Por Austin Carr e Ian King

A primeira vez que Jensen Huang experimentou o ChatGPT, ele pediu ao aplicativo para escrever um poema sobre sua empresa. Huang, que apostou há mais de uma década que os chips de computador da Nvidia poderiam servir como cérebros para a inteligência artificial, ficou satisfeito com o resultado:

"A Nvidia está à altura do desafio. / Com suas poderosas GPUs e IA, / Eles ultrapassam os limites da tecnologia de ponta.” O poema-robô era uma evidência, pelo menos pelos seus padrões literários, de que a aposta estava finalmente valendo a pena."

Durante grande parte dos últimos 30 anos, os chips Nvidia foram o principal motor para as explosões ultrarrealistas e exuberantes folhagens em videogames como Call of Duty e Counter-Strike, mas Huang tinha fortes suspeitas que eles também eram adequados para filtrar os enormes conjuntos de dados que a inteligência artificial exige.

Para ajudar a testar essa teoria, ele instruiu sua equipe a construir um servidor projetado para IA e entregou o primeiro em 2016 para Elon Musk e Sam Altman, fundadores da OpenAI.

Anunciado como um supercomputador de IA, o equipamento de U$ 129.000 era do tamanho de uma maleta e continha oito processadores gráficos interconectados que podiam digerir em duas horas o que um processador de computador tradicional levaria mais de seis dias.

Huang o levou pessoalmente ao escritório da startup como um presente e, ao apontar para os componentes, Musk sorriu para a caixa prateada como um pai orgulhoso.

Desde então, Musk e Altman passaram por uma amarga separação, mas estão alinhados de uma maneira: cada um buscou acesso aos chips Nvidia para diferentes projetos. A OpenAI lançou o ChatGPT no final do ano passado, com um cérebro composto por mais de 20.000 processadores gráficos Nvidia.

Em fevereiro, de acordo com a empresa de pesquisa Similarweb, o chatbot atingiu 100 milhões de usuários, o que seria um triunfo para a OpenAI não fosse tão caro de operar.

A Microsoft prometeu mais de US$ 10 bilhões em financiamento, o que ajudará a cobrir os crescentes custos de computação, e Altman, o CEO da startup, precisará de mais toneladas de chips da Nvidia para atender à demanda. Huang não usa muito o ChatGPT, diz ele, mas se inscreveu na versão de US$ 20 por mês que a empresa de Altman oferece. “Ele precisa do dinheiro”, brinca Huang.

E o mesmo acontecerá com praticamente qualquer empresa que queira uma parte do boom da IA. Os chips Nvidia são um componente crucial da infraestrutura de nuvem usada pela Alphabet, Amazon e Microsoft. As operadoras de data centers gastaram coletivamente US$ 15 bilhões no ano passado em pedidos em massa junto à Nvidia.

“Você verá toneladas e toneladas de coisas semelhantes ao ChatGPT”, disse Huang em uma entrevista em 17 de maio na sede da Nvidia em Santa Clara, Califórnia. “Isso é basicamente um renascimento, uma reinvenção da computação como a conhecemos.”

Uma semana depois, Huang mostrou aos investidores o que esse renascimento significa para os negócios da Nvidia. A receita trimestral de data centers – que a Nvidia agora chama de “fábricas de IA” — saltou 14%, para um recorde de US$ 4.28 bilhões.

Sua previsão de vendas de verão foi 53% maior do que o esperado pelos analistas, elevando sua avaliação para mais de US$ 1 trilhão.

Foi apenas a nona empresa a atingir essa marca. Da noite para o dia, a Nvidia cresceu quase todo o valor de mercado de uma rival de longa data, a Advanced Micro Devices (AMD) e agora vale sete vezes outra, a Intel. Pelo menos três analistas de Wall Street usaram a mesma expressão nos títulos de seus relatórios: "Uau!"

A forma como Huang orquestrou essa transformação de fabricante de chips de videogame a pioneiro da IA ​​é frequentemente atribuída à sua mágica habilidade de prever o futuro.

Seus representantes irão descrevê-lo apenas com inocentes platitudes corporativas. Ian Buck, vice-presidente de computação de alto desempenho, diz que a Nvidia é uma startup que atua como uma equipe sem política corporativa, recitando versões de frases que 11 de seus colegas usavam em entrevistas à Bloomberg Businessweek.

Parecia que eles haviam sido alimentados à força com os mesmos dados de treinamento genéricos do ChatGPT.

A realidade é que Huang errou quase tanto quanto acertou. A Nvidia errou em sua abordagem para smartphones, lançou várias placas gráficas de computador que bombardearam, evangelizaram modismos de curta duração (“a mineração criptográfica veio para ficar”) e foi manipulada por reguladores e rivais em sua tentativa de US$ 40 bilhões para adquirir a designer de chips, Arm.

Huang exibe um senso de sobrevivência profundamente programado. Pode envolver matar friamente um projeto no milissegundo em que ele percebe que a Nvidia não pode vencer ou humilhar a equipe sênior para fazer uma observação.

Ele fala com orgulho sobre quase ter fechado os negócios sete vezes e está disposto a correr esses riscos repetidamente porque eles podem eventualmente ajudá-lo a assumir o futuro da computação.

A Nvidia está de repente no centro da tecnologia mais importante do mundo. Ela detém 80% do mercado de um tipo específico de chip chamado acelerador de data center, e o tempo de espera atual para um de seus processadores de IA é de oito meses.

Muitas grandes empresas de tecnologia estão na lista de pendências da Nvidia. Mas alguns dos maiores clientes de Huang vêm projetando seus próprios chips personalizados há anos, com o objetivo de reduzir sua dependência de fornecedores como a Nvidia.

Por enquanto, eles estão viciados. “A Nvidia tem que tropeçar por algum motivo para dar uma chance a algum concorrente”, diz Chris Mack, analista da Harding Loevner, uma empresa de investimentos que possui cerca de US$ 160 milhões em ações da Nvidia. “Não há alternativa viável.”

O que torna a IA possível — a “poesia” do ChatGPT, o software para carros que meio que se dirigem sozinhos, a foto gerada por computador do papa em uma jaqueta acolchoada — é o Ampere 100. Nomeado em homenagem ao físico francês do século 19, André- Marie Ampère, o chip tem o tamanho de uma caixa de fósforos.

Sua superfície parece lisa até ser vista ao microscópio, revelando cerca de 54 bilhões de minúsculos componentes dispostos no que parece ser um mapa do sistema de metrô de Tóquio.

Os arquitetos de chips da Nvidia passaram quatro anos refinando um projeto digital do A100 antes de enviar o projeto para a Taiwan Semiconductor Manufacturing (TSMC), ou Samsung Electronics,  para produção.

Quando um protótipo está pronto, ele é levado para os Estados Unidos e então, como um indivíduo VIP, é levado do aeroporto para o campus da Nvidia. Lá, é conduzido a um laboratório sem janelas forrado com telas e tubos de refrigeração pendurados no teto. (Sem as devidas precauções, os chips podem ficar tão quentes que podem explodir em chamas.)

Engenheiros, cujo trabalho é dar vida a esses minúsculos insetos, geralmente parecem estar apavorados a ponto de sentir náuseas enquanto conectam o protótipo a um equipamento de teste.

Eles rezam para que ligue e vá tão rápido quanto deveria. Qualquer falha pode exigir uma correção de silício, ou “re-spin”, que pode levar meses e custar centenas de milhões de dólares em vendas perdidas.

Jonah Alben, vice-presidente sênior de engenharia de processadores gráficos da Nvidia, diz que não há momento de triunfo, apenas um “sentimento decrescente de preocupação”.

Quando Huang fundou a Nvidia, as preocupações estavam apenas aumentando. Ele estava aos 30 anos, com mestrado em engenharia elétrica pela Universidade de Stanford e tinha trabalhado em vários fabricantes de chips, incluindo a AMD.

Decidiu, então, abrir uma empresa com dois colegas engenheiros em 1993, depois de reconhecer a necessidade de processadores especializados para melhorar os videogames que ele amava.

“Sua empolgação com o Simulador de Voo era palpável”, lembra o membro do conselho Tench Coxe. Mas seus chips iniciais, incluindo um destinado ao console de jogos Sega Dreamcast, falharam porque apostaram em uma nova arquitetura que não era popular entre os desenvolvedores de jogos.

A Nvidia estava ficando sem dinheiro (uma de suas quase falências), então Huang desistiu do acordo com a Sega e mudou de rumo abruptamente.

Em vez disso,  se concentrou em um novo chip projetado para computadores rodando com Microsoft Windows e assinou contrato com a Dell e a Gateway como clientes. A Nvidia obteve um lucro de US$ 4,1 milhões no ano fiscal de 1998, uma era de ouro para jogos de computador que incluiu os lançamentos de Half-Life e StarCraft.

A empresa abriu capital no ano seguinte. “Me disseram que sou o CEO mais difícil de ser aniquilado”, disse Huang na época. Em 2006, a Nvidia vendeu 500 milhões de processadores gráficos e teve sua tecnologia integrada ao Sony PlayStation 3 e ao primeiro console Xbox da Microsoft.

Durante a maior parte desse tempo, Huang se vestia como um funcionário da Best Buy — um "cabeça de hélice", como o então chefe de engenharia de hardware da Appled, Jon Rubinstein, o descreve.

Então, um dia, ele começou a usar camisas pretas, calças e uma jaqueta de couro e aparentemente nunca mudou. Ele alterna entre revelações cerebrais e humor tranquilo em entrevistas e eventos públicos, mas no escritório pode ser um chefe furioso e propenso a xingamentos, dizem três pessoas que o conhecem e pediram para não serem identificadas por medo de serem perseguidas novamente.

Um deles lembra como Huang, se não ouvir a resposta certa, exigirá — frequentemente entre impropérios — que um executivo  encontre um subordinado que pode fornecê-la. Então ele espera, em raiva silenciosa, verificando sua caixa de entrada até que essa pessoa chegue ou ligue.

Bob Sherbin, porta-voz da Nvidia, diz que a retenção entre os líderes da empresa é alta e eles são “extremamente leais” a Huang. “Eles apreciam seu humor e sua paixão pela empresa”, diz ele. “E eles sabem que ele é mais duro ainda consigo mesmo.”

Quase todos os funcionários são obrigados a enviar por e-mail seus “Cinco objetivos principais”, com essa exata linha de assunto, muitos deles vão direto até Huang. 

Esse relato precisa conter um resumo conciso de seus objetivos urgentes, para que ele possa acompanhar.

O melhor para a Nvidia durante a maior parte de sua existência foi não ser destruída pela Intel. Os jogos ajudaram a Nvidia a criar um nicho para suas unidades de processamento gráfico, conhecidas como GPUs. Mas as unidades centrais de processamento da Intel, ou CPUs, serviam para quase todo o resto.

Durante décadas, a Intel foi a maior fabricante de chips do mundo. Suas CPUs estão na maioria dos computadores desde a década de 1980 e engoliram uma absurda participação de 99% do mercado de processadores de data center. Os chips da Intel também conseguiam fazer jogos, mas não tão bem quanto os da Nvidia.

Eis aqui a diferença: digamos que um indivíduo vá ao supermercado. Seu carrinho de compras é a CPU. Ele anda pelos corredores, carrega o que precisa e vai até o caixa. É uma maneira perfeitamente normal de comprar mantimentos.

Uma GPU, no entanto, é como contratar dezenas de pessoas com cestos de mão. Um pega seu cereal, o outro as frutas, outro o papel higiênico. Mas um comprador não consegue carregar tantos itens quanto o carrinho, então o indivíduo provavelmente pode adivinhar qual das abordagens venceria a Gincana do Supermercado.

Por quase toda a história dos computadores, isso nunca teve importância, a menos que se gostasse de videogames ou edição de filmes. A GPU da Nvidia consegue executar as tarefas específicas e repetitivas necessárias para carregar milhões de pixels de uma só vez para um jogo de Grand Theft Auto.

A CPU da Intel, por sua vez, pode abrir uma planilha do Excel, executar um navegador da web, reproduzir um vídeo do YouTube e assim por diante.

A maneira GPU de fazer as coisas é conhecida como computação paralela, e Huang pensou que poderia causar um profundo impacto nos mais desafiadores problemas técnicos.

Em teoria, conectar mais GPUs, poderia expandir drasticamente a quantidade de dados que um sistema conseguiria processar em um determinado período de tempo.

Poderia, ele argumentou, abordar o que ele disse ser o fim da lei de Moore. Concebida pelo cofundador da Intel, Gordon Moore, na década de 1960, essa lei afirma que o número de transistores em um chip dobraria aproximadamente a cada dois anos.

Essa previsão  incrivelmente precisa gerou enormes aumentos no desempenho do processador por meio século, até que as coisas pararam cerca de uma década atrás. A adição de mais CPUs Intel aos data centers apenas metaforicamente sobrecarregava os corredores do supermercado com carrinhos de compras.

Clientes começaram a procurar outras opções na década de 2010, criando uma abertura para Huang, cujas GPUs operando em paralelo poderiam ser o substituto perfeito para toda aquela trituração de dados. Mas um grande obstáculo para a Nvidia era que quase todo o código executado em servidores na época havia sido escrito para CPUs — da Intel.

Felizmente para a Nvidia, Huang tinha uma solução que estava se concretizando. Em 2006, ele reuniu sua empresa para construir uma nova linguagem de programação chamada Cuda, um acrônimo para "arquitetura de dispositivo unificado de computação", que poderia expandir os tipos de software que os processadores da Nvidia podiam executar.

Essa ideia era meio maluca. A equipe Cuda teve que recriar processos computacionais básicos que existem há muito tempo para CPUs (bibliotecas matemáticas, ferramentas de depuração etc.), o que permitiria aos desenvolvedores criar software para os recursos de processamento paralelo de uma GPU.

Huang logo determinou que todos os novos designs de chips da Nvidia fossem compatíveis com o Cuda, com um custo enorme. Ele divulgou em relatórios de lucros o número de universidades que ensinavam Cuda, para confusão dos analistas financeiros e até mesmo de alguns funcionários que não conseguiam entender o que tudo isso tinha a ver com jogos.

“Aquela era a vaca leiteira”, diz um ex-vice-presidente da Nvidia, que, como vários outros citados nesta história, pediu para permanecer anônimo para evitar alienar Huang. “E o mundo não iria ficar sem adolescentes jogando videogames.”

Um experimento inicial com o Cuda ocorreu no fundo do oceano. A WesternGeco, uma subsidiária da empresa de petróleo Schlumberger NV, trabalhou com funcionários da Nvidia para otimizar um algoritmo para escanear eletronicamente o fundo do mar em busca de sinais de depósitos de petróleo, lembra um ex engenheiro de alto nível da Nvidia.

“Eles tinham tantos dados que usavam helicópteros para transferi-los dos navios para onde os computavam”, diz essa pessoa.

“Todos esses dados precisavam ser processados ​​e transformados em “Perfurar aqui”, “Olhar aqui”.

Literalmente, decisões de US$ 100 milhões. Usando GPUs, os testes iniciais do software resultante foram capazes de extrair os dados mais de seis vezes mais rápido do que os computadores que a WesternGeco havia usado antes.

Resolver um problema tão complicado provou que a tecnologia da Nvidia poderia fazer mais que jogos, mas não foi, até um avanço ainda maior chegar a uma competição acadêmica em 2012 que todo o seu potencial se tornou aparente.

Um projeto chamado AlexNet estabeleceu recordes por sua capacidade de reconhecer com precisão o conteúdo das imagens. Sua taxa de erro de 15,3% foi mais de 10 pontos percentuais melhor do que o adversário mais próximo.

A rede neural foi treinada com Cuda e duas GPUs Nvidia. A AlexNet demonstrou que a IA alimentada por GPUs poderia executar algumas tarefas em um nível que se aproximava do humano.

Quando Huang subiu ao palco na conferência de desenvolvedores da Nvidia em 2014, um evento anunciado como o “Woodstock para matemáticos computacionais”, ele passou grande parte de sua palestra expondo o futuro da IA.

“As pessoas iam lá esperando ver explosões e simulações de física da maneira que normalmente se vê nas palestras de Jensen”, diz Bryan Catanzaro, vice-presidente da Nvidia para pesquisa aplicada de aprendizagem profunda. “Isso surpreendeu totalmente a mente de todos.” Particularmente, Huang dizia que sua empresa algum dia ultrapassaria a Intel.

Cuda e GPUs voltadas para IA foram apenas algumas das muitas apostas que Huang fez nessa época, e muitas delas eram ruins. Ele batalhou com a Intel novamente para entrar no mercado de dispositivos móveis, uma batalha que ambos perderam para a Qualcomm. A Nvidia também tentou fabricar tablets, decodificadores de televisão e um alto-falante inteligente. Nenhum deles decolou.

Pessoas próximas a Huang dizem que ele tem uma notável capacidade de apagar decisões ruins da memória coletiva de sua empresa. Essa manobra dos  Homens de Preto ajuda suas equipes a passar rapidamente para o próximo projeto.

Em reuniões de “alinhamento” com a presença de até 400 funcionários, Huang pede aos gerentes gerais que apresentem uma estratégia de negócios enquanto assiste da primeira fila e faz uma avaliação ao estilo de Simon Cowell.

Suas críticas podem ser cruéis, de acordo com três pessoas que participaram dessas reuniões.

A ladainha pública, dizem essas pessoas, não se destina à pessoa no palco, mas às centenas atrás de Huang. Eles precisam internalizar suas instruções e ajustar suas ações de acordo com um estilo de gerenciamento semelhante à computação paralela.

“Ninguém realmente sabe como a caixa-preta funciona, mas ela funciona com muitos dados e, de vez em quando, consegue-se extrair emoções dela”, diz um ex executivo de longa data da Nvidia que trabalhou de perto com Huang. “Ele é quase a IA perfeita.”

Por que a pandemia foi fundamental para a Nvidia

Durante a pandemia de Covid-19, quando as ações de tecnologia estavam em alta, a Nvidia ultrapassou dois marcos que redefiniriam a empresa. Em julho de 2020, foi eleita a fabricante de chips mais valiosa da América.

No mês seguinte, a Nvidia disse que sua receita trimestral de data centers ultrapassou os jogos pela primeira vez. “Eu acreditei nele 10 anos atrás, quando ele disse que a Nvidia seria maior que a Intel”, diz Morris Chang, fundador da TSMC, fabricante terceirizada de semicondutores.

Não era tanto o proselitismo de Huang sobre IA que estava repercutindo na Wall Street naquela ocasião. As pessoas estavam jogando mais videogames e apostando grandes somas em Bitcoin e outras moedas digitais, impulsionando a demanda por GPUs Nvidia, que se destacavam na mineração criptográfica.

Huang tentou, sem sucesso, aproveitar esse momento e comprar a designer de chips, Arm, responsável pelo padrão de design mais utilizado na indústria de semicondutores.

A oferta de US$ 40 bilhões finalmente garantiria um lugar para a Nvidia no mercado de celulares e expandiria seu alcance para muitos outros tipos de produtos. Mas as empresas que confiavam nos designs de chips da Arm já estavam preocupadas com o crescente poder da Nvidia, e os reguladores dos EUA entraram com um processo para bloquear a fusão.  Huang aceitou em fevereiro de 2022.

Enquanto isso, a IA permaneceu o foco principal dos executivos da Nvidia. A diretora financeira, Colette Kress, diz que os acionistas tiveram dificuldades para entender o discurso.  “O indivíduo pega o telefone e pergunta onde fica o Starbucks mais próximo’ — isso é IA”, ela se lembra de ter dito. “Nos bastidores, existe essa GPU que trabalha com dados para resolver esse problema para você”.  Nem sei dizer quantas vezes já disse isso.” As conversas estão mais fáceis hoje: “Super Simples: ChatGPT”, diz ela.  

Pergunte aos clientes da Nvidia como é trabalhar com a empresa e eles dirão que é semelhante a lidar com a Intel no auge: sem descontos, sem negociação, sem furar fila. O que explica porque alguns dos maiores compradores da Nvidia estão tentando criar seus próprios chips.

Nenhum, porém, foi capaz de igualar o pacote de design de chip e programação sofisticada da Nvidia, que requer extensos e contínuos investimentos e expertise. “Você gostaria que muitos dos outros fornecedores tivessem a mesma velocidade e execução e estivessem criando mercados e cargas de trabalho como a Nvidia”, diz Nafea Bshara, vice-presidente da Amazon Web Services. “Estaríamos todos em melhores condições”.

Musk tentou afastar a Tesla da tecnologia Nvidia em 2018. Ele revelou um chip projetado pela Tesla que acabou substituindo a plataforma autônoma da Nvidia dentro dos carros da empresa. “É estratégico para eles, construir seu próprio chip e meio que possuir isso de ponta a ponta”, diz Sarah Tariq, vice-presidente da Nvidia para software de direção autônoma.

Ela diz que a Tesla continua sendo um grande cliente das GPUs Nvidia para treinamento em data centers. E Musk recentemente encomendou milhares de GPUs Nvidia para outro projeto de IA, de acordo com reportagens. Ele terá sorte se os receber  antes do Dia do Trabalho (não porque Huang guarde rancor, mas porque ninguém recebe tratamento especial). Musk não respondeu aos pedidos de comentário.

Alphabet, Amazon e Microsoft também investiram bilhões de dólares em design de chips. O Google fez significativos avanços com suas unidades de  processamento de tensor.

O Midjourney, o popular aplicativo gerador de imagens de IA, disse em março que estava adotando os processadores do Google para treinamento de modelos junto com as GPUs da Nvidia.

Uma análise da New Street Research descobriu que o chip do Google oferece até seis vezes o desempenho por dólar do que o A100 da Nvidia. Mas isso vem com compensações — os do Google são menos flexíveis na forma como processam os dados — e essa vantagem não necessariamente irá durar mais de um ou dois anos.

O sucessor do A100 — o Hopper 100, em homenagem à pioneira programadora Grace Hopper — está agora em produção e já tem o mesmo  desempenho do chip do Google.

Mesmo as pessoas mais poderosas do setor estão agindo “muito, muito educadamente” com Huang, de acordo com Pierre Ferragu, analista da New Street. “Todo mundo tem medo de irritar a Nvidia.” (Um porta-voz do Google diz que a empresa valoriza sua parceria com a Nvidia e que seus chips são complementares às GPUs.)

Huang hesita quando questionado sobre as ameaças ao seu negócio. Ele se irrita com as reclamações sobre o preço das GPUs Nvidia e afirma que um cliente gasta menos para alimentar suas máquinas no longo prazo porque elas são muito eficientes.

"Somos a empresa que economiza seu dinheiro", diz ele. Ele se recusa a falar sobre Musk e diz que não sabia que a lealdade da Midjourney estava balançando. Ele diz que não se importa se seus clientes se tornarem concorrentes e que continuará tratando o Google como um de seus melhores clientes, porque realmente é um de seus melhores clientes.

(A Alphabet  é o terceiro maior cliente da Nvidia, de acordo com dados compilados pela Bloomberg.) "Nós praticamente fugimos da concorrência", diz Huang. "Eu sou muito covarde. Odeio ter que brigar pelas coisas."

Huang diz que gostaria que os EUA e a China também parassem de brigar. Em agosto passado, a Nvidia tornou-se alvo dos limites do governo sobre a disseminação da IA. A administração Biden agora exige licenças para exportar os chips mais avançados da Nvidia, incluindo o A100 e o H100, para a China.

Assim, a Nvidia criou rapidamente uma versão deteriorada do A100 que não aciona as restrições porque acessa os dados mais lentamente.

Os EUA não querem que a China alcance a paridade na fabricação de chips; Huang argumenta que as restrições do presidente Joe Biden farão o oposto.

Eles incentivam a China a promover uma indústria doméstica e já possui mais de 50 empresas de GPU, diz ele. Huang coloca as apostas ainda mais altas e sugere que as restrições podem desencadear um incidente internacional – especificamente, uma invasão de uma ilha próxima onde muitos dos semicondutores do mundo, incluindo os da Nvidia, são fabricados.

“A China não vai sentar e se deixar ser regulada”, diz Huang. “Você tem que se perguntar, em que ponto eles simplesmente dizem, ‘F....-se  Vamos para Taiwan. Não temos nada a perder. Em algum momento eles não terão mesmo nada a perder.

Huang vê a chegada do ChatGPT como o “momento iPhone” para IA. Isso já levou ao ressurgimento do mecanismo de busca Bing da Microsoft, hipnotizando novos recursos de conversão de texto em imagem no Photoshop da Adobe e avanços impressionantes na pesquisa médica. As GPUs da Nvidia são, obviamente, a base para tudo isso.   

Portanto, Huang tem viajado pelo planeta, pregando o papel de sua empresa na revolução da IA ​​em uma interminável série de conferências.

Ele ajusta pessoalmente os slides de sua apresentação, certificando-se de que os ângulos das fotos de suas GPUs pareçam o mais impressionantes possível e organizando e redimensionando meticulosamente os logotipos dos clientes da Nvidia.

Ultimamente, porém, seus slides têm apresentado tantos clientes de IA – Baidu, ExxonMobil, JPMorgan Chase, McDonald’s, Pfizer – que os logotipos agora são minúsculos, pixels quase indiscerníveis na tela.

Em uma recente tarde ensolarada na sede da Nvidia na Califórnia, Huang entra cambaleando em uma sala de conferências nomeada Michael Crichton, autor de Westworld.

Naquela manhã, Huang tinha voado até outra conferência de tecnologia – agora em Las Vegas – onde fez uma palestra, deu as boas-vindas aos clientes, fez um sucesso na televisão e voltou ao Vale do Silício para esta entrevista.

Huang se afunda em um sofá cinza. Ele tem todo o direito de estar cansado, mas parece estar fingindo exaustão como se fosse uma piada.

Mesmo aos 60 anos, Huang não deu sinais de querer sair de cena. "Nossa empresa foi construída para que eu saiba como administrá-la", diz ele. “Então, enquanto eu estiver administrando, isso é tudo o que importa.”

(Certa vez, ele importunou uma sala cheia de colegas em uma cerimônia, dizendo: "Vocês sabem que todos vocês estão cumprindo pena. Eu estou cumprindo pena. Quando seus filhos estiverem administrando suas empresas, ainda estarei aqui".)

Há alguns meses, Huang completou 30 anos como chefe da Nvidia, tornando-se o CEO mais antigo da indústria de semicondutores. Mas ele diz que aqueles em sua órbita sabem que ele odeia comemorações. Eles nem mencionam o aniversário dele. "O único e-mail que recebi foi um e-mail automático do sistema de TI de RH que dizia: 'Caro Jensen, você tem um funcionário que completou 30 anos. ' E o nome desse funcionário era eu", diz Huang com auto satisfação. “Ninguém mais disse parabéns, feliz 30 anos, nada.”

Afinal, o que Huang pensa sobre a inteligência artificial?

O Vale do Silício tem uma história de orgulho de CEOs que aterrorizam os funcionários. Mas Huang agora lidera uma das empresas mais importantes que moldam a trajetória da IA, e uma parcela considerável da população tem medo do que a IA pode fazer. Eles querem saber no que os líderes da IA ​​acreditam.

• Eles são éticos?
• Seus funcionários terão coragem de levantar objeções?
• Eles são confiáveis?

Quando Huang deixou aquele supercomputador GPU para a OpenAI em 2016, ele assinou a caixa com um marcador: “Para Elon e a equipe da OpenAI! Para o futuro da computação e da humanidade.”

Desde então, Musk se tornou talvez o crítico mais feroz da IA, chamando-a de ameaça à sociedade, e disse que sua separação da OpenAI foi por motivos éticos.

Seu cofundador, Altman, alertou que a IA representa um “risco de extinção” semelhante à guerra nuclear. Geoffrey Hinton, um pesquisador pioneiro de IA que contribuiu para o avanço da AlexNet, disse que a IA representa uma ameaça mais urgente para a humanidade do que a mudança climática.

No entanto, quando repetidamente pressionado sobre essas preocupações, Huang responde: “Não me importo com Sam. Não me importo com o que Elon disse. Eu não me importo com o que Hinton disse. Basta me pedir." Huang diz que a Nvidia possui proteções de software para manter a IA confinada às tarefas atribuídas. Ele tende a ver as coisas em termos tecno-utópicos.

Huang reconhece que a IA tem o potencial de causar danos reais, mas diz que não é diferente do perigo de “guerra química, fake news e assim por diante”.

Ele quer regulamentação governamental direcionada — para robôs cirúrgicos, para voos assistidos por IA — mas diz que a ideia de uma pausa obrigatória no desenvolvimento da IA ​​é “tola” e a maneira de tornar a IA segura é avançar na IA.

Huang diz que seus dois filhos adultos nunca expressaram a ele nenhuma ansiedade sobre a IA, apenas admiração por seu potencial. “Temos medo das mídias sociais, mas não da IA”, diz Huang. (Ele esclarece depois que seus dois filhos trabalham na Nvidia.)

Algumas semanas depois, Huang voou para Taiwan, sua terra natal, para fazer mais um discurso sobre o futuro da IA. No palco diante de uma multidão ele revelou o mais recente supercomputador IA da Nvidia, um sistema de 20 metros de largura e 1,20 de profundidade que ele descreveu como “uma GPU gigante”, pesando 18 toneladas.

A máquina pode esquentar tanto, disse ele, que é equipada com 2.000 ventiladores capazes, em minutos, de deslocar todo o ar no amplo auditório em que ele estava. Huang se colocou sob uma imagem em tamanho real da máquina exibida atrás dele para mostrar sua escala assustadora; ele o comparou a quatro elefantes. Ah, bem nada assustador sobre isso. —Com Debby Wu.

 Tradução de Anna Maria Dalle Luche.