.png)
Jensen Huang arbejdede engang med at rense toiletter på landet i Kentucky og vaskede opvask hos Denny’s. Årtier senere blev han ansigtet udadtil på AI-revolutionen—læderjakke og det hele. Det er ikke et normalt karrierespring. Det er et menneskeligt plot-twist.
Så ja, spørgsmålet er uimodståeligt: hvor højt kan Jensen Huangs IQ egentlig være?
Der findes ingen offentligt registrering af, at Huang nogensinde har taget en IQ-test. Ingen støvet SAT-rygte fra dengang, ingen lækket vurdering, ingen “min score var…”-øjeblik på en podcast. Det vi til gengæld har, er noget mere spændende: en lang række tegn på, hvordan han tænker, lærer, løser problemer og ser fremtiden lidt tidligere end resten af os. Og ærligt talt er det meget bedre end ét tal fra én enkelt eftermiddag.
Til sidst vil vi lave en numerisk forudsigelse — men tallet skal først tjene sin plads på siden.
En hård barndom afslører ofte noget vigtigt
Ifølge Encyclopædia Britannica blev Huang født i 1963 i Tainan i Taiwan som søn af en kemitekniker-far og en folkeskolelærer-mor. Hans familie flyttede til Thailand, da han var ung, og som 9-årig blev han og hans bror sendt til USA for at bo hos slægtninge. Derefter fulgte et af de mærkeligste kapitler i en hvilken som helst større CEO-biografi: de endte på Oneida Baptist Institute i Kentucky, som Hungs familie troede var en kostskole, men som fungerede mere som et hårdt reformmiljø.
Britannica skriver, at Huang rengjorde toiletter der hver dag og måtte udholde mobning – ja, endda trusler. I Ben Thompsons interview fra 2022 med Huang til Stratechery fortalte Huang, at han og hans bror bare så arbejdet som helt almindeligt hverdagsliv: han gjorde badeværelserne rene, mens hans bror arbejdede i tobakmarker. Den reaktion betyder noget. Den peger på en usædvanlig tilpasning under pres. Ikke IQ i sig selv, selvfølgelig, men intelligens er sjældent bare abstrakt tænkning, der flyder i et vakuum — et punkt vi tog op i vores artikel om hvad intelligens egentlig er, og hvordan IQ-tests måler det. Et barn, der kan opsuge kaos, normalisere modgang og fortsætte med at fungere, viser kognitiv kontrol helt tidligt.
Hans forældre flyttede til sidst familien til forstaden Portland i Oregon. Der skifter historien hurtigt tone. Ifølge Britannica gik Huang på Aloha High School, klarede sig rigtig godt fagligt og fik endda en national placering i bordtennis. IEEE’s Engineering and Technology History Wiki kommer med en sød lille detalje: han dimitterede fra gymnasiet som 16-årig. Det er normalt ikke, hvad der sker, når livet har været enkelt og behageligt, og alle lader dig være. Det peger på høj proceshastighed, hurtig indlæring – eller begge dele.
Husk også dette mønster, for vi får det at se igen: Huang overlever ikke bare svære systemer. Han lærer, hvordan de fungerer, og begynder derefter at optimere indefra. Selv som teenager er det et stort fingerpeg.
Ingeniørskolen er dér, hvor sagen begynder at blive rigtig alvorlig
Hvis gymnasiet gav os fingerpeg, giver universitetet stærkere beviser. Ifølge både Britannica og IEEE’s historieprofil fik Huang en bachelorgrad i elektroteknik fra Oregon State University i 1984 og en kandidatgrad i elektroteknik fra Stanford i 1992.
Nu er elingeniøruddannelse ikke sådan en pæn lille hovedret, du tilfældigt snubler forbi, mens du bare hygger dig. Den kræver matematisk tænkning, rumlig forståelse, abstraktion og evnen til at holde ud med kompleksitet. Stanford hæver så baren endnu mere (som Stanford tit gør). At komme gennem den proces tyder stærkt på et intelligensniveau langt over gennemsnittet—især når personen senere bruger den træning ikke bare til at få et job, men til at omforme en hel branche.
Det er her, jeg tror, at nogle læsere undervurderer Huang. De ser karismaen, hans scene-tilstedeværelse, den sorte jakke, Nvidias markedsværdi — og så sætter de ham i boksen “en dygtig forretningsmand”. Ja, men før alt det var han først og fremmest en seriøs ingeniør. Forretningssucces erstatter ikke den tekniske evidens. Den lægger sig oven på den.
Og stablingen betyder noget. Et stærkt bevis kan være held, timing eller besættelse. Flere svære bedrifter i forskellige miljøer peger som regel på mere dyb kognitiv kapacitet.
Historien om opvaskemaskinen er sjov, men den råber også systems thinking
Som 15-årig begyndte Huang at arbejde på Denny’s som opvasker. Det kunne bare være en farverig detalje om “ydmyge begyndelser” – hvis ikke Huang hele tiden beskrev jobbet på en måde, der lyder mistænkeligt som en kommende chip-arkitekt, der forklarer throughput.
Ifølge Sydney Lakes profil på Yahoo Finance fra 2024 sagde Huang, at han var Denny’s’ “bedste opvasker”, fordi han lagde en plan for sit arbejde, holdt sig organiseret og “skrubbed’ den levende daglights ud af de der tallerkener.” Han tilføjede: “Jeg gik aldrig fra stationen med tomme hænder. Jeg var virkelig effektiv.” Altså… kom nu. Sådan taler de fleste teenagere jo ikke om opvask. Det lyder som en procesingeniør, der er fanget i et forklæde.
De detaljer betyder noget, fordi de viser noget IQ-tests ofte kun fanger delvist: spontan optimering. Nogle mennesker arbejder hårdt. Huang ser ud til at være “sat på” for at mindske spild, skabe struktur i flowet og forbedre systemer næsten automatisk. Du kan tegne en lige linje fra den mindset-tanke til den senere Jensen Huang, som spørger, hvorfor noget skulle tage 74 dage, når first-principles-tænkning siger, at 6 måske er muligt.
Og så er der den mest Denny’s-agtige sætning i moderne erhvervshistorie: Nvidia blev til i en. Britannica og Yahoo Finance fortæller begge, at Huang var med til at stifte Nvidia i 1993 sammen med Chris Malachowsky og Curtis Priem, efter at idéen tog form over morgenmad på en Denny’s-bordbås. Et sted føler en pandekage sig stadig lidt selvtilfreds.
At stifte en halvledervirksomhed som 30-årig er ikke bare ambitiøst. Det er kognitivt frækt. Du skal have teknisk viden, risikomodellering, markedsfornemmelse – og modet til at handle, før sikkerheden rammer. De fleste vil først have kortet. Huang virker tryg ved at tegne, mens han er i bevægelse.
Nvidia er det stærkeste bevis i hele sagen
Mange smarte mennesker tager en ingeniøruddannelse. Færre bygger varige virksomheder. Og endnu færre bygger en virksomhed, der får fremtiden rigtig mere end én gang.
Ifølge IEEE Engineering and Technology History Wiki udviklede Nvidia GPU’en i 1999 som en programmerbar logik-chip og var senere med til at gøre GPU’er til en standardarkitektur – ikke kun til grafik, men også til videnskabelig computing og deep learning. Samme profil bemærker, at Huang tidligt så, at GPU’er var rigtig gode til dybe neurale netværk, fordi de kunne speede træning op med størrelsesordener. Det er præcis den type mønstergenkendelse, vi leder efter, når vi estimerer en helt ekstraordinær intelligens.
Det er her, Huang skiller sig ud fra den blot strålende ingeniør. Han forstod ikke bare chips. Han forstod, hvad chipsene ville blive nyttige til. Det spring—fra teknisk objekt til fremtidens økosystem—er meget mere sjældent.
Britannica går videre og krediterer Huang’s indsigt i GPU’er og machine learning for at hjælpe med at få machine learning ind i mainstream. Og på Nvidias GPU Technology Conference i 2018, som Britannica bemærker, beskrev Huang, at GPU-fremskridt tog så meget fart i forhold til Moores lov, at tendensen fik tilnavnet “Huang’s Law”. Du får ikke en uformel lov opkaldt efter dig i computing, hvis du bare er lidt kvik om torsdagen.
Læg mærke til mønsteret, der bygger sig op nu. Tidlig tilpasning. Hurtige akademiske fremskridt. Elite-teknisk uddannelse. Systemtænkning i almindelige job. Og så langsigtet teknologisk fremsyn i global skala. Hvis vi bygger et IQ-estimat som en sagsmappe, er det her, mappen bliver tykkere — en profil, som vores indslag om om intelligens faktisk forudsiger karrieresucces går i dybden med.
Det, hvordan Huang tænker, kan måske være endnu mere afslørende end det, han byggede
I sit 2022-interview med Ben Thompson gav Huang en kort definition af intelligens: “evnen til at genkende mønstre, genkende relationer, ræsonnere om dem og lave en forudsigelse eller en plan for en handling.” Det lyder mistænkeligt meget som en beskrivelse af det sind, vi vurderede, da vi kiggede på Demis Hassabis — endnu en teknolog, hvis IQ viser sig som fremsyn frem for som testresultater. Svaret er afslørende af to grunde. For det første er det faktisk en ret god “forstå det selv”-opsummering af kognitiv intelligens. For det andet er det næsten en beskrivelse af hans egen karriere.
Transskriptionen fra The Lex Fridman-podcast giver os et endnu klarere indblik i Huangs tankegang. Her forklarer han et princip, han kalder “lyshastigheden” – hans korte måde at spørge, hvad fysikken grundlæggende tillader, før der sniger sig kompromiser og vaner ind. Han siger, at hver eneste variabel bliver målt op imod den grænse: hukommelseshastighed, matematikhastighed, strøm, omkostninger, tid og indsats. Det er førstegangsprincip-baseret tænkning i sin reneste form.
Fridman får også Huang til at forklare en af hans yndlings-management-tricks: Hvis nogen siger, at et projekt tager 74 dage, spørger Huang, hvad der ville være muligt, hvis det blev bygget fra bunden. Nogle gange, siger han, er svaret 6 dage. Pointen er ikke, at de 68 ekstra dage altid skyldes dumhed. Pointen er, at mange begrænsninger bliver arvet – ikke at de er grundlæggende. Meget højtfungerende personer viser ofte netop den vane: De skræller antagelser væk mentalt hurtigere, end andre mennesker overhovedet kan nå at lægge mærke til dem.
Et endnu et afslørende citat fra Fridman-interviewet: Huang siger, at systemer skal være «så komplekse som nødvendigt, men så simple som muligt». Det lyder elegant, netop fordi det er elegant. Men elegance i engineering plejer at afspejle en dyb forståelse – ikke overfladisk smarthed. Alle kan bare tilføje kompleksitet. Den rigtige udfordring er at vide, hvad der kan fjernes uden at ødelægge maskinen. Det er avanceret tænkning.
Han nedtoner også gentagne gange medfødt genialitet. I profilen i Fortune af Eleanor Pringle siger Huang: “Der er ingen magi; det er bare 61 år med hårdt arbejde hver eneste dag.” I et 60 Minutes-interview fra 2025 gentager han næsten den samme idé og kalder det enestående, at “en helt almindelig opvasker og busboy kan vokse op og blive sådan her”. Jeg tror, han mener det. Og jeg synes også, han er beskeden. Hårdt arbejde betyder enormt meget; hårdt arbejde plus sjælden mønstergenkendelse betyder endnu mere. Du behøver ikke vælge én af delene.
Hans kommentarer fra 2023 til Fortune lægger endnu et lag til. Da han talte ved Computex i Taipei, argumenterede Huang for, at AI i praksis har gjort “alle til programmør nu—du skal bare sige noget til computeren.” Den bemærkning er ikke kun tech-forkyndelse. Den viser, at han forstår intelligens dynamisk: når en færdighed bliver automatiseret, flytter den virkelig værdifulde tænkning sig et andet sted hen.
Hans intelligens er ikke kun teknisk
Du kan blive fristet til at tro, at Huang er en af de der geniale, men smalsporede typer, som kan optimere en supercomputer—og så ved en fejl fornærme et helt lokale, før der overhovedet er serveret forretter. Men rapporteringen peger på noget andet.
I Fortune beskriver medarbejdere ham som krævende og perfektionistisk – og Huang er åbenlyst enig i betegnelsen. “Hvis du vil lave noget ekstraordinært, så skal det ikke være nemt,” siger han. Det betyder måske ikke, at han er alles drømmechef, der kan slappe af, men det peger på stærk eksekutiv funktion og usædvanligt høje standarder.
I mellemtiden fanger Stratechery noget blødere og vigtigere: Huang siger, at hans største gave er at omgive sig med fantastiske mennesker og give dem chancen for at lave fantastisk arbejde. Han krediterer medstiftere og topingeniører igen og igen. Det er et tegn på social intelligens. Husk mønstret fra barndommen og Denny’s: han læser systemer hurtigt, og mennesker er også systemer—bare nogle, der er lidt mere rodet, indrømmet.
Selv hans ydmyghed rummer information. I 60 Minutes-interviewet indrømmer Huang, at han – på trods af sit polerede offentlige image – stadig bliver forskrækket af at gå op på en kæmpe keynote-scene, fordi han er “en ingeniør, ikke en performer.” Den sætning rammer plet. Den peger også på selvindsigt frem for selvfedme. Igen: IQ er ikke EQ, men i det virkelige liv forstærker de ofte hinanden.
Og så har han også en bredere filosofi om intelligens. I interview efter interview vender Huang hele tiden tilbage til dømmekraft, robusthed og evnen til at “se forbi hjørner”. Det er ikke en mand, der dyrker testresultater. Det er en mand, som har brugt et helt liv på at finde ud af, hvad rå hestekræfter kan – og ikke kan.
Endelig forudsigelse: Jensens Huang’s estimerede IQ
Så hvor efterlader det os så?
Vi har ingen officiel IQ-score. Men baseret på Huangs accelererede uddannelse, træning i elektroteknik, en mastergrad fra Stanford, ekstrem systemtænkning, ræsonnement fra grundprincipper, langsigtet prognosesætning i datalogi og årtiers eksekvering helt i toppen af en nådesløs svær branche, kan vi lave et seriøst estimat.
Vores vurdering er, at Jensen Huangs IQ ligger omkring 149.
Det ville placere ham cirka i 99,9-percentilen, inden for usædvanligt begavede.
Hvorfor ikke sænke? Fordi alt for mange uafhængige spor peger opad: teknisk dybde, en usædvanlig evne til abstraktion, stærk verbal ræsonnering, strategisk fremsyn og den sjældne kapacitet til at forenkle ekstrem kompleksitet. Hvorfor ikke helt vildt højere – 160 eller 170? Fordi hans skarpsindighed ikke virker som et isoleret lyn fra et ren-teoretisk vidunderbarn, men mere som en kraftfuld kombination af meget høj generel intelligens, elite-ingeniørmæssig ræsonnering, robusthed og evnen til at få det hele udført.
Og en ting til: IQ’en, selv når den estimeres omhyggeligt, undervurderer nok Huang’s bedste styrker. Standard-scoringer fanger ikke helt forudseenhed, ledelse under usikkerhed eller evnen til at bygge en virksomhed, der vedvarende er tidligt ude til den næste store ting. Med andre ord: ikke bare et geni i et laboratorium, men et geni der leverer.
Det kan være det mest Jensen Huang-agtige resultat, der findes. Ikke et tørt tal løsrevet fra virkeligheden, men en hjerne, du faktisk kan følge i aktion—fra køkkenet til datacentret.
.png)
