Історія NVIDIA: як хибна технологія привела компанію до успіху

NVIDIA почала свій шлях із технології, яка виявилася непридатною, а правильний алгоритм її команда опановувала за трьома підручниками, купленими в магазині Fry’s. Проте саме здатність швидко визнати помилку, навчитися нового й перебудувати компанію стала основою одного з найвпливовіших технологічних бізнесів.

На Startup School 2026 у Chase Center засновник і генеральний директор NVIDIA Дженсен Хуанг розповів у розмові з керівником Y Combinator Гаррі Таном, як компанія уникнула закриття, інакше подивилася на AlexNet і перетворила системне мислення на ключову компетенцію епохи AI.

Історія NVIDIA: правильна ідея з неправильним алгоритмом

У 1993 році засновники NVIDIA виходили з припущення, що центральний процесор можна доповнити спеціалізованим прискорювачем і завдяки цьому розв’язувати завдання, надто складні для звичайного комп’ютера. Першим таким напрямом стала тривимірна графіка.

Команда хотіла перетворити кожен персональний комп’ютер на ігрову консоль. Для цього NVIDIA розробила власні алгоритми, які мали перенести можливості великих обчислювальних систем у ПК. Однак у 1995 році з’ясувалося, що обрана технологія була фундаментально неправильною.

Ситуацію ускладнювало те, що на ринку вже працювали приблизно 35–40 компаній, які створювали 3D-графіку для персональних комп’ютерів. NVIDIA не лише втрачала час — її інженери не знали, як перейти на правильну архітектуру.

Дженсен Хуанг витратив кількасот доларів на три підручники про OpenGL і проєктування графічних конвеєрів. Книжки передали інженерам, після чого команда фактично почала вчитися заново. Згодом NVIDIA стала світовим лідером сучасної комп’ютерної графіки й, за словами її співзасновника, створила більшість головних проривів у цій сфері за останні 25 років.

Практичний висновок для бізнесу полягає в тому, що технологічне рішення не можна захищати лише тому, що на ньому заснували компанію. Якщо факти спростовують початкову гіпотезу, її потрібно змінювати раніше, ніж це змусить зробити ринок.

Як чесність Дженсена Хуанга перед Sega врятувала NVIDIA

Слабкість технології остаточно проявилася під час співпраці із Sega. NVIDIA мала розробити графічну систему для консолі, яка пізніше стала Dreamcast. Контракт оцінювався приблизно у $12 млн.

Керівник NVIDIA особисто приїхав до Японії та повідомив тодішньому очільнику Sega, що компанія не виконає замовлення, оскільки її технологія не працює. Він також порадив передати проєкт іншому підряднику. Водночас NVIDIA були критично потрібні гроші, тому Хуанг попросив партнера здійснити виплату.

Sega надала компанії $5 млн. Ці кошти дали команді час знайти новий технологічний напрям і фактично врятували бізнес. Дженсен Хуанг пояснює це рішення довірою: інвестори та партнери вкладаються не лише у продукти, а й у людей, здатних чесно визнати проблему й відповідально діяти після невдачі.

У 1999 році NVIDIA вийшла на біржу з оцінкою $300 млн. У розмові також зазначено, що Sega продала пов’язану з NVIDIA частку після IPO приблизно за $15 млн.

Велика ідея NVIDIA була не в чипах, а в алгоритмах

Початковий графічний алгоритм провалився, однак головна бізнес-гіпотеза NVIDIA виявилася правильною: спеціалізовані прискорювачі можуть доповнювати CPU і розв’язувати завдання, для яких універсальних процесорів недостатньо.

До таких напрямів очільник компанії відносить молекулярну динаміку, оброблення зображень, обернену фізику та глибоке навчання. NVIDIA поступово зрозуміла, що її завдання — не просто створювати потужні чипи, а прискорювати цілі класи алгоритмів.

Саме тому компанія почала будувати повний технологічний стек: процесори, мережеву інфраструктуру, проміжне програмне забезпечення, алгоритми та прикладні рішення.

Підписуйтеся на наші соцмережі

За логікою засновника NVIDIA, стійку перевагу рідко забезпечує сам продукт. Вона виникає навколо унікального погляду на важливу проблему, який команда здатна послідовно реалізувати на кількох рівнях системи.

AlexNet і майбутнє штучного інтелекту очима NVIDIA

Коли з’явилася AlexNet, ринок побачив проривну нейромережу для класифікації зображень. Дженсен Хуанг сприйняв її як доказ значно ширшого принципу: глибоке навчання може бути універсальним наближенням функцій і новим способом створення програмного забезпечення.

Це означало, що програма більше не обов’язково має складатися лише з правил, написаних людиною. Система може навчатися потрібної поведінки на даних, особливо у завданнях, де точну формулу визначити неможливо.

NVIDIA майже одразу почала працювати над комп’ютерним зором, робототехнікою та безпілотними автомобілями. Компанія припустила, що машинне навчання перебудує весь обчислювальний стек — від процесорів і проміжного програмного забезпечення до алгоритмів та індустріальних застосунків.

Підхід Хуанга полягає в тому, щоб після кожного технологічного прориву запитувати не лише, що він дає сьогодні, а й які проблеми зможе розв’язати після масштабування.

Системне мислення в бізнесі стає новим програмуванням

Очільник NVIDIA очікує, що значну частину низькорівневих операцій у програмуванні та проєктуванні чипів виконуватимуть AI-агенти. Тому головною компетенцією стає не ручне створення кожної деталі, а розуміння системи.

Фахівцю потрібно бачити проблему, обмеження, джерела даних, входи й виходи, швидкість інформаційних потоків, а також визначати, де виникає вузьке місце — у процесорі, пам’яті, мережі чи програмному забезпеченні.

Особливо важливою для AI-агентів Дженсен Хуанг називає керованість. Людина повинна мати можливість змінити одне слово в плані, один компонент у CAD-файлі, піксель або з’єднання й отримати точну локальну зміну, а не повністю непередбачуваний результат.

Агенту не обов’язково бути безпомилковим. Він може виконати 80% або 99% роботи, якщо людина здатна завершити решту. Для бізнесу це означає, що практична цінність AI залежить не лише від автономності, а й від точності взаємодії з ним.

AI-агенти для компаній: навіщо створювати власний ШІ

Для NVIDIA агентні системи — це новий тип програмного забезпечення і водночас майбутнє навантаження для обчислювальної інфраструктури. Створення нового покоління систем займає близько трьох років, ще кілька років потрібні для масштабування, а клієнти можуть використовувати обладнання до десяти років. Тому компанія змушена проєктувати архітектуру з горизонтом у 5–10 років.

Усередині NVIDIA різні команди тестують різні AI-інструменти та запускають агентів в ізольованих середовищах. Компанія не нав’язує єдине рішення, а дозволяє працівникам обирати інструменти й аналізує результати.

Хуанг підтримує використання хмарних сервісів на кшталт ChatGPT і Claude, але вважає, що компаніям також потрібні власні доменні AI-системи. Вони можуть враховувати внутрішні знання, специфічні процеси, довгострокову пам’ять і корпоративні правила.

Штучний інтелект і робочі місця: що зміниться

Генеральний директор NVIDIA визнає, що частина когнітивних завдань буде автоматизована. Водночас він розділяє завдання і професію: робота має певну мету та складається з багатьох операцій, лише частину яких може виконати AI.

За наведеними Дженсеном Хуангом даними, кількість вакансій для розробників зросла на 10% рік до року, хоча програмування дедалі більше автоматизується. Кількість робочих місць у радіології за останні кілька років збільшилася приблизно на 20%, попри використання AI для аналізу медичних зображень.

Очільник NVIDIA пояснює це відкладеним попитом. Вища продуктивність дозволяє лікарням обслуговувати більше пацієнтів, компаніям — реалізовувати більше програмних ідей, а юридичним фірмам — опрацьовувати більше справ. Через це зміст роботи змінюється, але потреба у фахівцях може зростати.

Фізичний AI і робототехніка можуть принести NVIDIA $100 млрд

Поворот NVIDIA до робототехніки почався, коли генеративні моделі навчилися створювати відео з реалістичними рухами. Якщо нейромережа може згенерувати рух руки, яка бере склянку, наступним кроком стає перенесення цієї дії у фізичну машину.

Для цього робот має розуміти причинність, тертя, натяг і закони фізики. NVIDIA розвиває фундаментальні моделі світу, симулятори та технології перенесення навичок із віртуального середовища в реальне.

Першим економічно масштабним застосуванням фізичного AI керівник компанії вважає автономний транспорт. Ті самі технології навігації можна використовувати в сільському господарстві, доставленні пошти та складських роботах.

За оцінкою Дженсена Хуанга, бізнес NVIDIA у сфері робототехніки, автономного транспорту та фізичного AI вже наближається до $10 млрд. У перспективі більш ніж двох-трьох, але менш ніж десяти років цей напрям може стати наступним бізнесом компанії з оборотом $100 млрд.

Що вивчати в епоху AI: поради Дженсена Хуанга

Очільник NVIDIA очікує автоматизації простих операцій, зокрема значної частини ручного написання коду. Водночас фізика, хімія, біологія, комп’ютерні науки, інженерія та системне мислення ставатимуть важливішими.

Якщо на початку кар’єри Хуанга великий чип міг містити близько тисячі транзисторів, нині індустрія проєктує чипи з трильйоном транзисторів.

AI дозволяє не обмежувати задум обсягом ручного програмування, а зосередитися на виборі проблеми, розумінні взаємозв’язків і координації автономних агентів.

Головний принцип Дженсена Хуанга: навчитися можна дорогою

На початку NVIDIA її співзасновник боявся розмовляти з інвесторами, бо не знав відповідей на всі запитання. Згодом він зрозумів: повної готовності не існує, адже технології та ринки змінюються щодня.

Робоча установка Дженсена Хуанга звучить просто: якщо проблема важлива, її потрібно вивчити й почати розв’язувати. Питання «Наскільки це може бути важко?» не заперечує складності, а допомагає зробити перший крок, перш ніж страх перетвориться на бездіяльність.

Підприємцю не потрібно подолати весь шлях за один день. Достатньо пройти сьогоднішній етап, рухатися до завтра й зберігати здатність навчатися швидше, ніж змінюється середовище.

Історія NVIDIA показує: стійкість компанії визначається не безпомилковістю засновників, а готовністю визнавати реальність, відмовлятися від невдалих рішень і перебудовувати бізнес до того, як це змусить зробити ринок.