Jen-Hsun Huang

Kindheit und Ausbildung

Huang wurde in der Küstenstadt Tainan in Taiwan geboren. Als Huang neun Jahre alt war, wurden er und sein älterer Bruder als unbegleitete Minderjährige in die Vereinigten Staaten geschickt; sie lebten zunächst bei einem Onkel in Tacoma und kamen anschließend an das Oneida Baptist Institute in Kentucky.^[1] Da Huang dort noch zu jung für den regulären Unterricht war, besuchte er eine nahe gelegene öffentliche Schule und erlebte in dieser Zeit auch rassistische Anfeindungen und Mobbing.^[1] Später bezeichnete er diese Jahre als wichtig für seine Widerstandsfähigkeit.^[1] Nachdem seine Eltern in die Vereinigten Staaten einreisen konnten, zog die Familie nach Oregon.^[1] Er absolvierte die Aloha High School bei Portland. In der High School gehörte Huang Mathematik-, Computer- und Naturwissenschaftsclubs an, übersprang zwei Klassen und machte mit 16 Jahren seinen Abschluss.^[1] Huang erhielt 1984 seinen Bachelor in Elektrotechnik von der Oregon State University und 1992 seinen Master in Elektrotechnik von der Stanford University.^[2] An der Oregon State University lernte er seine spätere Ehefrau Lori Mills kennen, die dort ebenfalls Elektrotechnik studierte.^[1] Nach dem College arbeiteten Huang und Mills als Chipdesigner im Silicon Valley, während Huang berufsbegleitend sein Masterstudium in Stanford absolvierte.^[1] Nach dem College war er Direktor bei LSI Logic und Mikroprozessordesigner bei AMD. In dieser Phase lernte er die Mechanismen der Chipentwicklung und die Dynamik des Silicon Valley kennen.

Gründung und frühe Krisen von Nvidia

An seinem 30. Geburtstag wurde Huang mit Chris Malachowsky und Curtis Priem 1993 zum Mitbegründer des Grafikprozessorherstellers Nvidia, den er seitdem leitet.^[3] Die drei Gründer bereiteten die Unternehmensgründung in einem Restaurant der Kette Denny’s in San José vor.^[1] Der Name Nvidia geht auf das lateinische Wort invidia für Neid zurück, nachdem der ursprünglich erwogene Name NVision bereits vergeben war.^[1] Nvidia setzte zunächst auf Grafikchips für Computerspiele, traf mit dem ersten Produkt jedoch eine technisch folgenreiche Fehlentscheidung, weil die Gründer bei der Darstellung dreidimensionaler Grafik auf Vierecke statt auf Dreiecke setzten.^[1] Nachdem Microsoft ankündigte, seine Grafiksoftware nur auf Dreiecke auszurichten, musste Nvidia seine Strategie ändern.^[1] 1996 entließ Huang mehr als die Hälfte der damals rund 100 Beschäftigten und setzte die verbliebenen Mittel auf eine neue, noch ungetestete Chipgeneration.^[1] Der daraus hervorgegangene RIVA 128 verkaufte sich innerhalb von vier Monaten rund eine Million Mal und stabilisierte das Unternehmen.^[1] Aus dieser frühen Krise entstand bei Nvidia die häufig zitierte interne Mahnung, das Unternehmen sei stets nur „30 Tage“ vom Scheitern entfernt.^[1]

CUDA, Deep Learning und KI-Chips

1999 brachte Nvidia mit GeForce eine Grafikkarte auf den Markt, für welche das Unternehmen den Begriff Graphics Processing Unit prägte.^[1] Anders als klassische Prozessoren eignen sich Grafikprozessoren besonders für parallele Berechnungen, was später für Hochleistungsrechnen und künstliche Intelligenz entscheidend wurde.^[1] Ab 2004 ließ Huang unter der Leitung von Ian Buck die Softwareplattform CUDA entwickeln, mit der Nvidia-Grafikkarten auch außerhalb der Computergrafik für allgemeine Rechenaufgaben eingesetzt werden konnten.^[1] Die Veröffentlichung von CUDA Ende 2006 wurde an den Finanzmärkten zunächst skeptisch aufgenommen, weil es für solche Anwendungen noch keinen großen Markt gab.^[1] Bis Ende 2008 war der Aktienkurs von Nvidia um rund 70 Prozent gefallen.^[1] Für Huangs Vertrauen in CUDA war der Einsatz von GeForce-Karten in einem selbstgebauten Supercomputer des Physikers Ting-Wai Chiu an der National Taiwan University wichtig.^[1]

In der frühen Entwicklung des Deep Learning erwies sich CUDA als entscheidend, weil neuronale Netze auf Nvidia-GPUs deutlich schneller trainiert werden konnten als auf herkömmlichen CPUs.^[1] 2009 nutzte eine Forschungsgruppe um Geoffrey Hinton CUDA, um ein neuronales Netz zur Spracherkennung zu trainieren.^[1] 2012 trainierten Alex Krizhevsky und Ilya Sutskever das Bildklassifikationsmodell AlexNet mit zwei Nvidia-Grafikkarten; der Erfolg des Modells im ImageNet-Wettbewerb gilt als ein Wendepunkt für Deep Learning.^[1] Nach diesem Durchbruch verlagerte Huang Nvidias strategischen Schwerpunkt zunehmend von Grafikchips auf künstliche Intelligenz.^[1] Mitte der 2010er-Jahre lieferte Nvidia seinen ersten dedizierten KI-Supercomputer DGX-1 an OpenAI.^[1] Die späteren GPT-Modelle von OpenAI wurden auf Nvidia-Supercomputern trainiert, was die Bedeutung von Nvidias Hardware für generative KI weiter erhöhte.^[1] Nach der Veröffentlichung von ChatGPT Ende 2022 stieg die Nachfrage nach Nvidias KI-Beschleunigern stark an.^[1]

2026 stellte Huang auf der Computex in Taipeh den RTX-Spark-Chip für neue Windows-PCs mit lokalen KI-Funktionen vor.^[4] Der Chip sollte in neuen PC-Modellen von Herstellern wie Lenovo, HP, Dell, Microsoft Surface, Asus und MSI eingesetzt werden und Nvidias Stellung über Rechenzentren hinaus auch im Markt für KI-fähige Personal Computer ausbauen.^[4] Der Boom bei Rechenzentren für künstliche Intelligenz trug dazu bei, dass Nvidia im Juni 2026 einen Börsenwert von mehr als 5 Billionen US-Dollar erreichte.^[4]

Führungsstil und Auszeichnungen

Huang gilt als detailorientierter und fordernder Manager, der bei Nvidia eine schlanke, wenig formal hierarchische Organisationsweise bevorzugt.^[1] Beschäftigte senden ihm wöchentlich Listen der fünf wichtigsten Aufgaben, an denen sie arbeiten.^[1] Zu seinen Managementprinzipien gehört, dass Fehler im Unternehmen offen analysiert und geteilt werden sollen, statt sie einzelnen Personen zuzuschreiben.^[1] Unter Huang wurde Nvidia zu einer dominierenden Kraft in der Grafikchipindustrie. Im Jahr 2019 betrug seine Vergütung als CEO 13,6 Millionen US-Dollar.^[5] Da er Anteile an Nvidia hält, das 1999 an die Börse ging, ist er Milliardär.^[6]

2024 wurde Huang in die National Academy of Engineering gewählt und Fellow des Computer History Museum. 2025 erhielt er den Queen Elizabeth Prize for Engineering.^[7]

Vermögen

Stand März 2026 hat Huang ein Vermögen von 158 Milliarden US-Dollar.^[8]

Spenden

Huang spendete der Stanford University 30 Millionen US-Dollar für ein Ingenieurzentrum und der Oregon Health & Science University 5 Millionen US-Dollar für ein Krebsforschungslabor.^[9] 2019 spendete Huang dem Oneida Baptist Institute, das er als Kind besucht hatte, ein Gebäude.^[1]

Im Jahr 2022 spendete Huang 50 Millionen US-Dollar an seine Alma Mater, die Oregon State University. Dies war ein Teil einer 200 Millionen US-Dollar Spende für die Gründung eines Supercomputing-Instituts auf dem Campus der Universität.^[10]