← wszystkie artykuły

30 dni od bankructwa. Tak Nvidia podbiła świat AI

Zobacz odcinek

Rozdziały

1. 1 Bar Denny's i rynek warty zero dolarów 0:00
2. 2 Chłopak, który sprzątał toalety 2:40
3. 3 NV1 — technologiczne osiągnięcie i fatalny produkt 8:45
4. 4 Pięć milionów od Segi 11:00
5. 5 Riva 128 musiała zadziałać za pierwszym razem 13:05
6. 6 CUDA i rynek warty 0 miliardów dolarów 16:33
7. 7 AlexNet, czyli dowód dla całej branży 21:16
8. 8 Kryptowaluty, pandemia i nieudane przejęcie ARM 23:21
9. 9 H100, ChatGPT i pięć bilionów dolarów 26:11
10. 10 Skórzana kurtka i kultura wiecznego kryzysu 28:19
11. 11 Monopol? Rewolucja czy bańka? 29:41
12. 12 Czego naprawdę uczy historia Nvidii 34:12

Bar Denny’s i rynek warty zero dolarów

Kalifornia, początek 1993 roku. W przydrożnym barze Denny’s we wschodnim San Jose siedzi trzech inżynierów. Zamówili jedną kawę z darmowymi dolewkami i od czterech godzin rozmawiają o firmie, której jeszcze nie ma.

Nie mają nazwy. Nie mają produktu. Nie wiedzą nawet, czy rynek, z którego chcą żyć, w ogóle powstanie. Mają za to pomysł: chcą, żeby zwykłe komputery osobiste wyświetlały trójwymiarową grafikę do gier.

Dziś brzmi to oczywisto. W 1993 roku przypominało budowę fabryki desek surfingowych w miejscu, gdzie nikt nigdy nie widział morza.

Mark Stevens z funduszu Sequoia Capital wspominał później, że gdyby w 1993 roku zapytać firmę badawczą o wartość rynku grafiki 3D do pecetów, usłyszałoby się jedną liczbę: zero.

I właśnie na ten rynek weszli. Nvidia powstała formalnie 5 kwietnia 1993 roku — założyli ją Jensen Huang, Chris Malachowsky i Curtis Priem. Nazwa też nie spadła z nieba: kolejne projekty oznaczali roboczo literami NV, od next version. Szukając czegoś na szyld, trafili na łacińskie invidia — zazdrość.

Firma, której produkty miały budzić zazdrość konkurencji. Przez pierwsze cztery lata budziły głównie litość.

Chłopak, który sprzątał toalety

Jeden z tej trójki ma wtedy 30 lat. Kilkanaście lat wcześniej, w innym barze Denny’s, zmywał naczynia, sprzątał stoliki i roznosił kawę. Sprzątał także toalety.

Jensen Huang urodził się w 1963 roku na Tajwanie. Gdy miał 9 lat, razem ze starszym bratem został wysłany do Stanów Zjednoczonych — wujek miał znaleźć chłopcom porządną szkołę z internatem. Wyszło inaczej. Trafili do Oneida Baptist Institute w Kentucky, placówki z surowymi zasadami, przyjmującej również trudną młodzież.

Huang był najmłodszy, ledwo mówił po angielsku i mieszkał ze znacznie starszymi chłopakami. Jak bardzo starszymi, przekonał się pierwszej nocy: jego współlokatorem był 17-latek, który na powitanie podciągnął koszulę i pokazał blizny po ranach kłutych. Chłopak nie umiał czytać.

Dziesięcioletni Jensen dobił z nim targu — on nauczy go czytać, tamten w zamian nauczy go wyciskać sztangę. Obaj wywiązali się z umowy. Stąd podobno wzięła się trwająca do dziś miłość Huanga do siłowni i sto pompek przed snem.

Po przeprowadzce do Oregonu znalazł sobie inną obsesję: tenis stołowy. Trenował w klubie Paddle Palace w Portlandzie, a lekcje i wyjazdy na turnieje opłacał, szorując podłogi w tym samym klubie. Właściciel był pod takim wrażeniem czternastolatka, że napisał o nim do „Sports Illustrated” — magazyn opublikował list w styczniu 1978 roku. Rok później piętnastoletni Huang zajął trzecie miejsce w grze podwójnej juniorów podczas US Open.

Potem był Denny’s — zmywak, sprzątanie stolików, w końcu kelnerowanie. Huang mówi o tej robocie z większym sentymentem niż niejeden człowiek o swojej pierwszej posadzie w Dolinie Krzemowej. Nauczył się tam rozmawiać z ludźmi, działać pod presją i ogarniać kilka rzeczy naraz. Twierdzi nawet, że nikt nie nosi tylu filiżanek kawy jednocześnie co on.

Dalej poszło już standardowo: elektrotechnika na Oregon State University, magisterka na Stanfordzie, krótki epizod w AMD, potem kilka lat w LSI Logic. To tam poznał Malachowsky’ego i Priema, inżynierów z Sun Microsystems, którzy chcieli odejść i założyć coś własnego.

NV1 — technologiczne osiągnięcie i fatalny produkt

Pierwszy produkt miał pokazać, że założyciele wiedzą, co robią. Pokazał dokładnie coś odwrotnego.

W 1995 roku na rynek trafił NV1. Układ ambitny — szczerze mówiąc, aż za bardzo. Łączył grafikę 2D i 3D, przetwarzanie wideo, dźwięk, port do kontrolera i jeszcze kilka innych rzeczy. Huang nazwał go później „technologicznym osiągnięciem i fatalnym produktem”. Nazwał go też gównem. Mark Stevens porównał go do szwajcarskiego scyzoryka, którego nikt nie potrzebował.

Rynek chciał prostego, szybkiego i taniego układu do renderowania 3D. Nvidia dostarczyła elektroniczną ośmiornicę.

Problem siedział jednak głębiej. NV1 budował grafikę z czworokątów i zakrzywionych powierzchni, podczas gdy konkurencja stawiała na trójkąty. Trójkąt to najprostsza figura, która zawsze pozostaje płaska — dlatego tak łatwo składać z niej skomplikowane modele 3D. W tym samym czasie Microsoft rozwijał DirectX, zestaw interfejsów mający ujednolicić tworzenie gier pod Windowsa. Standard przyjął trójkąty.

Żeby było jasne — NV1 nie przegrał wyłącznie przez DirectX. Był drogi, przeładowany i trudny do porównania z prostszymi układami konkurencji. DirectX sprawił tylko, że błędny wybór architektury stał się jeszcze kosztowniejszy.

Diamond Multimedia zamówiło ćwierć miliona układów. Huang wspominał po latach, że z 250 tysięcy sztuk wróciło 249 tysięcy. Ta liczba pochodzi z jego opowieści, nie z raportu audytora — ale nawet po grubym zaokrągleniu sens się nie zmienia.

Firma musiała zwolnić większość załogi. W różnych opracowaniach pada spadek z około 100 do około 40 osób.

Pięć milionów od Segi

Nvidia miała jednak w zanadrzu drugi projekt. Kłopot w tym, że oparty na tej samej przegranej architekturze.

Sega była wtedy potęgą — jej automaty z Virtua Fighter czy Daytona USA pokazywały grafikę 3D, która kilka lat wcześniej uchodziłaby za science fiction. Firma szukała partnera do budowy układu dla swojej następnej konsoli i to Nvidia dostała kontrakt. Projekt nazwano NV2. Dla małej firmy — szansa życia.

Tyle że zespół coraz wyraźniej widział, że czworokąty przegrywają z trójkątami. Dokończenie układu dla Segi oznaczałoby kolejne lata pracy nad technologią, od której odchodziła cała branża. Zerwanie kontraktu oznaczałoby brak pieniędzy. Huang ujął to prosto: mogli ukończyć projekt i umrzeć powoli albo zrezygnować i umrzeć od razu.

Poleciał więc do Japonii, na spotkanie z prezesem Segi Shoichiro Irimajirim. Powiedział mu wprost, że Nvidia nie dowiezie tego układu, i zaproponował, żeby Sega poszukała innego partnera. A przy okazji poprosił o pieniądze przewidziane w kontrakcie za dostarczenie prototypu.

Rozsądny klient powinien w tym momencie parsknąć śmiechem. Irimajiri zastanawiał się kilka dni — pieniądze nie były jego, musiał przekonać centralę Segi, żeby resztę kontraktu przepisać na inwestycję w firmę, która właśnie przyznała się do porażki.

Coś jednak grało na korzyść Huanga. Irimajiri znał go wcześniej ze spotkań i zapamiętał jego niezachwianą pewność siebie. A szczerość, z jaką młody prezes wolał przyznać się do błędu, niż grać na zwłokę i dowozić wadliwy układ, zrobiła na nim wrażenie. Po latach mówił wprost: chciał, żeby Nvidia przetrwała. Zgodził się.

Chodziło o mniej więcej 5 milionów dolarów — sam Huang przy tej kwocie dodaje „chyba”, więc zostawmy to „około”. Te miliony nie kupowały spokoju. Kupowały kilka miesięcy. Akurat tyle, żeby spróbować jeszcze raz.

To z tego okresu pochodzi firmowe hasło o 30 dniach do bankructwa. Członek zarządu Mark Stevens mówił wprost: w połowie lat 90. opisywało ono rzeczywistość.

Riva 128 musiała zadziałać za pierwszym razem

Nvidia porzuciła czworokąty, przyjęła standard trójkątów i wzięła się za układ NV3, znany później jako Riva 128.

Pieniędzy było tak mało, że nie starczało na normalny cykl projektowania. Zwykle producent robi wersję układu, testuje, poprawia błędy i zamawia następną — każde takie podejście kosztuje miesiące i miliony dolarów. Nvidia mogła zamówić tylko jedną wersję. Jeśli układ nie zadziała, firmy po prostu nie będzie.

Huang kazał więc zespołowi odwrócić kolejność pracy. Oprogramowanie, sterowniki i testy miały być gotowe, zanim z fabryki przyjedzie fizyczny procesor. Firma kupiła od upadającego przedsiębiorstwa Ikos ogromny emulator — urządzenie wielkości lodówki, które pozwalało udawać, że komputer współpracuje z układem, którego jeszcze nie ma. Dzięki temu projektanci wyłapywali błędy, zanim fabryka wyprodukowała płytkę krzemową.

Riva 128 zadziałała za pierwszym podejściem. W pierwszych czterech miesiącach sprzedała się w milionie egzemplarzy.

Ale ważniejsza od pieniędzy okazała się zmiana sposobu pracy: firma nauczyła się projektować i wypuszczać nowe układy szybciej niż konkurencja. Po Rivie 128 przyszły Riva TNT i TNT2, a Nvidia ruszyła na 3dfx — firmę stojącą za legendarnymi kartami Voodoo.

Pod koniec lat 90. gracze kłócili się o karty graficzne z zaangażowaniem, które dziś rezerwuje się dla polityki, sporu iOS kontra Android i jedynego słusznego przepisu na carbonarę. 3dfx było symbolem grania na PC. Nvidia nadrabiała tempem.

W styczniu 1999 roku weszła na giełdę po 12 dolarów za akcję (przed późniejszymi splitami). Jesienią pokazała GeForce 256, reklamowany jako pierwszy na świecie GPU — graphics processing unit.

Tu należy się sprostowanie: procesory i akceleratory grafiki istniały wcześniej, Nvidia nie wymyśliła grafiki komputerowej od zera. Zdefiniowała GPU po swojemu — jako pojedynczy układ wykonujący m.in. transformacje geometrii, oświetlenie i renderowanie. Nazwa okazała się marketingowym strzałem w dziesiątkę i została z nami do dziś.

3dfx nie wytrzymało tej wojny ani produktowo, ani finansowo. W grudniu 2000 roku Nvidia podpisała umowę zakupu wybranych aktywów upadającego rywala za około 70 milionów dolarów w gotówce plus warunkową dopłatę w akcjach. Warto to doprecyzować, bo internet lubi skrót: Nvidia nie kupiła całej, zdrowej firmy 3dfx.

Rok później Microsoft — ta sama firma, której standard omal nie wypchnął Nvidii z rynku — wybrał jej układy do pierwszego Xboxa.

CUDA i rynek warty 0 miliardów dolarów

Po ośmiu latach chaosu Nvidia była już poważną firmą: giełda, klienci, marka GeForce i skalp dawnego króla rynku. Mogła spokojnie sprzedawać graczom coraz szybsze karty.

Zamiast tego zaczęła topić pieniądze w projekcie, którego gracze wcale nie potrzebowali.

Karty graficzne wykonują ogromną liczbę podobnych operacji jednocześnie. Główny procesor jest wszechstronny i świetnie radzi sobie z ciągiem różnorodnych poleceń. GPU ma za to mnóstwo prostszych jednostek pracujących równolegle. To trochę jak różnica między jednym świetnym kucharzem a setką ludzi krojących identyczne warzywa naraz.

Naukowcy szybko zauważyli, że taka równoległość przydaje się nie tylko w grach, ale też w symulacjach fizycznych, chemii, przetwarzaniu obrazów czy analizie danych. Problem stanowiło programowanie. Pierwsze eksperymenty wymagały oszukiwania karty: liczby zapisywano jako tekstury, czyli obrazki, a program naukowy jako shader — fragment kodu odpowiadający normalnie za kolorowanie pikseli. Karta renderowała wynik, a badacz odczytywał go z gotowej klatki, jakby zdejmował zrzut ekranu.

Fizyk czy chemik, zanim policzył cokolwiek swojego, musiał najpierw zostać programistą grafiki do gier.

Około 2000 roku zespół ze Stanforda pokazał, że karty graficzne świetnie radzą sobie z algebrą liniową, a doktorant Ian Buck zbudował język Brook, pozwalający pisać takie obliczenia bez całej tej maskarady. Nvidia przyglądała się temu uważnie i w 2004 roku po prostu zatrudniła Bucka. To on poprowadził prace nad CUDA, architekturą przedstawioną w 2006 roku.

Nazwa nie brzmi jak fundament nadchodzącej rewolucji. Brzmi jak pozycja w instalatorze sterowników, której nikt nigdy nie czyta.

Projekt kosztował krocie. CUDA wymagała zmian w sprzęcie, sterownikach, kompilatorach, bibliotekach i dokumentacji. Każda karta GeForce miała odtąd zawierać funkcje, za które żaden zwykły gracz nie zamierzał dopłacać. Nvidia ponosiła koszty, zanim w ogóle pojawił się rynek.

Huang nazywa takie obszary „rynkami wartymi 0 miliardów dolarów”. Po sukcesie brzmi to efektownie. W trakcie inwestowania oznacza po prostu, że wydajesz realne pieniądze na klientów, którzy jeszcze nie istnieją.

W 2023 roku Huang opowiedział absolwentom National Taiwan University, że kapitalizacja Nvidii latami kręciła się ledwo powyżej miliarda dolarów, wyniki były słabe, a akcjonariusze woleliby poprawę rentowności zamiast finansowania projektu bez widocznych klientów. Ile dokładnie poszło na CUDA? Nie wiadomo — firma nigdy nie raportowała tego jako osobnej pozycji, więc każda okrągła kwota w stylu „równe 10 miliardów” byłaby zmyśleniem.

Pierwszymi poważnymi użytkownikami okazali się naukowcy. Kupowali sklepowe GeForce’y i budowali z nich małe superkomputery — Huang wspominał badacza z Tajwanu, który poustawiał karty na półkach w szafie i chłodził je domowymi wentylatorami. Około 2008–2009 roku zespół Andrew Nga w Stanfordzie zaczął używać GPU do trenowania sieci neuronowych, raportując przyspieszenie dziesięcio-, a czasem nawet stukrotne.

Pamiętajmy: sztuczna inteligencja nie była wtedy gorącym towarem. Sieci neuronowe istniały od dziesięcioleci i przechodziły na przemian okresy mody i długich „zim”, w których finansowanie wysychało, a obietnice okazywały się większe niż wyniki.

AlexNet, czyli dowód dla całej branży

Rok 2012. Alex Krizhevsky, Ilya Sutskever i Geoffrey Hinton z Uniwersytetu w Toronto pracują nad siecią neuronową do rozpoznawania obrazów. Model, który przejdzie do historii jako AlexNet, ma około 60 milionów parametrów i 650 tysięcy neuronów.

Zespół trenuje go na dwóch konsumenckich kartach GTX 580 z trzema gigabajtami pamięci każda. Trening zajmuje pięć do sześciu dni. Te karty powstały dla ludzi, którzy chcieli grać w wysokiej rozdzielczości — a właśnie wykonują jeden z najważniejszych eksperymentów w historii współczesnej AI.

AlexNet startuje w konkursie ImageNet i osiąga błąd top-5 na poziomie 15,3%. Drugi najlepszy wynik to 26,2%. Różnica: 10,9 punktu procentowego. W konkursach, gdzie liczy się każdy ułamek, to nie była kosmetyka.

I tu wypada sprostować popularną wersję tej historii. Jensen Huang nie zobaczył wyniku AlexNetu i nie krzyknął „od dziś robimy AI”. Nvidia współpracowała z badaczami dużo wcześniej, CUDA istniała od kilku lat, a zespoły Nga, Hintona i Yanna LeCuna już eksperymentowały z GPU. AlexNet dostarczył za to dowodu widocznego dla całej branży: połączenie dużych sieci, danych i równoległych obliczeń działa o klasę lepiej niż dotychczasowe metody.

A Nvidia miała w ręku coś więcej niż szybki czip. Miała sprzęt, język programowania, sterowniki, biblioteki i rosnącą społeczność programistów. Konkurent mógł zbudować wydajny procesor, ale musiał jeszcze przekonać badaczy, żeby przepisali swoje narzędzia, nauczyli się nowego środowiska i zaryzykowali, że ich kod nie ruszy na kolejnej generacji sprzętu.

CUDA stała się fosą wokół biznesu Nvidii. Fosą kopaną przez lata, która z zewnątrz wyglądała jak kosztowny dodatek do kart dla graczy.

To moment, w którym cała ta opowieść się odwraca. Firma nie przewidziała ChatGPT w 1993 roku. Zbudowała architekturę do grafiki, pozwoliła naukowcom używać jej do czegoś innego, a potem konsekwentnie rozwijała narzędzia wokół zastosowania, którego początkowo nie planowała. Przypadek otworzył drzwi — wieloletnia praca sprawiła, że Nvidia przeszła przez nie pierwsza.

Kryptowaluty, pandemia i nieudane przejęcie ARM

Droga od AlexNetu do ChatGPT nie była prostą linią w górę.

Przez sporą część lat dwutysięcznych głównym biznesem Nvidii wciąż były gry. To gracze kupowali GeForce’y i tym samym finansowali skalę produkcji oraz kolejne generacje architektury. A potem do sklepów weszli górnicy kryptowalut.

W czasie hossy popyt eksplodował, ceny kart oderwały się od cennika, a gracze konkurowali z kopalniami wykupującymi sprzęt całymi partiami. Dla Nvidii sprzedaż wyglądała świetnie — dopóki fala nie opadła. W 2018 roku spadek opłacalności kopania zostawił dystrybutorów z magazynami pełnymi kart poprzedniej generacji. Firma przyznała w dokumentach, że gwałtowny spadek popytu wywołał nadmiar zapasów w kanale sprzedaży, i księgowała odpisy na starsze układy. Na przełomie 2018 i 2019 roku kosztowało to około 120 milionów dolarów marży brutto, a między szczytem z października i dołkiem z grudnia kurs został mniej więcej przepołowiony.

Lekcja: ten sam sprzęt może obsługiwać kilka rynków naraz, ale firma nie zawsze wie, kto go tak naprawdę kupuje.

W pandemii sytuacja odwróciła się ponownie. Ludzie zamknęli się w domach i rzucili na komputery, fabryki i transport działały z zakłóceniami, kryptowaluty znów drożały, a GeForce’y znikały z półek. Nvidia próbowała rozdzielić klientów — wprowadziła osobne układy CMP do kopania i ograniczyła wydajność kart w Ethereum. Problemu to nie rozwiązało. W polskich sklepach karty ze średniej półki potrafiły wtedy kosztować dwa razy więcej niż sugerowana cena, a premiery były często premierami slajdu, nie produktu.

Technologiczna rewolucja ma zwykle swój rachunek. Czasem płaci go klient, który chciał tylko kartę do komputera.

Ten fragment studzi laurkę. Nvidia zarabiała na rosnącym popycie, ale jej klienci niekoniecznie odbierali sukcesy firmy jako własne — gdy nowych kart nie dało się kupić, gracze słuchali jednocześnie komunikatów o rekordowych wynikach producenta.

We wrześniu 2020 roku Nvidia ogłosiła plan zakupu brytyjskiej firmy ARM od SoftBanku za początkowo 40 miliardów dolarów. ARM w większości nie produkuje układów pod własną marką — licencjonuje architekturę i projekty siedzące w ogromnej liczbie telefonów, urządzeń wbudowanych, samochodów i coraz częściej serwerów. I właśnie ta neutralność okazała się problemem: klientami ARM byli konkurenci Nvidii. Transakcją zajęli się regulatorzy w Stanach, Wielkiej Brytanii i Unii Europejskiej, a w lutym 2022 roku Nvidia i SoftBank odpuścili, wskazując na poważne przeszkody regulacyjne. SoftBank zatrzymał 1,25 miliarda dolarów płacone z góry.

Prestiżowy cios — owszem. Katastrofa — nie. Ale ta historia pokazała granice wpływów firmy: rynek zaakceptował dominację Nvidii w kartach i obliczeniach, natomiast przejęcie architektury używanej przez pół branży oznaczało już zmianę układu sił, na którą nikt nie zamierzał się godzić.

Warto też pamiętać o trzeciej porażce, którą Huang sam opowiada absolwentom: smartfonach. Około 2010 roku Nvidia weszła agresywnie w procesory Tegra do telefonów i tabletów. Rynek szybko się skomercjalizował, przewagę zdobyły firmy integrujące procesor, modem i grafikę w jednym układzie — jak Qualcomm — a producenci telefonów naciskali na cenę i zużycie energii. Nvidia się wycofała i nazwała to „strategicznym odwrotem”.

Nvidia nie wygrała dlatego, że każda prognoza Huanga się sprawdzała. Wygrała też dlatego, że potrafiła przyznać się do błędnej prognozy i wyjść, zanim utopi w niej wszystko.

H100, ChatGPT i pięć bilionów dolarów

W 2022 roku Nvidia zaprezentowała architekturę Hopper i układ H100 — około 80 miliardów tranzystorów i rozwiązania szyte pod duże modele, w tym specjalny Transformer Engine. We wrześniu ogłosiła pełną produkcję.

30 listopada 2022 roku OpenAI udostępniło ChatGPT jako wersję badawczą.

Kolejność ma znaczenie. Nvidia nie zbudowała H100 w reakcji na ChatGPT — czip był gotowy wcześniej, bo firma od lat inwestowała w sprzęt do uczenia maszynowego, centra danych i oprogramowanie. ChatGPT sprawił jedynie, że reszta świata zrozumiała skalę zapotrzebowania. Firmy technologiczne, startupy, państwa i laboratoria ruszyły po moc obliczeniową, a H100 stał się symbolem niedoboru.

Wyniki eksplodowały. W kwartale zakończonym w lipcu 2023 roku przychody sięgnęły 13,5 miliarda dolarów — ponad dwa razy więcej niż rok wcześniej — z czego segment centrów danych urósł do 10,3 miliarda. A potem liczby przestały być intuicyjne:

• maj 2023 — przekroczenie biliona dolarów kapitalizacji,
• czerwiec 2024 — na krótko najcenniejsza spółka świata, około 3,3 biliona,
• 9 lipca 2025 — pierwsza firma w historii z kapitalizacją 4 bilionów,
• 29 października 2025 — pierwsza, która przebiła 5 bilionów dolarów.

Dla skali: to około pięć razy więcej niż roczny PKB Polski. To porównanie nie znaczy, że kapitalizacja firmy jest tym samym co PKB kraju — bo nie jest. Pokazuje tylko rząd wielkości, który przestaje się mieścić w codziennym doświadczeniu.

W roku finansowym zakończonym 25 stycznia 2026 Nvidia zanotowała 215,9 miliarda dolarów przychodu i 120,1 miliarda zysku netto. Ponad pół miliarda dolarów przychodu dziennie. Firma zatrudniała około 42 tysięcy osób, z czego 31 tysięcy w badaniach i rozwoju, a jej roczny budżet na R&D wynosił 18,5 miliarda dolarów.

W 1995 roku walczyła o kilka miesięcy życia.

Skórzana kurtka i kultura wiecznego kryzysu

Razem z Nvidią urósł kult wokół jej szefa. Huang zaczął pojawiać się na konferencjach w czarnej skórzanej kurtce, która z czasem stała się czymś pomiędzy uniformem, logo a kostiumem scenicznym. Ma też tatuaż z logo firmy — zrobił go, gdy kurs akcji doszedł do 100 dolarów, jeszcze przed splitami. W wywiadzie przyznawał, że bolało znacznie bardziej, niż się spodziewał.

Anegdoty są zabawne, ale potrafią przysłonić model zarządzania. Huang słynie z bardzo szerokiej struktury raportowania, ostrego tempa pracy w rytmie 996 (od 9 do 21, sześć dni w tygodniu) i osobistego wchodzenia w szczegóły projektów. Sam mówi, że pracuje od przebudzenia do zaśnięcia.

W 2024 roku Bloomberg i Fortune opisały relacje dziesięciu obecnych i byłych pracowników. Część mówiła o pracy siedem dni w tygodniu, kończeniu o pierwszej czy drugiej w nocy i dużej presji na spotkaniach. To relacje anonimowe, więc nie należy ich przedstawiać jako pomiaru całej firmy. Oficjalne dane pokazują z kolei bardzo niską rotację — w roku finansowym 2026 zaledwie 3,7%.

Wysokie pensje i akcje wyhodowały w firmie sporo zamożnych ludzi. Dla części z nich pakiety udziałowe działają jak złote kajdanki: trudno odejść, gdy każda kolejna transza akcji może być warta więcej niż kilka lat pensji.

Hasło „jesteśmy 30 dni od bankructwa” pomaga utrzymać czujność. Powtarzane przez 30 lat sprawia, że firma warta 5 bilionów zachowuje się jak startup, któremu w piątek kończy się gotówka.

Monopol? Rewolucja czy bańka?

Słowo „monopol” kusi, ale wymaga ostrożności.

Nvidia ma potężną pozycję w układach do trenowania i uruchamiania modeli AI, a jej przewaga to nie tylko czipy — to także sieci, procesory, całe serwery, biblioteki i oprogramowanie. Klient nie kupuje pojedynczego układu, kupuje platformę. CUDA ten układ cementuje: miliony linii kodu, lata doświadczenia zespołów i optymalizowane biblioteki wiążą klientów z ekosystemem. Zmiana dostawcy to często nie wymiana sprzętu, tylko przebudowa całego oprogramowania.

Z drugiej strony sama Nvidia wymienia w raporcie rocznym długą listę konkurentów: AMD, Intel, Huawei, Broadcom, Qualcomm oraz największe firmy chmurowe produkujące własne układy. Google ma TPU, Amazon rozwija Trainium i Inferentia, Microsoft i Meta również inwestują we własne rozwiązania. Najwięksi klienci Nvidii to jednocześnie firmy, które najmocniej chcą ograniczyć zależność od niej — i to całkiem zdrowy odruch.

Jest też ryzyko koncentracji. W roku finansowym 2026 jeden bezpośredni klient odpowiadał za 22% przychodów, a drugi za 14%. Nazw firma nie ujawniła. Dwie relacje handlowe dawały więc ponad jedną trzecią sprzedaży.

I tak dochodzimy do pytania, które pada dziś najczęściej: rewolucja czy bańka?

Od szczytu z maja 2026 akcje spadły w pewnym momencie o około 16% — z kapitalizacji wyparowało prawie bilion dolarów. Potem wystarczyło kilka dobrych sesji, żeby firma odzyskała sporą część tej wartości. W lipcu 2026, w trakcie przygotowań do tego odcinka, kapitalizacja znowu przekraczała 5 bilionów.

Bilion znika, kawałek biliona wraca, a firma w tym czasie robi dokładnie to samo: projektuje układy, wysyła serwery, zatrudnia inżynierów. Zmienia się głównie cena, jaką rynek jest gotów zapłacić za jej przyszłe zyski.

Obawy nie są przy tym wyssane z palca. Największe firmy świata pakują setki miliardów dolarów w centra danych, a inwestorzy pytają, kiedy te wydatki przełożą się na równie wielkie przychody z usług AI. Sektor półprzewodników jest cykliczny — niedobór potrafi błyskawicznie zamienić się w nadmiar mocy, gdy wszyscy rozbudowują produkcję jednocześnie. W lipcu 2026 indeks amerykańskich spółek półprzewodnikowych był ponad 11% niżej od czerwcowego rekordu, choć od początku roku wciąż notował ogromny wzrost.

Czy to bańka? Uczciwie tego nie rozstrzygnę. Można za to wskazać dwa fakty:

Pierwszy — popyt na obliczenia AI jest realny, a Nvidia osiąga realne, rekordowe przychody i zyski. Drugi — nawet najlepsza firma może mieć akcje wycenione za wysoko, jeżeli inwestorzy założyli sobie perfekcyjny rozwój na wiele lat do przodu.

Został jeszcze jeden paradoks. Nvidia jest symbolem potęgi półprzewodników, ale nie ma własnych fabryk produkujących jej najbardziej zaawansowane układy. Działa w modelu fabless: projektuje czipy i całe systemy, a produkcję zleca partnerom — w raporcie rocznym wymienia m.in. TSMC i Samsunga. Montaż, testy i zaawansowane pakowanie też robią firmy zewnętrzne.

Ten model pozwolił skupić kapitał na projektowaniu i oprogramowaniu — budowa nowoczesnej fabryki to dziesiątki miliardów dolarów, ogromne ilości energii i wody oraz lata przygotowań. Ale oszczędność ma drugą stronę: Nvidia zależy od dostępności mocy produkcyjnych, pamięci HBM i zaawansowanego pakowania, i sama przyznaje, że brak bezpośredniej kontroli nad ilością, jakością i terminami dostaw jest ryzykiem.

Najcenniejsza firma świata produkuje mózgi dla sztucznej inteligencji. Ktoś inny musi je fizycznie wykonać — i tym kimś jest przede wszystkim tajwański TSMC, którego fabryki stoją na wyspie będącej jednym z najgorętszych punktów geopolitycznych świata.

Czego naprawdę uczy historia Nvidii

Wróćmy na koniec do baru Denny’s. Trzech inżynierów, jedna kawa z dolewką i rynek wyceniany na zero dolarów.

Z dzisiejszej perspektywy łatwo ułożyć tę historię w prostą linię: gry, GPU, CUDA, AI, pięć bilionów. W rzeczywistości ta linia była popękana:

• NV1 był przeładowanym projektem na architekturze, która przegrała ze standardem rynku.
• Sega zapłaciła za układ, którego nigdy nie dostała.
• Riva 128 musiała zadziałać za pierwszym razem, bo na drugi nie było pieniędzy.
• CUDA latami psuła wyniki i irytowała akcjonariuszy.
• Smartfony okazały się ślepą uliczką, a boom kryptowalut zostawił magazyny pełne kart.
• Przejęcie ARM rozbiło się o regulatorów.

A potem dwie karty GeForce kupione do laboratorium pokazały, że procesor do rysowania gier potrafi nauczyć maszynę rozpoznawania świata.

Przypadek nie wystarczyłby bez CUDA. CUDA nie wystarczyłaby bez graczy kupujących miliony kart. Karty nie powstałyby bez pięciu milionów od Segi. A pieniądze od Segi niczego by nie zmieniły, gdyby Riva nie zadziałała za pierwszym podejściem.

Właśnie dlatego ta opowieść jest ciekawsza od historii o genialnym wizjonerze.

Trzy rzeczy, które warto z tego wyciągnąć

• Sprawdź, czy nie bronisz własnej racji zamiast projektu. Huang zerwał kontrakt życia, bo widział, że architektura przegrywa. Wycofanie się bywa trudniejsze i ważniejsze niż upieranie się przy swoim.
• Odróżnij firmę od jej akcji. Rekordowe przychody i wysoka wycena to dwie różne rzeczy — a w internetowych dyskusjach zlewają się w jedno.
• Patrz na narzędzia, nie tylko na produkt. Fosą Nvidii nie był czip, tylko oprogramowanie i społeczność budowane przez kilkanaście lat, gdy z zewnątrz wyglądały na czysty koszt.

Przyszłość zaczęła się wczoraj — tylko wtedy wyglądała jak opcja w sterowniku, której nikt nie potrzebował.

Rewolucja czy bańka? Napisz w komentarzu pod filmem — najciekawsze odpowiedzi pokażemy w kolejnym odcinku, który będzie właśnie o TSMC.

Skomentuj pod odcinkiem