Jensen Huang: Der Mann, der alles auf Parallelverarbeitung setzte

Im Jahr 1993 saßen drei Ingenieure in einer Booth bei Denny's im Osten von San Jose und legten jeweils 200 Dollar zusammen. Die Firma, die sie mit diesen 600 Dollar gründeten, wurde im Oktober 2025 das erste börsennotierte Unternehmen der Geschichte mit einem Wert von mehr als 5 Billionen Dollar. Jensen Huang leitet Nvidia als Geschäftsführer seit dem Tag der Gründung, im Alter von dreißig Jahren – eine Amtszeit, die das Wall Street Journal im schnelllebigen Silicon Valley als fast ungehört bezeichnete.

Tacoma, dann Kentucky

Huang wurde am 17. Februar 1963 in Taipeh geboren; sein Vater Huang Hsing-tai war Chemieingenieur, seine Mutter Lo Tsai-hsiu Lehrerin. Die Familie zog nach Tainan und dann nach Bangkok, wo er zwischen fünf und neun Jahren eine internationale Schule besuchte. 1973, aufgrund der instabilen Lage in Thailand, schickten ihn seine Eltern zusammen mit seinem Bruder in die USA. Er sprach kein fließendes Englisch und ging zuerst zu einem Onkel in Tacoma, Washington.

Was danach geschah, wurde zur Legende, weil es wahr ist. Seine Eltern, die sich an einer Broschüre orientierten, schrieben ihn am Oneida Baptist Institute in Kentucky ein, in der Annahme, es sei ein renommiertes Internat. Es war eine Erziehungsanstalt. Huang, der einzige asiatische Schüler an der angeschlossenen Grundschule, wurde schikaniert, arbeitete als Reinigungskraft, schwamm und spielte viel Tischtennis – gut genug, um mit vierzehn Jahren in Sports Illustrated aufzutauchen. Nach zwei Jahren erreichten seine Eltern Oregon und holten ihn nach Beaverton.

Er übersprang zwei Klassen an der Aloha High School, machte mit sechzehn seinen Abschluss als national eingestufter Tischtennisspieler und erwarb 1984 einen Bachelor-Abschluss in Elektrotechnik an der Oregon State University mit Auszeichnung. Dort lernte er seine Laborpartnerin Lori Mills kennen; sie heirateten 1985. 1992 absolvierte er einen Master in Elektrotechnik in Stanford, während er Vollzeit arbeitete und zwei Kinder großzog.

Der Denny's-Tisch

Seine ersten Jobs waren bei AMD, wo er Mikroprozessoren entwarf, und dann bei LSI Logic, wo er als technischer Leiter mit zwei Ingenieuren von Sun Microsystems, Chris Malachowsky und Curtis Priem, an Grafikbeschleuniger-Hardware arbeitete – der GX-Grafik-Engine von 1989. Als die Grafikambitionen von Sun ins Stocken gerieten, trafen sich die drei wiederholt bei Denny's, um einen Geschäftsplan zu skizzieren. Die Wette war, dass Allzweck-Prozessoren niemals gut genug für 3D-Grafik sein würden und dass ein dedizierter Chip den Markt beherrschen könnte. Die Firma sollte NVision heißen; daraus wurde Nvidia, vom lateinischen invidia, Neid.

Die frühen Jahre waren fast tödlich. Das erste Produkt scheiterte, und im August 1997, als die RIVA 128 ausgeliefert wurde, hatte das Unternehmen noch etwa einen Monat lang Gehälter; eine Investition von 5 Millionen Dollar von Sega hatte die Türen offen gehalten. Aus dieser Zeit stammte das inoffizielle Motto, das Huang immer wieder wiederholt: Unser Unternehmen ist dreißig Tage vom Bankrott entfernt. Nvidia ging 1999 an die Börse und lieferte in diesem Jahr die GeForce 256 aus, die als weltweit erste Grafikprozessoreinheit vermarktet wurde – ein Begriff, der an einer ganzen Hardwarekategorie hängen blieb.

CUDA und der Unfall, der keiner war

Die Entscheidung, die am meisten zählte, ist die am wenigsten offensichtliche. 2006 veröffentlichte Nvidia CUDA, eine Softwareplattform, die es Programmierern ermöglichte, die Tausenden von kleinen parallelen Kernen der GPU für beliebige Berechnungen zu verwenden, anstatt nur für das Zeichnen von Dreiecken. Es war teuer, bediente keine bestehenden Kunden und sah jahrelang wie eine Spielerei aus. Dann entdeckten Forscher, dass das Training neuronaler Netze fast vollständig aus paralleler Arithmetik besteht. AlexNet lief 2012 auf Nvidia-Hardware; fast alles danach ebenso. Bis in die 2020er Jahre war CUDA zum Substrat der KI-Industrie geworden und zu einem Burggraben, den Konkurrenten nur schwer überwinden konnten.

Huangs Management ist so idiosynkratisch wie seine Geschichte. Er hat kein festes Büro, durchstreift das Hauptquartier und lässt sich in Konferenzräumen nieder. Er pflegt eine bekannt flache Struktur mit etwa sechzig direkten Unterstellten, basierend auf der Theorie, dass leitende Angestellte am wenigsten verwöhnt werden sollten. Er trägt keine Uhr – die Gegenwart, sagt er, sei die wichtigste Zeit. Die schwarze Lederjacke ist zu einem Firmenmerkmal geworden; seine taiwanische Berühmtheit wurde 2024 als „Jensanity“ bezeichnet, und Mark Zuckerberg sagte einmal über ihn: „Er ist wie Taylor Swift, nur für Technologie.“

Die Ehrungen treffen ein

Die Anerkennung kam spät und dann auf einmal. Die IEEE Founders Medal im Jahr 2020. Der Robert N. Noyce Award der Semiconductor Industry Association im Jahr 2021. Wahl in die National Academy of Engineering im Februar 2024, gewürdigt „für leistungsstarke Grafikprozessoreinheiten, die die Revolution der künstlichen Intelligenz befeuern“. Der VinFuture-Preis im Dezember 2024, geteilt mit Yoshua Bengio, Geoffrey Hinton, Yann LeCun und Fei-Fei Li. Der Queen Elizabeth Prize for Engineering im Februar 2025. Das Computer History Museum ernannte ihn 2024 zum Fellow für visionäre Führung in Grafik, beschleunigtem Rechnen und künstlicher Intelligenz. Die IEEE Medal of Honor folgte im Januar 2026, und die Financial Times ernannte ihn zur Persönlichkeit des Jahres 2025.

Mit seiner Frau gründete er 2007 die Jen-Hsun and Lori Huang Foundation mit 330 Millionen Dollar in Nvidia-Aktien; bis Ende 2025 überstieg das Vermögen 12 Milliarden Dollar, was sie zu einer der größten privaten Stiftungen in den Vereinigten Staaten machte. Zuschüsse gingen unter anderem an das Monterey Bay Aquarium, AI4ALL, Mental Health Innovations und das California College of the Arts.

Warum Jensen als Genie bezeichnet wird

Das Wort wird auf Huang eher für sein Urteilsvermögen als für seine Erfindungen angewandt. Er ist ein ausgebildeter Elektrotechniker, der Chips entwarf, aber die technischen Durchbrüche von Nvidia gehören großen Teams; was ihm gehört, ist eine Abfolge von enorm teuren Wetten, die Jahre vor dem Eintreffen der Beweise eingegangen wurden. Das klarste Beispiel ist CUDA: 2006 eine Grafikfirma auf Allzweck-Parallelrechnen festzulegen, den Margenverlust und die Skepsis der Investoren in Kauf zu nehmen und mit einem Anwendungsfall – Deep Learning – recht zu haben, der kommerziell noch nicht existierte. Die Würdigung der National Academy of Engineering und das Fellowship des Computer History Museum heben genau das hervor: nicht ein Gerät, sondern die Richtung.

Das Gegenargument verdient es, klar ausgesprochen zu werden. Huang hat das GPU-Konzept nicht allein erfunden, hat die Methoden neuronaler Netze, die seine Chips unverzichtbar machten, nicht selbst geschaffen und profitierte von außergewöhnlichem Glück beim Timing – hätte Deep Learning ein Jahrzehnt später begonnen, könnte CUDA als kostspieliger Fehler statt als Weitsicht gelesen werden. Nvidias Beinahe-Untergang 1997 zeigt, wie nahe sein Urteil am Scheitern war. Und seine heutige Eminenz beruht im Wesentlichen auf einer Marktposition, die Konkurrenten noch nicht erfolgreich angegriffen haben, was eher eine geschäftliche als eine intellektuelle Tatsache ist. Was die Prüfung übersteht, ist die Beständigkeit: drei Jahrzehnte, in denen er dieselbe Firma leitete, durch zwei Beinahe-Bankrotte und mehrere vollständige Neuerfindungen dessen, was sie verkauft.

Vermächtnis

Huangs Vermächtnis ist eine Computerarchitektur. Der Wandel von serieller zu massiv paralleler Verarbeitung, angetrieben von einer Firma, die anfing, Grafikkarten an Gamer zu verkaufen, untermauert heute wissenschaftliche Simulationen, autonome Fahrzeuge und jedes große Sprachmodell, das im Einsatz ist. Im Januar 2026 wurde er in den Beraterstab des Präsidenten für Wissenschaft und Technologie berufen. Er hat gesagt, dass der Aufbau von Nvidia eine Million Mal schwieriger war, als die Gründer erwartet hatten, und dass sie wahrscheinlich nicht angefangen hätten, wenn sie den damit verbundenen Schmerz gekannt hätten.