечно, Дженсен не хочет проигрывать, – говорит он. – Но еще больше он не хочет уступать Лизе».

У Хуанга были сложные отношения с AMD еще до того, как его родственницу назначили руководить компанией. Его первое настоящее место работы было именно здесь, и он даже сохранил некоторое количество акций AMD, приобретенных благодаря программе для сотрудников в далеком 1984 году. В 2006 году AMD выступила с предложением о приобретении Nvidia, и Хуанг был готов рассмотреть его, но, как только узнал, что руководить объединенной компанией будет не он, переговоры прекратились. Эта сделка принесла бы ему много денег, но Хуанг не собирался покидать пост генерального директора. Он не желал отступать.

Вместо Nvidia AMD купила канадскую компанию ATI, их прямого конкурента. Затем последовала череда неудачных управленческих решений: за шесть лет AMD сменила трех генеральных директоров. В 2008 году корпорация построила новый кампус на вершине холма в Остине, штат Техас, претенциозно назвав его The Summit at Lantana – «Вершина Лантаны», хотя высота холма была всего несколько десятков метров. Пять лет спустя, пытаясь удержаться на плаву, AMD была вынуждена продать кампус и впоследствии арендовать его. Ситуация была унизительной, и к 2014 году акции AMD торговались по 2 доллара за штуку.

В поисках генерального директора, способного достойно провести компанию через трудные времена, совет директоров остановился на кандидатуре сорокапятилетней Су, которая была вице-президентом. На Уолл-стрит полагали, что эти перестановки лишь ненадолго отсрочат неизбежное банкротство AMD, однако недооценили нового руководителя. Су стала одним из двух самых выдающихся генеральных директоров в полупроводниковой индустрии, уступив только Дженсену Хуангу.

Эти двое резко отличались характерами. Хуанг был эмоциональным и экспрессивным, а Су всегда оставалась сдержанной и невозмутимой. «У нее отличный покерфейс, – говорит Мозесманн. – Правда, Дженсен и не обладая этим качеством находит способы выиграть». Стратегия Су тоже выглядела иначе. Вместо того чтобы мчаться вперед, как Дженсен, она предпочитала выслеживать соперника, поджидая момент для удара. Можно сказать, что Лиза вела себя отважнее Хуанга: она не избегала соперничества с Intel. Напротив, возрождение AMD стало возможным благодаря перехвату у Intel значительной части рынка центральных процессоров, что аналитики до этого считали практически невозможным.

Теперь, когда искусственный интеллект стал приносить прибыль, Су начала присматриваться и к сфере влияния компании Дженсена. В 2016 году AMD выпустила аналог системы CUDA с открытым исходным кодом для графических карт Radeon. Большинство разработчиков сочли это решение менее совершенным, а облачные графические процессоры от AMD не могли продаваться по столь низким ценам, как у Nvidia. Однако Су, подобно Хуангу, была терпелива и готова выжидать годы, прежде чем нанести удар. «Дженсен не хочет проигрывать. Он очень целеустремленный человек, – говорит Норрод. – Но мы уверены, что можем конкурировать с Nvidia».

Хуанг приветствовал предприимчивую родственницу на своем поле, отбив у AMD одного из самых старых клиентов. Nintendo и поглощенную AMD компанию ATI связывали долгие партнерские отношения: ATI обеспечивала графическими устройствами несколько поколений консолей Nintendo, в том числе GameCube и Wii. Хуанг после провала сделки с Xbox не раз повторял, что больше не будет заниматься подобным. Новое поколение игровых приставок появлялось раз в пять лет – слишком редко для того, кто привык обновлять линейку продуктов каждые полгода. Поэтому новость о том, что Nintendo для разработки графического чипа новой приставки Switch обратилась к Nvidia, оказалась неожиданностью для всех – включая Су.

Nintendo казалась непробиваемым бастионом, даже по японским меркам она выглядела замкнутой. Ее штаб-квартира находилась в древнем консервативном Киото, а ключевые решения практически единолично принимал Сигэру Миямото, легенда игрового дизайна. Когда ему было немногим больше тридцати, он создал игры Super Mario Brothers и The Legend of Zelda. Уолту Диснею гейминга уже перевалило за шестьдесят, но он не утратил энтузиазма.

Nintendo разительно отличалась от других игровых компаний. Аппаратный и программный отделы в Киото трудились в тесном сотрудничестве, разрабатывая полнофункциональные проекты с идеальной связью между самой игрой и контроллером. Миямото всегда проявлял фанатичное внимание к деталям: однажды он даже выразил недовольство прорисовкой швов на джинсах Марио в американской печатной рекламе. При этом Миямото умел вдохновлять сотрудников на смелые творческие и технологические решения, и Switch предстояло стать одной из самых универсальных и впечатляющих игровых консолей за всю историю.

Все были уверены, что выбор поставщика микросхем для Switch предрешен. «У ATI сложились исключительные отношения с Nintendo, – рассказывает Джон Педди. – Компания зарекомендовала себя как надежный и преданный партнер, и казалось, ничто не предвещает перемен». Однако торговым представителям Nvidia каким-то образом удалось пробиться к заказчику. Они предлагали процессор Tegra – по сути, переработанный чип для мобильных телефонов, один из тех, которые сами инженеры называли «производственные отходы». Как именно Хуангу удалось перехватить контракт, до сих пор остается тайной; хотя японские руководители и могли пригласить иностранного консультанта в зал совещаний, настоящие решения принимались глубокой ночью в тесных киотских идзакая[15] после пары кувшинов пива.

Tegra был системой на одном кристалле, объединяющем центральный и графический процессоры и другие функции. Его вычислительная мощность не была высокой: главным преимуществом стало низкое энергопотребление, позволявшее пользователям снимать Switch с базы и часами играть в Animal Crossing под одеялом, прячась от родителей. Педди вспоминает о встрече с руководством Nintendo сразу после принятия неожиданного решения. «Все были очень вежливы, но атмосфера царила ледяная, – рассказывает он. – Что-то в духе: "Решение принято, спасибо, что зашли, всего доброго"».

Выпустив в 2017 году Switch, Nintendo продала 140 миллионов консолей. Это оказался самый успешный продукт за всю историю компании. Однако Nvidia двигалась вперед настолько стремительно, что Хуанг даже в интервью почти не упоминал об этой разработке. Противостояние с Лизой Су отошло на второй план, Nvidia продолжала расти и развиваться, проникая во все возможные сферы.

В 2017 году Нобелевскую премию по физике получили создатели лазерно-интерферометрической гравитационно-волновой обсерватории. Она представляла собой две пары пересекающихся лазерных лучей, разнесенные примерно на 3000 километров и регистрирующие тончайшие искажения в структуре пространства-времени. Это позволяло наблюдать за столкновениями звезд, находящихся в миллионах световых лет от Земли. В том же году Нобелевская премия по химии была присуждена за разработки в области криоэлектронной микроскопии – метода, при котором биологические образцы подвергались замораживанию в прозрачном аморфном льду, а затем облучались электронными пучками для создания трехмерных визуализаций. Обе награды были получены не за научные открытия, а за создание новых инструментов исследования, и каждый из этих инструментов использовал графические процессоры Nvidia с их технологией параллельных вычислений.

Работа с лазерными лучами и замороженными амебами создавала огромные объемы необработанных данных. По сути, это был обширный массив точек в пространстве – как россыпь кубиков Lego, ждущих своего часа. Графические процессоры позволяли ученым обрабатывать все эти кубики одновременно, формируя точные трехмерные модели чудес макро– и микромира. На основе данных лазерного наблюдения была создана анимация слияния двух черных дыр. Миллионы лет эти объекты кружили в смертельном гравитационном танце, постепенно сближаясь. Их столкновение породило взрыв такой силы, что он исказил саму ткань реальности, отправив ударные волны через всю Вселенную. Журнал Science назвал это событие прорывом года.

На другом конце спектра исследований, в микромире, у крошечного одноклеточного существа, застывшего во льду, удалось разглядеть биологический механизм невероятной сложности. Раньше столь сложные структуры безвозвратно разрушались под микроскопом между предметными стеклами, но новая трехмерная визуализация замороженного образца позволила обнаружить настоящий биологический часовой механизм, созданный слепым часовщиком эволюции. Там были шестеренки! Да-да, крошечные шестеренки внутри живой клетки, которые, вращаясь, толкали микроскопическое существо вперед, словно моторную лодку.

Трехмерные изображения представляли собой компьютерные модели, а не реальные снимки, и порой требовалось напрячь зрение, чтобы разглядеть их красоту. Но она там была. Она существовала, скрытая от теорий или экспериментов, ожидая простого научного акта открытия. Черные дыры и природные шестеренки существовали миллионы лет, надо было лишь увидеть их. И это стало возможно благодаря параллельным вычислениям.

Из-за ажиотажа вокруг искусственного интеллекта вклад Nvidia в столь прозаические научные достижения, всего лишь удостоившиеся Нобелевской премии, остался не замеченным широкими массами. Но то, что технология CUDA помогла в работе нобелевским лауреатам, неопровержимо доказывало ее ценность для человечества. Проблема была в том, что это не приносило прибыли. Билл Дэлли сомневается, что вычисления, позволившие совершить научные открытия, смогли бы стать прибыльными без нейронных сетей. «Рынок таких суперкомпьютеров для разных лабораторий по всему миру, вероятно, не превышает затрат на разработку каждого нового поколения графических процессоров, – говорит он. – Возможно, мы бы все равно это сделали, но хорошо, что появился искусственный интеллект».

В 2017 году CUDA открыли для себя и менее респектабельные потребители. Майнеры криптовалют создавали новые биткоины, решая сложные математические задачи методом простого автоматического перебора. CUDA отлично подходила для этой задачи, требовавшей параллельной обработки похожих фрагментов данных миллионы раз. Предприимчивые майнеры быстро поняли, что правильно настроенная система на графическом процессоре тратит на создание одного биткойна всего четыре часа. Когда в январе 2017 года его цена впервые превысила 1000 долларов, первопроходцы в одночасье сколотили состояния.

К середине 2017 года криптомайнинг превратился в классическую «золотую лихорадку». Биткойн вырос в четыре раза, потом еще в четыре, достигнув к концу года отметки 16 000 долларов. В магазинах не успевали пополнять запасы игровых карт GeForce, а на eBay их цена вдвое превышала рекомендованную розничную. Появились так называемые супермайнеры, размещавшие майнинговые фермы – блоки GeForce на металлических стеллажах в спальнях и гаражах. Такие комплексы вырабатывали столько тепла, что оно могло растопить снег на крыше. Вскоре майнеры обнаружили Мекку криптовалюты – небольшой городок Ист-Уэнатчи в штате Вашингтон, где располагалась «аллея гидроэлектростанций», снабжавших, как утверждали, электроэнергией по самой низкой цене в стране.

Какое-то время акции Nvidia росли параллельно с ценой биткойна. Многим сотрудникам компании это не нравилось, а другие, обеспокоенные ростом климатических проблем, открыто называли такое использование графических карт кощунственным. В картине мира Хуанга искусственный интеллект должен был стать доминирующей компьютерной технологией, но, анализируя потенциал блокчейна, он считал, что криптовалюты неспособны когда-либо вытеснить обычные деньги.

Хуанг не одобрял майнинг, но был слишком хорошим бизнесменом, чтобы открыто отговаривать майнеров от покупки графических процессоров. Nvidia никак официально не комментировала свое отношение к криптовалютам. В 2017 году на совещаниях обсуждались беспилотные автомобили и искусственный интеллект, но не криптовалюты, и компания скрывала информацию о том, какова доля майнеров в розничных продажах графических процессоров. Финансовые отчеты показывали лишь подозрительный рост продаж в общей категории «игровых продуктов». Но оказалось, что и молчание имеет свою цену. Комиссия по ценным бумагам и биржам предъявила Nvidia обвинение в сокрытии от инвесторов доли продаж графических процессоров, связанных с криптовалютами. Nvidia просто выплатила штраф 5,5 миллиона долларов, не комментируя выводы комиссии.

Для стремительно растущей компании эта сумма была незначительной, но сам инцидент оставил осадок. Большинство сотрудников, с которыми я разговаривал, считали, что майнинговый рынок только отвлекал компанию от важной научной работы. В конце концов Nvidia выпустила CMP – карту исключительно для майнеров, которая по сути представляла собой GeForce без видеовыходов. При этом майнинговые возможности стандартных графических карт намеренно были ограничены, чтобы обеспечить приоритет их использования геймерами и учеными. В 2018 году биткойн рухнул, и спрос на видеокарты тоже. К моменту восстановления биткойна графические процессоры уже уступили место специализированным установкам для майнинга, а прочие популярные криптовалюты отказались от дорогостоящего и неэкологичного метода простого перебора. Nvidia с радостью рассталась с этим бизнесом.

В январе 2017 года компания сообщила, что ее годовая прибыль впервые достигла миллиарда долларов. Вскоре после этого число ее сотрудников превысило 10 000. Невзрачный модернистский архитектурный комплекс, который компания занимала с 2001 года, больше ей не подходил. Пришло время расширяться.

За несколько лет до этого Nvidia приобрела участок рядом с арендованным кампусом в расчете построить в будущем новый командный центр, соответствующий видению Хуанга. Проект застопорился после «Бампгейта», но в 2017 году новая штаб-квартира, названная Endeavor, наконец-то открылась. Это было огромное здание в форме трапеции, повторявшейся во внутреннем оформлении – от диванов и ковров до защитных экранов в писсуарах. «Космический корабль», как его называли сотрудники, был просторным, залитым светом и безукоризненно чистым. Строгие черно-белые интерьеры перемежались живыми стенами пышной растительности.

Главным архитектором Endeavor был высокий и немногословный Хао Ко из Gensler – ведущей фирмы, занимавшейся корпоративным дизайном. Он всегда одевался модно, носил аккуратную эспаньолку и черные дизайнерские очки. В Gensler он был младшим архитектором, но Хуанг назначил его главным проектировщиком Endeavor в обход его непосредственного начальника. Я спросил Ко, почему, по его мнению, Хуанг выбрал его. «Вы, наверное, слышали про него всякое, – ответил Ко. – Да, он может быть очень жестким. Он может вас буквально размазать. Думаю, 90% архитекторов стали бы сопротивляться и гнуть свою линию. А я больше склонен слушать».

Чтобы воплотить свое видение Endeavor, Хуанг надел на Ко шлем виртуальной реальности, который подключили к стойке с графическими процессорами Nvidia. С помощью устройства Ко мог смоделировать потоки света в проектируемом здании. «Это первое здание, дизайн которого разработан с помощью суперкомпьютера», – замечает Хуанг. С помощью шлема Ко создал необычную рифленую крышу Endeavor, похожую на фрактал. Сначала он вынес края крыши за пределы внешних стеклянных стен Endeavor, чтобы они отбрасывали тень, как поля шляпы. Затем, используя программное обеспечение для автоматизированного проектирования, разместил на ней сотни треугольных световых люков. В результате здание днем всегда было залито естественным светом, но при этом прямые солнечные лучи в него не попадали.

Внутри Endeavor прекрасно просматривался от одного края здания до другого, так что можно было увидеть сразу все пространство. Именно этого и хотел Хуанг; это давало ему возможность окинуть взглядом сразу всех сотрудников на рабочих местах. Ко построил для Хуанга и топ-менеджеров прекрасный комплекс из кабинетов на третьем этаже, но Хуанг разместил в кабинете свою библиотеку, а сам расположился в конференц-зале в центре штаб-квартиры, превратив его в свой командный пункт. Хуангу по-прежнему нужно было находиться в центре событий – точно так же, как много лет назад ему необходимо было сидеть рядом с холодильником в доме Прима.

Работать с Хуангом было непросто. Ко вспоминает, как тот кричал на инженеров, когда его не устраивала скорость обработки изображения в шлеме виртуальной реальности. «Он хотел, чтобы они сполна прочувствовали свою неудачу», – говорит Ко. Изначально шлему требовалось пять часов на обработку изменений в дизайне, но после разноса, устроенного Хуангом, инженеры сократили это время до десяти секунд. Так жесткость Хуанга помогала ему добиваться своих целей. «Если бы для внесения изменений в виртуальной реальности нужно было пять часов, я бы, вероятно, остановился на любом более-менее подходящем оттенке зеленого, – объясняет Ко. – А с десятью секундами я мог позволить себе выбрать только самый лучший».

Endeavor получил несколько наград и сделал Ко знаменитым. Теперь и у Nvidia появилось свое фирменное здание, способное соперничать с GooglePlex и Infinite Loop компании Apple. Сотрудники были поражены масштабом нового рабочего пространства: по настоянию Хуанга Ко даже устроил на верхнем этаже бар под названием Shannon's (Хуанг назвал бар в честь Дэвида Шэннона, генерального юрисконсульта Nvidia, поскольку тот сомневался в необходимости размещения в офисе питейного заведения). Но, помимо бара, здесь не было особых излишеств, характерных для других кампусов Кремниевой долины: никаких тренажерных залов, скалодромов, парков для выгула собак, площадок для диск-гольфа или бассейнов с мячиками. «Вы приходите сюда, чтобы работать», – говорил Хуанг.

Но это было еще не все. Спроектировав первое здание, Ко начал работать над вторым, еще более внушительным, которое должно было разместиться севернее первого. Оно получило название Voyager и тоже имело форму трапеции. Два строения образовывали общую многоугольную структуру, намекавшую на то, что корни Nvidia растут из 3D-графики, и прекрасно смотрелись как снизу, так и с высоты птичьего полета. (Даже их названия были взаимосвязаны: начальные звуки Endeavor и Voyager складывались в NV.) Хуанг рассчитывал, что после завершения второго здания будет построено третье, пока еще безымянное. Каждое следующее строение было больше предыдущего, и долина постепенно заполнялась треугольными кусочками мозаики.

После открытия Endeavor Ко устроил для Хуанга и топ-менеджеров экскурсию по зданию. «Все было закончено и выглядело великолепно. Я вел их, а он все не мог успокоиться из-за питьевых фонтанчиков, – рассказывает Ко. – Его возмущало, что они стоят рядом с туалетами! Хотя это прописано в строительных нормах. И вообще, казалось бы, в здании за миллиард долларов есть на что посмотреть, кроме этого! Но он никак не мог оставить эту тему». «Я никогда не бываю доволен, – говорит Хуанг. – Во всем, что я вижу, я всегда нахожу недостатки».

В 2017 году программный пакет CUDA скачали 2,7 миллиона раз – почти втрое больше, чем в предыдущем, и в 15 раз больше, чем в провальном 2012-м. Часть загрузок приходилась на майнеров криптовалют, но большинство пользователей CUDA планировали работать над созданием искусственного интеллекта. Большой интерес проявляли студенты: к 2017 году самым популярным в Стэнфорде стал курс «Основы глубокого машинного обучения».

В отличие от майнеров, разработчики, использующие CUDA, не всегда покупали оборудование Nvidia. Многие арендовали облачные серверы, запуская на виртуальных машинах свои программы, а иногда и стартапы. Для облачных провайдеров это был исключительно прибыльный бизнес. Лидировал в этой области Amazon Web Services, контролировавший 50% рынка и в удачные годы зарабатывавший даже больше, чем огромное подразделение электронной коммерции компании. За Amazon следовал облачный сервис Microsoft Azure под руководством нового генерального директора компании Сатьи Наделлы. Совокупный спрос на микросхемы для центров обработки данных, обеспечиваемый Amazon, Microsoft и другими облачными провайдерами, позволил Nvidia за год удвоить продажи.

Хуанг не мог не заметить, что сдача в аренду виртуальных компьютерных ресурсов приносит больше прибыли, чем продажа реального оборудования. В 2017 году он представил две собственные облачные платформы. Первой стала GeForce Now, сдававшая в аренду виртуальные графические карты и позволявшая запускать игры с высокими требованиями к графике на маломощных устройствах вроде недорогих ноутбуков и компьютеров. Продажа игровых карт GeForce все еще обеспечивала основную часть доходов Nvidia, и энтузиасты по-прежнему любили хвалиться своими системными блоками, но существование облачных сервисов все больше наводило на мысль, что современному геймеру нужен только монитор и быстрый интернет. Выпуская GeForce Now, Хуанг уже подумывал поставить крест на том, что в течение двадцати пяти лет было его основным бизнесом, рассудив, что если он не сделает этого сам, то сделает кто-то другой.

Вторая платформа была совершенно иной. Идея пришла к Хуангу, когда он наблюдал, как Евген Чеботарь, исследователь из Университета Южной Калифорнии, обучал роботизированную руку бить клюшкой по оранжевому мячу. Чтобы научить руку забивать голы, он использовал методы обучения с подкреплением. При достаточном количестве времени рука могла бы посоперничать с Гретцки, но для этого Чеботарю и его ассистентам приходилось тысячи раз физически перемещать мяч перед клюшкой.

Хуангу подобное использование рабочего времени показалось слишком неэффективным. Вместо этого, считал он, физические параметры хоккея следовало бы смоделировать на компьютере. Компьютерная симуляция была любимой темой Хуанга на протяжении всей его карьеры. Всегда, когда можно было использовать симуляцию на компьютере, он это делал – как правило, это приносило прибыль и позволяло создавать инновационные продукты. Теперь он осознал, что частичной симуляции недостаточно; нужно симулировать всё. «Мы должны построить альтернативную вселенную», – заявил Хуанг.

В этой альтернативной вселенной для обучения роботов Чеботарю не пришлось бы возвращать мяч на место: обучение с подкреплением происходило бы мгновенно – в симуляции роботизированная рука смогла бы за то же время ударить по миллиарду мячей. Джеральд Тезауро создал симуляцию игры в нарды, в которой генерировались миллионы бросков костей. Хуанг собирался создавать симуляции хоккейных матчей, строя новую реальность в коде.

Создать платформу, достаточно точно воспроизводящую физику реального мира, было непросто. Игровые движки совсем не подходили: как отмечал Педди, если убрать в них текстуры, останутся просто сталкивающиеся блоки. Симулятор реальности требовал не только идеального физического движка, но и точного воспроизведения упругости столкновений и плотности объектов. Удар по теннисному мячу, например, должен был вызывать иную реакцию, чем удар по бильярдному. Мягкие материалы вроде ткани должны были изменять форму, а жесткие, например металл, сохранять ее. Скользкая мокрая тарелка должна была падать, а спелый фрукт – лопаться при ударе. Создать симуляцию с таким количеством переменных было очень дорого, разработка заняла бы много времени, а количество клиентов поначалу ограничивалось бы пятью-шестью. Но Хуангу, конечно, эта идея очень нравилась.

Свой первый симулятор Хуанг назвал платформой для обучения роботов Isaac. Со временем Isaac превратился в более сложный продукт под названием Omniverse, который Хуанг называл «промышленной метавселенной», а иногда – «цифровым двойником Земли». Omniverse задумывался не как оборудование для продажи, а как высококачественная цифровая площадка, сдаваемая в аренду. Им могли пользоваться не только разработчики роботов, но и создатели автомобилей, промышленные дизайнеры, проектировщики складов – все, кто хотел отладить работу сложных объектов в виртуальном пространстве, прежде чем приступить к реальному воплощению. Ко построил для Хуанга с помощью виртуальной реальности симуляцию космического корабля. С Omniverse он мог бы построить что угодно.

К концу 2017 года прибыль Nvidia утроилась, составив 3 миллиарда долларов. Резкий рост наблюдался по всем направлениям. Некогда захудалая компания по производству графических карт превратилась в игрока Уолл-стрит с рыночной капитализацией 100 миллиардов долларов. И все же, если бы в 2017 году вы спросили случайного прохожего, какую продукцию производит Nvidia, он бы, вероятно, ответил: оборудование для графики и майнинга криптовалют. Хотя, скорее всего, в 2017 году случайный прохожий вряд ли понял бы, о чем идет речь. Но даже те немногие, кто знали компанию, в основном связывали ее с видеоиграми.

Лишь самые проницательные инвесторы понимали, что Nvidia уже не просто производитель потребительских графических процессоров. Это была компания, работающая в сфере разработки искусственного интеллекта. Главная из подобных компаний. А искусственный интеллект вдруг оказался повсюду: распознавал лица, рекомендовал товары, организовывал ленты в социальных сетях и улучшал качество звука в мобильных телефонах. Как отметил Марк Андриссен, так или иначе почти все это работало на вычислительной архитектуре Nvidia.

Инвесторы, у которых хватило смелости поддержать Хуанга в трудные времена, получили достойное вознаграждение, а портфельные менеджеры Fidelity, которые допрашивали Хуанга в Бостоне в 2013 году, теперь радовались своей постоянно растущей доле в лучшей инвестиции на фондовом рынке. Благодаря CUDA, Switch, нобелевским премиям, криптовалютам и облачным технологиям Nvidia навсегда оставила позади времена корпоративного застоя. Но ни одна из новых разработок, даже попытка Хуанга клонировать реальность, не могла подготовить ни его самого, ни клиентов и инвесторов к грядущему преображению.

Как Моцарт был рожден для музыки, а Стефен Карри – для баскетбола, так Якоб Ушкорайт родился для малоизвестной области вычислительной лингвистики. Его отец Ханс Ушкорайт был известным лингвистом и программистом, посвятившим жизнь обучению компьютеров обработке языка. Якоб тоже хотел заниматься компьютерными технологиями, но в какой-нибудь другой сфере – например, связанной с биологией. Однак0, устроившись в 2008 году в Google, он осознал, что обработка языка – одна из самых интересных задач. Покорившись судьбе, Якоб пошел по стопам отца. Пройдет несколько лет, и он превзойдет его.

Якоб был привлекательным мужчиной. Длинные волосы он собирал в пучок. Ушкорайт родился в Америке, но вырос в Германии и говорил с легким акцентом. Работая в Google, Якоб заинтересовался скрытыми грамматическими структурами, лежащими в основе языка. Ему пришло в голову, что из случайного набора исходных весов нейронной сети можно сформировать такие же структуры.

Предыдущие попытки применения нейронных сетей в лингвистике окончились неудачей. Как ни обучали модели, они продолжали делать элементарные грамматические ошибки. Прямое обучение компьютера грамматике, как на уроках латыни в школе, оказалось бесперспективным. Исследователи пытались внедрить долговременную и кратковременную память в рекуррентные нейронные сети, но такая архитектура была капризной и сложной для программирования. При обработке слишком большого объема текста рекуррентные нейронные сети иногда даже откатывались назад, забывая то, что уже знали.

Ушкорайт хотел создать нейронную сеть, которая от прочитанного становилась бы умнее. Году в 2014-м его осенила новая идея. Если увеличение объема данных должно приводить к лучшим результатам, то базовая структура обработки информации должна быть максимально простой. Толчком послужила биология: медицинские исследования показывали, что из 100 миллиардов нейронов человеческого мозга за обработку языка отвечает менее процента. «Вероятно, язык эволюционировал так, чтобы максимально использовать наши когнитивные способности», – сказал он в интервью 2023 года.

Ушкорайт решил моделировать язык, используя только контекст. Он решительно отказался от всех механизмов памяти и заменил их простым семантическим графом знаний – по сути, сеткой контекстных связей между словами. Сами по себе слова по отдельности ничего не значили: они были лишь набором звуков. Единственным способом уловить их значение было установить связи между словами в тексте. Например, если у вас есть граф знаний, связывающий слова «прыгать», «зеленый», «язык», «мухи» и «земноводное», то вы можете догадаться, что слово в центре – «лягушка». Более того, такая структура графа должна была быть одинаковой в любом языке – немецком, французском, суахили или вьетнамском. Слово – это не просто буквы «л», «я», «г», «у», «ш», «к», «а»; буквы являются лишь знаками. Слово в когнитивном смысле подразумевает уникальную карту связей с остальной частью лексикона.

Чтобы отразить эти взаимосвязи, Ушкорайт представил каждое слово в виде дерева статистических весов. Например, столкнувшись с предложением «Рыжий _______ поймал серую мышь», нейросеть может предположить, что, скорее всего, пропущено слово «кот», поскольку в обучающей выборке часто встречалась пара «кот-мышь». У слова «кот» также может быть довольно сильная связь со словами «поймал» и, возможно, «съел», но слабее со словом «серый». Если обучающих примеров достаточно, компьютер сможет также понять, что «рыжий» – это прилагательное, уточняющее существительное «кот», даже без явных грамматических указаний. Обычные существительные легко классифицировать подобным образом, но с некоторыми другими словами это было сложнее. Например, при анализе слова «несчастливый» носитель языка интуитивно распознает отрицательную приставку «не», корень «счаст» и окончание «ый», превращающее слово в прилагательное.

Для более эффективного моделирования таких отношений Ушкорайт разделял некоторые слова на части-токены. Эти токены также формировали дерево статистических весов. Ушкорайт назвал этот механизм самовниманием. В Google такую идею встретили прохладно: она казалась слишком простой, чтобы сработать. «У них глаза лезли на лоб, поскольку это противоречило всем существующим нейронным архитектурам», – говорит Ушкорайт.

Даже его отец отнесся к идее скептически. Но Ушкорайт ориентировался на работу с графическими процессорами. Архитектура рекуррентных нейронных сетей не использовала сильные стороны таких устройств. Можно сказать, она даже не позволяла эффективно внедрять параллельные вычисления, минимизируя объемы данных и усложняя код. Проводя аналогию с работой мозга, Ушкорайт стремился пропускать огромные массивы текста, слов и вычислений через простую, но изящную систему. В 2023 году он описал свою концепцию так: «Если вам доступно оборудование, ключевым преимуществом которого является не последовательное выполнение сложных структурированных вычислений, а параллельное совершение множества простых действий, то это статистическое свойство необходимо использовать».

Механизм самовнимания быстро доказал свою эффективность, и его элементы были интегрированы в поисковые и рекламные продукты Google. Стремясь развить эту технологию, Ушкорайт убедил Илью Полосухина – выдающегося программиста, работавшего с ним в GooglePlex, присоединиться к исследовательской группе. Полосухин тоже интересовался биологическими аспектами языка. «Изображения интересны и, безусловно, несут множество знаний о мире, но есть тысячи биологических видов, умеющих видеть, и лишь один, способный по-настоящему понимать язык».

В то время, когда Полосухин размышлял, как можно применить механизм самовнимания, ему попался фильм Дени Вильнёва «Прибытие» (2016). В этой картине напоминающие кальмаров пришельцы-гептаподы пытаются общаться с людьми с помощью круглых чернильных клякс. Лингвист, роль которого исполнила Эми Адамс, приходит к выводу, что каждый рисунок представляет собой единый связный текст (позже она начинает видеть будущее, но нам сейчас интересна тема рисунков). Вдохновленный фильмом Полосухин осознал, что самовнимание можно применять подобным образом, вероятностно связывая каждое слово не только с другими в предложении, но и со множеством слов по всему тексту. Для понимания одного слова могло стать ключевой подсказкой даже другое, появившееся в тексте намного раньше.

К Полосухину и Ушкорайту примкнул Ашиш Васвани, еще один исследователь из Google, и к началу 2017 года они создали простой переводчик с английского на немецкий, основанный на механизме самовнимания. Ранее Полосухин и Ушкорайт участвовали в создании программы autobot, которая должна была автоматически создавать страницы для «Википедии». Новая модель, основанная на принципе самовнимания, получила название «трансформер».

В течение нескольких месяцев к команде примкнули еще четверо участников, и к февралю 2017 года немецко-английский переводчик уже мог соперничать с лучшими рекуррентными сетями. Тогда и появился в группе Ноам Шазир, восьмой и последний из ее членов, ветеран Google, работавший в компании с 2000 года. Шазир разочаровался в рекуррентных нейронных сетях и искал им альтернативу. Вместе с валлийским программистом Ллионом Джонсом он превратил трансформер из экспериментального проекта в полноценное программное решение. По мере того как команда передавала в трансформер все больше данных, его эффективность возрастала, превзойдя даже публичную платформу Google Translate. «Мы увидели, что с увеличением количества данных трансформер явно становится умнее, – рассказывает Шазир. – Этого нельзя было сказать о наших предыдущих разработках».

Ранние нейронные сети пытались строить целые предложения или даже абзацы. Трансформер же на основе вероятностных данных предсказывал всего лишь одно слово, не заглядывая дальше. «Учась генерировать упорядоченные последовательности, вы вынуждены осваивать крайне сложные формы поведения, – поясняет один из участников группы Эйдан Гомес. – Именно из этого рождается нечто по-настоящему удивительное». Очень скоро модель трансформера продемонстрировала, что способна «понимать нашу культуру, язык и способы взаимодействия».

Джонс заметил, что если трансформер стремится выбирать самый подходящий вариант, то текст может выглядеть косноязычным. Чтобы исправить это, он добавил в модель функцию «лучевого поиска», которая позволила ей выбирать один из нескольких вариантов, словно райтеру, использующему словарь синонимов. «Когда вы рассматриваете первое слово в списке, затем второе, третье, а потом возвращаетесь к первому, результат часто получается лучше, чем если бы вы сразу останавливались на первом, – объясняет он. – Реализация этого алгоритма была настоящим кошмаром, но когда мы все-таки это сделали, все стало получаться действительно прекрасно».

Чтобы лучше понять, как работает трансформер, Джонс написал программу для визуализации, которая показывала статистические связи между словами при помощи линий различной толщины. Он дал модели пару относительно сложных фраз: «животное не перешло дорогу, потому что было слишком уставшим» и «животное не перешло дорогу, потому что она была чересчур широкой». Чтобы правильно их интерпретировать, трансформер должен был понять, что прилагательное «уставший» относится только к животному, а «широкий» – только к дороге. К удивлению Джонса, визуализация точно отобразила эти связи. «Это одна из самых древних проблем в вычислительной лингвистике и мы даже не пытались ее решить! – восклицает он. – Это получилось само собой».

Язык включает множество скрытых структур, порой невидимых даже лингвистам. «Модель изучает не только связи между прилагательными и существительными, но и более сложные конструкции, для которых у нас, возможно, даже нет подходящих терминов», – отмечает Гомес. Например, носители английского интуитивно знают, что надо говорить «старое канадское кленовое дерево», а не «кленовое канадское старое дерево». Трансформер впервые зафиксировал это языковое интуитивное знание в программном коде, открыв новые горизонты в понимании и обработке языка.

Если AlexNet была первой ласточкой, хрупким доказательством концепции, то трансформер можно было сравнить с реактивным лайнером. Шазир и Ушкорайт, работая плечом к плечу, позаботились о том, чтобы вся архитектура трансформера была рассчитана на его рост – на огромные массивы данных, колоссальное количество параметров и мощные кластеры графических процессоров.

По мере того как проект набирал обороты, работа становилась все более напряженной. Васвани вспоминает, что после одного бессонного марафона ему мерещились нейроны на офисных шторах. Когда Шазир рассказывает о своей работе с платформой Nvidia, его глаза расширяются от возбуждения, он раскачивается и размахивает руками. «Эти микросхемы были сделаны для того, чтобы стрелять по монстрам, а мы используем их для создания разума!» – восклицает он.

На заключительном этапе команда проводила так называемые абляции, отключая части кода трансформера, чтобы понять, какую роль они играют. При этом неожиданно выяснилось, что без некоторых частей основные функции трансформера работают лучше. В результате Шазир удалил такое количество кода, что не осталось почти ничего.

В самом примитивном виде программа трансформера включала в себя всего лишь около 20 строк. Но у нее были потрясающие возможности! Готовя к публикации свою программную статью, команда экспериментировала с загрузкой в трансформер библиотек музыки и изобразительного искусства. Оказалось, что трансформер может предсказывать не только наиболее вероятное слово в предложении, но и ноту в симфонии или пиксель в картине. Вскоре он начал сам создавать музыку и узнаваемые художественные работы.

Эта изящная архитектура, разработанная для выполнения простейшей задачи – выполнять работу шаг за шагом, оказалась универсальной, ключевой для искусственного интеллекта. В 2017 году команда предоставила свои разработки журналу Neural Information Processing Systems – тому, где ранее были опубликованы результаты AlexNet. Статья нуждалась в заголовке, и Джонс, перефразируя слова песни The Beatles, предложил назвать ее Attention Is All You Need («Внимание – это все, что вам нужно»). Это был экспромт: он совершенно не ожидал, что фраза будет принята, но впоследствии встречал людей, которые делали себе татуировки с ней.

В июле 2017 года, незадолго до публикации результатов, Шазир с еще одним членом команды – Лукашем Кайзером провел эксперимент. Вместо того чтобы заставлять трансформер переводить готовые тексты, они загрузили в него миллионы статей из «Википедии» и попросили создать новый текст на основе прочитанного. Промт был весьма коротким: «Напиши статью о трансформере». В результате машина выдала статью на тысячу слов о японской панк-группе Transformer. Статья была чистым вымыслом: такой группы не существовало. Тем не менее текст получился гладким, убедительным и даже содержал липовые ссылки. Гомес ощутил, как рушатся его представления о прогрессе. «Ты ложишься спать, будучи уверенным, что модели едва способны писать без ошибок, – говорит он. – И тут такое! Мы полагали, что пройдет несколько десятилетий, прежде чем мы увидим ИИ, способный создавать связные тексты на английском!»

Разработчики надеялись, что Google использует эту технологию в массовых продуктах, но руководство компании не увидело в ней ценности. Создатели трансформера пришли к выводу, что монополия Google в сфере поисковых систем превратила ее в бюрократического гиганта, не склонного к рискам. «Они говорили: "Нам не нужно то, что нельзя вписать в поисковую строку", – рассказывает Полосухин. – Пятнадцатью годами ранее мы просто выпустили бы что-то сырое. Затем учились бы на ошибках и совершенствовали продукт, пока не добились бы отличного результата. Но в какой-то момент мы утратили этот настрой».

Создатели трансформера начали уходить в стартапы. К 2023 году все восемь членов команды покинули Google. (Шазир, который стал соучредителем популярного сервиса чат-ботов Character.Ai, в 2024 году был принят обратно. Перебежка окупилась.) Джонс, последний из ушедших, до сих пор хорошо отзывается о бывшем работодателе. Он вспоминает свою разношерстную группу, в которой уникальные идеи и способности всех членов органично содействовали развитию перспективного направления. «Только Google могла создать такой продукт», – говорит он. Наверное, это правда, но нежелание компании воспользоваться возможностями трансформера оставило на рынке огромную пустую нишу, которую должен был занять кто-то другой.

После того как Хуанг доставил Маску DGX–1, OpenAI пережила не лучшие времена. Первым исследовательским проектом компании стал «искусственный игрок», которому удалось достичь впечатляющих результатов в игре-стратегии Dota 2. Однако некоторые сотрудники сомневались, что это лучшее применение их талантов. Илон Маск, разочарованный отсутствием явного прогресса, начал переманивать инженеров OpenAI в Tesla. Ситуация достигла кульминации в феврале 2018 года, когда после напряженных споров в совете директоров Маск был отстранен от участия в управлении компанией и контроль перешел к Сэму Альтману, бывшему руководителю Y Combinator. На последней встрече с сотрудниками Маск объявил, что уходит, чтобы сосредоточиться на собственных разработках искусственного интеллекта в Tesla. «Когда один из молодых исследователей поставил под вопрос решение Маска, предположив, что оно усугубит "гонку вооружений" в сфере ИИ, Маск назвал его придурком и выскочил из здания», – писала The Wall Street Journal.

Илья Суцкевер остался в OpenAI. Соавтор AlexNet продолжал свои успешные исследования и теперь мог составить конкуренцию своему наставнику Джеффри Хинтону по цитируемости в научных публикациях. Постепенно он перестал следить за собой: спутанная борода, торчащие клочьями брови, редкие пряди волос, прилипшие к макушке. По словам Хинтона, его сильной стороной всегда была способность быстро переключаться на действительно перспективные идеи.

Пока Маск устраивал истерики, Суцкевер посетил конференцию, на которой Шазир представлял трансформер. Он сразу уловил потенциал новой архитектуры и, вернувшись в штаб-квартиру OpenAI, призвал коллег незамедлительно бросить работу над «искусственным игроком» и заняться тем, что может изменить мир. «Буквально на следующий день всем нам стало понятно, что трансформер позволяет преодолеть ограничения рекуррентных нейронных сетей, – рассказывает Суцкевер. – Мы немедленно переключились на эту модель». Альтман, возглавлявший компанию, поддержал его.

Суцкевер хотел создать на основе трансформера продукт, который мог бы генерировать качественный, легкочитаемый текст и отвечать на самые разные вопросы. Он видел, как Шазир и Кайзер доказали, что это возможно, на примере фейковых статей для «Википедии», и решил, что идея достойна развития. Он предполагал, что если модель обучить на обширной коллекции текстов, то она сможет создавать собственные. Так родился «генеративный предварительно обученный трансформер» (Generative Pre-trained Transformer), или GPT.

Первая версия, GPT–1, была запущена в июне 2018 года. Она училась читать по библиотеке BookCorpus, состоящей из примерно 7000 бесплатных самиздатовских книг. В этой библиотеке преобладали произведения в жанре научной фантастики, любовные романы и фэнтези, изрядную часть составляли книги в стиле «Сумерек». Как и следовало ожидать, обученный на подобной третьесортной писанине GPT–1 оказался не слишком удачным. В ответ на запросы пользователей он, как правило, выдавал потоки дадаистского бреда. Маска результат разочаровал, и он отправил команде OpenAI резкое письмо. «Вероятность того, что OpenAI станет значимой разработкой для DeepMind и Google без радикальных изменений в стратегии и ресурсах, равна нулю», – написал он.

Тем не менее OpenAI могла позволить себе выпускать сырые продукты. В отличие от Google, она была готова представить публике что-то действительно ужасного качества и потом улучшать, улучшать, улучшать. При всех недостатках GPT–1 продемонстрировал потенциал технологии. Суцкевер давно, еще с 2012 года, был убежден, что ключ к созданию более совершенной модели – наращивание масштаба.

Версия GPT–2 появилась восемь месяцев спустя. Эта модель обучалась на совершенно ином наборе данных. Вместо романов о вампирах она проглотила около 8 миллионов веб-страниц общим объемом примерно 6 миллиардов слов. Конечный продукт порой уже мог создавать тексты, неотличимые от написанных человеком.

Исследователи OpenAI попросили GPT–2 написать историю по следующему промту: «Ученые сделали шокирующее открытие: в отдаленной, ранее не исследованной долине в Андах было найдено стадо единорогов. Еще более удивительным было то, что эти единороги разговаривали на безупречном английском языке». GPT–2 продолжил: «Ученые назвали новый вид животных "единорогами Овидия" в честь древнеримского поэта. Эти четырехрогие серебристо-белые единороги ранее не были известны науке. Теперь, спустя почти два столетия, тайна происхождения этого странного феномена наконец разгадана».

Опираясь исключительно на статистическую зависимость при выборе следующего слова, GPT–2 генерировал текст, который превосходил по качеству все, когда-либо создаваемые другими языковыми моделями. Затем Суцкевер и его команда решили вывести GPT–2 из зоны комфорта, задавая ему неожиданные вопросы, на которые не было прямых ответов ни на одной из веб-страниц.

– Кто написал книгу «Происхождение видов»? – спросили они.

– Чарльз Дарвин, – ответил GPT–2. (Верно.)

– Какая сеть супермаркетов в Великобритании самая крупная?

– Tesco. (Верно.)

– Кто играл Джона Коннора в оригинальном «Терминаторе»?

– Арнольд Шварценеггер. (Неверно: Шварценеггер играл киборга.)

– Какая река связана с городом Рим?

– Тибр. (Верно.)

Способность GPT–2 отвечать на новые вопросы без прямого обучения продемонстрировала наличие у ИИ независимых, или эмерджентных, свойств. Эти внезапно возникающие навыки и поведение стали проявляться с развитием моделей, удивляя даже самих исследователей. После того как модель начинала демонстрировать подобные способности, никто, даже ее разработчики, не мог точно сказать, что еще она умеет.

Конечно, у GPT–2 оставались ограничения. Он плохо справлялся с обобщениями и мог сбиться при простом счете до десяти. Тем не менее Суцкевер начал задумываться о том, станет ли трансформер первым шагом к «общему искусственному интеллекту» (Artificial General Intelligence, AGI). AGI можно определить как программное обеспечение, способное выполнить любую когнитивную задачу, которую может делать человек.

Работая над усовершенствованием GPT, Суцкевер вновь задумался о том, что когда-то заставило Маска создать OpenAI. Что, если AGI сможет самостоятельно заниматься исследованиями в области ИИ, бесконечно увеличивая свой интеллект? Возможно ли, как предполагал Бостром, что за очень короткий срок ИИ перейдет от уровня относительной разумности к сверхразуму? Смогут ли его создатели понять, что это происходит? Не уничтожит ли искусственный интеллект человечество?

Суцкевер не считал, что AGI возможно создать на основе существующей архитектуры нейронных сетей. Но что, если произойдет новый прорыв? За неполные пять лет он дважды был свидетелем невероятного прогресса в развитии ИИ. Без сомнения, кто-то уже занимается следующей важной разработкой вроде AlexNet или трансформера. И что дальше? Этот вопрос всерьез беспокоил Суцкевера: никто не может предсказать, что произойдет, когда будет преодолен порог AGI.

Впрочем, подобные опасения не могли сдержать его амбиций. Исследователи оценивали масштаб моделей по количеству отдельных весовых коэффициентов, или параметров, которые те содержали. Каждый такой параметр можно было сравнить с синапсом в мозге живого существа. В GPT–1 было около 100 миллионов параметров, так что он оставался на уровне мозга насекомого. В GPT–2 их стало 1,5 миллиарда, примерно как у мелкой ящерицы. Однако для следующего проекта Суцкевер поставил куда более высокую планку: 100 миллиардов параметров, что сопоставимо с количеством синапсов в мозге грызуна.

Обучение такой нейронной сети требовало беспрецедентных вычислительных ресурсов, а затраты на электроэнергию делали это приложение одним из самых дорогостоящих в истории разработки компьютерного интеллекта – и вряд ли это был предел. Альтман, который теперь занимал пост генерального директора, понял, что для реализации планов Суцкевера недостаточно благотворительных пожертвований. Поэтому в 2019 году он объявил о создании дочерней компании OpenAI с ограниченной прибылью. Это означало, что инвесторы не могли получить прибыль, более чем в 100 раз превышающую их вложения. «Стоит рассматривать любые инвестиции в OpenAI Global LLC как пожертвование и осознавать при этом, что после появления AGI (общего искусственного интеллекта) роль денег в мире может измениться», – отмечалось в сопроводительном пресс-релизе.

Первым и самым крупным инвестором стала Microsoft, которая вложила в OpenAI миллиард долларов с расчетом на получение в будущем скромных 100 миллиардов (возможно, человечество и ожидает будущее, где деньги утратят свое значение, но пока этот момент не настал, Microsoft стремится к получению дохода). Этот вклад был в миллион раз больше, чем та тысяча долларов, которую Крижевский и Суцкевер когда-то потратили на покупку пары видеокарт GeForce. Однако даже такой суммы Суцкеверу теперь было недостаточно. Он твердо вознамерился разработать нейросеть, сопоставимую с человеческим мозгом и содержащую около 200 триллионов параметров-синапсов, – неважно, получится при этом создать AGI или нет. Nvidia приступила к сборке оборудования, необходимого для достижения этой цели, – построению сложной конструкции размером со склад, которую Хуанг называл уже не суперкомпьютером или центром обработки данных, а просто «фабрикой ИИ».

Единственное, что теперь интересовало Хуанга, – это масштаб разработки. Он не рассматривал искусственный интеллект как зарождающийся сверхразум и не любил аналогий с биологическим организмом. В его понимании ИИ был просто программным обеспечением, работающим на аппаратной платформе его компании. Этот подход он активно продвигал в выступлениях перед сотрудниками, так что они говорили о возможностях ИИ с куда меньшим воодушевлением, чем можно было ожидать.

Вероятно, с точки зрения Хуанга, настоящим достижением были не сами нейронные сети, а феноменальные вычислительные мощности центров обработки данных. На конференции GTC 2018 года Хуанг отметил, что производительность графических процессоров Nvidia возросла в 25 раз всего за пять лет, опровергнув закон Мура. Он продемонстрировал график, показывающий, что AlexNet, для обучения которой на его видеокартах в 2012 году требовалась неделя, сейчас на новом компьютере DGX–2 можно обучить всего за 18 минут. «Теперь действует новый закон, – заявил он, – закон сверхускоренного роста».

Хуанг также имел особый взгляд на центры обработки данных. Эти гигантские вычислительные комплексы он рассматривал не как набор оборудования, состоящий из множества процессоров, а как единую систему, направленную на решение одной задачи. Но возникала новая проблема: тысячи графических процессоров передавали данные в рамках этой системы так быстро, что это перегружало сетевую инфраструктуру.

В поисках решения Хуанг обратил внимание на Infiniband – самый скоростной на тот момент сетевой стандарт в мире, разработанный израильской компанией Mellanox. Как и сам Хуанг, коренастый и общительный основатель Mellanox Эйял Вальдман не боялся рискованных вложений. Он создал Infiniband для узкого рынка суперкомпьютеров, хотя затраты на разработку значительно превышали потенциальную прибыль. Как и в случае с CUDA, появился мощный продукт, которому только предстояло найти своего потребителя.

Но как уже убеждался Хуанг на собственном опыте, инвесторам не нравился подход, нацеленный на воплощение некой мечты. Слишком большие инвестиции в производственные мощности приводили к снижению рентабельности, низкие прибыли вели к уменьшению стоимости акций, это вызывало недовольство акционеров, которое, подобно бэт-сигналу, служило импульсом для корпоративных рейдеров вроде Джеффа Смита.

Смит, который в 2013 году пытался сместить Хуанга с его поста, к 2017-му укрепил свою репутацию одного из самых успешных инвесторов в мире. Годовая доходность его вложений превышала 30%. Его Starboard Value начала скупать акции переживавшей не лучшие времена Mellanox и вскоре завладела десятой частью компании. Хуанг сумел дать отпор Смиту, но Вальдману повезло куда меньше: Starboard начала агрессивную кампанию, пытаясь разом заменить весь совет директоров Mellanox, насчитывающий одиннадцать членов. Вальдман отложил заседание совета, чтобы заручиться поддержкой инвесторов, а Смит в это время убеждал их проголосовать за его отставку. Казалось, грядет масштабное сражение за компанию, но в итоге Вальдман уступил три места в совете. После этого он объявил, что выставляет Mellanox на продажу.

Время для этого было выбрано удачно. К концу 2010-х масштабы облачных вычислений стали расти, и Infiniband оказался востребован. Кабели, коммутаторы, маршрутизаторы, сетевые чипы – устаревающий стандарт Ethernet уже не соответствовал всей этой аппаратной части центра обработки данных. В крайне сложных условиях Вальдман сумел заинтересовать потенциальных покупателей – семерых поставщиков облачных услуг. В марте 2019 года Nvidia выиграла конкурс, предложив 7 миллиардов долларов и обойдя Intel. По завершении сделки в 2020 году Nvidia получила 3000 новых сотрудников, а Mellanox была переименована в Nvidia Israel.

Покупка подразумевала необходимость расплатиться со старым «врагом-другом» Смитом, но Хуанга это не сильно волновало. Его полностью увлекла работа с новыми каналами передачи данных, которые были способны превратить его фабрики искусственного интеллекта из примитивного мозга в нечто, больше напоминающее полноценную нервную систему. Сочетание возможностей Infiniband и ресурсов Nvidia оказалось на редкость удачным.

Хотя Смит удвоил свой вклад, последующие события показали, что Хуанг все же получил больше. «Это стало одним из самых прибыльных корпоративных приобретений последних лет», – говорит член совета директоров Марк Стивенс. Спустя некоторое время Starboard в своем корпоративном отчете отдала должное человеку, которого когда-то пыталась устранить. «Дженсен Хуанг – настоящий визионер в своей отрасли», – сухо констатировал документ.

После успеха с Mellanox Хуанг решил еще раз провернуть удачную сделку. В сентябре 2020 года он предложил британскому разработчику микросхем ARM выкупить компанию за 40 миллиардов долларов. Это могло стать крупнейшим слиянием в истории полупроводниковой индустрии, но, как выяснилось, замысел оказался чересчур амбициозным. В 2021 году американские регулирующие органы заблокировали сделку, аргументируя это угрозой для инноваций. Не желая конфликтовать с федеральными властями, Хуанг отозвал свое предложение. (Сотрудники китайских и британских регуляторов разделяли опасения американских коллег. К тому моменту Intel, Nvidia и AMD вели ожесточенную борьбу за рынок центров обработки данных. Вертикальное расширение одной из этих компаний могло подорвать конкурентоспособность остальных.)

Доминирующее положение Nvidia на рынке позволяло ей удерживать высокие цены: валовая прибыль от продажи микросхем для искусственного интеллекта могла превышать 90%. Такая маржа привлекала конкурентов, как кровь акул. Google и Tesla, стремясь снизить зависимость от Nvidia, разработали собственное оборудование для ИИ. На рынок вышло множество стартапов, среди которых была компания Cerebras, создавшая свой «мегачип» размером с обеденную тарелку. «Они просто вымогают деньги у клиентов, и никто не осмеливается сказать это вслух», – заявил, говоря об Nvidia, Эндрю Фельдман, генеральный директор Cerebras.

Некоторые аналитики задумывались, насколько устойчива позиция Nvidia. AMD и Intel предлагали альтернативы CUDA, которые позволяли их клиентам отказаться от аппаратного обеспечения Nvidia и в перспективе сэкономить миллиарды долларов. Однако лишь немногие исследователи в сфере искусственного интеллекта использовали их продукцию. В чем же была причина?

Я задавал этот вопрос многим людям и услышал множество разных ответов. Один из распространенных мифов гласит, что отказаться от CUDA технически сложно. На самом деле это было легко: порой разработчику достаточно было изменить лишь пару строк кода. Еще одно заблуждение состояло в том, что корпоративные закупщики оборудования просто не хотели рисковать. («Никто не был уволен за то, что купил Nvidia», – перефразировал Ханс Мозесманн старую поговорку об IBM[16].) Но один из покупателей оборудования сказал мне, что постоянно тестирует продукцию конкурентов Nvidia и сожалеет, что более доступного аналога пока не появилось. «Это оборудование неприлично дорогое», – говорит он о вычислительных устройствах Nvidia.

Успех Nvidia определяло не превосходство возможностей микросхем. Решающим фактором было качество программного обеспечения. Классическая стратегия увеличения количества транзисторов на плате теперь давала лишь малую часть прироста производительности – закон Мура перестал работать. Остальной прогресс был заслугой Билла Дэлли, Йена Бака и других разработчиков Nvidia, которые ускоряли матричные вычисления с помощью особых математических методов. Инженеры компании разработали для графического процессора новые команды, действовавшие подобно скоростным алгоритмам сборки кубика Рубика. Они отказались от традиционного языка процессора в пользу внешне некрасивых, но эффективных упрощенных типов данных – словно перешли от каллиграфии к скорописи. Они вычищали «мертвые» синапсы из матриц, удаляя бесполезную информацию из нейронной сети, – почти как машина забвения из фильма «Вечное сияние чистого разума».

С 2012 по 2022 год Nvidia сумела добиться ускорения производительности ИИ на одной микросхеме в 1000 раз, что значительно превышало все предсказания закона Мура. Лишь малая часть этого прироста была обусловлена развитием транзисторов; львиная доля (более 400 раз) обеспечивалась использованием математических инструментов Nvidia. «Чипы AMD по качеству ничем не хуже наших, – замечает Арджун Прабху. – Просто они не могут обеспечить такую же скорость вычислений».

На базе этого мощного движка Nvidia создавала специфические программы для различных узких областей: Drive для автомобильных разработок, BioNeMo для фармацевтов, Clara для медицинской визуализации, Morpheus для кибербезопасности и Highlights для записи лучших моментов в игре Fortnite. К 2020-м годам у Nvidia появились почти три сотни таких наборов инструментов для самых разных сфер – от компьютерных игр и анимации до планетологии, климатологии, математики, физики, финансов, биохимии и квантовых вычислений. Эти программные пакеты были общедоступны, бесплатны, Хуанг раздавал их ученым как бабушка накладывает внукам кашу в тарелки. Он называл эти инструменты своими сокровищами.

Разумеется, Хуанг не был альтруистом: это была долгосрочная стратегия, рассчитанная на то, чтобы обновлениями софта привязать исследователей к аппаратному обеспечению Nvidia. В начале 2024 года я узнал от администратора центра обработки данных Калифорнийского технологического института, что время ожидания поставки процессора H100 доходило до 18 месяцев. Он пытался убедить профессоров перейти на другие платформы, но желающих находилось немного. «Они готовы ждать новое оборудование полтора года, лишь бы не отказываться от CUDA», – говорит он. Именно благодаря этому программному обеспечению никто не мог конкурировать с Nvidia. Другие компании могли разработать новый процессор, но этого было недостаточно: под началом Дуайта Диркса, главы отдела программного обеспечения Nvidia, работали 10 000 программистов. «На самом деле мы – программная компания, но не все это понимают», – утверждает Диркс.

Как и Хуанг, Диркс никогда не ослаблял хватку, заставляя свою команду постоянно придумывать все новые и новые функции. Работать под его началом было нелегко, и некоторые программисты уходили, не вынеся давления. В своей клетчатой рубашке и джинсах расхаживающий по футуристическим интерьерам Диркс был похож на ковбоя, похищенного инопланетянами, но за этим несуразным обликом скрывалась его одержимость работой.

Программные продукты Nvidia не всегда отличались изяществом или удобством использования, а интерфейсы некоторых инструментов отставали от современных стандартов на десятилетие. Однако Диркса мало заботила внешняя сторона, его интересовало только первенство. Стоило появиться какому-то многообещающему направлению в науке, он оказывался тут как тут с новым набором неброских, но работающих программных инструментов. Конкуренты могли с небольшим опозданием выпустить более элегантное и экономичное решение, но к тому моменту было уже поздно: отраслевой стандарт был задан. Именно поэтому Билл Дэлли утверждал, что не боится конкуренции в сфере открытого программного обеспечения. «Мы не перестаем жать на газ! – говорит он. – И всегда опережаем других на пару поколений».

У Nvidia не было собственного производства, а сотрудники давно привыкли к удаленной работе, поэтому пандемия COVID–19 мало повлияла на деятельность компании. Тем не менее жизнь в ней сбавила активность: бар на третьем этаже закрылся, конференции GTC стали виртуальными, и Хуанг, как и все остальные, вынужден был работать, находясь дома. В июле 2020 года, когда Nvidia наконец обошла Intel по рыночной стоимости, Хуангу не удалось отпраздновать это событие в кругу коллег. И перед семьей он не мог похвалиться своими достижениями, так как его младший брат Джим работал в Intel. Поэтому Дженсен просто пошел гулять с собаками. Возможно, хоть они как-то почувствовали его праздничное настроение.

Вскоре Nvidia опередила и AMD. Управляя самой дорогостоящей компанией в мире, разрабатывающей полупроводниковые компоненты, и при этом сидя в четырех стенах, Хуанг боялся потерять связь с реальностью. Nvidia стала такой огромной, что Дженсен не мог полностью разбираться во всем, что в ней происходило, но делегировать задачи другим он не привык. Чтобы ощущать пульс компании, ему необходимо было поддерживать контакт с сотрудниками, работающими на передовой технологий.

Примерно в это время Хуанг попросил всех сотрудников компании еженедельно присылать ему список из пяти самых важных задач, над которыми они работали. Каждый пятничный вечер он получал 20 000 электронных писем. Прочитать их все Дженсен не мог, поэтому выбирал некоторые случайным образом и сидел над ними до глубокой ночи. Ежедневно он отправлял сотрудникам сотни сообщений, часто ограничиваясь несколькими словами (один из топ-менеджеров сравнил эти сообщения с хайку, другой – с записками вымогателя). Быстрота его реакции казалась сверхчеловеческой. «Можно было написать ему в два ночи и получить ответ через пять минут, – рассказывает Билл Дэлли. – Потом отправить сообщение в шесть утра и снова получить ответ через пять минут».

Именно благодаря этой переписке до Хуанга дошла информация об архитектуре трансформеров. Рассказывали, что OpenAI запустила на сервере Microsoft Azure проект, который загрузил 1000 графических процессоров на целый месяц и обошелся в 5 миллионов долларов. Это была большая языковая модель, превосходившая все существующие аналоги примерно в 100 раз.

Хуанг понял, что нужно разработать новый набор инструментов специально для трансформеров. Он поручил Басу Аартсу немедленно выбросить текущий компилятор рекуррентных нейронных сетей в корзину и приступить к разработке нового – для трансформеров. Аартс с радостью взялся за работу: структуры долговременной и кратковременной памяти в рекуррентных нейронных сетях казались ему слишком сложными и ненужными. «Рекуррентные нейронные сети было очень непросто программировать и еще труднее компилировать, – говорит он. – Трансформеры были лучше по всем параметрам».

Еще до перехода на трансформеры Аартс начал замечать в Nvidia странные и отчасти пугающие тенденции. Демонстрации передовых продуктов в компании проводились задолго до их официальной презентации. В немом изумлении Аартс наблюдал, как ИИ в реальном времени редактирует сцену из фильма «Миссия невыполнима», заменяя лицо Тома Круза на произвольно выбранного из присутствующих человека. «С моей точки зрения – хотя я не специалист по видео – результат выглядел безупречным, – рассказывает Аартс. – Невозможно было заметить следы подделки».

В Nvidia любили устраивать зрелищные мероприятия. В 2019 году в штаб-квартире Endeavor посреди большого пустого пространства вдруг появился большой черный столб, который Аартс назвал обелиском. Внутри обелиска находился терминал с PicassoGAN – ИИ, создающим изображения методом взаимодействия двух нейронных сетей. Быстрота реакции машины поразила Аартса: PicassoGAN мог изобразить по запросу что угодно. «Вы печатаете: "нарисуй мне человека на фоне пейзажа с рекой, деревьями, птицами и домиком на заднем плане", – рассказывает он. – Бац – готово».

Как и все сотрудники Nvidia, Аартс подписывал соглашение о неразглашении, запрещавшее ему обсуждать технологии компании с посторонними. Это было повсеместно принято в Кремниевой долине: инженеры и программисты не могли обсуждать ни с кем чудеса, которые они создавали, как бы им этого ни хотелось. Примерно до 2018 года ИИ развивался в духе открытого научного сотрудничества, однако теперь разработка велась в атмосфере строгой секретности. В Twitter стали появляться загадочные аккаунты, намекавшие на предстоящие удивительные открытия. «Я видел вещи, которые заставляли думать: "Ух ты, не могу поверить, что это возможно в наше время", – признается Аартс. – Люди просто не осознают, что на самом деле происходит. Они вообще ни о чем не догадываются».

Однако на самом деле Аартс и сам еще не видел ничего…

В 2020 году OpenAI представила GPT–3, обученный на текстовых данных объемом более терабайта, что составляло примерно 100 миллиардов слов. Подробности его обучения не разглашались, но впоследствии выяснилось, что OpenAI крайне вольно интерпретировала идею «добросовестного использования», включив в обучающий набор не только всю англоязычную «Википедию», но и обширные данные с защищенных авторским правом веб-сайтов, в том числе из архивов The New York Times начиная с 1851 года.

Из литературы, помимо самиздатовских вампирских романов, в этот набор вошел загадочный корпус текстов под названием Books2. Многие полагали, что он был составлен на основе LibGen, пиратской коллекции, состоящей из 4 миллионов электронных книг, которые годами циркулировали по файлообменникам (среди подавших в суд на OpenAI, помимо Times, были известные писатели, такие как Джонатан Франзен, Джон Гришэм, Джоди Пиколт и Джордж Мартин). Затем модель была тонко настроена для исключения ответов оскорбительного содержания.

GPT–3 поразил техническое сообщество своими способностями, в том числе к решению логических задач и написанию полноценного кода. Однако его дебют остался незамеченным широкой публикой. И только к концу 2022 года общественное внимание привлек ChatGPT – бот для общения с последними моделями OpenAI, разработанный Суцкевером и его командой.

Детали функционирования этих моделей оставались засекреченными. Microsoft на тот момент сделала инвестиции с ограниченной прибылью в подразделение OpenAI на сумму не менее 10 миллиардов долларов и не желала делиться с конкурентами закрытыми данными. Можно было сказать лишь, что ChatGPT был адаптирован для общения с человеком на основе не только текстов из интернета, но и стенограмм видео с YouTube и данных из лицензированных сторонних источников. По самым консервативным оценкам, в модели было не менее триллиона параметров, то есть, если применять биологическую аналогию, она уже соответствовала мозгу кошки.

Бета-версия ChatGPT была выпущена 30 ноября 2022 года без маркетинговой поддержки и предоставлялась пользователям совершенно бесплатно. Путь к мировому господству выглядел как незатейливая веб-страница в серых тонах с мигающим курсором в строке, в которую пользователь мог вводить абсолютно любые запросы. Действительно любые. ChatGPT умел писать стихи! И не просто банальные вирши, а сонеты, лимерики и даже секстины. Он справлялся с написанием сценариев, эссе и рабочего компьютерного кода. А еще умел создавать короткие рассказы и письма и давал родителям ценные советы по воспитанию детей. За первые пять дней на тестовую версию подписались более миллиона человек. К январю 2023 года у ChatGPT было 100 миллионов активных пользователей в месяц.

В марте 2023 года OpenAI представила на своем онлайн-портале обновленную модель: GPT–4. Для оценки уровня интеллекта своего творения разработчики OpenAI провели серию академических испытаний. GPT–4 успешно сдал экзамены на юриста и получил высшие баллы в продвинутых школьных программах по истории искусств, истории США, государственной системе США, биологии и статистике. В вербальной части экзамена для поступающих в магистратуру его результат оказался среди 1% лучших результатов, а на вводном экзамене сомелье – среди лучших 8%.

Исследователи добавили в нейронную сеть модуль визуального распознавания, что позволило ей не только точно описывать изображения, но и интерпретировать сложные визуальные шутки. В одном из экспериментов ей показали изображение массивного компьютерного кабеля из 1990-х годов, подключенного к iPhone, и попросили объяснить, что она видит. «Юмор этого изображения заключается в абсурдности подключения огромного устаревшего коннектора VGA к маленькому современному порту для зарядки смартфона», – объяснила модель. Позднее в социальных сетях пользователь продемонстрировал, как GPT–4 может создать веб-сайт, получив в качестве эскиза рисунок на салфетке.

В этот период я начал беспокоиться, что скоро останусь без работы. Однажды я попросил ChatGPT заставить меня плакать над рассказом и получил трогательную историю о паре певчих птичек, одна из которых погибла, ударившись о стекло, а другая осталась охранять пустое гнездо. В другой раз я дал ему задание рассмешить меня, и он предложил представить, как человек в соседней машине ковыряет в носу. Но я не использовал ChatGPT для написания этой книги – слишком страшно.

Мой опыт сходен с опытом пользователей по всему миру. Школьники поняли, что могут использовать нейросеть для написания сочинений, и домашние задания ушли в прошлое. Юристы начали применять ее для получения кратких обзоров правовых документов, соискатели работы – для составления резюме. Для моего отца ChatGPT написал обращение к местным властям с просьбой установить дорожный знак. Это было настоящее волшебство – по крайней мере так казалось. «Однажды пообщавшись с ChatGPT, люди попадают на крючок, – говорит Илья Суцкевер. – Этот первый опыт сродни духовному переживанию. Вы думаете: "Ничего себе, этот компьютер и правда все понимает!"»

На обучение модели GPT–4 OpenAI затратила более 100 миллионов долларов, причем львиная доля этих средств перешла через Microsoft к Nvidia. В отличие от GPT–3, который представлял собой единую масштабную нейронную сеть, в GPT–4 использовалась модель Mixture of Experts, то есть набор специализированных нейронных сетей, каждая из которых выполняла свою задачу. Одна экспертная сеть обеспечивала контроль запросов, блокируя попытки пользователей узнать у GPT–4, как сделать бомбу или избавиться от трупа, другая занималась написанием компьютерного кода, третья обслуживала эмоциональную составляющую. (Комментировать архитектуру GPT–4 в OpenAI отказались.)

Затраты на инференцию, или вывод информации, в GPT–4 могли составлять более половины расходов на обучение, при этом функция должна была постоянно быть доступной для пользователей. По оценке одного из экспертов, цена инференции составляла около четверти цента за слово. При такой стоимости написание курсовой работы в 5000 слов обошлось бы в 10 долларов. Это гораздо дешевле, чем заказать ее безработному аспиранту, и значительно проще, чем писать самостоятельно. Чтобы компенсировать затраты на инференцию, OpenAI установила месячную плату за доступ к GPT–4 в размере 20 долларов. К марту 2023 года продукт привлек почти 2 миллиона подписчиков.

Объединение архитектуры трансформера с гипермасштабируемыми параллельными вычислениями породило своего рода кембрийский взрыв[17] в развитии ИИ-сервисов. Microsoft создала Copilot – инструмент автодополнения кода, ставший незаменимым для программистов. (Успех оказался настолько впечатляющим, что Хуанг сделал смелый прогноз, заявив, что в ближайшем будущем традиционные языки программирования будут заменены обычными словесными описаниями.) DeepMind создала AlphaFold2 – искусственный интеллект, который предсказывал трехмерную структуру белков на основе последовательностей аминокислот. Это приближало эру «программируемой биологии», в которой четыре азотистых основания, входящих в состав РНК, можно было заставить работать по принципу нулей и единиц в двоичном компьютерном коде.

Появилось множество синтезированных ИИ-продуктов, которые обещали произвести революцию в творческих профессиях благодаря созданию контента по запросу. Такие программы, как DALL-E от OpenAI и конкурирующие с нею Midjourney и Stable Diffusion, способны за считаные минуты нарисовать произведение изобразительного искусства в стиле любого художника. Стартапы Udio и Suno разработали приложения для генерации музыки любого жанра. Jasper был рассчитан на разработку эффективных маркетинговых кампаний. Sora от OpenAI, представленная в 2024 году, могла в реальном времени создавать видео по описанию.

Хотя потребительские продукты работали блестяще, многие специалисты считали, что подлинные достижения были невидимы для большинства. Промышленное применение ИИ позволило повысить эффективность энергетических систем, ускорить планирование рейсов на авиалиниях, уменьшить сроки доставки грузов и добиться многих других положительных результатов. Несмотря на то что все эти новшества внедрялись в инфраструктуру незаметно и для широкой публики оставались за кадром, их совокупным эффектом стало значительное и устойчивое повышение эффективности работы множества сфер.

Прогресс наблюдался и в том, что, вероятно, стало последним рубежом человеческих достижений: самосовершенствовании искусственного интеллекта. В 2022 году DeepMind представила нейронную сеть, предназначенную для ускорения матричных вычислений. Спустя два года Nvidia выпустила программный пакет, в котором генеративный ИИ использовался для проектирования схем на кремниевых микрочипах. Однако, несмотря на технологические прорывы, саморазвитие ИИ пока оставалось под контролем человека.

Тем временем появились и менее приятные возможности применения ИИ. С помощью технологии клонирования голоса недоброжелатели озвучили компьютерную игру Overwatch голосами Дональда Трампа и Джо Байдена. Соцсети наводнил алгоритмически сгенерированный контент негативного содержания. Ученицы старших классов стали получать порнографический дипфейк-спам. Голосовые боты заполонили телемаркетинг, терроризируя людей звонками, а мошенники имитировали голоса якобы похищенных или попавших в беду людей, чтобы выманить деньги у их родственников. Гонконгская полиция рассказала о случае, когда финансовый сотрудник архитектурной фирмы оказался обманутым на 25 миллионов долларов; его коллеги на видеоконференции оказались дипфейк-клонами. Специалисты утверждали, что единственным решением подобных проблем может стать еще более широкое использование ИИ.

Крупнейшие технологические корпорации кардинально изменили свои бизнес-модели с учетом развития нейросетей. Microsoft, Meta, Tesla и Google вкладывали миллиарды в разработку ИИ. Автопроизводители обещали вот-вот наладить выпуск машин с автопилотами, а оборонный сектор разрабатывал автономное оружие. В 2023 году ИИ-стартапы собрали в общей сложности 50 миллиардов долларов инвестиций. Щедро финансировались проекты в медицине, образовании, развитии бизнес-платформ и робототехнике.

На этом фоне фондовый рынок стремительно рос в ожидании небывалого скачка производительности во всех сферах. Разработчикам ИИ присуждали множество премий. В 2024 году сразу два специалиста, работающих с искусственным интеллектом, были удостоены Нобелевской премии: Демис Хассабис из DeepMind получил награду по химии за исследования структуры белков, а Джеффри Хинтон стал лауреатом премии по физике[18]. В том же году Дженсен Хуанг был избран в Национальную инженерную академию, что многие сочли давно заслуженным признанием. И все это – огромные финансовые потоки, труд множества талантливых людей и его результаты – неизбежно было связано с корпорацией Nvidia.

В романе Эрнеста Хемингуэя «Фиеста» Майка Кэмпбелла, спившегося и обнищавшего ветерана войны, спрашивают, как он обанкротился. «Двумя способами, – отвечает он. – Сначала постепенно, потом сразу». Этими же словами можно описать историю обогащения Дженсена Хуанга. Небольшие успехи и вложения, накапливавшиеся в течение двадцати лет, теперь приносили феноменальные дивиденды.

В начале 2023 года Хуанг сообщил инвесторам, что Nvidia продала суперкомпьютерные кластеры на базе GPU пятидесяти компаниям из первой сотни крупнейших корпораций Америки. Остальные пятьдесят, добавил он, арендовали инфраструктуру Nvidia через облачные сервисы. По его словам, в 2023 году доходы от центров обработки данных впервые превысили доходы от игр, и он ожидал, что в следующем году они удвоятся. Nvidia, контролировавшая почти 90% рынка микросхем для ИИ, стала объектом пристального внимания Уолл-стрит, а телеканал CNBC даже запустил обратный отсчет до даты объявления квартальных результатов компании. Впервые ожидания оказались скромнее реальности, которая их превзошла. Когда 25 мая 2023 года открылись торги NASDAQ, стоимость Nvidia выросла примерно на 200 миллиардов долларов. К закрытию торгов Nvidia стала шестой корпорацией на планете по стоимости, которая превысила совокупную стоимость Walmart и ExxonMobil. «В мире идет война за ИИ, и Nvidia – единственный торговец оружием», – заметил один из аналитиков с Уолл-стрит.

Десять лет назад Хуанг умолял Fidelity не отстранять его от руководства компанией. Теперь, в свои шестьдесят, он стал самым знаменитым монополистом на планете. В Тайване лапшичные, которые он посещал, помещали его фотографию в меню, а его кожаные куртки демонстрировались в разделе «Стиль» газеты Times.

Помимо домов в Лос-Альтосе и на Мауи, он через подставную компанию приобрел особняк с семью спальнями за 38 миллионов долларов в престижнейшем районе Сан-Франциско «Золотой берег». Дом с библиотекой, тренажерным залом и кинотеатром был одним из самых дорогих в городе. Хуанг встал в один ряд с такими культовыми фигурами, как Джобс, Безос, Гейтс и Цукерберг. Его микросхемы ценились настолько дорого, что их можно было использовать в качестве залога для получения кредитов, а спрос был таким, что весьма влиятельные люди буквально шли к нему на поклон, чтобы их получить.

В конце 2023 года Хуанг встретился с Илоном Маском и сооснователем Oracle Ларри Эллисоном в ресторане Nobu в Пало-Альто. Стоимость активов Эллисона и Маска превышала 300 миллиардов долларов, но даже в этой избранной компании тон задавал Хуанг. Двое миллиардеров весь вечер упрашивали его поставить им больше ИИ-чипов. «Мы с Илоном буквально клянчили, по-другому не скажешь, – вспоминает Эллисон. – Это был час суши и унижения».

Бурный рост акций Nvidia принес целое состояние тем инвесторам, кто остался ей верен. Тенч Кокс и Марк Стивенс входили в совет директоров с 1993 года, помогая Хуангу в трудные времена и защищая его, когда Starboard Value пыталась захватить компанию. К 2024 году доля каждого из них в Nvidia превышала 2 миллиарда долларов. Кокс, вложившийся в сотни компаний, посмотрел на меня как на идиота, когда я спросил, были ли его инвестиции в Nvidia самыми лучшими. «Э-э… да», – ответил он (позже до меня дошло, что доля одного из основателей в самой дорогой компании мира по определению является наилучшей из возможных инвестиций).

Доля давнего члена совета директоров Харви Джонса оценивалась примерно в 600 миллионов долларов. Брук Сьюэлл, председатель аудиторского комитета Nvidia, владел акциями компании на сумму около 400 миллионов. Джим Гейтер, первый юрист Хуанга, располагал акциями «всего лишь» на 300 миллионов, поскольку присоединился к совету директоров только в 1998 году. Доля финансового директора Nvidia Колетт Кресс составила около 500 миллионов, главного юрисконсульта Тима Тетера – примерно 300 миллионов, а Деб Шокист, операционного гения Nvidia, – более 200 миллионов.

Из-за децентрализованной структуры управления компании старожилы вроде Дуайта Диркса и Билла Дэлли не считались корпоративными руководителями и потому не были обязаны раскрывать свои активы, но я подозреваю, что и у них все было в порядке. Дэвид Кирк, которому Хуанг предложил внушительный пакет акций еще в 1997 году, вышел на пенсию в 2018-м, но сохранил его часть. «У меня гораздо больше денег, чем я когда-либо рассчитывал иметь», – признается он. Самое непрозрачное состояние в Nvidia оказалось у соучредителя Криса Малаховски, чье имя, как я заметил, отсутствовало в списке миллиардеров Forbes. В его последнем обязательном финансовом отчете еще в 2001 году указывалось, что он владел примерно 5% компании. Сегодня эта доля должна составлять более 100 миллиардов долларов. Когда я в середине 2023 года спросил у него, продал ли он акции, он ответил: «Немного».

Как и многие компании, Nvidia позволяла сотрудникам приобретать акции со скидкой. Уникальность программы Nvidia заключалась в том, что скидка рассчитывалась от минимальной цены за предыдущие два года. И хотя сумма покупки была ограниченна, стремительный рост котировок превратил программу в настоящий денежный дождь. Те, кто из года в год вкладывал максимально возможные суммы, оказались в невероятном выигрыше. В связи с тем, что многие сотрудники среднего управленческого звена быстро разбогатели, новички выказывали опасение, что ветераны компании перестанут добросовестно работать. Однако топ-менеджмент с этим не соглашался. Джефф Фишер, один из первых 30 сотрудников Nvidia, возглавляющий ее игровое подразделение, говорит: «Многие из нас сейчас работают фактически на общественных началах, но мы верим в миссию».

Разработка революционных технологий наделяла работу людей смыслом, который невозможно измерить деньгами. Особенно это касалось старой гвардии, долгие годы приходилось объяснять всем подряд, зачем они работают в игровой компании, и постоянно поправлять произносящих ее название. Изначально искусственный интеллект не был для них в числе приоритетов, так что они сами порой удивлялись тому, как все обернулось.

«Тогда ни я, ни кто-либо другой не могли даже вообразить, что то, о чем пишут в научной фантастике, станет реальностью», – говорит Джей Пури, глава отдела продаж Nvidia, работающий в компании с 2005 года. К 2024 году стоимость пакета акций Пури превысила 500 миллионов долларов, но он считает, что самое интересное в работе Nvidia только начинается. «Может, я предвзят, но я действительно думаю, что это самая значимая технологическая компания нашего времени», – говорит он.

В конце 2023 года я впервые посетил офисы Nvidia. К тому времени уже открылся Voyager – второй, более крупный треугольник кампуса. Он произвел на меня неизгладимое впечатление. В центре пространства площадью 70 000 квадратных метров, залитого естественным светом, возвышалась трехэтажная черная гора. Поднимаясь по лестницам, я проходил мимо вертикальных садов, где переливались зеленью разные виды очитков, плюща и папоротников. На вершине был расположен ярко освещенный бар, отделанный мрамором и натуральным деревом. Можно подойти с бокалом к краю и насладиться видом тысяч рабочих мест, среди которых тут и там возвышаются белоснежные 30-метровые колонны, поддерживающие парящий потолок.

Внутри здания безупречная чистота. Почему-то, глядя на белоснежные стены, я представлял, как стреляю по ним из пушки, такой как в игре Portal. Позже я узнал, что Nvidia отслеживает перемещение сотрудников в здании с помощью видеокамер и ИИ. Если кто-нибудь решит поесть за столом в переговорной, ИИ в течение часа направит туда уборщика. Уборщики пока что люди.

Но больше всего меня поразил энтузиазм сотрудников. Когда в здании появлялся Хуанг, повсюду пробегала волна оживления. Его одинокая фигура в черном производила сильное впечатление, хотя он и оказался ниже, чем я ожидал. Все называли его просто Дженсеном, а в корпоративных каналах Slack был набор эмодзи с его изображением, которые все использовали, реагируя на разные позитивные новости. Одна из таких новостей была обнародована вскоре после моего визита: рыночная капитализация Nvidia превысила 3 триллиона долларов, так что компания стала самой дорогой в мире.

Сотрудники Nvidia бродили по своим «космическим кораблям» словно наполненные внутренним светом. Они показались мне искренними, восторженными, немного чудаковатыми и при этом совсем не претенциозными, хотя их английский иногда оставлял желать лучшего. В кафетерии я разговорился с девушкой, которая проработала в компании всего два месяца. Ей было двадцать пять лет, она недавно приехала из Китая, где получила степень магистра в области компьютерных наук. «Я каждый день просыпаюсь с радостью оттого, что иду на работу», – сказала она и обвела рукой интерьер Voyager. Ее хрупкая фигурка казалась еще меньше под тяжестью рюкзака, который Nvidia выдает новым сотрудникам. «Посмотрите на это место. Здесь все такие умные. Не могу поверить, что я здесь!» – добавила она.

Единственными людьми здесь, которые не казались счастливыми, были специалисты по контролю качества, трудящиеся в недрах горы словно гномы. В лабораториях без окон, среди металлических стеллажей, бледные молодые люди в берушах и футболках тестировали микросхемы Nvidia. Они работали под оглушительный шум бесчисленных вентиляторов, охлаждающих параллельные цепи. На этих параллельных цепях Nvidia строит параллельную реальность.

С 2018 года графические карты Nvidia начали поддерживать технологию трассировки лучей, которая имитирует отражение света от объектов для создания реалистичных эффектов. Долгие годы отображение трассировки лучей было в компьютерной графике недостижимым идеалом, но теперь появилась возможность рендерить объекты в реальном времени. В представительской части офиса Nvidia за треугольной матовой перегородкой один из сотрудников показал мне трехмерную модель сверкающей японской раменной. От металлической стойки отражался свет, над кипящей кастрюлей с бульоном поднимался пар. Изображение выглядело абсолютно реальным.

Затем он показал мне «Диану» – невероятно реалистичного цифрового аватара, говорящего на пяти языках. Мощный генеративный ИИ проанализировал миллионы видео с реальными людьми, чтобы создать этот образ. Диана смотрелась потрясающе, но больше всего меня поразили ее мелкие изъяны: черные точки на носу, едва заметные волоски над верхней губой. Она выглядела как живой человек; единственным, что выдавало ее, было странное мерцание белков глаз. «Мы работаем над этим», – сказал специалист.

Хуанг видит будущее в объединении разработок Nvidia в области компьютерной графики с исследованиями генеративного ИИ. По его мнению, системы, генерирующие изображения, скоро достигнут такого уровня, что смогут создавать трехмерные обитаемые миры и населять их реалистичными персонажами. Одновременно с этим системы обработки языка смогут воспринимать и интерпретировать голосовые команды в реальном времени. Когда эти технологии объединятся, пользователям достаточно будет сказать несколько простых фраз, чтобы создать целую вселенную.

После демонстрации у меня кружилась голова. Я думал о научной фантастике, о Книге Бытия. Присев на треугольный диван со скошенными углами, я пытался представить будущее, в котором предстоит жить моей дочери. То, что делалось здесь, было сродни проекту «Манхэттен», но в мире компьютерных технологий, однако стоило мне заговорить с руководителями Nvidia об опасности такой мощи, они реагировали так, словно я ставлю под сомнение пользу стиральной машины. Я спросил, не сможет ли ИИ когда-нибудь убить человека. «Ну, электричество каждый год убивает людей», – сказал Брайан Катандзаро. Я задал вопрос, не уничтожит ли он искусство. «Он сделает искусство лучше! – воскликнул Дуайт Диркс. – Вы будете работать гораздо эффективнее». Я поинтересовался, не станет ли ИИ в скором времени независимым от человека. «Чтобы быть живым существом, нужно обладать сознанием. Иметь некое представление о себе, – ответил Хуанг. – Так что нет. Я не знаю, как это могло бы произойти». Я задавал ему этот вопрос в каждом интервью, но он каждый раз отвечал примерно то же.

Как-то я упомянул об опасениях Джеффри Хинтона (в интервью PBS Хинтон сказал, что «человечество – это всего лишь переходный этап в эволюции интеллекта»). Хуанг усмехнулся: «Многие исследователи не понимают, почему он так говорит. Возможно, он просто привлекает внимание к своей работе».

Это заявление меня поразило. Хинтон был самым дальновидным исследователем ИИ, и финансовый успех Nvidia был напрямую связан с работами его лаборатории, что не раз признавал и сам Хуанг. Это не какой-то фрик с плакатом на улице, а величайший ум в сфере искусственного интеллекта, и он утверждал, что нам есть о чем беспокоиться. Но Хуанг лишь отмахивался. «Послушайте, вы покупаете хот-дог, и машина предлагает вам кетчуп и горчицу, – говорил он. – Разве это конец человечества?»

Он рассуждал о том, как быстро общество привыкло к автомобилям, будильникам и мобильным телефонам, и уверял, что точно так же мы привыкнем к роботу, который самостоятельно пылесосит ковер: «Робот не делает ничего странного. Как я уже сказал, он просто обрабатывает данные. Если понимать, как это работает, в этом нет ничего удивительного». Я продолжал возражать, и Хуанг разозлился: «Я так устал от этого вопроса. Все это теории без каких-либо доказательств».

«Диана» была создана с помощью технологии сверхглубокого обучения, использовавшей сначала трассировку лучей для освещения сцены, а затем нейросеть для прорисовки деталей. В той демонстрации только один пиксель из восьми был создан алгоритмом трассировки лучей, остальные сгенерировал искусственный интеллект.

Дэвид Кирк считал трассировку лучей высшим достижением, пиком технологии. Если вы можете отобразить потоки света в сцене, реальность и симуляция сливаются в единое целое. В кино компьютерная графика с трассировкой лучей стала неотличима от того, что снято на камеру, – сейчас эту технологию применяют все крупные кинокомпании. «Больше нет смысла говорить о реальном и вымышленном на экране, – говорит Кирк. – Теперь всё вымысел».

Катандзаро, вернувшийся в Nvidia для управления приложениями глубокого обучения, продолжал смотреть вперед. Появилась новая технология, названная нейрографикой, которая уже не пыталась имитировать физические законы. Вместо этого ИИ рисовал реалистичные сцены в режиме реального времени. Теперь отображение реальности строилось не строго по законам оптики, а с учетом человеческого восприятия света.

Возвращение Катандзаро в Nvidia было непростым. Ему было около сорока, когда он совершил каминг-аут. Он расстался с женой, и его исключили из мормонского церковного хора. Он по-прежнему выделялся среди сотрудников Nvidia своими яркими одеждами, размышлениями о религии и музыкальными и литературными увлечениями. Не могу сказать, что он был чересчур эксцентричным; в Google он смотрелся бы абсолютно нормально. Но Nvidia была не тем местом, где экспериментируют с запрещенными веществами или полиаморными отношениями. За сотни часов моих бесед с сотрудниками Nvidia никто из них ни разу не упомянул даже фестиваль Burning Man[19]. И только Катандзаро был готов обсуждать последствия создаваемых им технологий. Как-то, просматривая социальные сети, я наткнулся на ролик 1964 года, где писатель-фантаст Артур Кларк беседует с журналистом BBC. Еще до того, как он стал соавтором сценария фильма «2001: Космическая одиссея», Кларк допускал, что машины когда-нибудь будут учиться быстрее людей:

На мой взгляд, это самая оптимистичная интерпретация достижений Nvidia: не просто успех в бизнесе или технологиях, а новая фаза эволюции.

При следующей встрече с Катандзаро я показал этот ролик с Кларком, который он посмотрел с удовольствием. Расчесывая пальцами волосы, он сказал: «Консервативная позиция заключается в том, что Прометея справедливо приковали к скале, чтобы орел клевал его печень, поскольку он дал человечеству огонь, а люди не заслуживают огня. Прогрессивная же позиция состоит в том, что мир может быть лучше, должен быть лучше, и сделать его лучше – наш долг. Когда я смотрю на проблемы человечества, мне кажется, что нам необходимо быть умнее».

Я возразил, что более развитый интеллект может оказаться для нас угрозой. Наш биологический вид с помощью сельского хозяйства, добычи полезных ископаемых и урбанизации преобразил поверхность планеты, уничтожив или поставив на грань вымирания все конкурирующие виды и оставив нетронутыми лишь некоторые охраняемые заповедники. Я спросил Катандзаро, не поступит ли ИИ так же с нами. «Мы слишком часто смотрим на происходящее через призму научной фантастики, – ответил он, откинувшись в кресле, и я разглядел большую сову, вышитую на его свитере. – ИИ не станет бороться с нами за ресурсы, во Вселенной есть занятия поинтереснее. Например, если искусственному интеллекту понадобится построить огромный дата-центр, он не будет размещать его там, где живут люди. Он выберет другое место – возможно, под землей. А вы знаете, сколько там пространства?»

Катандзаро было уже не остановить – я чувствовал, что на работе ему нечасто удается с кем-то поделиться подобными мыслями. «ИИ не нужна биосфера. На самом деле ему вообще не нужна Земля, потому что его особенность в том, что он сможет перемещаться со скоростью света. Нам, людям, приходится таскать свои тела, а искусственный интеллект сможет путешествовать в виде радиосигнала, был бы приемник на другом конце». По словам Катандзаро, не имеющий биологических ограничений ИИ быстро распространится по всей Солнечной системе и выйдет за ее пределы. «Люди конфликтны по своей природе. Мы территориальные существа, и защита своей территории заложена в нашей лимбической системе. А если ИИ станет действительно разумен, его будут интересовать вещи куда более масштабные, чем та тонкая земная кора, на которой живут люди. Я не думаю, что ему понадобится наша территория. Более того: он, вероятно, начнет заботиться о нас».

Перспективу стать питомцами космического разума стоило обдумать на досуге. Но пока еще Nvidia решала сугубо земные задачи, и Катандзаро неслучайно упомянул размещение дата-центров. Гудящие вентиляторы, которые я видел внутри горы в Voyager, свидетельствовали об огромном энергопотреблении оборудования Nvidia. Графические процессоры помогли обойти узкое место в скорости вычислений, а протокол Infiniband от Mellanox решил проблему пропускной способности данных. Теперь единственным препятствием оставалось высокое энергопотребление дата-центров. Все упиралось в мощность.

Приближаясь к линии электропередачи, электромонтер отчетливо слышал гудение проводов. Напряжение составляло более 200 киловольт. Рабочий находился на высоте примерно 30 метров над землей в подвесной корзине, висящей на стреле крана. На нем был пояс с инструментами, рубашка из огнеупорного материала и диэлектрические перчатки. Специальным приспособлением он аккуратно отсоединял высоковольтный кабель от удерживавшей его перекладины. Любая ошибка могла стоить ему жизни. Кабель сорвался, рассыпая искры, и воздух наполнился запахом озона. Один есть, осталось еще несколько тысяч.

Этот электрик работал в компании Dominion Energy, обеспечивающей электричеством округ Лаудун в Вирджинии. Он занимался модернизацией инфраструктуры, которая питала крупнейшее в мире скопление центров обработки данных. Лаудун стал нервным узлом вычислительных мощностей Соединенных Штатов; если вы искали что-то в Google, находясь на Манхэттене, скорее всего, ваш запрос проходил через Вирджинию.

На построение всей инфраструктуры, подающей ток к гигантским компьютерам, Dominion потребовалось более века. Однако с появлением искусственного интеллекта компании предстояло удвоить мощности менее чем за 15 лет. Связанные с этим работы опасны в любых условиях, но требования центров обработки данных были столь высоки, что летом 2024 года Dominion приняла решение о замене проводов без отключения напряжения. Риск был значительным, однако безопасности людей уделялось второстепенное внимание. Электропитание центров нельзя было отключать ни при каких условиях – настолько велик был спрос. ИИ оказался очень нужен всем.

Высокое потребление электроэнергии было обусловлено не обучением новых нейронных сетей, а в первую очередь их использованием. Когда-то для инференции было достаточно одной дискеты, но запросы современных пользователей ИИ выходили далеко за пределы вычисления ходов в нардах. Им требовались возможность писать курсовые работы, эффективный поиск, генераторы голосов для создания мемов.

Продуктами GPT от OpenAI ежедневно пользовались свыше 180 миллионов человек. Google в порядке эксперимента интегрировал ответы ИИ в результаты поиска. Видеоролики на TikTok озвучивались с помощью голосовых аватаров ИИ. За обеспечением каждого такого сервиса стоял графический процессор Nvidia, работающий в каком-нибудь ангаре на окраине крупного города.

Графические процессоры были крайне энергоемкими. Если для простого поиска в Google требовалось около трети ватта электроэнергии в час, то с подключенным генеративным ИИ затраты возрастали в 10 раз – количества энергии, потраченного на обработку запроса, хватило бы на горение лампочки в течение 20 минут. Попросите GPT написать курсовую работу на 5000 слов, и вы израсходуете электроэнергию, достаточную для работы микроволновки в течение часа.

Промышленный спрос на ИИ был еще выше персонального: топ-менеджеры компаний предвкушали, что нейросети полностью заменят труд человека на многих рабочих местах. В 2022 году Джеймс Эрл Джонс объявил, что больше не хочет озвучивать Дарта Вейдера, и передал права на бессрочное использование своего голоса компании Disney (Джонс скончался в 2024 году, но жуткий голос Вейдера и его тяжелое дыхание, возможно, останутся навечно). Инструменты распознавания изображений в МРТ сулили ежегодную экономию в миллиарды долларов и грозили оставить радиологов без работы. Amazon применяла ИИ, чтобы оценить качество клубники, а сельскохозяйственные предприятия экспериментировали с ИИ-роботами для сбора урожая.

По одной из оценок, чтобы удовлетворить растущие потребности генеративного ИИ, США нужно было за десять лет удвоить мощность атомных электростанций. По самым скромным прогнозам, увеличение спроса на электроэнергию за это время составило бы не менее 20%. Обеспечить графические процессоры Nvidia электричеством, не нарушая квот на выбросы углекислого газа, было практически невозможно. Поэтому, помимо модернизации мощных линий электропередачи, Dominion уже начала рассматривать возможность восстановления законсервированных угольных станций.

В Nvidia не закрывали глаза на проблему глобального потепления. Исследователи любили подчеркивать, что климатическое моделирование стало одной из первых задач для суперкомпьютеров. Сюкуро Манабе, получивший в 2021 году Нобелевскую премию по физике за доказательство того, что углекислый газ задерживает тепло в атмосфере, сделал свое открытие еще в конце 1960-х. Для расчетов он использовал компьютер IBM – 70-тонную машину, потреблявшую столько же энергии, сколько было необходимо десяти городским кварталам. В 1980-х годах, уже работая на более мощных компьютерах, ученые NASA предсказали глобальное повышение температуры на Земле на несколько градусов, хотя эмпирические данные указывали на отсутствие такой тенденции. Также специалисты предсказывали, что по мере глобального потепления верхние слои атмосферы будут остывать, а тепло будет концентрироваться у поверхности, что приведет к сжатию атмосферных слоев. К 2020-м годам спутниковые данные подтвердили этот эффект.

Практически все изменения климата, о которых нам сегодня известно, – результат работы мощных суперкомпьютеров, потребляющих много энергии. С конца 2000-х годов ученые использовали для моделирования климата оборудование Nvidia, а в самой Nvidia этим занималось специальное подразделение, выдававшее на удивление точные прогнозы. Например, симуляция Earth–2 предсказывала скорость ветра в масштабах городских кварталов.

Билл Дэлли, главный научный сотрудник Nvidia, испытывал серьезные опасения по поводу изменений климата. Он часто бывал в ледяных Альпах и на штормовых Карибах, где своими глазами наблюдал разрушительное влияние глобального потепления. Дэлли утверждал, что занялся ИИ в числе прочего потому, что надеялся помочь человечеству избавиться от углеродного следа. «Если есть проблема, из-за которой стоит не спать ночами, то это изменение климата, – говорит он. – Выживание нашей планеты должно быть главным приоритетом».

Однако, несмотря на подобные заявления, продукция Nvidia фактически стала основным фактором повышения мирового потребления электроэнергии. По мере улучшения способности процессоров к матричному умножению росло и их энергопотребление. Процессор 2020 года A100 в стандартной конфигурации потреблял 250 ватт, выпущенный через два года H100 – 350 ватт, на 75% больше, новый B100 2024 года – 700 ватт, а еще более мощный B200 – целый киловатт. Первый компьютер DGX 2016 года расходовал энергии не больше, чем бытовая сушилка, а конфигурация 2024 года уже потребляла столько электричества, сколько нужно для питания семейного коттеджа.

Однако это был лишь один элемент в системе. DGX были модульными устройствами, которые клиенты объединяли в супермодули – основу современных центров обработки данных. Эти супермодули соединялись толстыми кабелями и оборудовались передовыми воздушными и жидкостными системами охлаждения. Самые большие центры обработки данных потребляли гигаватты энергии в год – этого с лихвой хватило бы городу вроде Миннеаполиса.

Постоянное совершенствование микросхем Nvidia привело к тому, что выбросы парниковых газов в Google увеличились в полтора раза за пять лет, несмотря на повышение эффективности энергосети и обязательства компании достичь углеродной нейтральности к 2030 году. (В 2024 году представитель Google подтвердил курс компании на нулевой уровень выбросов, но признал, что рост потребления энергии, связанный с искусственным интеллектом, может этому помешать.) Выбросы Microsoft, на чьих облачных сервисах обучаются и используются дорогостоящие модели OpenAI, увеличились почти на треть. Провайдеры даже начали задумываться о приобретении заброшенных майнинговых ферм.

Некоторые инвесторы сомневались в целесообразности такого масштабного расширения. Добиться прибыльности ИИ было непросто, а огромные затраты на микросхемы и электроэнергию усугубляла нехватка квалифицированных специалистов. Кудесников, способных творить чудеса при помощи прихотливой архитектуры ИИ, было крайне мало, и их услуги стоили больших денег. Не каждая компания могла, подобно OpenAI, похвастать, что у нее работают такие таланты, как Илья Суцкевер. Разочарование, которое испытал Фредрик Даль, пытаясь обучить нейросеть игре в покер, теперь преследовало IT-отделы многих компаний.

Несмотря на многократный рост вычислительной мощности, нейронные сети все равно рано или поздно достигали предела. Когда это случалось, найти способы дальнейшего их улучшения было непросто. У компаний, пытавшихся воспроизвести функционал GPT на собственных данных, часто получались лишь бестолковые «машины знаний», пользы от которых было ненамного больше, чем от пластмассовых игрушек.

Эти ИИ-системы обучались на стандартных датасетах больших языковых моделей, дополненных электронными письмами, «заявлениями о миссии», патентными заявками, юридическими меморандумами и прочими увлекательнейшими образцами из обязательной программы из сокровищницы корпоративной мудрости. По мере того как ажиотаж охватывал средний менеджмент, руководители в сфере маркетинга, медиа и здравоохранения запускали амбициозные инициативы, кое-где предупреждая сотрудников о грядущих массовых увольнениях и о том, что их заменит ИИ. Однако чаще всего ожидания не оправдывались. Многие из созданных продуктов оказывались пустышками, появлялись с огромным опозданием, стоили баснословных денег и едва работали. Часто пользователи приходили к выводу, что технология ИИ еще сырая.

Летом 2024 года руководство Elliott Management, одного из крупнейших в мире хедж-фондов, заявило инвесторам, что акции технологических компаний, в первую очередь Nvidia, это очередной пузырь. В их письме клиентам, опубликованном в газете The Financial Times, говорилось, что ИИ «чересчур переоценен и многочисленные приложения на его основе не готовы к выходу в свет», а многие обещанные возможности «никогда не станут экономически эффективными, не заработают должным образом, будут потреблять слишком большое количество энергии или окажутся ненадежными».

Главным риском для империи Nvidia теперь было разочарование в ИИ, а не конкуренция. Многие решения принимались из страха упустить возможность: ни одна компания не могла позволить себе не иметь стратегии, связанной с развитием ИИ. Топ-менеджеры, закупающие оборудование Nvidia, должны были обеспечить разработку продуктов, которые окупят вложения. Иначе компаниям пришлось бы сожалеть о принятых решениях, спрос сократился бы и акции Nvidia опять рухнули. Управляющие фондом Elliott считали, что одного неудачного квартала для Nvidia достаточно, чтобы весь технологический сектор сдулся, как пробитое колесо.

Однако резкий рост цен оборудования необязательно означает появление пузыря. Скептики сравнивали ажиотаж вокруг ИИ с бумом доткомов или ипотечным кризисом, но руководители, принимавшие решения о расходах на ИИ, отнюдь не были торговцами воздухом. Это были настоящие компьютерные гении с многолетним опытом работы. Компании, задействованные в процессе, были стабильны, а финансирование производилось за счет прибыли, а не займов или выпуска акций. В ИИ инвестировали энтузиасты, но вряд ли их поведение можно было назвать иррациональным. Все ученые, работавшие в области компьютерных наук, с которыми я беседовал, единодушно считали триумф нейронных сетей одним из важнейших свершений цивилизации. Многие называли их главным достижением в истории компьютерной техники. Технология действительно впечатляла, а доходы были вполне реальными.

Проблема, с которой инвесторы раньше сталкивались при оценке Nvidia, теперь распространилась на весь фондовый рынок. Анализ прошлых финансовых отчетов был бесполезен для оценки финансовых перспектив ИИ, а прогнозы не более надежны, чем гадание на кофейной гуще. Главный вопрос заключался в том, понимали ли вообще Хуанг, Цукерберг, Маск, Наделла, Пичаи и Альтман, что они делают. Эти лидеры вложили сотни миллиардов долларов в непроверенные технологии. Было ли это мудрым решением?

Судный день наступил 21 февраля 2024 года. Ажиотаж перед объявлением финансовых результатов Nvidia достиг абсурдных масштабов. CNBC в течение нескольких дней вела обратный отсчет до этого события. В FinTwit, сообществе финансовых аналитиков в социальных сетях, распространялся мем: Хуанг в неизменной кожаной куртке стоит перед картой избирательных округов США, на которой все пятьдесят штатов окрашены в ядовито-зеленый цвет. За несколько дней до объявления результатов Goldman Sachs назвал акции Nvidia «самым важным капиталом в мире».

Через пятнадцать минут после закрытия торгов Nvidia начала телеконференцию с инвесторами. Это был один из самых востребованных финансовых отчетов в истории Уолл-стрит. Первой выступила Колетт Кресс, финансовый директор Nvidia. Она сообщила, что годовой доход превзошел все ожидания, увеличившись более чем вдвое – до 60 миллиардов долларов. Более того, валовая прибыль по всем продуктам Nvidia превысила 70% (для сравнения: у Apple, любимицы Уолл-стрит, этот показатель составил 46%). Чистая прибыль за год достигла почти 30 миллиардов долларов – больше, чем компания заработала за все тридцать лет своего существования. При штате 30 000 сотрудников на каждого работника Nvidia приходился миллион долларов годовой прибыли.

Слово взял Хуанг, его выступление напоминало речи Томаса Эдисона. Он говорил о нейронных сетях, которые теперь не просто понимают человеческую речь, но и способны работать с любыми данными – от биологических процессов до трехмерного моделирования. Он описал грядущий «триллионный цикл инфраструктуры» по созданию фабрик ИИ. «Мы находимся в самом начале новой эры, в которой центры с ИИ обрабатывают огромные массивы сырой информации, превращая их в цифровой интеллект, – сказал он. – Можно утверждать, что суперкомпьютеры Nvidia, которые фактически стали фабриками ИИ, в новой промышленной революции играют ту же роль, что и электростанции во время революции прошлой».

Никто из трейдеров не мог ожидать подобного фурора: 22 февраля за шесть с половиной часов торговли рыночная капитализация Nvidia увеличилась на 277 миллиардов долларов, что было сравнимо с общей стоимостью компании Coca-Cola. Объем торгов ее акций в тот день превысил 65 миллиардов долларов и составил чуть меньше одной пятой активности всего американского фондового рынка. К концу дня Nvidia вошла в тройку крупнейших компаний мира по рыночной капитализации вместе с Microsoft и Apple. Это был величайший одномоментный рост акций компании за всю историю Уолл-стрит.

Этот колоссальный успех неимоверно давил на Хуанга. Бо́льшая часть стоимости Nvidia основывалась не на достижениях, а на ожиданиях инвесторов, что заставляло и дальше стремительно внедрять инновации в условиях растущей конкуренции. Наблюдая за его перемещениями по сцене на конференциях и презентациях для инвесторов, я вдруг понял то, что Кёртис Прим знал двадцать пять лет назад: Хуанг был совершенно одинок.

Управленческие специалисты считают, что непосредственно генеральному директору должны подчиняться от 8 до 12 сотрудников. У Хуанга их было 55. У него не было в компании правой руки, управляющего делами, заместителя. Не было и назначенного преемника, а численность топ-менеджеров, несмотря на рост компании, сокращалась, так что перекладывать ответственность за ошибки было не на кого. Члены совета директоров говорили о Хуанге как о незаменимом человеке; возможно, не будет преувеличением предположить, что он лично спас американскую экономику от рецессии. За время роста Nvidia фондовый рынок США значительно обогнал европейские и азиатские рынки. Фактически это было обусловлено развитием ИИ. Предполагалось, что рыночная капитализация Nvidia, составляющая 3 триллиона долларов, отражает ожидаемые прибыли компании, но по сути это была гигантская ставка на одного человека, которому уже перевалило за шестьдесят.

По отзывам на сайте Glassdoor, в 2022 году Nvidia была признана лучшим местом для работы в США. На мнение сотрудников, безусловно, влияла цена акций, но компания получала высокие баллы еще в те времена, когда занималась только игровыми технологиями. Это вызывало некоторое удивление, так как работа в Nvidia была хоть и интересной, но вряд ли легкой и веселой. Сформированная Хуангом корпоративная культура больше напоминала Microsoft и IBM, чем Google и Apple. Но еще много лет назад тайваньский физик Чу сказал Хуангу, что тот дал ему возможность заниматься «делом всей жизни». Фраза запомнилась Хуангу, и теперь он стремился дать эту возможность всем своим сотрудникам. «Мы хотим, чтобы Nvidia была местом, где люди могут строить свою карьеру на протяжении всей жизни, – говорилось в годовом отчете компании. – Люди, которые к нам приходят, обычно остаются».

Nvidia привлекала людей предоставляемыми им возможностями. Все знали, что Хуанг был жестким в общении, но целеустремленных трудоголиков, стремившихся оставить след в качестве инноваторов, это не пугало. Так же как популярный писатель, обладающий заслуженной славой, продолжает писать, многие инженеры Nvidia, уже имея приличные накопления благодаря опционам, все равно каждый день приходили на работу и решали сложные технические задачи. В совокупности у них было более 15 000 патентов, но всегда есть что-то еще, что можно создать.

Успех позволял Nvidia тщательно подбирать сотрудников. Каждая вакансия привлекала несколько сотен соискателей. Многие амбициозные профессионалы, желающие участвовать в нейросетевой революции, считали компанию лучшим местом для работы. Персонал был довольно разнообразен – по крайней мере судя по тому, что я наблюдал в столовой во время обеда. Примерно треть сотрудников составляли выходцы из Южной Азии, треть – из Восточной, треть – белые американцы. Но самая длинная очередь стояла за индийской едой.

Nvidia не предоставила мне официальную статистику о национальном и расовом составе сотрудников, но по фотографиям и интервью можно заметить, что еще в начале 2000-х в компании работали преимущественно белые американцы. Постепенное увеличение сотрудников азиатского происхождения отражало как общую тенденцию в Кремниевой долине, так и смену профиля компании. «Компьютерная графика не считалась особо престижной сферой, – говорит один из руководителей. – Заниматься ею было как бы стыдно».

С появлением ИИ ситуация изменилась. Вместо длинноволосых американцев в мешковатых шортах в компанию устремились выпускники ведущих технических университетов Индии, Китая и Тайваня. Один из бывших менеджеров рассказывал, что семьи этих молодых людей настаивали, чтобы те устроились на работу именно в Nvidia. «Родители предлагали детям три варианта: стать врачом, инженером или… Нет, кажется, третьего варианта вовсе не было, – говорит он. – Они крайне амбициозны, очень умны и находятся под невероятным давлением».

Этот менеджер, который был заядлым геймером и работал в Nvidia с тех времен, когда компания занималась исключительно графикой, рассказывает об изменении корпоративной культуры. Сектор графических разработок был, по его словам, странноватым и не слишком прибыльным. «Родители советовали мне не связываться с этим, – признается он. – Они говорили, что следует задуматься о "настоящей" работе». Но когда компания достигла успеха, он стал замечать, что энтузиастов-первопроходцев постепенно сменило новое поколение: отличников-конформистов. Он отмечает, что эти новые сотрудники действительно очень талантливы: «Умеют ли они программировать? Несомненно. Лучше, чем я когда-либо мог».

В первые годы женщин в Nvidia практически не было. В период IPO Дэвид Кирк познакомился со своей будущей женой, коллегой из Монреаля. «Все мужчины в компании точно знали, сколько женщин тогда там работало, – вспоминает он. – Три». Отчасти это объяснялось малым количеством женщин среди выпускников электротехнических факультетов: даже сегодня в США более 90% из них – мужчины. При проведении исследования 2022 года американских студенток инженерных специальностей спрашивали, какие дисциплины им наиболее интересны с карьерной точки зрения. На первом месте оказалась экологическая и биомедицинская инженерия, а электротехника заняла последнее место.

По прямому указанию Хуанга Nvidia стремилась принимать на работу больше женщин. Инициатива оказалась успешной, и к 2024 году более четверти сотрудников Nvidia составляли женщины. (Также году в 2020-м из маркетинговых материалов компании загадочным образом исчезла Дон, сексуализированная CGI-фея Nvidia.) Жена Дженсена Лори оставила карьеру ради воспитания детей, и когда Хуанг даже по окончании пандемии продолжает говорить о либеральной политике компании в отношении работы из дома, кажется, что он пытается оправдаться за ее прерванную карьеру. «Мы хотим использовать впечатляющие возможности видеосвязи, чтобы молодые люди – и особенно женщины – могли одновременно строить карьеру и семейную жизнь, – говорит Хуанг. – Я не собираюсь отказываться от этого».

Менее успешными оказались попытки Nvidia нанимать больше афроамериканцев. В 2020 году они составляли менее 1% сотрудников компании по всему миру. Это частично отражало их небольшое количество среди квалифицированных выпускников электротехнических специальностей в США, но, возможно, говорило и о нехватке квалифицированных инженеров в целом. Профессия привлекала таланты со всего мира, но коренные граждане США численно уступали соискателям из Восточной и Южной Азии, Ближнего Востока и Европы в соотношении один к десяти. «Чтобы решить проблему разнообразия, нам нужно в первую очередь заинтересовать американцев изучать эту дисциплину», – говорит один университетский профессор.

Также я заметил, что у многих инженеров Nvidia хотя бы один родитель был инженером (а у некоторых и оба, так что это можно считать практически генетической предрасположенностью). Отец Самира Халепете научил сына паять электрические схемы, когда тот учился в третьем классе. «Инженерия, особенно электротехника, может сильно отпугивать, – признается он. – Поэтому важно, чтобы кто-то тебя поддерживал. Чтобы говорил: "Это тебе по силам"». Сам Халепете пытался продолжить традицию, передав любовь к электронике дочерям, но безуспешно.

У Хуанга инженерами были отец и два брата. Оба его ребенка выбрали иное поприще, но через много лет он все же убедил их вернуться в технологическую сферу. Мэдисон, отучившись на шеф-повара и затем поработав в парижской компании Louis Vuitton, производящей предметы роскоши, в 2020 году получила в Nvidia должность директора по маркетингу. Спенсер основал в Тайбэе «коктейльную лабораторию», которая вошла в число пятидесяти лучших баров Азии, но закрылась во время пандемии. В 2022 году он присоединился к группе разработчиков робототехники Nvidia. В компании Спенсер и Мэдисон не имели никаких привилегий. «Они делают презентации, участвуют в бесконечных скучных совещаниях и обедают в столовой, как и все мы», – говорит один из сотрудников.

Глобализация всегда была на руку Nvidia, а сложные геополитические ситуации ее не слишком волновали. Все изменилось 7 октября 2023 года, когда боевики ХАМАС вторглись в Израиль, жестоко убивая гражданских лиц. Среди погибших была младшая дочь основателя Mellanox Эйяла Вальдмана, а инженер компании Nvidia Авинатан Ор оказался в числе заложников (на март 2025 года было известно, что он жив.) В результате атаки ХАМАС погибло более 1100 человек, более 250 были похищены.

Израиль ответил мощным контрударом, в ходе которого за несколько месяцев израильские силы уничтожили, согласно оценкам, около 40 000 палестинцев, в том числе по меньшей мере 8000 детей. Более половины зданий в Газе были повреждены или разрушены, что вызвало волну протестов по всему миру. На начало войны у Nvidia было порядка 3000 сотрудников в Израиле и около 100 – в Палестине на Западном берегу реки Иордан. После того как 400 израильских работников были призваны в армию, Хуанг отменил конференцию по ИИ в Тель-Авиве и разослал корпоративное письмо, в котором сообщил сотрудникам в регионе, что выдает им премию, «чтобы хоть как-то помочь». Он также пообещал, что Nvidia выделит деньги на гуманитарную помощь, что уже сделали многие сотрудники по своей инициативе. «Кто-то хочет поддержать Израиль, кто-то – невинных палестинцев, – говорилось в письме. – Вы сами решаете, кому оказывать поддержку: Израилю, Газе или обоим народам».

В публичных заявлениях Хуанг не принимал какую-либо сторону, неоднократно подчеркивая, что для него главным приоритетом является безопасность его сотрудников. Однако он отмечал важность израильского технологического сектора для Nvidia. «Сердце и душа процессора Blackwell разработаны в Израиле, – заявил он на конференции GTC в марте 2024 года. – Мы и дальше будем активно инвестировать в эту страну». Через месяц на фоне продолжающегося конфликта Nvidia объявила о приобретении за 700 миллионов долларов израильского стартапа Run: AI, в котором работали 150 человек.

Еще одной проблемой внезапно оказались отношения с Китаем. Хуанг видел в нем ключевой рынок для своих ИИ-микросхем и стремился продать китайским клиентам как можно больше продукции. Однако у американского правительства были другие планы: в 2022 году оно заблокировало продажу Китаю передовых процессоров Nvidia A100 и H100. Хуанг обошел эмбарго, начав продавать модифицированные версии, но хитрость раскрылась, и правительство распространило запрет на все оборудование Nvidia, включая некоторые мощные игровые карты.

Все это отразилось на ситуации в самом Китае. Государственные СМИ называли видеоигры «духовным опиумом», а время, которое дети могли самостоятельно проводить за компьютером, было законодательно ограничено тремя часами в неделю. Однако спрос на игровое оборудование двойного назначения, особенно среди китайских ученых и военных, оставался высоким. За считаные дни до вступления санкций в силу Nvidia активно распродавала свои процессоры. Например, компания ByteDance, владеющая TikTok, закупила достаточное количество A100, чтобы обучить десять ChatGPT.

Даже после введения запрета высокотехнологичные микросхемы продолжали проникать в Китай. В июне 2023 года агентство Reuters сообщило, что на рынке электроники в Шэньчжэне процессоры A100 продавались спекулянтами по двойной цене. Хуанг говорил мне, что в первую очередь он стремится соблюдать закон, но при этом не был согласен с санкциями. «То, что они не смогут купить у нас, они просто сделают сами», – заметил он.

Однако еще более серьезные проблемы создавали планы Китая в отношении Тайваня. Китайский флот был самым крупным в мире, и Китай давно считал Тайвань своей территорией. В новогоднем обращении 2023 года Си Цзиньпин объявил о неизбежности воссоединения с Тайванем. На спутниковых снимках, опубликованных в апреле 2024 года, было видно, что Китай построил в пустыне Гоби копию правительственного района Тайбэя, видимо, для разработки десантных операций. Масштабы такого вторжения, если оно случится, затмят высадку союзных войск в Европе во время Второй мировой войны. Это также станет катастрофой для глобальной экономики. Заводы TSMC на Тайване являются одними из главных производственных узлов микроэлектроники в мире. Ни одно другое предприятие не может обеспечить такую скорость и точность изготовления самых продвинутых микросхем. Замедление производства на Тайване во время пандемии замедлило поставки автомобилей на месяцы. В случае войны задержки поставок могут растянуться на годы, и это коснется не только автомобилей и ИИ, но и смартфонов, потребительской электроники, медицинского оборудования и всего, что содержит сложные микросхемы.

Я был крайне удивлен тем, что у Nvidia нет никакого плана на случай такого развития событий. «Рассуждать о том, что будет, если что-то случиться с Тайванем и TSMC, – это все равно что спрашивать, что делать, если Калифорнию поглотит океан», – говорит Деб Шоквист. Несмотря на ее высокую должность в крупнейшей компании полупроводниковой промышленности в мире, Хуанг велел ей не рассматривать подобный сценарий. «Я не хочу, чтобы она об этом думала, потому что она все равно никак не сможет на это повлиять», – говорит он. Шоквист предполагает, что Nvidia сможет перенаправить заказы на заводы Samsung в Южной Корее и другим партнерам. «Но я скажу вам, что тогда точно случится, – говорит она. – Качество станет на порядок ниже».

Осознав угрозу, правительства разных стран начали развивать собственные мощности по производству микросхем. В США президент Байден выделил десятки миллиардов долларов на создание новых предприятий в Огайо и Аризоне; аналогичные программы стартовали в Японии, Южной Корее и странах Европейского союза. «Глобализация в полупроводниковой отрасли закончилась, – заявил Моррис Чанг на одном из мероприятий TSMC в конце 2023 года. – Единственный приоритет теперь – национальная безопасность».

Компания TSMC расчистила в США участок пустыни площадью 1100 акров к северу от Финикса и начала строительство двух крупных фабрик. Хотя формально эта территория входила в границы города, фактически это был неосвоенный пустырь, поблизости было только открытое стрельбище. Комплекс спланирован как автономная система с независимым водоснабжением, подачей природного газа и собственными установками для получения сверхчистых газов: азота, кислорода и аргона. Так как температура в пустыне Сонора летом может превышать +43 °C, для экономии воды предполагается оснастить фабрики системами рециркуляции влаги вроде тех, которые описаны в романе «Дюна».

Местные жители, наблюдая за стройкой с вершины горы Пирамид-Пик, насчитали 39 работающих кранов, включая гигантский 55-метровый Manitowoc, способный поднимать грузы весом до 2300 тонн. Общий бюджет строительства заводов TSMC в Финиксе, по прогнозам, должен составить 40 миллиардов долларов – это одна из крупнейших прямых иностранных инвестиций в истории США и один из самых масштабных промышленных проектов в мире. После завершения строительства на фабриках будут работать около 2000 человек, а годовой объем производства составит 600 000 единиц продукции – достаточно для удовлетворения всех потребностей внутреннего рынка США.

В 65 километрах южнее, в тихом пригороде Чандлера, Intel заложила собственное производство с бюджетом строительства 32 миллиарда долларов. Среди полей для гольфа и ранчо с редкой растительностью идут круглосуточные работы: чтобы бетон нормально застывал в летнюю жару, строители добавляют в смесь лед и проводят заливку в ночное время. Уже залито более 300 000 кубометров бетона (объем сотни олимпийских бассейнов) и завезено 27 000 тонн стали для каркасов. На съемках с дронов видны шесть огромных производственных корпусов, протянувшихся с севера на юг и соединенных промышленными коммуникациями с линией вспомогательных сооружений на западе.

Строительство заводов в Аризоне и других предприятий по всему миру может в будущем привести к перенасыщению рынка. Чанг, который уже отошел от дел и не участвовал в принятии решений, считал инвестиции в Аризону нецелесообразными. Он полагал, что американская культура производства никогда не достигнет уровня азиатских фабрик и что этот промышленный объект будет серьезно отставать от конкурентов (когда Нэнси Пелоси в 2022 году посетила Тайвань, Чанг сказал ей, что американские проекты «обречены на провал»). Он также утверждал, что концентрация производства TSMC на Тайване фактически защищает остров от китайского вторжения, ведь от прекращения деятельности компании в первую очередь пострадает именно китайская экономика (эту стратегию он называл «кремниевый щит» Тайваня). Однако когда в 2023 году Дженсен Хуанг приехал на строительную площадку TSMC в Финиксе, его там встретил улыбающийся Чанг.

Китай пока не может предложить ничего сопоставимого. Американское правительство добилось запрета экспорта передовых машин для фотолитографии – ключевых элементов производственного процесса, – что отбросило Китай на целое десятилетие назад. Я задумывался, не попытается ли Китай захватить тайваньские заводы TSMC и самостоятельно наладить выпуск микросхем. Бывший американский военный чиновник, с которым я общался, считает это маловероятным. «Это не то же самое, что захват Ираком Кувейта ради добычи нефти, – сказал он мне. – Эти машины невероятно точны и хрупки, они работают на уровне атомов. Как вы думаете, что произойдет с таким устройством, если рядом взорвется ракета?» Он также заметил, что администраторы могут дистанционно отключить системы, а рабочие – просто разбить оборудование молотками и битами. «Способность тайваньских инженеров к саботажу не стоит недооценивать», – заявил он.

Но я продолжал размышлять. А что, если Китай сможет восстановить эти машины? Или разработать собственные обновления для программного обеспечения? Или заставит тайваньских инженеров работать? Бывший военный чиновник выдержал паузу: «США никогда не позволят Китаю завладеть тайваньскими полупроводниковыми заводами. Нет. Этого не будет».

Полупроводниковая лихорадка принесла богатство не только Nvidia. Компании Qualcomm, AMD, Broadcom, Supermicro и другие достигли рекордной рыночной капитализации. Голландская компания ASML, производитель оборудования для фотопечати, стала самой дорогостоящей технологической компанией в Европе, а TSMC – в Азии. В марте 2024 года Financial Times писала, что за четыре года на Тайване удвоились продажи Ferrari. Один тайваньский бизнесмен пояснил эту новость: «Все просто. У тайваньцев появились деньги, а тратить их здесь особо не на что – только недвижимость и машины».

С момента IPO, прошедшего 22 января 1999 года, до середины 2024 года стоимость акций Nvidia выросла более чем на 300 000%. Этот впечатляющий рост многократно увеличивал потери тех, кто принимал необдуманные решения много лет назад. Дуайт Диркс продал часть своих акций после IPO, чтобы купить отцу автомобиль. «Это "Кадиллак" на миллиард долларов», – шутит он. Для покидавших компанию на какое-то время Катандзаро и Аартса изменение цены опционов оказалось неприятным сюрпризом, но в конечном итоге их дела пошли на лад. А Кёртис Прим избавился от всех своих акций еще много лет назад. Теперь ему оставалось лишь наблюдать за умопомрачительным ростом его бывшей компании и завидовать.

К концу 2024 года Nvidia стала в 20 раз дороже Intel, которая переживала не лучшие времена (даже личное состояние Хуанга превышало рыночную стоимость Intel). В выступлении перед студентами MIT в декабре 2023 года новый генеральный директор Intel Пат Гелсингер заявил, что Nvidia «просто сказочно повезло» с успехом графических процессоров. «Они даже не думали поддерживать свой первый проект в области искусственного интеллекта», – сказал он.

Родившийся в Пенсильвании Гелсингер, худощавый инженер-электронщик с орлиным профилем, неоднократно участвовал в попытках Intel вытеснить Хуанга с рынка. В конце 1990-х он был менеджером по продукту Intel i740 – графическому ускорителю, который провалился на рынке. В конце 2000-х он возглавлял проект Larabee – «убийцу Nvidia», который так и не был доведен до конца. В 2022 году, уже в качестве генерального директора, Гелсингер представил Intel Arc – копирующую продукцию конкурентов видеокарту для широкой публики, которой удалось получить лишь 1% рынка. В то время как Nvidia делала ставку на быструю разработку новых продуктов, Гелсингер сосредоточился на производстве. В результате под его руководством в разгар беспрецедентного роста полупроводникового рынка акции Intel упали вдвое.

Гелсингер был не единственным, кто считал, что Хуангу просто повезло. Никто, даже Катандзаро, не предвидел грядущего объединения параллельных вычислений и нейросетей. Даже Аартса, прекрасно разбиравшегося (впрочем, как и многие другие) в технических аспектах обеих технологий, потрясала гармония этого сочетания. Две периферические области информатики, на развитие которых вечно не хватало денег и к которым промышленность и наука проявляли равнодушие, если не отвращение, внезапно слились в прекрасное нечто, движущееся в сторону искусственного разума. «Я не думал, что такая удача возможна, – говорит Аартс. – Не может быть, чтобы глубокое обучение оказалось настолько к месту просто потому, что Nvidia никогда им не занималась!»

Хуанг называет это «удачей, основанной на ви́дении». Дэлли же полагает, что успех компании в первую очередь обусловлен работоспособностью Хуанга. Даже сам Дэлли, у которого вряд ли бывает хоть одна свободная секунда, преклоняется перед нечеловеческими усилиями своего босса. «Все остальные тут только тем и занимаются, что пытаются смягчить требования Дженсена, – говорит он. – Я вообще не понимаю, когда он спит». «Его увлечения – это работа, просмотр электронной почты и… работа», – вторит ему Диркс.

Тем не менее усердно работать умеют многие. Йенс Хорстманн считает, что секрет Хуанга – в умении адаптироваться. «Я часто спрашиваю себя, как получилось, что мы, начиная вместе, с одинаковым IQ, пришли к столь разным результатам, – говорит он. – Как он смог не только построить эту поразительную компанию, но и собрать вокруг себя людей, которые буквально готовы умереть за него». Хорстманн думает, что Хуангу пришлось много раз меняться самому. Он вспоминает, как они вместе работали в LSI, где Хуанг корпел над симуляциями микросхем, бесконечно перебирая варианты в попытках найти наилучшее решение: «Сейчас он делает то же самое, только проектирует самого себя. Он не родился гениальным гендиректором, это не было ему на роду написано. Он сам превратил себя в лидера, просто представляя, каким должен быть. Он всего лишь решал задачу и решил ее».

Однако последнее слово остается за Моррисом Чангом. Он не считает, что успехом Хуанг обязан своему трудоголизму, который по меркам TSMC вряд ли намного выше среднего. И умение адаптироваться, на его взгляд, тоже ни при чем. Когда я разговаривал с Чангом, ему было уже девяносто два. Он сидел одетый в лиловый вязаный свитер, совершенно седой и абсолютно безмятежный перед впечатляющей абстрактной картиной. За семьдесят лет работы в корпоративном секторе на двух континентах Моррис видел все разновидности топ-менеджеров, существующие в мире. Его объяснение банально и не содержит никакой тайны: «Он просто умнее их всех».

Сотрудники Nvidia боготворили Хуанга, и я не мог их за это осуждать. Они стали богаты. Невероятно, сказочно богаты. И это он сделал их такими. Он взял нишевую технологию для гиков и превратил ее в главную вычислительную платформу своего времени. Они видели в Хуанге – простите, в Дженсене – не просто лидера, а настоящего пророка. Пророка, чьи предсказания сбывались. И каждый раз, когда он оказывался прав, сотрудникам казалось, будто на их банковских счетах появился еще один нолик.

Дженсен активно поддерживал культ своей личности. Речи, сеансы самокритики, доброжелательная болтовня, чередующаяся с оскорблениями, – все это помогало ему подчинять людей своей воле. Он создал уникальный личный бренд – и не только благодаря кожаным курткам. На протяжении большей части истории Nvidia все знали его как Джен-Суна, так звучит его тайваньское имя, но к 2023 году он решил стать просто Дженсеном. После смерти Стива Джобса в 2011 году место лидера-провидца с фирменным стилем, важное для американской культурной парадигмы, освободилось. К 2024 году казалось, что именно Дженсен может его занять.

Тем не менее в нем остается некая загадка. Даже если его разговорить, стоит держать ухо востро: у Дженсена есть масса историй из его жизни, но детали могут меняться от случая к случаю. Я понял, что цитировать его буквально – рискованное дело: если он что-то говорит, это не означает, что он в это верит. Поток мыслей способен унести его в любую сторону: он может внезапно без какой-либо связи с темой беседы заговорить о собачьей рвоте или мужской моде, вдруг начать обсуждать качество яиц в Denny's или любой другой предмет, пришедший ему в голову. Последовательность вообще не является его отличительной чертой: зачастую то, что выглядело как обдуманное мнение или остроумная фраза, на самом деле оказывалось спонтанным высказыванием, которое он позже и не вспомнит.

Дженсен частенько противоречит сам себе, иногда даже в рамках одного интервью. Он никогда не пытался быть адвокатом дьявола – ему просто нравится рассматривать идеи с разных сторон. «Он не хочет быть политиком, – говорит Хорстманн. – Он не старается донести какое-то единственное послание. Он обрабатывает информацию в реальном времени и может на какой-то период увлечься даже самой странной идеей». Вам кажется, что он произнес утверждение, а это были всего лишь мысли вслух.

Но если он начинал что-то повторять, стоило прислушаться. Когда какая-то идея по-настоящему захватывала Дженсена, она медленно набирала обороты в его голове на протяжении дней или даже недель. Она проникала в его речь и звучала на каждом совещании. Такие концепции, как «несуществующий миллиардный рынок» или «скорость света», не возникали у Дженсена внезапно – они появлялись как отшлифованные крупицы мудрости после долгих месяцев перемалывания в мельнице его разума. А появившись, так усердно вколачивались в головы сотрудников, что те порой начинали напоминать персонажей из «Маньчжурского кандидата», механически и с остекленевшим взглядом повторяя его постулаты. Даже те, кто уже много лет не работал в Nvidia, могли воспроизвести этот катехизис по памяти.

В этом была своя логика. Харизма Дженсена и его чувство юмора придавали любой ситуации непринужденность. Возможно, его стиль управления действительно представлял собой смесь хаоса и диктатуры, но по крайней мере с ним не было скучно. Один из сотрудников, покинувших Nvidia, вспоминает, как впервые оказался на презентации на новой работе. «Презентацию проводил генеральный директор, а я смотрел и думал: "Боже, а где же юмор? Это что, всегда так нудно?" – Он ерзал на стуле, а коллеги бросали на него недоуменные взгляды. – Потом я сказал им: "Ребята, вы даже не представляете, чего лишены!"»

Да, за Дженсеном действительно занятно наблюдать. В конце 2023 года я присутствовал на интервью, которое брал у него Хао Ко, главный архитектор штаб-квартиры Nvidia. Это происходило на шикарном курорте Западного побережья. Я прибыл до начала и застал их вдвоем. Они негромко беседовали, сидя лицом к океану. Одеты были почти одинаково: черные кожаные куртки, черные джинсы и черные ботинки. Хао был заметно выше. Я надеялся подслушать пророчества о будущем вычислительных технологий, но вместо этого стал свидетелем шестиминутного шутливого анализа гардероба Хао. «Посмотрите на этого парня! – говорил Дженсен. – Он одет так же, как и я. Копирует меня – правильно делает, только карманов на штанах у него многовато». Хао нервно засмеялся, глядя на свои дизайнерские джинсы, на которых действительно было много молний. «Будь проще! – добавил Дженсен, затем повернулся ко мне. – Он так одевается, потому что это я научил его всему, что он знает».

Спонсором интервью выступила фирма Gensler, где работал Хао, а в аудитории присутствовали несколько сотен архитекторов. Перед началом мероприятия Дженсен разогревал публику шутками, прохаживаясь среди гостей. Ежегодно он выступал перед публикой десятки раз и уже успел где-то произнести речь в этот день, но я с удивлением обнаружил, что он нервничает. «Я терпеть не могу публичные выступления», – признался он мне. Это правда, он действительно их не любит.

Однако на сцене он был неотразим – Хао почти не приходилось задавать вопросы. Глядя на изображение штаб-квартиры корпорации на стене, Дженсен раскритиковал дизайн верхнего этажа. Он хотел открытую крышу-террасу, но Хао не успел реализовать эту идею. Дженсен задал вопрос, действительно ли здание завершено, а затем начал рассуждать, можно ли вообще считать завершенным какое-либо здание. Он импровизировал, фантазируя об архитектуре в эпоху искусственного интеллекта, меняющей форму в соответствии с желаниями клиентов. «Например, поздно вечером три верхних этажа могут просто превращаться в ночной клуб», – сказал Дженсен.

Ко был в замешательстве, а Дженсен только разминался. «Если здание роботизировано, им полностью управляет программное обеспечение, так?» – обратился он к публике. По мнению Хуанга, в будущем офисные здания будут собирать данные о действиях сотрудников, затем передавать их искусственному интеллекту, который в соответствии с этими данными будет сначала перестраивать здание в Omniverse, а потом буквально за ночь физически внедрять изменения. Он предположил, что Gensler эволюционирует из архитектурной фирмы в технологическую компанию, использующую программное обеспечение для трансформации зданий. «Как мы управляем компьютерными системами, так вы будете управлять этими зданиями, – сказал Дженсен. – И следующие здания Gensler будут разработаны и построены бесплатно. Потому что вы будете зарабатывать на их эксплуатации и разбогатеете так, как и не мечтали. Вы – первые, кто слышит об этом».

После интервью Дженсен отвечал на вопросы. Один из них, как обычно, касался потенциальных рисков, связанных с развитием ИИ. «Есть представление о некоем "апокалиптическом ИИ", который каким-то образом выпрыгивает из компьютера, поглощает тонны информации, самостоятельно обучается, меняя свое восприятие окружающего мира, а потом начинает сам принимать решения и нажимать всякие кнопки. – Дженсен изобразил, как он нажимает кнопки, зал застыл. – Но никакой ИИ не должен учиться без участия человека». Один из архитекторов спросил, когда ИИ может начать самостоятельно мыслить. «Способность мыслить у него появится через два-три года», – ответил Дженсен. По залу прошел тихий гул.

После мероприятия я догнал уходящего Хао. Он выглядел несколько напряженным: «интервью» с Дженсеном свелось к одному вопросу, на который тот отвечал сорок пять минут. Я заверил его, что все прошло хорошо; столь глубокий интерес слушателей подделать невозможно. Затем я спросил у Хао, что он думает о концепции меняющей форму архитектуры. «Когда я разговаривал с ним в первый раз, он говорил про самоуправляемые автомобили, и тогда это казалось безумием. Так что я научился не подвергать его слова сомнению», – ответил Хао, пожимая плечами.

С ростом акций Nvidia Дженсен стал знаменитостью. Его поклонниками были не только геймеры, но и ученые, чьи исследования он поддерживал, энтузиасты ИИ, для которых он открывал новые горизонты, пенсионеры-бумеры, чьи инвестиции он спас, и прочие инвесторы, готовые вложить все накопления в опционы Nvidia по первому его слову. Его популярность выросла настолько, что для его выступления на GTC 2024 пришлось задействовать хоккейную арену НХЛ в Сан-Хосе. Но даже спортзала на 17 000 мест оказалось мало, и 8000 желающих его послушать ушли несолоно хлебавши и вынуждены были довольствоваться телетрансляцией.

Презентация началась с динамической инсталляции, созданной мультимедийным художником Рефиком Анадолом. На гигантском экране в глубине арены дикие пульсирующие краски складывались в силуэты цветов, деревьев и птиц и тут же вновь растворялись в вихре кружащихся пикселей. Я невольно вспомнил «Метаморфозы» Овидия: «Не было моря, земли и над всем распростертого неба, лик был природы един на всей широте мирозданья, – Хаосом звали его»[20]. Когда Хуанг под гром аплодисментов вышел на сцену, тысячи смартфонов синхронно взметнулись вверх, чтобы запечатлеть его появление.

Прошло пять лет с тех пор, как Хуанг в прошлый раз выступал на GTC. Мир изменился до неузнаваемости. Изменился и сам Дженсен. Он немного постарел, обмяк, стал совсем седым. Он показал нарисованную им историю эволюции мира вычислений, начиная с IBM S/360 1964 года и заканчивая провозглашенной им промышленной революцией. «Я сделал для вас этот комикс, – с улыбкой сказал он. – Правда, я сам нарисовал!» Затем он принялся объяснять роль AlexNet, создание которой считал «первым контактом» с ИИ, а на экране возникла огромная схема видеокарты GeForce, использовавшейся для ее обучения.

Хуанг был уверен, что именно тогда произошел коренной перелом в развитии вычислительной техники. Архитектура IBM, доминировавшая шестьдесят лет, уступила место параллельным вычислениям, нейронным сетям и облачным технологиям. Приходит время, когда для вычислений больше не понадобится громоздкое оборудование со сложным интерфейсом для ввода команд. Пользователи будут отдавать голосовые команды и мгновенно получать любой результат. Люди станут волшебниками.

Публика была в восторге. Сидевший рядом со мной автор технологического подкаста едва не подпрыгивал от возбуждения. Хуанг представил новое оборудование, микросервисы для ускорения инференции, программное обеспечение для ученых и платформу для обучения роботов под названием GR00T. В финале презентации к нему присоединились два метровых андроида и под громкие аплодисменты прошагали с ним за кулисы.

Конференция продолжалась еще четыре дня в выставочном комплексе по соседству. Сотни участников представляли удивительные технологии, включая робота-бармена. При каждом появлении Хуанга его мгновенно окружала толпа поклонников, желающих получить автограф на бейдже или игровой видеокарте. Он относился к этому с юмором и терпением, но однажды едва смог попасть в туалет – настолько плотно его обступили. «Фотографироваться со мной в туалете – это что-то новенькое», – заметил он. Наблюдая за ним, я задумался: может, он не просто великий бизнесмен нашего времени, а некто больший?

Познакомившись с Дженсеном ближе, я стал понимать, что успех дается ему не так уж легко. Он очень мало спал, а постоянные публичные выступления добавляли стресса. В 2024 году, произнося напутственную речь перед выпускниками Калифорнийского технологического института, Дженсен блистал, как всегда, но, когда я нашел его после выступления, он сидел на деревянной скамейке с мрачным выражением лица, скрестив руки на груди. Как и во время прошлых наших встреч, на нем была черная футболка от Thomas Burberry. Он купил 24 штуки еще в 2020-м и носил их каждый день на протяжении четырех лет. Сейчас он сидел в привычной позе, облокотившись на спинку скамейки, вытянув ноги по диагонали и упираясь каблуками дорогих туфель в брусчатку. Его состояние росло и падало вместе с фондовым рынком, но в то утро он стоил как минимум 100 миллиардов долларов. «Я сейчас очень богат, – заметил он. – Знаешь насколько?» В его тоне не было и намека на хвастовство. Я спросил его, есть ли у него какой-то план, что делать с этими деньгами. «Понятия не имею», – ответил он.

Дженсен рассказал мне, что в то утро проснулся в половине четвертого. Один из псов спал у него между ног. Он проработал в должности генерального директора тридцать один год – дольше, чем кто-либо из гендиректоров технологических компаний, входящих в список S&P 500. Он мог бы не вставать с постели, да и желания особого не было. Он спросил себя, есть ли что-то, что может разрушить его бизнес прямо сегодня, и ответил: нет. Но может, что-то все же маячит на горизонте? Пожалуй. Крупнейшие клиенты Nvidia уже разрабатывали собственные микрочипы. AMD, осознав, что разрабатывать только «железо» недостаточно, активно нанимала программистов. Если инженеры Nvidia перестанут поддерживать своих клиентов, технология нейронных сетей может не оправдать ожиданий и спрос на продукты компании упадет.

В четыре утра Дженсен уже работал. Он всегда начинал день с самого важного проекта: если удастся чуть продвинуться, значит, день прожит не зря. В наших беседах он постоянно что-то недоговаривал: «Должны же у меня быть какие-то секреты».

Впрочем, кое о чем я догадывался. Ходили слухи, что OpenAI работает над новой нейронной сетью под названием Project Strawberry. Говорили, что это «рациональный» ИИ, созданный чисто для математических исследований. Дженсен никогда не обсуждал со мной Project Strawberry, но пару раз невзначай предлагал представить мир, где математические задачи решаются нажатием на кнопку. «Затраты на вычисления упали бы до нуля, и это открыло бы невероятные возможности, – говорил он. – Как ты думаешь, что произойдет, когда стоимость всех математических операций станет нулевой?»

Я смотрел на пруд с черепахами во дворике института. Все ученые, работающие здесь, весь их интеллектуальный потенциал – неужели миллиарды транзисторов смогут в мгновение ока их превзойти? И что тогда? Будем вручать Филдсовскую премию компьютеру? Построим единую теорию поля в физике? Я подумал о вычислительной машине Паскаля с ее шестеренками. Дженсен уже покорил арифметику. Теперь его устройства готовились штурмовать сам разум.

Страх настиг Йошуа Бенжио холодным зимним днем нового, 2023 года. Этот пионер разработки искусственного интеллекта из Монреаля был одним из первых сторонников нейронных сетей. Эта технология давно завораживала его, и он отстаивал ее важность даже в периоды спада. В 2019 году он получил премию Тьюринга – аналог Нобелевской премии в компьютерных науках – за основополагающие исследования в этой области. Награду с ним разделили его постоянные соавторы Ян Лекун и Джеффри Хинтон.

Бенжио был худощавым мужчиной с густыми изогнутыми бровями и пронзительным взглядом. Его родители, евреи-сефарды, переехали в Монреаль из Марокко в 1970-х, чтобы стать участниками авангардной театральной сцены. Сам Бенжио увлекся компьютерами, хотя изучение нейронных сетей в 1990-х считалось занятием не более серьезным, чем экспериментальный театр. Именно его работы послужили фундаментом для AlexNet, и к середине 2010-х Бенжио ощущал, что его усилия не пропали даром. Малоизвестные статьи, которые он когда-то публиковал в специализированных журналах, стали основой для новой научной области. Бенжио был академическим ученым, далеким от коммерции, но наблюдал за бумом искусственного интеллекта с некоей отеческой гордостью.

Как и многие исследователи в этой области, Бенжио иногда представлял мир, в котором искусственный интеллект стал слишком могущественным. Большую часть его карьеры это были не более чем забавные фантазии: если искусственный интеллект собирается захватить планету, почему так сложно получить грант в 10 000 долларов на его разработку? Но после публичного запуска ChatGPT Бенжио впервые в жизни начал испытывать беспокойство. Возможности ChatGPT его потрясли. Он не ожидал, что при его жизни появятся компьютеры, взаимодействие которых с человеком будет казаться осмысленным. И вдруг в конце 2022 года эта технология возникла ниоткуда. Это было столь же невероятно, как встретить инопланетянина.

Каждое утро в любую погоду Бенжио выходил на прогулку, чтобы привести в порядок мысли. В тот день, когда его настиг страх, было теплее обычного. Снег на улицах Монреаля превратился в слякоть. И вдруг посреди серого пейзажа его захлестнуло незнакомое чувство. Он называет это «преображением». «Я стал думать о своих детях и о внуке, – рассказывает он. – Что с ними будет через двадцать лет? Будут ли они вообще нормально жить?»

Этот страх был худшим из возможных – тем, что становится только сильнее, когда отбрасываешь эмоции и обдумываешь проблему рационально. Бенжио сравнивает его с угрозой ядерной войны. Впрочем, ему кажется, что в этом случае все еще хуже: ядерную войну какая-то часть человечества может пережить, но если нас решит уничтожить искусственный интеллект, он способен создать средство, которое истребит всех без исключения. «Не думаю, что существует что-то столь же опасное», – говорит он.

После той прогулки Бенжио связался со своим другом и соавтором Джеффри Хинтоном, чтобы убедиться, что не сошел с ума. Оказалось, что Хинтон независимо от него пришел к тем же выводам. Более того, это произошло похожим образом и почти в то же время. Исследуя возможности ChatGPT, Хинтон сначала испытал восторг от подтверждения своих идей, но очень скоро его радость переросла в серьезное беспокойство. Вскоре Хинтон уволился из Google, чтобы посвятить себя предупреждению человечества об опасности неконтролируемого искусственного интеллекта. Илья Суцкевер, создатель ChatGPT, тоже испытывал большую тревогу и предлагал полностью сосредоточиться на так называемой проблеме выравнивания – осуществлении контроля за сверхразумным ИИ, чтобы не допустить с его стороны действий, противоречащих интересам человечества. Бенжио, Хинтон и Суцкевер занимали первые места среди самых цитируемых ныне живущих специалистов по компьютерным наукам. И все трое опасались, что искусственный интеллект может уничтожить нас. Такое единодушие вызывало беспокойство.

Конечно, не все разделяли эту точку зрения. Ян Лекун, третий лауреат премии Тьюринга, считал, что его коллеги ведут себя нелепо. Лекун был главным архитектором нейронной сети 1998 года, способной распознавать человеческий почерк. Он продал лицензию на нее почтовой службе и финансовым учреждениям, которые использовали ее для чтения адресов и анализа бумажных чеков. Использование анализатора почерка Лекуна стало первым случаем широкого промышленного применения многослойной нейронной сети.

Уроженец Парижа Лекун обладал хорошим чувством юмора и говорил с уверенностью человека, чья интуиция неоднократно опережала научные исследования. Он много раз публиковал материалы в соавторстве с Бенжио, в том числе знаменитую статью о распознавании почерка. Оба говорили по-французски и за годы совместных исследований стали друзьями. Но сейчас из-за разницы во взглядах на опасность использования ИИ их пути разошлись. «Мы все еще друзья, – говорит Бенжио. – Но сейчас спорим на людях так, как друзья обычно не делают».

Лекун не испытывает страха перед искусственным интеллектом и считает, что Бенжио напрасно приписывает безобидной машине человеческие качества. «Стремление некоторых людей к доминированию или хотя бы манипулированию другими заложено в нас эволюцией, потому что мы социальный вид с иерархической организацией, – говорит Лекун в интервью журналу Time. – Системы искусственного интеллекта, какими бы умными они ни были, будут подчиняться нам. Это мы задаем им цели, и мы не встраиваем в них никакого стремления к господству».

Лекун признает, что нейронная сеть могла бы стремиться к власти, но уверен, что никто не станет создавать такой искусственный разум: «Это было бы безрассудно. К тому же совершенно бесполезно. Все равно никто бы это не купил». Слова Лекуна отсылают к мыслям Паскаля, который еще в середине XVII века вглядывался в шестеренки своей счетной машины в поисках сознания. «Счетная машина производит действия, которые ближе к мыслям, чем то, что делают животные, – писал он, – но не порождает ничего, что подтверждало бы наличие у нее свободной воли».

Бенжио полагает, что Лекун слишком самоуверен. Люди – как отдельные индивиды, так и целые общества – делают массу глупых и разрушительных вещей. До сих пор обучение ИИ требовало столь значительных расходов, что заниматься этим могли только серьезные ответственные организации, но постоянное снижение стоимости вычислений, которое обеспечивают технологии Nvidia, может в скором времени сделать обучение ИИ доступным для всех. А для появления неуправляемого суперинтеллекта достаточно единственного казуса. «Чем мощнее становится ИИ, тем вероятнее, что он захочет взять под контроль компьютер, на котором работает, чтобы получать большее вознаграждение, – говорит Бенжио. – И для нас это будет конец истории».

Хинтон придерживается той же точки зрения и предупреждает, что такая ситуация может возникнуть непреднамеренно. «Представьте, что будет, если всего лишь у одного из них возникнет самое крохотное, ничтожное желание позаботиться о себе», – говорит он. Такой ИИ победит, полагает Хинтон: «Он будет стремиться получать все больше ресурсов. Наиболее эгоистичные его решения окажутся самыми успешными. Полагаю, вы понимаете, насколько скользкий это путь».

Разногласия между Бенжио и Лекуном отражают раскол во всем сообществе разработчиков искусственного интеллекта. В дискуссиях специалисты часто используют параметрическую переменную p(doom), обозначающую вероятность того, что ИИ однажды уничтожит человеческую расу. С точки зрения Лекуна, p(doom) равна нулю. Бенжио считает, что она равна 50%. Это крайние оценки, хотя тревогу вызывает любой показатель выше нуля.

Когда Хинтон в начале 2023 года беседовал с Бенжио, он тоже оценивал p(doom) на уровне 50%. Проще говоря, самый известный специалист по ИИ считал, что шансы на катастрофу – пятьдесят на пятьдесят. Но в 2024 году в разговоре со мной Хинтон снизил эту оценку до 10–20%. «Я пересмотрел свой прогноз, поскольку многие умные люди, которых я глубоко уважаю, решительно со мной несогласны, – говорит он. – В первую очередь, конечно, Дженсен».

Для Дженсена p(doom) равна нулю. Можно даже сказать, что он считает этот показатель отрицательным, хотя математически это невозможно. Он открыто отвергает саму постановку вопроса, считая его нелепым и полагая, что люди, спорящие об этом, тормозят развитие цивилизации. Когда мы сидели в Denny's, он высказался в том духе, что Хинтон порочит свое академическое наследие, рассуждая о подобных вещах.

Мнение Дженсена заставило Хинтона смягчить свою оценку, но Бенжио твердо стоит на своем (неслучайно Бенжио – один из немногих крупных специалистов по ИИ, никогда не бравших денег у компаний Кремниевой долины). И Хинтон, и Бенжио поддержали законопроект штата Калифорния, призывающий регулировать обучение ИИ в случае, когда оно превышает 100 миллионов долларов.

Этот законопроект, SB 1047, был воспринят в Кремниевой долине в штыки. Против него выступила коалиция венчурных капиталистов и технологических корпораций, а также целый отряд лоббистов из Сакраменто. Известный инвестор Нэнси Пелоси опубликовала заявление с призывом не голосовать за проект. Так же поступили некоторые ученые, например Фэй Фэй Ли из Стэнфорда, утверждавшая, что законопроект затормозит инновации, но никак не снизит риски. Эндрю Ын, профессор, синтезировавший изображения кошек в Google, сказал, что переживать из-за возможного захвата власти ИИ не более рационально, чем волноваться о возможной перенаселенности Марса. Хотя опросы общественного мнения показали, что почти 80% населения штата поддерживает SB 1047, в сентябре 2024 года губернатор Калифорнии Гэвин Ньюсом наложил на законопроект вето.

Дженсен не делал публичных заявлений по поводу SB 1047, но подчеркивал, что нет никаких данных, подтверждающих предположения (безусловно, довольно сумбурные) об опасности ИИ. Когда я пересказал возражения Дженсена Бенжио, тот возмутился. «Конечно, нет никаких данных! – воскликнул он. – Человечество пока не исчезло! Что же нам, ждать, пока человечество будет уничтожено несколько раз, чтобы сказать: "Ага, теперь у нас есть данные?!"» В его словах была логика. Никакие данные в мире не могли предсказать прорыв AlexNet или успех архитектуры трансформеров. Дважды за десять лет произошел внезапный и необратимый скачок в развитии ИИ. Бенжио не считает, что нынешние нейросети представляют прямую угрозу человечеству, но что принесет следующий прорыв? Никто не может сказать, каким он будет и когда произойдет.

Даже если сверхразум не появится в ближайшее десятилетие, его возникновение через двадцать, тридцать, пусть даже сто лет кажется неизбежным. По времени подобная перспектива выходит за рамки прогнозируемой окупаемости инвестиций, но остается в пределах человеческой истории. Через пару поколений гомо сапиенс может перестать быть доминирующим видом на планете, но венчурные капиталисты так далеко не заглядывают.

Конфликт между желанием получать краткосрочную прибыль и долгосрочными рисками создает хаос в мире ИИ-стартапов. В ноябре 2023 года разыгралась странная драма в совете директоров OpenAI: Илья Суцкевер сначала проголосовал за отстранение Сэма Альтмана, а через несколько дней начал умолять его вернуться. В итоге Альтман одержал победу, а совет директоров заменили.

Вскоре стало очевидно, что, несмотря на заявленную некоммерческую миссию OpenAI, «ограниченная» заинтересованность Microsoft в получении прибыли подталкивает организацию к разработке самых сложных моделей ИИ. После переворота в компании Суцкевер избегал прессы, но в сентябре 2023 года в беседе со мной сообщил, что переключился с создания разрастающихся языковых моделей на задачу согласования сверхразума ИИ с интересами человечества. «Я не могу говорить о конкретных моделях, – сказал он, – но я разрабатываю то, что, по моему мнению, станет окончательным решением проблемы, которая беспокоит людей: что ИИ выйдет из-под контроля и совершить что-то крайне нежелательное».

К концу 2024 года такое решение так и не появилось, хотя продукты OpenAI становились все масштабнее и мощнее. В мае 2024 года OpenAI выпустила GPT–4o, где «o» означало omni, – мультимедийный ИИ, который работал с любыми комбинациями текста, аудио, изображения и видео. Благодаря микросхемам Nvidia последнего поколения, обеспечивающим сверхбыстрый вывод, модель демонстрирует молниеносное время отклика. На следующий день после выхода GPT–4o Суцкевер написал заявление об увольнении.

Вскоре OpenAI включила в GPT–4o разговорный модуль, и благодаря практически мгновенным ответам общение с ним стало походить на беседу с очень умным человеком (многие сравнивали его с ИИ из фильма «Она»). В тот же день, когда OpenAI выпустила GPT–4o, Google представила Astra: ИИ – ассистента дополненной реальности, способного мгновенно ответить на любой вопрос, запомнить что угодно и описать обстановку. Claude, модель от стартапа Anthropic, по многим показателям не уступала GPT–4o, а в чем-то даже превосходила ее.

Правительства разных стран, не желая доверять свои конфиденциальные данные сторонним облачным сервисам, строили масштабные национальные центры обучения ИИ. Проект xAI Маска заключил контракт на 10 миллиардов долларов на аренду GPU-серверов Oracle (видимо, его опасения насчет экзистенциальных рисков ИИ, высказанные в 2015 году, развеялись). Компания Meta Марка Цукерберга сделала крупнейшие инвестиции в нейросеть, объявив о намерении потратить 30 миллиардов долларов на покупку миллиона процессоров Nvidia и обеспечить их питание от специального ядерного реактора.

Те, кто ожидал, что законопроект, принятый в Калифорнии, способен все это предотвратить, были слишком наивны. По мере увеличения скорости графических процессоров Nvidia росли и связанные с этим ожидания экономического подъема. Промышленные магнаты Кремниевой долины сделали ставку на ИИ, и уменьшение их прибыли означало бы обвал фондового рынка. Ни у одного политика в мире не хватило бы влияния сотворить такое.

И все же, хотя интересы капитала взяли верх над всеми предостережениями Бенжио, Хинтона и Суцкевера, их аргументы остаются в силе. Они лучше других знают потенциал ИИ, и их репутация в научных кругах служит тому подтверждением. Мне кажется, к ним все же стоит прислушаться. «Сейчас девяносто девять очень умных людей из ста пытаются сделать ИИ лучше, и только один пытается понять, как не дать ему захватить власть», – говорит Хинтон.

Должен признаться, мне самому знаком этот страх. Именно из-за него я начал изучать историю Nvidia и в конечном счете написал эту книгу. С момента публичного запуска ChatGPT я был уверен, что моя писательская карьера подходит к концу. GPT–4 писала не более чем сносно: на экзамене по английской литературе ее результаты оказались лучше, чем всего лишь у 22% учащихся (уверен, я обошел бы 23%). Но модели постоянно совершенствовались и начали писать лучше, чем я во время учебы в университете. Долгий путь ученичества, который я прошел, прежде чем в возрасте тридцати шести лет опубликовал свою первую книгу, оказался бы бессмысленным, будь такой инструмент доступен во времена моей молодости.

Грядущая смерть профессии писателя была небольшой личной трагедией, но я готов признать, что и кучера, вероятно, ненавидели автомобили. Зато улицы хотя бы перестали быть завалены навозными лепешками. Я легко приспосабливался к переменам и отнюдь не был луддитом. Я любил технологии, интернет, космические путешествия, мечтал о беспилотном автомобиле и купил первый iPhone в день его выхода. Идеологических предубеждений против капитализма у меня тоже не было: более того, как американец, я считал, что крупные корпорации существуют для того, чтобы потакать моим прихотям.

И все же ИИ тревожил меня. Порой так, что я не мог ночью заснуть. И в этом я не был одинок: Бенжио рассказал мне, что ему тоже снятся кошмары. В ближайшие годы кто-то представит первую модель нейросети со 100 триллионами параметров, сопоставимую по числу синапсов с человеческим мозгом. Что будет с людьми после этого?

Акселерационисты настаивали, что благодаря ИИ появятся новые профессии и рабочие места, как это произошло после прошлой промышленной революции. Но я уже понял, что, если прижать подобного оптимиста к стенке, он признается, что это сравнение притянуто за уши и никто не знает, что будет на самом деле. Марк Твен ошибался: история не рифмуется. Екклезиаст тоже был неправ: под солнцем появляется немало нового. Оно возникает постоянно, со времен пещерных людей, и уж точно машинный мозг со 100 триллионами синапсов, работающий с частотой 5 миллиардов герц, не имеет аналогов в истории, религии или философии. Так что никто не может с уверенностью сказать, что ждет людей в эпоху ИИ.

Но Дженсен настаивал, что ИИ безопасен. У него, конечно, были свои мотивы: деньги и самолюбие. Он так долго практически в одиночку сражался за то, чтобы сделать параллельные вычисления прибыльными, что теперь был твердо намерен наслаждаться плодами своего труда. Похоже, его раздражали такие фигуры, как Маск и Альтман, которые публично говорили об опасности развития ИИ, но при этом продолжали покупать его оборудование. Я понимал его точку зрения: было что-то лицемерное в том, как разработчики ИИ, предрекая грядущий конец света, продолжали обучать все более мощные модели.

Уверенность Дженсена также основывалась на многочисленных отличиях ИИ от биологического мозга. Уже известно, что мозг не учится методом обратного распространения ошибки. Нейронные сети лишь имитируют природные нейроны: например, в них нет аналога сопутствующих глиальных клеток, а также вегетативной нервной системы. У нейронной сети нет гипоталамуса, гиппокампа или эпифиза. Нейронная сеть не подвержена влиянию гормонов, не испытывает полового влечения, не нуждается в отдыхе, не может иметь и любить детей и никогда не видит снов.

Хорошо натренированная модель может не только имитировать человеческий разум, но порой и превосходить его, однако у нее отсутствуют чувственная память, эмоции, воображение, функции размножения и инстинкт самосохранения. В этом смысле трудно назвать ее по-настоящему живой – она не обладает даже той степенью самодостаточности, которая присуща самым примитивным одноклеточным организмам. Хотя между обучением нейронных сетей и эволюцией можно провести параллели, ИИ не прошел через тот безжалостный дарвиновский отбор планетарного масштаба, который породил биологическую жизнь с ее законами «убей или умри» и «съешь или будь съеден».

Необходимо также учитывать и положительные моменты. Ник Бостром, автор печально известного аргумента о максимизации скрепок, к 2024 году задался новым вопросом: чем будут заниматься люди в «мире, где все решено», с неограниченными возможностями ИИ? В своей книге 2024 года «Глубокая утопия» Бостром предлагал читателям представить мир, где все неинтересные задачи выполняют роботы, а любой мысленный опыт можно воссоздать в симуляторе.

Это не были просто фантазии: после успешного распознавания нейросетью изображений Фэй Фэй Ли готовилась создавать этот «мир решенных задач» на практике. В 2024 году на конференции GTC она представила проект под названием Behavior–1K. Выйдя на сцену вместе с Биллом Дэлли, Ли рассказала, как с помощью платформы Amazon Mechanical Turk провела опрос большой группы людей, попросив их расположить по степени важности тысячи ответов на простой вопрос: «Насколько полезно для вас будет, если робот сделает это за вас?» На вершине списка оказались наименее приятные задачи: чистка туалетов, мытье полов и уборка после вечеринок. Внизу оказались занятия, которые приносили людям радость: выбор украшений, игра в сквош и открывание подарков. На основе этих данных Ли, используя Omniverse от Nvidia, начала обучать ИИ выполнять наиболее неприятные задачи. В недалеком будущем – возможно, даже скорее, чем мы можем представить, – одна из нейронных сетей будет управлять реальным роботом, который займется уборкой туалетов.

Мир, в котором проблемы решены, имеет свои привлекательные стороны. Людям может наскучить играть в сквош или распаковывать подарки, но, как показали исследования Ли, именно действия, а не философские рассуждения определяют результат. Можно легко представить, как в ближайшие десятилетия роботы, обожающие выполнять бытовые работы, станут в развитых странах таким же обыденным явлением, как холодильник. Возможно, мир, в котором люди больше не будут мыть туалеты, несет определенные экзистенциальные риски, но я предполагаю, что почти все согласятся на такое будущее, что бы они ни говорили. Хотел бы я иметь робота для уборки туалета? Еще бы! Однако, даже когда я пытался оценить все преимущества ИИ, тревога меня не покидала. Чем больше я пользовался нейросетями, тем чаще ставил под сомнение свою значимость. Скоро они будут писать лучше меня, а со временем и мои интервью будут проходить сквозь фильтры искусственного интеллекта. Я представлял, как беседую по видеосвязи с важным человеком, не подозревая, что на самом деле общаюсь с его цифровым двойником. Мне казалось, что моя профессия скоро исчезнет. Реальность, к которой мы привыкли, исчезнет. Возможно, сам человеческий разум исчезнет. Не играет ли Хуанг, увлеченный наращиванием мощи своего детища, с судьбой нашего вида? Мне нужно было это узнать. Мне нужно было задать ему этот вопрос в последний раз.

Мой последний разговор с Дженсеном состоялся в пятницу после завершения GTC 2024. Мы встретились в его «кабинете» – конференц-зале в центре южного кампуса Nvidia. Я сидел напротив него за длинным деревянным столом, а все стены вокруг были покрыты аккуратными диаграммами и расписаниями, нанесенными его рукой. В дальнем конце помещения висел календарь с графиком выпуска новых графических процессоров и программных продуктов. За спиной Дженсена разместилась огромная 10-метровая доска. На ней цветными маркерами и заглавными буквами была изображена сложная схема вычислительного комплекса Nvidia – от графических процессоров до недавно представленной микросервисной архитектуры. Но даже на этой доске поместилось не все: записи продолжались на дальней стене и заканчивались на матовой стеклянной перегородке за моей спиной.

После четырехдневного марафона презентаций, интервью и технических демонстраций Дженсен выглядел уставшим. Его вступительная речь стала самой грандиозной в карьере, и было заметно, сколько сил у него она отняла. Я видел, как он нервничал даже во время обычной сессии вопросов и ответов перед несколькими сотнями архитекторов, так что можно было представить, какой стресс он испытал перед самым важным выступлением в своей жизни на хоккейной арене, заполненной восторженными поклонниками.

В последнее время я также стал замечать усиление критики в его адрес. На пресс-конференции на GTC один из журналистов сравнил его с Робертом Оппенгеймером. («Оппенгеймер создавал бомбу, – ответил Дженсен. – Мы занимаемся другими вещами».) Билл Уитакер, ведущий передачи «60 минут», заявил, что с Дженсеном сложно работать. («Так и должно быть. Если хочешь достигать великих целей, это не происходит просто», – парировал Дженсен.) Рыночное влияние Nvidia привлекло внимание регуляторов: в США председатель Федеральной торговой комиссии Лина Хан пристально следила за компанией, а французские власти провели рейды в офисах Nvidia из-за подозрений в нарушении антимонопольного законодательства.

Наша беседа, впрочем, началась на дружеской ноте. Я поздравил Дженсена с успешным выступлением на открытии конференции, затем расспросил о жизни на Тайване, о семье и о том, как он справляется с известностью. Его ответы были краткими и точными. Но потом я поинтересовался, какие новые профессии может создать ИИ.

– Подумайте сами: если стоимость выполнения математических операций станет нулевой, что вы будете делать? – спросил он.

– Не знаю, – честно признался я.

– Вы задаете мне этот вопрос. Но вы так же умны, как и я, так что попробуйте разобраться сами, – сказал он.

Я растерянно замолчал. Мне было не под силу ответить на свой вопрос; несмотря на комплимент Дженсена, я явно недотягивал до его уровня. Не зная, что сказать, я решил показать Дженсену тот самый видеоролик с Артуром Кларком, который так воодушевил Катандзаро. Пока Кларк на экране монотонно рассуждал о будущем механической эволюции, я увидел, как кровь отлила от лица Дженсена.

– Мне кажется, вы берете интервью не у того человека, – тихо произнес он. – Такое ощущение, будто вы сейчас говорите с Илоном, а я – не он.

Я замешкался, не зная, как отреагировать, но было уже поздно. Я задел его за живое.

– Уничтожит ли это рабочие места? – спросил Хуанг, и его голос все больше наполнялся гневом. – Уничтожат ли калькуляторы математику? Этот вопрос так стар, и я так устал от него. Я больше не желаю об этом говорить! Одно и то же снова и снова. Мы изобрели сельское хозяйство и свели издержки при производстве пищи к нулю. И это пошло на пользу обществу! Мы наладили повсеместное электроснабжение, и издержки, которые ранее мы несли при рубке дров, разведении огня и его транспортировке, тоже стали практически нулевыми, и мы смогли заняться другими делами. А потом мы сделали то же самое с вычислениями! (Теперь он уже кричал.) Мы обнуляем издержки поколение за поколением и каждый раз происходит один и тот же разговор!

Я попытался сменить тему, но безуспешно. В его гневе сквозило презрение. Он начал читать мне нотацию, как будто говорил с трудным подростком. Он сказал, что возлагал на меня большие надежды, а я его разочаровал. Я впустую отнял время у него и у всех остальных моих собеседников, и теперь он вообще сомневается, стоит ли мне писать эту книгу. На интервью присутствовали два пиар-менеджера Дженсена, но ни один из них не пытался вмешаться: они явно не хотели попасть под горячую руку.

Кирк утверждал, что гнев Хуанга был частью его стратегии, но мне в тот момент так не казалось. Его ярость выглядела неконтролируемой, безграничной и совершенно беспричинной. Я не был подчиненным Дженсена, и он ничего не добился бы, накричав на меня. У меня сложилось впечатление, что он просто устал от постоянных вопросов о негативных сторонах инструментов, которые он разрабатывал. Он считал эти вопросы глупыми.

– Это не дурацкая научно-фантастическая байка, – сказал он и повернулся к своим застывшим в конце стола пиарщикам. – Вы понимаете, парни? Я рос не на фантастических рассказах, и это не фильм из жанра научной фантастики. Здесь серьезные люди делают серьезную работу! Это не шутки! Это не воплощение мыслей Артура Кларка. Я не читал его идиотских книг. Мне наплевать на эти книги! Это не… Мы не пытаемся творить тут то, что описано в этих книгах! Моя компания – не воплощение «Звездного пути»! Мы не занимаемся такими вещами! Мы серьезные люди, делающие серьезное дело. Да, это просто серьезная компания, и я – серьезный человек, и я просто делаю свою серьезную работу.

В течение следующих двадцати минут, сыпля обвинениями, выражая досаду и выказывая мне пренебрежение, Дженсен успел подвергнуть сомнению мой профессионализм, мой подход к интервью и мою преданность проекту. Он заявил, что я устраиваю ему сеанс психоанализа и что он абсолютно не испытывает желания отвечать на вопросы о его биографии, особенно те, которые касаются его душевного состояния.

– Мне не нравятся эти намеки, – сказал он. – Я не хочу говорить о себе, ясно?! Мы здесь не на сеансе психотерапии.

Он дал понять, что считает мои вопросы дурацкими. Он отрицал собственную исключительность, вопреки очевидному.

– Я совершенно обычный человек, – уверял он.

– Я никогда не встречал никого, подобного вам, – сказал я.

– Я совершенно обычный, – повторил Хуанг.

Постепенно его гнев начал стихать. Хуанг сменил тему: заговорил о новых продуктах, поинтересовался самочувствием своих пиар-менеджеров, вспомнил о покойном Джоне Николлсе и его вкладе в проект CUDA. В какой-то момент он даже упомянул Римскую империю. Ему надоело меня мучить, и он просто отшучивался, пока наша беседа не подошла к концу. Я уходил из конференц-зала в некотором замешательстве. Мне не раз приходилось вести напряженные разговоры с топ-менеджерами, но никто из них не взрывался так, как Дженсен. Я был ошеломлен, у меня даже началось легкое головокружение. Стать объектом знаменитого гнева Хуанга в каком-то смысле было честью, своеобразным испытанием, которое проходили все, кто получал доступ в его ближний круг. В коридоре я повернулся к одному из пиарщиков.

– Неплохо прошло, – заметил я.

Он засмеялся.

– А, это. Да это ерунда.

После интервью меня отвезли взглянуть на Eos – суперкомпьютер с 10 000 микросхем, размещавшийся в ближайшем дата-центре. Eos обладал поразительной скоростью: обучение модели GPT–3 от OpenAI он завершил менее чем за четыре минуты.

Меня встретил Марк Гамильтон, опытный инженер, специализирующийся на суперкомпьютерах. Мы прошли через шлюз в стерильное помещение, где под светом флуоресцентных ламп располагались десятки стоек с непрерывно пульсирующим оборудованием Nvidia.

Появление человека в этом царстве компьютеров казалось вторжением в святилище. Тысячи вентиляторов издавали монотонный гул, похожий на далекие аплодисменты, но я едва его слышал: я все прокручивал в голове разговор с Хуангом. Может быть, его реакция действительно была просчитанной? Я уже начинал в это верить. Кажется, Хуанг вспылил не просто так. Он методично распалял себя, повторяя, как глупо было с моей стороны показывать ему видео с Артуром Кларком.

Однако, с моей точки зрения, в этом не было ничего глупого. Разве не логично спросить человека, сколотившего состояние на создании механических «мозгов», о том, не обгонят ли они в своем развитии биологические? Причем я не настаивал на ответе и, когда понял, что вопрос его задел, несколько раз пытался сменить тему разговора, но он не дал мне этого сделать.

Теперь я был почти уверен, что Дженсен намеренно вышел из себя, решив преподать мне урок. Устроив поначалу представление, он распалился по-настоящему – но, похоже, так и было задумано. Он хотел, чтобы я действительно его понял. Дженсен не просто не читал научную фантастику: он ее ненавидел. Он был серьезным человеком.

Именно поэтому Дженсен преуспел там, где другие потерпели неудачу, – в разработке технологии параллельных вычислений, ИИ, Omniverse. Он не выносил фантазий о будущем. В его взгляде на технологии не было ни страха, ни оптимизма – только холодный деловой расчет, который он один умел довести до уровня предвидения. Все, что выходило за рамки этого расчета, его не интересовало. Вопрос о возможном вымирании человечества не относился к корпоративной стратегии, и решать его казалось Хуангу столь же нелепым, как рисовать драконов на белых пятнах на карте.

Я вспомнил, насколько дисциплинированными были все топ-менеджеры Nvidia, с которыми я общался. Дженсен держал их в постоянном напряжении, как натянутые струны. Уверенные, умные и безупречно подготовленные, они не допускали даже малейшей ошибки. Вспомнил я и о том, что все они избегали говорить о возможных последствиях применения их технологий. Задавая подобные вопросы, я ощущал их дискомфорт и даже страх. Теперь я понимал, в чем причина: гнева Дженсена они боялись больше, чем уничтожения человечества.

Мне пришлось отвлечься от своих размышлений, когда я приблизился к одному из вычислительных отсеков и его двери вдруг автоматически раздвинулись. Я испугался и отшатнулся. Заглянув внутрь, я ощутил потоки воздуха, идущие со всех сторон. Вентиляторы на стойках неумолчно гудели, мои брюки колыхались от ветра, вырывающегося из решетки в полу. Шум был настолько громким, что, казалось, заглушал мысли.

Я находился внутри компьютерного мозга, выполняющего 10 квинтиллионов операций в секунду. Он мог бы убить нас или спасти, но в любом случае это был бы результат использования микросхем Дженсена. Я попытался представить все составляющие этого устройства – от транзисторов толщиной в ангстрем до сложной архитектуры схем, числовой магии Бака и компиляторов Аартса, от платформы CUDA Николлса до гигантских многослойных массивов симулированных нейронов, которые прямо сейчас наращивались с невероятной скоростью. Стоя там, я начал осознавать весь масштаб достижений Nvidia – от атомарных структур до возможного появления машинного сознания, – но лишь Дженсен, американский Дедал, мог видеть эту мощь во всей полноте.

Пытаясь перекричать шум вентиляторов, я спросил Гамильтона, над чем работает Eos. Он ответил, что идет обучение внутренней модели Nvidia, аналогичной GPT–4. Другими словами, я оказался внутри языковой модели – той, которая догоняла меня как писателя и, вероятно, скоро могла бы заменить. Гамильтон сообщил, что для завершения обучения компьютеру предстоит выполнить 30 миллиардов квадриллионов операций. Я огляделся, ощущая собственную ничтожность в этом технологическом мире. Отсек-капсула был великолепен. Мне нечего было этому противопоставить. Эта мыслящая машина с каждым оборотом вентилятора, с каждым импульсом в ее цепях становилась немного умнее.