“相比寫Python，我的工程師更愿意造Agent”，黃仁勛最新26分鐘對話：未來公司將建立在Harness之上

整理 | 蘇宓

出品 | CSDN（ID：CSDNnews）

“當你需要增強自己的智能時，別指望給第三方打個電話解決，而應該在公司內部完成。”

這是黃仁勛最近拋出的一個新觀點。

在與 LangChain CEO、聯合創始人 Harrison Chase 的一場對話中，這位英偉達 CEO 幾乎沒有聊 GPU，也沒有談下一代芯片，而是把整個話題都聚焦到了 Agent 上。

在他看來，大模型正逐漸成為基礎設施，真正拉開企業差距的，將是圍繞模型構建的 Agent 系統，以及企業沉淀其中的專有知識和工作流。未來，公司競爭的不再是誰擁有更大的模型，而是誰擁有更強的”超級智能體”。

這場時長 26 分鐘的對話信息密度極高。黃仁勛談到了為什么開放生態比封閉生態更重要、開源模型為何正在逼近前沿模型、企業為什么應該從最強模型開始，再逐步打造自己的專業化智能體，也分享了他對未來 AI 軟件形態的判斷。其中包括：

• 開源權重模型已接近前沿模型性能，但成本只有后者的十分之一；

• 我總是先使用最前沿的模型，因為它能告訴我能力的天花板，然后再打造屬于自己的專業化智能體；

• 今天的公司建立在業務流程之上，未來將建立在 Harness 之上；

• 當企業需要增強自己的智能時，核心能力不能外包，而要掌握在自己手中；

• 相比寫 Python，英偉達工程師如今更愿意構建 Agent。

完整視頻地址：https://www.youtube.com/watch?v=Yy3JH6dDugc

英偉達為什么要投資開放的 Agent 生態系統？

Harrison Chase：很高興能在這里和你交流。在過去一年，特別是最近幾個月里，AI 和智能體（Agent）領域取得了巨大進展。我們看到了性能的顯著提升，與此同時，這些模型和系統的開放性、可控性以及信任度也變得越來越重要。

我想先請教一下，為什么 NVIDIA 正在大力投資開放的智能體生態系統和技術棧？

黃仁勛：首先，我要祝賀你們所做的一切工作。事實上，回顧過去六個月，盡管我們已經在 AI 領域耕耘了 15 年，但最近這半年改變了一切。

大語言模型的進步、算力規模的擴展、全能模型（Omni-models）以及多模態技術的突破都令人嘆為觀止。最重要的是，AI 終于變得實用了。當 AI 變得實用時，全球的每一家企業都想參與其中，而核心問題在于如何實現。

這就是 LangChain 發揮作用的地方。此前你堅定認為，大語言模型是核心驅動力，但要將其轉化為實用的產品，必須在其周圍構建一套現在被稱為 Harness 的系統。

在早期，我們就利用 LangChain 將大語言模型轉化為可調用的 API，構建我們的 RAG（檢索增強生成）系統。通過這些一步步的積累，演變成了今天的智能體系統。過去六個月真正的重大突破，是這些基于知識、能夠使用工具進行搜索、具備記憶管理能力、擁有安全護欄并能持續迭代直到完成任務的智能體系統。

NVIDIA 致力于構建開放系統已有多年。因為 AI 是一項基礎技術，只有應用到各種不同的場景中才能發揮價值。除了語言和認知智能，我們還設想了一個由科學家、數字生物學家、設計者、機器人專家、研究員以及企業 IT 人員共同使用的世界，大家都可以利用智能體 AI 來解決特定領域的問題。

在這些場景中，有些是因為我們擁有不為外界所知的專業領域知識，必須將其融入 AI 中；有些是因為我們相信 AI 會通過“飛輪效應”變得更強大——我們使用它，它變得更聰明、更實用，從而引導我們更多地使用它。就像人類一樣，AI 也在不斷學習。

雖然 Anthropic、OpenAI 和 Google 的工作非常出色，但人們還想要構建專業化的、特定領域的以及專有的 AI。我們希望能夠賦能這樣一個世界的實現。

Harrison Chase：關于專業化這一點，你認為最佳的實現路徑是什么？是純粹依靠模型本身，還是依靠你提到的 Harness 系統，亦或是外部的上下文信息？

黃仁勛：專業化首先需要足夠強大的基礎智能。這就是我們開發 Nemotron 的原因。Harrison，我也非常感謝你能成為 Nemotron 聯盟的創始成員。我們開發的 Nemotron-3-Ultra 性能非常出色。

但是，只有當你用 LangChain 框架和 Harness 系統將 Nemotron-3-Ultra 包裹起來，使其能夠錨定在特定領域的專業信息上時，它才真正成為一個驚人的模型。一個聰明的人只有在能夠獲取關鍵信息時才最有用。我們甚至可以在 LangChain 的 Harness 系統中對模型進行后期訓練，讓模型更擅長利用周圍的系統組件。這個時機已經成熟了，我們需要一個開放的 Harness 系統，讓大家可以自行構建、應用并持續改進。

開源權重模型達到了前沿模型的性能

Harrison Chase：我非常贊同關于“模型足夠強大”的觀點。我認為這個門檻在一年前由前沿模型跨越，而大約六個月前，開源權重模型也跨越了這一門檻。

我們在 DeepAgents 中對 Nemotron-3-Ultra 做了很多工作，其中一個關鍵點就是調整 Harness 系統以適配該模型。我們發現不同的模型需要不同的提示詞和工具調用方式。通過這種優化，Nemotron-3-Ultra 在我們的內部基準測試中達到了 86% 的準確率。作為對比，Claude Opus 是 87%，而 DeepSeek 和 MiniMax 的一些模型大約在 82% 到 83% 之間。這說明最新的開源權重模型已經達到了前沿性能。

更重要的一點是，它的成本只有 Opus 的十分之一。開源權重模型正在性能與成本之間取得極佳的平衡。

我很想聽聽你對“成本”如何改變開發者決策的看法。

黃仁勛：降低成本的優勢體現在幾個方面。首先，當智能變得廉價時，人們的使用頻率就會大幅增加。當你擁有一個成本極低的智能體時，你就可以在更大的搜索空間內進行迭代，從而得到更好的答案。

Nemotron 之所以具有成本效益，是因為它非常快，計算效率極高。就像人一樣，思維敏捷的人可以探索更多的可能性。Nemotron-3-Ultra 在 LangChain 框架和 DeepAgents 中的表現證明，極快的推理速度讓它能迅速迭代并找到更優解。看到我們能創造出一個接近前沿水平的模型，并通過優化周圍的環境使其發揮出前沿性能，我感到非常自豪。

對于人類來說也是如此。我們雇傭最聰明的人，但除此之外，我們還為他們提供工具、信息，并創造合適的環境，讓他們發揮出最大的潛力。所以，我們需要調整的是整個環境，而不僅僅是模型。

“先用上前沿模型，看看模型潛力的天花板”

Harrison Chase：“更便宜、更快的智能會帶來更多使用”這一點非常正確。即使是我這樣自認為緊跟 AI 潮流的人，之前也低估了市場對智能和 Token 的海量需求。

隨著模型變得又快又便宜，我們該如何看待“前沿模型”的地位？我們是應該始終轉向開源模型，還是兩者各有千秋？

黃仁勛：模型正在持續改進，Scaling Laws 肯定會繼續發揮作用。模型的外殼（Harness）也在不斷優化，處理記憶的技術——無論是工作記憶還是長期記憶——都在以驚人的速度進步。此外，還有壓縮技術，以及檢索增強生成（RAG）和知識圖譜領域的各種突破。這些前沿模型的 API 中正在融入大量令人贊嘆的進步。

我的邏輯是：我總是從前沿模型開始我的所有工作。原因很簡單，因為前沿模型非常實用，它讓我知道潛力的天花板在哪里。雖然成本稍高，但它能讓我極快地完成工作。然而隨著時間的推移，我發現我需要為它們添加子智能體，將那些在特定技能上表現卓越的“超級智能體”連接起來。

在 NVIDIA 內部，我們面臨著許多極其困難的優化問題，涉及供應鏈、芯片設計優化等。這些優化問題非常復雜，你不能只指望一個通用 AI 就能算出一個完美答案。

因此，我們創建了“超級子智能體”。這些智能體是利用 LangChain 的 DeepAgents 框架，內置 Nemotron-3 模型構建的。我們還會將它們連接到專門的工具上，讓它們專精于某一項任務。這個超級智能體不需要幫我預訂差旅，它唯一的任務就是優化我們的供應鏈。在這種情況下，我確實需要 LangChain，需要 Nemotron-3-Ultra，并將其與大量專有的知識和技能相連接。我有一支專門的團隊負責不斷精煉這些系統。

我認為這定義了一家公司。公司本質上就是由一堆這類超級專有的、極其重要的工作流）組成的集合。現在我們可以通過 LangChain、DeepAgents 和 Nemotron-3 來實現這一點，它賦予了企業所需的全部控制權，不僅高效，還能調用各種強大的工具。這就是未來。

Harrison Chase：如果企業效仿你的做法——先從前沿模型開始，然后再進行專業化，你有什么建議嗎？他們應該在什么時候考慮專業化？有哪些觸發信號是值得關注的？

黃仁勛：只要模型表現“足夠好”了，就可以開始。

我會先從 Claude、Code 和 Codex 等模型開始，盡可能久地使用它們。事實上，很多東西你可能永遠不需要替換，因為它們自身也在不斷進步，其能力的提升速度是極其驚人的。

我認為在未來，AI 的存在方式就像今天的公司成員一樣。我們聘用員工是因為他們的領域專業性，以及他們在公司內部對工作流程的精煉和終身學習積累，這些價值是無可替代的。但同時，我們也會聘請顧問、購買外部工具授權、將工作外包給其他人。

AI 的未來也是如此。我們會繼續大量使用前沿模型，但同時也會利用 LangChain 和 Nemotron-3-Ultra 創建專有的、專業化的超級智能體，而這些智能體可以說就是企業的“皇冠上的明珠”。

Harrison Chase：就像聘請外部顧問一樣，你必須讓他們快速熟悉你的組織，提供背景信息，告訴他們公司是如何運作的，并賦予他們訪問公司內部數據的權限。我們觀察到，當企業開始采用 AI 時，必須圍繞它們構建一系列系統，以確保這些智能體系統在整體上是可信、安全且具備妥善治理的。

黃仁勛：沒錯。我想補充一點：今天的多數公司是建立在“業務流程”之上的，而未來的公司將建立在 Harness 之上。LangChain 將成為創建公司“操作系統”的工具。每個人都會使用 LangChain 來創建他們專業化的 Harness，這代表了過去的工作流。而工作流中的這些外殼將變得自主、智能化且更加高效。

要增強自家的智能時，別指望給第三方打個電話就能解決

Harrison Chase： 我們也看到，系統中包含了外殼（Harness）、模型以及周圍的所有上下文信息，所有這些都可以在不同時間點進行優化。

我們與 Nemotron-3 合作的成果就是一個很好的例子，證明了圍繞外殼進行優化（如更改提示詞、更換工具）能帶來極高的投資回報率。此外，我們也非常期待嘗試對 Nemotron 進行后期訓練。雖然這需要更多時間，但它能顯著提升整個系統能力的上限。

黃仁勛：這太棒了，這正是重大突破所在。

你描述的未來是：一旦外殼構建完成并開始工作，成為業務流程中成功的一部分后，下一個問題就是如何讓它變得更好。你當然可以繼續優化提供給它的信息，調整外殼參數，但現在你還可以直接在外部框架內改進 AI 模型本身（如 Nemotron-3-Ultra）。這是一種前所未有的能力，我對此感到非常興奮。

Harrison Chase：這將結合企業特有的業務流程，真正啟動這個飛輪。我們在與企業交流時聽到的一個共同需求是：系統必須構建在開放生態系統之上。

企業將自己的知識和流程投入其中，擁有完全的控制權對他們來說至關重要。你能談談開放技術棧（Open Stacks）是如何進一步賦能企業應用 AI 的嗎？

黃仁勛：每家公司從根本上說都是建立在特定領域或某些專業知識產權（IP）之上的。我們之所以稱之為“知識產權”，是因為它的核心是“智能”。每家公司都建立在某種專業化的智能基礎之上。

NVIDIA 在某些領域很專業，我們并不擅長所有事情，但我們在某一件事上做得非常出色。這種專業化智能定義了你是誰。你不可能不去控制它、改進它、讓它變得更好。

對我來說，將這種核心智能“外包”出去是毫無道理的，無論對于個人、公司還是國家都是如此。

當然，世界上存在通用智能，也存在我們都會做的通用事務。例如，軟件編程其實就是一種通用技能，大家都會用 Python 或 C++。雖然應用場景不同，但編程技能本身是通用的。寫作也是一種通用技能。但這些只是基礎技能，我們會將這些基礎應用到我們的專業領域智能中。這就是 LangChain 和 Nemotron 的用武之地。

我相信社會的基石將是這些通用的基礎模型，它們在云端隨處可用。但在那個平臺之上，我們必須構建自己的專業化能力，這就需要開放工具。

當你需要增強自己的智能時，你不能指望給第三方打個電話解決，你需要就在公司內部完成。所以，未來不是二選一，而是一個完全互補的愿景。我們正在做的，就是確保自動化智能能夠集成到我們工作的方方面面。

Harrison Chase：完全同意。不過，要讓這種集成順利運行依然具有挑戰性。所以我們今天發布了一個藍圖，通過 DeepAgents 和 NIM（NVIDIA 推理微服務）來實現。這將允許企業在安全、開放的 NIM 運行環境中，運行內置 Nemotron-3-Ultra 的 DeepAgents，并從中獲益。

黃仁勛：這意義重大。它能讓企業更輕松地啟動和運行。它將構建個人、領域特定、專有超級智能體所需的所有關鍵要素——技術、組件、工具、外殼以及藍圖示例——全部整合在一起交給你。

AI 時代，不能給員工所有的訪問權限

Harrison Chase：你們是如何看待“藍圖（Blueprints）”的？你們有很多藍圖，我個人認為今天發布的這個是最好的。你們為什么要大力投資這些藍圖？

黃仁勛：因為目前這些工具依然很深奧，涉及的環節太多。

構建智能體系統或 AI 絕非易事。它涉及大語言模型、調用的工具、需要處理的知識圖譜、記憶系統、護欄系統、微調系統，以及你剛才提到的針對外殼的后期訓練技術。

當然，還有外殼本身以及運行環境（Runtime）。當開發完成后，你依然需要運行環境，必須將其放在“沙箱”中以確保安全和隱私，并由 IT 部門進行訪問控制。

Harrison Chase：你認為在企業內部，運行環境（Runtime）最難的部分是與之配套的安全機制嗎？

黃仁勛：如果不解決安全和訪問控制問題，就根本無法部署。這就像在公司里入職一名新員工，如果你不為他們辦理入職、不設定訪問權限，他們就無法開展工作。

我們不會給每個員工訪問所有文件和網絡的權限。我們會根據每位員工的職位、職責以及他們所需的資源，賦予相應的工具訪問權，比如筆記本電腦、設計工具、編程工具等。我們還會為他們提供網絡訪問權限、信息訪問權限，將他們與其他智能體及同事連接起來，并提供一份技能文件。

本質上，我們會給他們一份文檔，說明他們的使命以及之前的做法，然后讓他們嘗試做得比以前更好。所以從很多方面來看，我們正在為 AI 創建一套類似于 HR 的系統，讓 IT 組織和公司內部的所有不同業務部門能夠在公司內部構建、改進和部署這些智能體。

黃仁勛：相比寫 Python 代碼，英偉達工程師更喜歡構建智能體

Harrison Chase：這是一個更具哲學意味的問題。很多人在談論這些智能體時會過度擬人化，將它們引入人類系統。但智能體畢竟不是人類，它們在某些方面優于人類，但在其他方面卻與人類迥異，甚至不如人類擅長。

你認為對這些智能體進行擬人化的合適程度應該是怎樣的？

黃仁勛：智能體本質上是電子，而非原子。它不是生物，沒有意識，也不是覺醒的生命。它是一個工具，就像在家里四處走動、幫忙打掃衛生的吸塵器，在做一些我以前必須親自做的事情。

現在我們還有自動割草機。你可以想象一百多年前第一臺洗碗機出現時的場景，它能自動洗碗，當時的人們一定覺得很神奇。我們稱之為“洗碗機”，這個稱呼聽起來有點像人。有趣的是，我的第一份工作就是洗碗工。

所以，我們遲早會習慣的。我認為目前人們傾向于賦予它過多的擬人屬性，但它本質上只是軟件和計算機。

我們很清楚它是如何運作的，因為我們圍繞它構建了外殼系統（Harnesses）。它的性能一直在不斷提升，如果我們不了解其運作原理，又該如何不斷改進或修復它呢？

顯然，我們完全掌握這些系統的運作機制，我們也應該保持這種認知。

與此同時，我們發現使用 AI 越多，反而需要雇傭更多的人。原因在于這些智能體系統帶來了新的技能需求。現在我們有大量的軟件工程師在構建智能體，他們以前是寫代碼的，現在則是在構建智能體。

如果你問我們公司的情況，其實我的軟件工程師們都更愿意構建智能體，而不是去寫 Python 代碼。寫代碼就像打字，而現在他們可以減少打字，成為系統工程師，去構建和創造那些非常酷的自動化系統。

他們在創建評估系統、基準測試和護欄系統。將 AI 引入現實世界的工作量是巨大的，這創造了大量的工作崗位，我的軟件工程師們非常熱愛這項工作。

Harrison Chase：你提到了評估系統（Evals），這是在企業內部解鎖智能體大規模使用的關鍵。你需要了解它的表現，而量化其好壞的最好方式通常是由企業內部的領域專家來完成。

他們可以提供反饋并與這些系統協作，將工作中單調乏味的部分自動化，從而把精力花在真正具有智力挑戰和創造性的部分。

黃仁勛：沒錯。無論你是醫生、設計師還是軟件工程師，你都在創建一個智能體。你把那些瑣碎的工作剝離出來交給智能體處理。

與此同時，我們都在嘗試提升智能體的能力，讓它們能與我們協作，去完成以前無法完成的事情。這需要想象力、創造力以及大量的技術支持。

Harrison Chase：這個觀點非常精辟。目前智能體最成功的應用是為我們提供更多的杠桿，去做更多的事情。但很多人的思路還是停留在“我們以前是怎么做的，能否將其自動化”。

我認為未來的重大突破將在于“以前做不到、但現在可以做到的事情”。

黃仁勛：沒錯。雄心壯志非常重要，100% 的雄心、能動性（Agency）是核心。

面向未來

Harrison Chase：在結束交流前，針對如何推動這一未來的實現，你認為目前的智能體技術棧（Agentic Stack）還缺失哪些環節？

黃仁勛：我們今天宣布了一項重大的合作。我們正在提供基礎的構建模塊。這些是構建“超級智能體（Super Agents）”的核心要素。

我所說的超級智能體是指那些特定于領域的、完全屬于你的智能體。你可以親自構建、改進并隨著時間的推移不斷精煉它們。你可以賦予它們訪問專有信息和知識的權限，這些信息對你來說可能是極度隱私的。由此產生的超級智能體將能完成你難以想象的任務，而且表現會極其出色。

我們已經創建了所有關鍵部分：世界級的語言模型、LangChain DeepAgents 框架（該框架已針對 Nemotron-3-Ultra 的全潛力進行了優化）、幫助大家快速上手的藍圖，以及確保系統安全的 NIM 運行環境和與之集成的加速技術棧。

全球的每家公司、每個開發者現在都能創建這些超級智能體，并將它們部署在任何地方——云端、本地。我的一位好朋友剛在 DGX Spark 上構建了一個系統。現在，你可以在你的筆記本電腦旁通過 DGX Spark 運行這些智能體，也可以在 DGX Station 上運行。如果你愿意，甚至可以在公司內部構建自己的超級計算機，或在云端運行。

現在，這些自動化能力已經可以隨處構建，所有拼圖都已齊備。沒有任何理由不去擁抱它。

Harrison Chase: 這是一個完美的結尾。你的話讓我備受鼓舞，這是一場精彩的勵志演講。我現在就打算去構建一些智能體。謝謝 Jensen 的參與。

黃仁勛：祝賀你們，干得漂亮。為你們感到驕傲。

2026 奇點智能產品大會全日程正式發布!

7月17-18日，北京金隅喜來登大酒店，40+位來自字節、百度、阿里、騰訊、宇樹、360、京東、螞蟻、科大訊飛等一線產品技術領袖，圍繞 Agent 智能體、企業級 AI、AI Coding、具身智能、AI 原生組織等 12 大專題，全鏈路拆解AI原生落地閉環。