Nvidia - droga do sukcesu. Jak Jensen Huang stworzył technologicznego giganta ebook i audiobook

Dla Heleny i Noaha

Przedmowa do polskiego wydania

To nie jest historia zwykłej firmy. To opowieść o amerykańskim przedsiębiorstwie, które znalazło się w samym centrum jednej z największych rewolucji technologicznych naszych czasów i które do rozwoju nowych technologii dołożyło nie cegiełkę, a całą kondygnację. A mowa tu o przemianach, które mogą zdefiniować kolejne dekady. Sztuczna inteligencja może być z czasem kluczową technologią decydującą o konkurencyjności poszczególnych gospodarek, a jej potencjał jest też coraz lepiej rozumiany na najwyższych szczeblach władzy. W efekcie technologie Nvidii, które istotnie przyczyniają się do tego przełomu, znalazły się w centrum rywalizacji dwóch mocarstw: Stanów Zjednoczonych i Chin. Książka Tae Kima to jednak opowieść nie tylko o sukcesach Nvidii, ale i o jej porażkach, które kilka razy o mało nie zmieniły biegu wydarzeń świata technologii. W końcu jest to opowieść zarówno o przełomowych innowacjach, jak i o unikalnym modelu zarządzania, bez którego albo Nvidii już dawno by nie było, albo byłaby to po prostu właśnie historia zwykłej firmy.

Kiedy na początku 2015 roku Nvidia zaprezentowała kompleksową platformę Nvidia Drive, wielu analityków zajmujących się spółką od strony inwestycyjnej wskazywało, że to rynek motoryzacyjny będzie jej głównym źródłem wzrostu w wielu kolejnych latach. Przypominam, że jesienią również 2015 roku słynny projekt Google, przemianowany później na Waymo, przeprowadził w Austin w Teksasie swoją pierwszą jazdę autonomicznym pojazdem na drogach publicznych bez obecności kierowcy za kierownicą. Wysyp projektów pojazdów autonomicznych, jaki wówczas miał miejsce, rozpalał wyobraźnię. Nvidia była do tego czasu kojarzona głównie z kartami graficznymi dla graczy, lecz od kilku lat stawało się jasne, że potencjał jej technologii wybiega poza ten rynek. A jak daleko poza, o tym dopiero świat, ten naukowy, ale i inwestorów, miał się wkrótce zacząć przekonywać. I czas też pokazał, że wcale tym głównym motorem wzrostu nie były autonomiczne samochody ani przeznaczone do nich platformy obliczeniowe spółki. A przynajmniej nie było tak w kolejnej dekadzie.

Nowy rynek, jaki zaczął się niebawem otwierać przed Nvidią, okazał się o wiele potężniejszy niż wspomniana branża motoryzacyjna. Jensen Huang, szef i współzałożyciel spółki, wyczuł wcześniej wiatr zmian i w roku 2015 firma była już mentalnie i produktowo przestawiona, by w pełni czerpać z możliwości, jakie technologia sztucznej inteligencji – bo o tym rynku mowa – miała jej do zaoferowania. O ile często sporo rzeczy jest dziełem przypadku i w historii Nvidii też odgrywał on niemałą rolę, to jednak przede wszystkim konsekwencja, ciężka praca, pęd ku innowacjom oraz właściwe przywództwo – co zbiorczo możemy określić jako „styl Nvidii” – stały za odpowiednim przygotowaniem spółki do tego, co wkrótce miało nastąpić. Przełom lat 2015–2016 określam bowiem jako start pierwszej fali globalnych inwestycji w infrastrukturę dla AI (Artificial Intelligence, sztuczna inteligencja). Po upublicznieniu ChatGPT przez OpenAI w grudniu 2022 roku ruszyła z kolei druga fala inwestycji, wielokrotnie silniejsza od pierwszej, a temat sztucznej inteligencji – którym dotąd interesowali się głównie naukowcy, osoby zajmujące się nowymi technologiami oraz grupy inwestorów – przebił się jak nigdy wcześniej do szerokiej publiczności. Ruszył wyścig po superinteligencję.

Wejdź na szczyt i się na nim utrzymaj

Nvidia jest obecnie wiodącym dostawcą kluczowego elementu infrastruktury obliczeniowej dedykowanej sztucznej inteligencji – tzw. GPU (Graphics Processing Unit), czyli procesorów graficznych, określanych również jako akceleratory AI. Dzięki swojej architekturze, zoptymalizowanej pod kątem wykonywania wielu obliczeń równolegle na tysiącach małych rdzeni, GPU mogą szybko przetwarzać ogromne ilości danych. Sprawia to, że lepiej się nadają do trenowania modeli sztucznej inteligencji i wnioskowania (praktycznego wykorzystania AI) niż bardziej uniwersalne CPU (Central Processing Unit). Dodatkowo, dzięki programowalności GPU oraz stale rozbudowywanemu ekosystemowi bibliotek i oprogramowania przeznaczonego dla deweloperów oraz naukowców, stały się one z czasem pierwszym wyborem dla badaczy sztucznej inteligencji. Rynek GPU jest obecnie zdominowany przez Nvidię, która też ćwierć wieku temu wprowadziła ten standard. Choć obecne GPU oczywiście istotnie różnią się od pierwszych wersji procesorów graficznych.

Książka szczegółowo opisuje, jak postępował proces adopcji GPU w środowisku AI, ukazując, że wcale nie była to prosta droga. Bez odpowiedniej długoterminowej wizji i konsekwencji być może nic by z tego nie wyszło lub zrobiłby to później ktoś inny. Brak właściwego podejścia i strategii zapewne pogrzebał niejeden rewolucyjny produkt. Nvidia musiała wykonać wiele pracy, aby spopularyzować, a także dopracować tę technologię, przyjmując też w międzyczasie sporo krytyki od inwestorów za zbyt duże wydatki na „niepraktyczne” rozwiązania – cóż, przez wiele lat tak uważano.

Lecz ostatecznie to się opłaciło. W 2014 roku Nvidia osiągnęła 4,7 mld dolarów przychodów (odnoszę to do roku fiskalnego 2015, zakończonego dla spółki w styczniu 2015 roku). Trzy lata później, kiedy wzbierała pierwsza fala inwestycji w infrastrukturę AI, a potencjał tej technologii zaczął być rozumiany przez przywódców Chin oraz Stanów Zjednoczonych, skala rocznych przychodów spółki była już dwukrotnie większa. Na progu startu drugiej fali inwestycji, w zakończonym roku kalendarzowym 2022, przychody Nvidii wyniosły natomiast 27 mld dolarów, by dwa lata później przekroczyć 130 mld dolarów. Ten ponad 25-krotny wzrost przychodów na przestrzeni dekady miał oczywiście odzwierciedlenie na rynkach kapitałowych. Kapitalizacja rynkowa Nvidii na koniec 2014 roku wynosiła 11 mld dolarów, pod koniec 2017 roku spółka była warta 10 razy więcej, a w roku 2021 jej wycena przekraczała nawet 800 mld. Zanim jednak ruszyła druga fala inwestycji w infrastrukturę AI, na przestrzeni lat 2017–2022 kurs spółki dwukrotnie notował korektę spadkową przekraczającą 50 procent. Tak, bessy na rynkach i recesje w branży potrafią być brutalne. Natomiast na koniec marca 2025 roku kapitalizacja rynkowa Nvidii oscylowała wokół 2,7 bln dolarów… choć na początku roku było to nawet ponad 3,5 bln. Nvidia, która w pierwszej dekadzie swojego istnienia (firma została założona w 1993 roku) była kilka razy blisko podzielenia losu zdecydowanej większości start-upów, czyli upadku, nie tylko przetrwała i się rozwijała, ale stała się też jedną z największych spółek na świecie.

Czas pokaże jak to się dalej potoczy. Świat technologii jest niezwykle dynamiczny. Trendy i wiodące technologie mogą być z czasem zastępowane innymi, a zapotrzebowanie na dany produkt może ulegać sporym zmianom – nie tylko ze względu na innowacje w otoczeniu, ale również z powodu typowej w branży cykliczności. Nvidia od kilku lat jest też w samym centrum technologicznej rywalizacji Amerykanów z Chinami, co powoduje, że wpływ na jej działalność mają już nie tylko trendy rynkowe, ale i decyzje polityczne, a konkretnie różne restrykcje eksportowe dotyczące jej produktów.

Ta książka natomiast doskonale pokazuje, jak Nvidia – dobrze świadoma rozmaitych stojących przed nią wyzwań – stara się być zawsze o kilka kroków z przodu. Na przestrzeni trzech dekad historii firmy nie brakuje przykładów, kiedy opracowywane przez nią technologie zaczęły przynosić realne korzyści dopiero po pięciu – dziesięciu latach, od kiedy ruszyły prace nad nimi. Seria wzlotów i potknięć na początku działalności firmy nauczyła Jensena Huanga jednej kluczowej rzeczy: w tej branży nie wystarczy wspiąć się na szczyt – trzeba jeszcze potrafić się na nim utrzymać. O ile samo wejście na szczyt jest bardzo trudne, to jeśli już go osiągniesz, spaść z niego jest potem bardzo łatwo. Historia zna wiele spektakularnych upadków gigantów. Czasem wystarczy jeden nieudany cykl produktowy, innym razem przegapienie nowego trendu – i szybko przestajesz się liczyć. Konkurencja tylko czeka na twoje błędy. Dlatego na początku zaznaczyłem, że Tae Kim przedstawia nam nie tylko opowieść o technologii, ale także o strategii i zarządzaniu – kluczowych elementach sukcesu Nvidii. Jej model działania od lat pozostaje wyjątkowy na tle zdecydowanej większości zachodnich korporacji.

Czy wiemy, co przyniesie przyszłość?

Wkraczamy właśnie w niezwykle dynamiczny okres. Za sprawą sztucznej inteligencji zmiany będą przebiegać od teraz w tempie wcześniej niespotykanym. Technologia ta będzie przekształcać nie tylko gospodarki, ale i wpływać na społeczeństwa oraz geopolitykę. Co więcej, tak naprawdę nie wiemy, jakie rozwiązania technologiczne będą dominować za pięć czy dziesięć lat. Przy czym to też się odnosi do roli GPU w przyszłości jako kluczowego źródła mocy obliczeniowych. Nic nie jest dane na zawsze i jeśli nie jesteś innowacyjny, możesz to boleśnie odczuć. Pewne jest jedno – przyszłe technologie będą przesiąknięte sztuczną inteligencją. Ale jak zaawansowaną? Nawet eksperci mają problem z prognozowaniem. W 2017 roku, na początku pierwszej fali inwestycji w infrastrukturę AI, kiedy też zaczęły się pojawiać przełomowe prace w tej dziedzinie, McKinsey[1] przepytał grupę ekspertów o ich przewidywania na temat rozwoju technologii sztucznej inteligencji. Na pytanie, kiedy osiągnie ona poziom kreatywności na poziomie 25 procent najbardziej kreatywnych ludzi, średnia z zakresu odpowiedzi wypadała w okolicach roku 2055. Podobnie było z pytaniem o zrozumienie języka naturalnego przez maszyny. W zakresie tworzenia języka naturalnego (tekstu) ten środek szacunków ekspertów trafiał w rok 2050. Daty tak odległe, że wydawało się, iż nie było sensu zaprzątać sobie myśli tą technologią. A jakże bardzo było to mylne.

Badanie powtórzono sześć lat później, pół roku po tzw. „ChatGPT moment” (grudzień 2022 roku), czyli kiedy na salony weszła generatywna sztuczna inteligencja. Dla wyjaśnienia, mówimy tu o technologii, która potrafi tworzyć nowe treści, takie jak: tekst, obraz, kod, wideo, wykorzystując do tego modele AI oparte na sieciach neuronowych. Generatywna sztuczna inteligencja różni się od wcześniejszych systemów AI, od lat szeroko wykorzystywanych w wielu produktach, które głównie analizowały dane i podejmowały decyzje na ich podstawie. W przeciwieństwie do nich, generatywne modele potrafią nie tylko przetwarzać informacje, ale także kreatywnie je rekonstruować i generować nowe.

W badaniu McKinseya z 2023 roku na pytanie o kreatywność modeli AI średnia szacunków ekspertów przesunęła się do lat 2027–2028 względem poprzednio wskazywanego roku 2055, a szacunki dotyczące umiejętności tworzenia i rozumienia języka naturalnego na poziomie – powiedzmy – ludzkich ekspertów przesunęły się w okolice 2025 roku. Tu warto też dodać: około 40 procent aktywności gospodarczej wymaga umiejętności rozumienia języka naturalnego przynajmniej na poziomie podstawowym.

Coś, co miało nastąpić za trzydzieści lat, dzieje się już teraz, a te dwie edycje badania dzieli tylko sześć lat. Przy czym postęp w dziedzinie AI, jaki ma miejsce po tej drugiej edycji, a zwłaszcza od jesieni 2024 roku, jest spektakularny i dlatego tego typu próby przewidywania przyszłości są obarczone dużym ryzykiem błędu. Czy nas to przeraża, czy ekscytuje, faktem jest, że żyjemy w czasach ogromnego przyspieszenia. A ten nowy etap, napędzany przez sztuczną inteligencję, dopiero zaczyna pisać swoje pierwsze rozdziały.

Jensen Huang powiedział na początku 2024 roku: „Prawie wszystko w dużej mierze będzie miało swój początek w krzemie i w krzemie się zakończy”. Mówił to w odniesieniu do potencjalnej rewolucji, jaką sztuczna inteligencja, wyposażona w duże moce obliczeniowe, może wywołać w biologii i medycynie, choćby przez tworzenie z istotnym wsparciem komputerów nowych leków na choroby, których dotąd skutecznie leczyć nie potrafimy. Jednak to zdanie szefa Nvidii możemy potraktować znacznie szerzej. Ale żeby to odpowiednio wyjaśnić i przy okazji lepiej też oddać, skąd wynika ogrom potencjału AI i jak jest on połączony z takimi technologiami, jak te od Nvidii, najpierw – przynajmniej części Czytelników – należy się wprowadzenie do tematu półprzewodników oraz słowo wyjaśnienia, o co chodzi z tym krzemem.

Świat półprzewodników

Nvidia to przede wszystkim firma zajmująca się projektowaniem układów scalonych. Sama ich nie produkuje, ale zleca to wyspecjalizowanym w tym podmiotom, jak tajwańskie TSMC – największy producent układów scalonych na świecie. Dzisiejsze GPU to zaawansowane systemy, w których pojedyncze układy są rozbudowane o liczne komponenty, a te następnie łączy się w większe moduły. Tworzą one specjalistyczne serwery, które można dalej integrować w ogromne klastry, zawierające nieraz tysiące GPU, wypełniające centra danych i razem mające potężne moce obliczeniowe. W sercu każdego GPU leży z kolei zaprojektowany przez Nvidię względnie mały układ scalony – główna jednostka obliczeniowa karty graficznej.

Różnego rodzaju układy scalone są wszechobecne w urządzeniach, których używamy na co dzień, takich jak komputery czy smartfony, a także w maszynach przemysłowych, samochodach, sprzęcie medycznym, militarnym i w wielu innych miejscach. Są one po prostu niezbędne do funkcjonowania nowoczesnej gospodarki. Układy scalone to zminiaturyzowane układy elektroniczne, które składają się z mniejszej lub większej liczby tranzystorów (w tych zaawansowanych są ich miliardy) lub innych elementów, połączonych następnie w różnego rodzaju bloki wykonawcze. Większość z nas kojarzy te układy z procesorami, kartami pamięci czy mikrokontrolerami. Pierwszy układ scalony powstał w 1958 roku w USA, a jego twórcą był Jack Kilby. Wówczas też wykuło się bardziej popularne, choć mniej precyzyjne określenie takich układów: „chip” (czip). Chip oznacza tu „odłamek”, gdyż taki układ scalony jest wykonany (najczęściej) na krzemie i zostaje „odłamany” z okrągłego krzemowego wafla, na którego powierzchni może być kilkadziesiąt czy nawet kilka tysięcy takich małych układów. Obecnie standardem są podłoża krzemowe o średnicy 30 cm. Oczywiście nie chodzi tu o zwykłe „odłamanie” – takiego wycięcia dokonuje się w zaawansowanych fabrykach.

Ale wracając do krzemu, czyli głównego podłoża, na którym się tworzy współczesne układy scalone – jest to materiał, który ani dobrze nie izoluje, ani dobrze nie przewodzi prądu. Jest czymś pośrednim, czyli półprzewodnikiem. Jednak domieszkując do niego odpowiednie pierwiastki, możemy zmieniać jego przewodność.

Nvidia jest właśnie reprezentantem branży półprzewodników i mam nadzieję, że powyższy opis pomógł wyjaśnić, dlaczego tak ją nazywamy.

Wspomniany powyżej tranzystor, podstawowy element układów scalonych, pełni tu kluczową dla ich działania funkcję przełącznika. W dużym uproszczeniu: tranzystor działa jako przełącznik, reprezentując dwa stany logiczne: 1 (w stanie przewodzenia) lub 0 (w stanie nieprzewodzenia). Cały świat cyfrowy jest natomiast opisywany za pomocą zer i jedynek, czyli w systemie binarnym (dwójkowym). Tekst, obrazy, filmy oraz wszelkie dane przetwarzane przez komputery są zapisywane w postaci ciągów bitów (informacji w systemie dwójkowym), które mogą być następnie kodowane i interpretowane na różne sposoby w zależności od zastosowania. Dzięki temu możliwe jest przechowywanie, przetwarzanie i przesyłanie informacji w formie cyfrowej.

Do przetwarzania danych wykorzystujemy układy logiczne (procesory, karty graficzne, mikrokontrolery), a do ich przechowywania układy pamięci. Jak jednak przetworzyć dane z otaczającego nas świata, który przecież nie jest cyfrowy, tylko analogowy? Aby je przechwycić i zapisać w formie cyfrowej, potrzebujemy specjalistycznych czujników (np. mikrofonów, termometrów, kamer), które generują sygnały elektryczne odpowiadające konkretnym danym fizycznym, takim jak dźwięk, temperatura czy światło. Aby komputer mógł je przetwarzać, niezbędne są jeszcze przetworniki analogowo-cyfrowe, które konwertują te sygnały na postać binarną.

Weźmy dla przykładu mikrofon. Dźwięk (fale akustyczne) powoduje drgania membrany mikrofonu, które są przekształcane na sygnał elektryczny. Podobnie inne wielkości fizyczne, jak temperatura, natężenie światła, fale radiowe czy właściwości chemiczne, mogą być zamieniane na sygnały elektryczne, a następnie zdigitalizowane. Efekt jest taki, że dane ze świata analogowego trafiają do świata cyfrowego, a w nim mogą być już przetwarzane, zapisane czy analizowane, a na tej podstawie komputery, smartfony, samochody lub systemy automatyki przemysłowej mogą podejmować określone działania.

Tranzystory, przełączając się między stanami 1 i 0, stanowią podstawę działania układów logicznych, które wykonują obliczenia oraz przetwarzają dane. Im więcej tranzystorów, tym wydajniejszy, szybszy lub mniej energochłonny może być układ scalony, a tym samym urządzenie, w którym jest zainstalowany. Produkcja układów scalonych osiągnęła już tak wysoki poziom, że obecnie na jednym centymetrze kwadratowym może znajdować się nawet 20 miliardów tranzystorów. Miliardów! Flagowe układy scalone Nvidii mają powierzchnię 8 centymetrów kwadratowych i zawierają około 100 miliardów tranzystorów. Aby osiągnąć taką gęstość upakowania, w trakcie produkcji trzeba zejść z precyzją do niewyobrażalnie małych wielkości, wyrażanych w nanometrach (nm), gdzie 1 nm to jedna miliardowa metra, czyli jedna milionowa milimetra. Rozmiary struktur powstających na krzemie są znacznie mniejsze od koronawirusa SARS-CoV-2 (100–150 nm) i bliżej im do helisy DNA (pojedyncze nanometry). Ze względu na ekstremalną precyzję oraz konieczność zachowania absolutnej sterylności, śmiało można powiedzieć, że proces produkcji układów scalonych jest jednym z najbardziej skomplikowanych, jaki ludzkość kiedykolwiek opracowała.

Na drodze do pełnej autonomiczności

I teraz połączmy jedno z drugim: za pomocą technologii półprzewodnikowych możemy praktycznie wszystko przenieść do świata cyfrowego, przetwarzać i analizować, a coraz bardziej zaawansowane algorytmy AI pozwalają przekształcać te sygnały wejściowe w inteligentne i użyteczne wyniki. Czy będzie to nowy tekst, obraz, struktura białek dla przełomowego leku, reakcja autonomicznego pojazdu na sytuację na drodze, a może decyzja inteligentnej maszyny na polu bitwy – w kolejnych latach inteligencja otaczających nas urządzeń będzie się rozwijać w zawrotnym tempie, wykorzystując synergię tych dwóch technologii.

Modele AI generują już coraz lepsze dane syntetyczne, które są wykorzystywane do trenowania kolejnych, jeszcze inteligentniejszych wersji. Te nowe modele z kolei będą generować jeszcze lepsze dane dla następnych iteracji algorytmu. Proces uczenia maszyn przez maszyny staje się coraz sprawniejszy, a przecież jesteśmy dopiero na początku tej rewolucji. Dynamika postępu sprawia, że prawdopodobnie nie jesteśmy wcale daleko od momentu, kiedy modele AI będą w stanie wykonać większość zadań intelektualnych na poziomie ludzkim, czyli kiedy osiągnięta zostanie tak zwana ogólna sztuczna inteligencja (AGI) – różnie w środowisku definiowana. Z czasem osiągnie poziom ludzki również w wielu czynnościach fizycznych, co rozpocznie erę autonomicznych maszyn i robotów. To z kolei będzie też wymagało ogromnych mocy obliczeniowych. Zresztą autonomiczność, a szerzej – robotyka to jeden z kierunków, na które Nvidia mocniej stawia, z myślą o nich od wielu lat rozbudowuje swoje kompetencje. To jeden z przykładów, jak spółka z dużym wyprzedzeniem szuka swojej przyszłej roli, inwestując w innowacyjne rozwiązania. Choć mogą one nawet przez dekadę nie przynosić istotnych przychodów, to jeśli ten trend się sprawdzi, ostatecznie po wielokroć się opłacą.

Po osiągnięciu AGI kolejnym etapem będzie już rozwój superinteligencji (ASI), która przewyższy ludzkie możliwości we wszystkich aspektach. Jakkolwiek brzmi to dla wielu z nas przerażająco (w końcu wychowaliśmy się na rozmaitych filmach science fiction, gdzie AI najczęściej była przedstawiana jako zagrożenie), to rozwój sztucznej inteligencji niesie ze sobą wiele potencjalnych korzyści. Możemy do nich zaliczyć choćby: nowe podejście do odkrywania leków (zwłaszcza na te nieuleczalne obecnie choroby) czy materiałów (co może przynieść rewolucję w energetyce), duży skok produktywności czy znaczną poprawę predykcji rozmaitych zjawisk.

Połączenie możliwości oferowanych przez układy scalone z zaawansowanymi algorytmami sztucznej inteligencji powoduje, że potencjał do rozwoju nowych technologii i ich wpływu na świat jest ogromny. Nie może więc dziwić, że doprowadziło to do technologicznego konfliktu pomiędzy dwoma mocarstwami: Stanami Zjednoczonymi oraz Chinami. Produkcja półprzewodników oraz łańcuch dostaw tej branży są niezwykle złożone, a jednocześnie branża ta jest kluczowa dla funkcjonowania gospodarek. Kontrola nad zaawansowaną produkcją układów scalonych może przekładać się na przewagę nie tylko gospodarczą, ale i militarną. I dlatego branża półprzewodników pierwsza wpadła w wir technologicznej rywalizacji dwóch ideologicznie skonfliktowanych państw. Było to jeszcze w trakcie pierwszej kadencji Donalda Trumpa. Amerykanie pośrednio lub bezpośrednio mają kontrolę nad większym fragmentem łańcucha dostaw, zwłaszcza w zakresie wiodących technologii produkcji układów scalonych, czyli tych, na których powstają najbardziej zaawansowane GPU.

To, co zaczął Trump, kontynuował potem Biden. Moim zdaniem nieprzypadkowo duża salwa restrykcji eksportowych wobec Chin, które dotyczyły akceleratorów AI oraz maszyn do produkcji półprzewodników, została „wystrzelona” przez Amerykanów w październiku 2022 roku. Było to zaledwie na kilka tygodni przed tym, jak szeroki świat poznał aplikację ChatGPT i ruszyła druga, potężna fala inwestycji w infrastrukturę AI, w tym GPU Nvidii. Na horyzoncie rysowała się technologia zbyt potężna, by można było bagatelizować jej wpływ na układ sił na świecie. Władze Chin oraz Stanów Zjednoczonych są przekonane, że sztuczna inteligencja będzie fundamentem dla przyszłej pozycji ich krajów pod względem gospodarczym, geopolitycznym oraz militarnym. W takich warunkach posiadanie przewagi w zakresie mocy obliczeniowych ma istotne znacznie. Dlatego nie może też dziwić fakt, że Nvidia trafiła w sam środek tej geopolitycznej przepychanki.

„Prawie wszystko w dużej mierze będzie miało swój początek w krzemie i w krzemie się zakończy” – Jensen Huang może mieć tu sporo racji. Prawdopodobnie Jack Kilby nie wyobrażał sobie, jak olbrzymi wpływ na sposób funkcjonowania świata wywrze jego wynalazek. I do jak niebywałego postępu technologicznego przyczyni się on w kolejnych dekadach. Ale też i Jensen Huang, mimo swojej przenikliwości, nie mógł wiedzieć, do jakich przełomów doprowadzą współczesny świat produkty, nad którymi Nvidia rozpoczęła prace ćwierć wieku temu – zachowując oczywiście należyte proporcje pomiędzy wynalezieniem układów scalonych a późniejszym stworzeniem GPU. Rewolucja cyfrowa, jaką kiedyś zapoczątkował wynalazek Kilby’ego, jest teraz przyspieszana przez rewolucję sztucznej inteligencji, do której zespół Nvidii istotnie się przyczynił. A w jaki konkretnie sposób, ta książka świetnie to ukazuje. Powiem tylko, że łatwo nie było – wręcz przeciwnie.

Chcę mieć potężny zamek z fosą

Firma z Santa Clara nie tylko kształtuje przyszłość, ale ciągle musi bronić swojej pozycji. Jeden z najskuteczniejszych inwestorów, Warren Buffett, mawia: „Dobry biznes jest jak potężny zamek z głęboką fosą wokół niego. Chcę, aby w fosie pływały rekiny, które odstraszą tych, którzy chcieliby naruszyć zamek”. Nvidia, budując wokół swoich produktów silny ekosystem, otoczyła się taką fosą, jednak jej kultura organizacyjna nie pozwala na samozadowolenie. Firma stara się działać, jakby żadnej przewagi nie miała. Przez lata Jensen Huang powtarzał: „Jesteśmy trzydzieści dni od wypadnięcia z biznesu”, nawet jeśli nic takiego nie było wówczas na rzeczy. To jest jednak świat technologii. Tu zmiany zachodzą w tempie niespotykanym w innych branżach, konkurencja jest agresywna, nie ma miejsca na stagnację, a innowacje mogą wywrócić status quo z dnia na dzień. Kto osiądzie na laurach, faktycznie niedługo może wylecieć z tego biznesu.

W Nvidii wyjątkowo dobrze to rozumieją, co przejawia się w unikalnym podejściu spółki do prowadzenia biznesu i planowania produktów. Tae Kim zabiera nas w interesującą podróż, pozwalającą szczegółowo poznać styl Nvidii – wizjonerskie podejście firmy do innowacji i zarządzania skoncentrowane na przyszłości technologii oraz kulturze szybkości i efektywności.

Początkowo miałem obawy, jak autor ujmie w książce zarówno własne spostrzeżenia na ten temat, jak i wnioski płynące z ponad stu wywiadów. Obawy okazały się zupełnie niepotrzebne. Informacje od rozmówców dostarczają autorowi ciekawych anegdot, urozmaicają tekst oraz istotnie uzupełniają naszą wiedzę o tym, co się działo w firmie i wokół niej. Jednocześnie doskonale wkomponowano je w narrację, która płynnie prowadzi nas przez kolejne etapy rozwoju Nvidii.

Zresztą, najlepiej oceńcie to sami – zapraszam do lektury!

Tomasz Smolarek

Zarządzający aktywami

Ekspert rynku półprzewodników i nowych technologii

@T_Smolarek

tomasz-smolarek

Wstęp

W INNYM ŻYCIU JENSEN HUANG MÓGŁBY BYĆ NAUCZYCIELEM. Preferowanym przez niego środkiem przekazu jest biała tablica suchościeralna. W trakcie wielu spotkań w Nvidii, której jest współzałożycielem i prezesem od samego początku istnienia firmy, czyli od 1993 roku, zrywa się ze swojego miejsca z ulubionym pisakiem ze ściętą końcówką w ręku i przedstawia problem w formie schematu lub szkicuje pomysł – nawet gdy w tym samym czasie ktoś inny mówi lub korzysta z tablicy. Tak naprawdę jednak w firmie występuje na przemian w roli nauczyciela i ucznia, rozwijając w pracownikach etos współpracy, co ma im pomagać w myśleniu i rozwiązywaniu problemów. Wykonywane przez niego szkice są tak dokładne, że można by je zamieszczać bez zmian w dokumentacji technicznej. Współpracownicy nazywają go „profesorem Jensenem” z powodu umiejętności wyjaśniania z wykorzystaniem tablicy złożonych idei w taki sposób, że prawie każdy może je zrozumieć.

W Nvidii tablica jest czymś więcej niż tylko głównym sposobem komunikacji w trakcie spotkań. Symbolizuje ona zarówno możliwości, jak i ulotność – jest wyrazem przekonania, że nawet najbardziej udany pomysł, niezależnie od tego, jak bardzo jest genialny, musi koniec końców zostać wymazany, by zwolnić zasoby dla nowego. W każdej sali konferencyjnej w dwóch budynkach siedziby firmy w Santa Clara w Kalifornii znajduje się tablica, co ma uświadamiać, że każdy dzień i każde spotkanie stanowią nową okazję, a innowacja jest nie wyborem, ale koniecznością. Korzystanie z tablicy wymaga aktywnego myślenia i nieuchronnie ujawnia, jak dobrze (lub jak słabo) dany pracownik, w tym menedżer na wysokim stanowisku, zna i rozumie omawiane zagadnienie. Pracownicy muszą pokazać uczestnikom spotkania swój proces myślowy w czasie rzeczywistym. Nie ma możliwości schowania się za starannie przygotowanymi slajdami ani efektownymi filmami marketingowymi.

Tablica stanowi być może najbardziej znaczący symbol unikatowej kultury organizacyjnej Nvidii. To firma projektująca układy scalone (chipy), której początki w latach 90. XX wieku były dość skromne. Gdy zaczynała działalność, była jedną z kilkudziesięciu firm na tym rynku. Znali ją głównie zapaleni gracze, którzy potrzebowali wysokiej wydajności w grach takich jak pierwszoosobowa strzelanina z serii Quake oraz innych. Po latach Nvidia stała się głównym dostawcą nowoczesnych procesorów graficznych, niezwykle ważnych w obecnej erze sztucznej inteligencji (Artificial Intelligence, AI). Architektura procesorów Nvidii jest dobrze dopasowana do trenowania modeli AI dzięki możliwości wykonywania równocześnie wielu obliczeń matematycznych, co jest niezbędne do szkolenia i działania zaawansowanych, dużych modeli językowych AI. Nvidia wcześnie rozpoznała znaczenie sztucznej inteligencji i w ciągu ponad dziesięciu lat, myśląc przyszłościowo, dokonała inwestycji w AI – w tym w zwiększenie możliwości komputerów, rozwój narzędzi programistycznych i optymalizację działania sieci – przekształcając opracowaną technologię w kapitał i stając się głównym beneficjentem obecnego boomu na AI. Sztuczna inteligencja ma wiele zastosowań. Firmy korzystają z serwerów AI z procesorami Nvidii w celu zwiększenia wydajności programistów przez generowanie kodu niskiego poziomu, którego pisanie uważają oni za żmudne; serwery takie są wykorzystywane także do automatyzacji powtarzalnych zadań w obsłudze klientów; ponadto wspomagają projektantów w tworzeniu i modyfikacji obrazów z wykorzystaniem promptów, co pozwala na szybsze tworzenie ich kolejnych wersji.

Wymyślenie siebie na nowo opłaciło się Nvidii: 18 czerwca 2024 roku firma wyprzedziła Microsoft, stając się najbardziej wartościową korporacją z kapitalizacją rynkową 3,3 bln dolarów. Nvidia osiągnęła ten kamień milowy w następstwie ogromnego popytu na jej chipy do trenowania modeli AI. W minionych dwunastu miesiącach cena akcji firmy wzrosła trzykrotnie. Powiedzieć, że historycznie akcje Nvidii stanowiły dobrą inwestycję, to jak nic nie powiedzieć. Pomiędzy jej debiutem giełdowym na początku 1999 roku a końcem 2023 roku posiadacze akcji Nvidii mogli się cieszyć najwyższą roczną składaną stopą zwrotu w historii amerykańskiej giełdy, osiągając skumulowany roczny wskaźnik wzrostu przekraczający 33 procent[2]. Akcje Nvidii zakupione za 10 000 dolarów 22 stycznia 1999 roku, czyli w dniu debiutu giełdowego firmy, 31 grudnia 2023 roku miały wartość 13,2 mln dolarów.

Kulturę Nvidii określa osobowość Jen-Hsun Huanga, znanego przyjaciołom, pracownikom, dostawcom, konkurentom, inwestorom i wielbicielom po prostu jako „Jensen”. (Tak właśnie nazywam go w książce). Jensen zyskał nieco sławy jeszcze przed eksplozją zainteresowania AI, gdy magazyn „Time” umieścił go na liście stu najbardziej wpływowych ludzi na świecie w 2021 roku. Jednak jego popularność wzrastała proporcjonalnie do wzrostu wartości Nvidii najpierw do 1 bln dolarów, potem do 2 bln dolarów, a w końcu do 3 bln dolarów. Obecnie często można go zobaczyć – ubranego w charakterystyczną skórzaną kurtkę, z gęstą siwą czupryną, zawsze z przedziałkiem – w publikacjach prasowych i klipach wideo; z reguły jest przedstawiany jako „geniusz, o którym nigdy nie słyszałeś”.

Tym spośród nas, którzy zawodowo zajmują się przemysłem półprzewodnikowym, Jensen był znany już od jakiegoś czasu. Kierował Nvidią przez całą jej trzydziestoletnią historię, dłużej niż którykolwiek z obecnych prezesów w branży technologicznej. Udało mu się zapewnić firmie nie tylko przetrwanie: sprawił, że wyprzedziła wszystkich konkurentów w bezlitosnej i ciągle zmieniającej się branży chipów oraz wygrała wyścig z praktycznie każdą inną firmą w gospodarce światowej. Zajmuję się Nvidią przez większość mojej kariery zawodowej – najpierw jako analityk giełdowy, a obecnie jako dziennikarz – i widziałem, jak przywództwo i strategiczna wizja Jensena kształtowały firmę w przeszłości. Byłem jednak zewnętrznym obserwatorem, polegającym na swoich interpretacjach i na konkretnych faktach. Aby dowiedzieć się więcej o sekretach sukcesu Nvidii, musiałem porozmawiać z wieloma osobami zarówno z firmy, jak i spoza niej. Musiałem także spotkać się z samym Jensenem i zostać jego uczniem, podobnie jak jego pracownicy.

SZANSA POJAWIŁA SIĘ DOKŁADNIE CZTERY DNI przed datą, gdy Nvidia stała się najbardziej wartościową firmą na świecie. W organizacji wiedziano, że piszę o niej książkę, i na początku czerwca 2024 roku jej przedstawiciel zaproponował mi spotkanie z Jensenem bezpośrednio po jego przemowie podczas uroczystości ukończenia studiów przez rocznik 2024 Kalifornijskiego Instytutu Technologicznego (California Institute of Technology, Caltech). Wyraziłem zgodę i kilka minut przed godziną 10 rano w piątek, 14 czerwca, stanąłem przed sceną, oczekując na pojawienie się na niej Jensena. Pogoda była piękna, typowo kalifornijska: czyste błękitne niebo i ciepłe promienie słoneczne. Studenci wraz z rodzinami zajęli miejsca w dużym, białym namiocie. David Thompson, przewodniczący Rady Powierniczej uczelni, przedstawił Jensena, żartując, że gdy spacerowali po kampusie, czuł się, jakby towarzyszył mu Elvis – taką sensację wywołał prezes Nvidii.

W swoim przemówieniu do studentów Jensen zasugerował, że ukończenie przez nich studiów będzie stanowić jedno z najważniejszych wydarzeń w ich życiu. Wspomniał, że wie to i owo o takich chwilach. „Wspólnie, wy i ja, jesteśmy u szczytu naszych karier” – stwierdził. „Ci z was, którzy zwracali uwagę na Nvidię i na mnie, wiedzą, co mam na myśli. Różnica między nami polega na tym, że przed wami jest o wiele więcej szczytów do zdobycia. A i ja mam nadzieję, że dzisiejszy dzień nie stanowi jeszcze szczytu tego, co mogę osiągnąć. Jeszcze nie”. Przyrzekł, że nadal będzie pracować tak ciężko, jak dotąd, aby mieć pewność, że Nvidię oczekuje jeszcze wiele momentów szczytowych, sugerując, że absolwenci, do których mówi, powinni iść za jego przykładem.

Gdy tylko Jensen zakończył swoje wystąpienie, zostałem szybko zabrany do Centrum Badań Kosmicznych im. Kecka i zaprowadzony do sali konferencyjnej wyłożonej boazerią i ozdobionej czarno-białymi zdjęciami pilotów, astronautów i prezydentów, gdzie Jensen już mnie oczekiwał. Gawędziliśmy przez chwilę, zanim zacząłem zadawać przygotowane pytania. Powiedziałem, że w latach 90. XX wieku byłem maniakiem gier komputerowych i składałem własne pecety. Po raz pierwszy usłyszałem o Nvidii, poszukując kart graficznych, i niezmiennie wybierałem produkty tej firmy. Wspomniałem też, że jeszcze jako analityk giełdowy dokonałem pierwszej inwestycji w akcje Nvidii i dobrze na nich zarobiłem.

„Brawo!” – powiedział Jensen z powagą. „Także dla mnie Nvidia jest pierwszym wielkim sukcesem”.

Wdaliśmy się w dyskusję na różne tematy dotyczące historii firmy. Jensen ma świadomość, że wielu byłych pracowników Nvidii z nostalgią wspomina początki firmy. Jednak on sam powstrzymuje się od przesadnie pozytywnej jej oceny z okresu, gdy była start-upem – i nie unika mówienia o swoich pomyłkach.

„Gdy byliśmy młodsi, Tae, w wielu sprawach byliśmy do niczego. Nvidia nie była świetną firmą od pierwszego dnia swojego istnienia. Potrzebowaliśmy trzydziestu lat, aby ją taką uczynić. Z początku wcale nie była świetna” – powiedział. „Przecież nie wyprodukowaliśmy NV1, ponieważ byliśmy super. I nie zaprojektowaliśmy NV2, ponieważ tacy byliśmy” – stwierdził, nawiązując do nazw dwóch pierwszych chipów firmy, które okazały się fiaskiem i prawie doprowadziły Nvidię do upadku. „Przetrwaliśmy własne błędy. Sami byliśmy swoim najgorszym wrogiem”.

Jeszcze kilka razy firma prawie upadła. Jednak za każdym razem, w warunkach stresu i presji, wyciągała wnioski ze swoich pomyłek. Potrafiła zatrzymać najważniejszych, lojalnych pracowników, spośród których wielu pracuje w firmie do dzisiaj. Oczywiście byli i tacy, którzy odeszli, co zmuszało Nvidię do integrowania ze swoją kulturą organizacyjną nowych ludzi. „Za każdym razem, gdy ktoś odszedł, w każdym takim przypadku odradzaliśmy się. Uzdrawialiśmy firmę i nadal działaliśmy” – powiedział Jensen.

Zaczął mówić o sobie w trzeciej osobie. „W sumie gdyby Jensen nie był zaangażowany w firmę w pierwszych piętnastu latach jej istnienia, bardzo by mi się to podobało” – stwierdził, śmiejąc się. Miał na myśli swoją ówczesną naiwność i to, że brakowało mu wtedy umiejętności strategicznego myślenia, a także to, że wcale nie jest dumny z tego, jak Nvidia była wówczas zarządzana.

Znalazłem się w niezwykłej sytuacji: zacząłem bronić przeszłości Nvidii przed jej założycielem. Wskazałem, że decyzje w tym początkowym okresie – o których dużo wiedziałem dzięki moim analizom i zebranym informacjom – nie zawsze były nietrafione. Fakt, firma miała na koncie pomyłki, ale nieraz wynikały one z nieprzewidywalnych przyczyn lub ze zdarzeń, na które ani Nvidia, ani Jensen nie mieli wpływu. Z perspektywy czasu wiele z nich było nie do uniknięcia.

„Pewnie tak, mogło tak być” – powiedział Jensen. „Nie lubię mówić o naszej przeszłości”.

W NVIDII ZAOBSERWOWAŁEM WSZECHOBECNĄ POSTAWĘ: kultura firmy zachęcała nie do patrzenia wstecz, na dawne błędy i sukcesy, ale do koncentrowania się na przyszłości – na pustej, białej tablicy możliwości. Jednak nie można zrozumieć dzisiejszej Nvidii bez zrozumienia drogi, którą przeszła. Ta książka po raz pierwszy opowiada jej historię – pełną, a nie tylko dotyczącą osobistego i zawodowego życia Jensena Huanga, choć to właśnie on jest w centrum tej opowieści. Zgłębia okoliczności założenia Nvidii przez Jensena, Curtisa Priema i Chrisa Malachowsky’ego w sieciowej restauracji Denny’s w 1993 roku – co dla osób pracujących w branży technologicznej oznacza całe wieki temu. Nvidia nigdy nie powstałaby bez udziału każdej z tych trzech osób. Biznesowa smykałka Jensena i jego agresywny styl zarządzania miały decydujące znaczenie dla początkowego sukcesu Nvidii, jednak umiejętności Priema w projektowaniu architektury chipów i produkcyjne doświadczenie Malachowsky’ego także miały zasadnicze znaczenie.

Historia Nvidii obejmuje, jak dotychczas, trzydzieści lat i aby móc ją opowiedzieć, przeprowadziłem wywiady z ponad stu osobami. Wiele z nich to obecni lub byli pracownicy firmy, gruntownie znający od wewnątrz jej funkcjonowanie – wśród nich znajduje się Jensen, dwóch pozostałych współzałożycieli oraz większość członków początkowej i obecnej kadry kierowniczej wyższego szczebla. Poza tym rozmawiałem z dwoma pierwszymi inwestorami kapitału wysokiego ryzyka, którzy zainwestowali w Nvidię; prezesami firm z branży technologicznej; partnerami biznesowymi, którzy pomagali w produkcji i sprzedaży chipów, a także osobami z innych firm półprzewodnikowych, czyli z konkurencji, która prawie zawsze musiała się uznać za pokonaną.

W trakcie wywiadów zacząłem rozumieć, co wyróżnia Nvidię. Jej najbardziej charakterystyczną cechą nie jest zaawansowanie technologiczne, które stanowi raczej skutek, aniżeli główną przyczynę. Nie są nią także zasoby finansowe ani nowe możliwości, wynikające z wysokiej wartości rynkowej. Nie jest nią również mistyczna zdolność przewidywania przyszłości. Wykluczyć należy też szczęście. Cechą wyróżniającą jest unikatowa struktura organizacyjna oraz kultura pracy, którą nazywam „Drogą Nvidii”. Ta kultura łączy niezależność każdego pracownika z najwyższymi standardami pracy; zachęca do szybkiego działania połączonego z maksymalnymi wymaganiami dotyczącymi jakości; umożliwia Jensenowi skupianie się na strategii i egzekwowaniu wyników, przy jednoczesnym kontakcie z każdym pracownikiem i nadzorowaniu każdego szczegółu w firmie. A nade wszystko wymaga od każdego prawie nadludzkiego wysiłku i psychicznej odporności. Praca w Nvidii jest nie tylko intensywna, choć z pewnością tak właśnie jest. Rzecz w tym, że styl zarządzania Jensena jest niespotykany w korporacyjnej Ameryce.

Jensen zarządza w taki, a nie inny sposób, ponieważ wierzy, że najgorszym wrogiem Nvidii nie jest konkurencja, ale ona sama – w szczególności samozadowolenie, które opanowuje każdą firmę osiągającą sukces, zwłaszcza taką, która – jak Nvidia – osiąga spektakularne sukcesy przez wiele lat. W mojej dziennikarskiej karierze widziałem, jak firmy, którym się dobrze powodzi i które odnotowują wzrost, z upływem czasu stają się dysfunkcjonalne, głównie z powodu wewnętrznego politykowania. Zamiast skupiać się na innowacjach i obsłudze klientów, pracownicy zajmują się wspomaganiem karier swoich przełożonych. Takie oszukiwanie rzeczywistości odwraca ich uwagę od jak najlepszego wykonywania swojej pracy i powoduje ciągłe oglądanie się za siebie w obawie przed zagrożeniem ze strony innych pracowników. Jensen zorganizował Nvidię w taki sposób, aby to zjawisko wyeliminować.

„Wraz z biegiem czasu zdałem sobie sprawę, co się dzieje i jak ludzie chronią swoje terytorium oraz swoje pomysły. Zbudowałem organizację o spłaszczonej strukturze” – powiedział. Jego środkiem zaradczym na wzajemne wbijanie sobie noża w plecy, manipulowanie wynikami i walki o pozycję jest jawna odpowiedzialność i w razie potrzeby jawne zawstydzenie winnego. „Gdy zdarza się, że menedżerowie nie walczą o sukcesy swoich podwładnych i pozbawiają innych możliwości sukcesu, mówię o tym głośno” – stwierdził. „Nie mam żadnych problemów z poproszeniem kogoś o wyjaśnienie. Po pierwszym czy drugim razie nikt nie popełni już tego samego błędu”.

Unikatowa kultura pracy Nvidii może się wydać dziwna lub wyjątkowo wymagająca nawet jak na zwyczaje w branży technologicznej. Jednak również wśród byłych pracowników Nvidii, z którymi rozmawiałem, trudno było spotkać kogoś myślącego inaczej. Wszyscy zgodnie twierdzili, że w firmie w zasadzie nie było politykowania ani niezdecydowania typowych dla dużych organizacji. Wspominali, jak trudno było im się przyzwyczaić do warunków pracy w innych firmach, gdzie bezpośrednie i otwarte komunikowanie się stanowi rzadkość, a nacisk na wykonanie zleconych zadań jest dużo mniejszy. Opisywali, jak Nvidia nie tylko upoważniała ich do samodzielności, ale także wymagała od nich wykonywania swojego zawodowego powołania jako niezbędnego warunku zatrudnienia.

W pewnym sensie określa to Drogę Nvidii w jej najczystszej postaci. Chodzi o niezachwiane przekonanie, że z wykonywaniem swojej pracy w możliwie najlepszy sposób wiąże się ogromna nagroda. Oznacza ona dążenie do wytrwałości w warunkach przeciwności losu. Czy też, jak wyraził to Jensen, patrząc mi prosto w oczy: sekretem sukcesu jego firmy nie jest nic innego, jak „czysta wola”.

A DOKŁADNIEJ, TO OSOBISTA WOLA JENSENA ukształtowała Nvidię. W historii firmy to on osobiście podjął najważniejsze decyzje. Jego zdolność do trafnego postawienia na nowe technologie wynika z głębokiej wiedzy technicznej założyciela inżyniera. W książce próbuję wydobyć z Drogi Nvidii zbiór zasad, z których każdy może się czegoś nauczyć, a nawet więcej – każdy może je zastosować. Jednak za nimi wszystkimi kryje się pytanie: czy rzeczywiście możliwe jest oddzielenie firmy od jej prezesa?

W czasie pisania tej książki Jensen ma sześćdziesiąt jeden lat. Kieruje Nvidią od trzydziestu jeden lat – przez ponad połowę swojego życia. Nvidia jest większa, bardziej dochodowa i ważniejsza dla gospodarki światowej niż kiedykolwiek wcześniej. Jednak wciąż polega na Jensenie jako jej biznesowym liderze i tym, kto wyznacza jej kierunki rozwoju. Apple przetrwał usunięcie Steve’a Jobsa w 1985 roku i jego śmierć w 2011 roku; Amazon, Microsoft i Google – każda z tych firm nadal osiąga sukcesy po odejściu z nich z kierowniczych stanowisk Jeffa Bezosa, Billa Gatesa i Larry’ego Page’a oraz Sergeya Brina. Pewnego dnia także Nvidia będzie musiała zmierzyć się z podobną zmianą. Nie jest jasne, jakie będą losy Nvidii po odejściu z niej Jensena – czy przetrwa jej kultura pracy, czy firma zachowa swoją dynamikę rozwoju?

Wszak to, co jest napisane na białej tablicy, zależy od tego, kto trzyma w ręku pisak. Tablica może pokazać geniusz piszącego, ale nie stworzy geniusza.

[1] McKinsey & Company, „The economic potential of generative AI”, czerwiec 2023.

[2] Hendrik Bessembinder, „Which U.S. Stocks Generated the Highest Long-Term Returns?”, S&P Global Market Intelligence Research Paper Series, 16 lipca 2024, http://dx.doi.org/10.2139/ssrn.4897069.