一個是全球市值最高的晶片公司 CEO，一個是幾乎所有 AI 開發者都用過的開源框架 LangChain 的創始人。他們坐下來聊了半小時，主題只有一個：大模型怎麼才能真正變成能用的產品。黃仁勳給出的答案是——harness。
精彩觀點：
1.我們做 AI 做了十五年，但真正讓一切串起來、讓 AI 變得有用的，就是最近六個月。
2.未來的公司不是建在業務流程上，而是建在 harness 上。LangChain 會成為企業的作業系統，每家公司都要用它搭出自己的專屬 harness。
3.每一家公司本質上都建立在某種專有智能之上——那是你之所以是你的東西。把這份智能外包出去，無論你是個人、公司還是國家，都毫無道理。
4.便宜的智能不會讓人少用，只會讓人用得更多。當一個智能體足夠便宜、足夠快，它就能在更大的搜尋空間裡迭代，最後給出更好的答案。
5.我做任何事都從前沿模型開始。它貴一點，但我能立刻知道天花板在那、我到底能做到什麼程度。
6.一家公司真正的樣子，是一堆專有、關鍵的工作流的集合。每一個這樣的工作流，未來都會變成一個超級子智能體。
7.我們做出了一個接近前沿的模型，但真正讓它交付前沿能力的，是外面這套 harness。人也是一樣——你雇最聰明的人，還得給他工具、給他資訊、把環境搭好，他才能發揮出全部潛能。
8.一個企業級智能體如果不解決權限和安全問題，就根本沒法部署。就像你新招一個員工，不做入職、不給權限，他一天都幹不了。
9.智能體不是人，不是原子，是電子。它沒有意識、沒有生物性、不會醒來。我們現在給它套上太多人的屬性了，其實它就是軟體，就是電腦。
10.AI 用得越多，我們招的人反而越多。我的軟體工程師現在都不寫 Python 了——他們在搭智能體、寫評測、做護欄，他們更喜歡這種活。
01. 為什麼輝達要投入開源智能體生態
問：過去一年 AI 和智能體的進展非常密集，特別是最近幾個月。除了性能提升，我感覺開放性、可控性、信任這些東西越來越被看重。輝達為什麼要在一個開放的智能體生態和技術堆疊上做這麼大的投入？
黃仁勳：先說一句，我們做 AI 做了十五年，但你我都會同意，是最近六個月把一切都串起來了。之前的大模型進展、規模化、多模態突破，當然都很棒，但真正讓 AI 變得有用的，就是這六個月。AI 一旦有用，全世界每一家企業都想馬上用上，問題只剩下“怎麼用”。這就是 LangChain 出場的地方。
你一直有個判斷：大模型是那個核心的、賦能性的技術，但要把它變成一個真正能用的產品，你得在它外面裹一層東西——現在大家管這層叫 harness。早年我們用 LangChain 把大模型變成一個可以被提示呼叫的 API，後來用它搭檢索增強生成（RAG），一步一步走到了今天的智能體。
最近六個月真正的突破，是這些智能體系統開始被資訊和知識錨定，能調工具、會搜尋，有自己管理的記憶，有護欄，還能反覆迭代直到把活幹完。但這一切能落地，前提是模型的能力到了一個臨界點，所有東西才能在這個臨界點上炸開。Claude Code 點燃了大家對智能體系統的想像，你們做的 Deep Agents 我們自己也在用，一切就在這一刻湊齊了。
至於我們為什麼要做開放系統——AI 是一項基礎技術，它必須被用在各種各樣的場景裡才有意義。語言和認知只是第一個場景，我們想的是科學家、數字生物學家、設計師、機器人工程師、學生、研究人員、企業 IT，所有人都能用智能體來解決各自領域的問題。而很多領域的問題，要麼依賴外部拿不到的專有知識，要麼需要在一個飛輪裡持續被打磨——你越用它，它越聰明，越聰明你越想用。跟人一樣。所以我們要讓那個“每個人都能建自己專屬 AI”的未來真的發生。
02. 專業化到底在做什麼
問：能不能再挖一下“專業化”這件事？到底怎麼讓一個智能體系統變得專業？是靠模型本身，還是靠外面這套 harness 和上下文？
黃仁勳：起點是要有一個“夠用的智能”。這也是我們做 Nemotron 的原因。Nemotron Ultra 本身已經很強了，但真正讓它變得驚人的，是外面套上 LangChain 的框架、LangChain 的 harness，把它錨定到領域資訊上。就像一個人再聰明，也要能拿到關鍵資訊才能真正發揮作用。
再進一步，把它放進一個飛輪：你甚至可以在 harness 裡對模型做後訓練，讓模型變得特別擅長在這個 harness 裡工作、特別擅長完成這個 harness 想讓它做的事。這一刻已經到了，但我們需要一套自己能搭、能用、能持續最佳化的開放 harness。
03. Nemotron 3 Ultra 在 Deep Agents 上跑出接近前沿的成績
問：你剛才說“模型夠用”——這個門檻，前沿模型大概一年前跨過去了，開源權重模型可能是半年前。說到 Nemotron 3 Ultra，我們在 Deep Agents 裡為它做了不少適配——調整了提示、調整了工具，因為不同模型需要不同的搭法。調完之後，我們內部有一個基準測試，Nemotron 3 Ultra 拿到了 86 分。作為對比，Claude Opus 是 87 分，DeepSeek 和某個 Minimax 模型大概在 82、83 分。開源權重模型現在真的開始摸到前沿水平了。
黃仁勳：我特別自豪，太不可思議了，謝謝你們。但同樣重要的一點是——它比 Opus 便宜十倍。
04. 成本便宜之後，人只會用得更多
問：開源權重模型現在真的在性能和成本之間找到了一個不錯的平衡。你怎麼看成本這一變數，會怎麼改變開發者的選擇？
黃仁勳：成本帶來的好處有好幾層。我一直覺得，當智能足夠便宜的時候，人們只會用得更多。當一個智能體足夠便宜，你就可以在一個更大的搜尋空間裡去迭代，最後給出來的答案反而更好。
Nemotron 的便宜，是因為它夠快、夠高效。計算高效意味著它能探索更大的空間。這和人是一個道理——一個人想得快，就能想更多可能性；能更快地把事情試一遍，就能找到更好的答案。所以 Nemotron 3 Ultra 加 LangChain 加 Deep Agents 這一套，它想得快、探得快、迭代得快，最後自然找得到更好的答案。
我特別高興的一點是——我們做出了一個接近前沿的模型，但真正讓它交付前沿能力的，是你們把外面這個環境搭起來了。人也是一樣，我們當然想雇全世界最聰明的人，但除此之外，我們還要給他們工具、給他們資訊，把周圍的環境搭好，讓他們有條件發揮出全部潛能。你調的不只是模型，還有整個環境。這就是 LangChain 的價值。
05. 前沿模型和開源模型各自的位置
問：你說“越便宜越快，用得越多”，我們看到的情況完全一致。我自認為對 AI 挺激進的，但我依然低估了對智能、對 token 的需求有多大。現在模型越來越強、越來越快、越來越便宜——我們到底該怎麼用前沿模型？是不是可以一直用開源模型？還是兩者各有位置？
黃仁勳：前沿模型一直在變強，我完全相信它們會變得強到不可思議。規模法則還有很長的跑道，harness 也在一直進步，處理短期記憶和長期記憶的技術在飛快演進，壓縮技術、檢索增強生成、知識圖譜……這些前沿 API 裡還有一大堆驚人的進展在路上。
我自己怎麼用？坦白說，我做任何事都從前沿開始。原因很簡單——它有用，我能立刻知道天花板在那。它貴一點，但我把事情做完的時間很快。
06. 為什麼要造超級子智能體
問：那什麼時候你會覺得，光靠前沿模型不夠，得自己造一個專屬的智能體？
黃仁勳：用著用著，我會開始想給它加子智能體，尤其是那種在某項技能上是“超級智能體”的子智能體。我們公司內部有一堆最佳化問題——供應鏈最佳化、晶片設計最佳化、佈局規劃最佳化，這些都是極其困難的問題。你不可能指望一個通用 AI 上去啃一啃就能給出好答案。
所以我們造超級子智能體。我們用 Deep Agents，用 LangChain Deep Agents 加上 Nemotron 3，甚至給它接上專門的工具。這個東西就為了一件事而生——它不用幫我訂機票、不用幫我安排日程，它就幹一件事：最佳化我們的供應鏈。對這種活，我就是需要 LangChain，就是需要 Nemotron 3 Ultra，就是要把它接上一大堆專有知識、專有技能。我們有一整個團隊專門在打磨它。
我覺得這就定義了一家公司。一家公司說到底，就是一堆專有、關鍵的工作流的集合。現在，我們有 LangChain 加 Deep Agents 加 Nemotron 3 Ultra，可以給每一個這樣的工作流提供它需要的所有控制、所有對好工具的高效訪問。這就是未來。
07. 企業該在什麼時候開始專業化
問：企業要是想走你說的這條路——先用前沿模型，再逐步專業化——你有什麼建議？什麼時候該開始專業化？你自己會看那些訊號？
黃仁勳：只要夠好用就先用。我會先上 Claude Code、Codex，能用多久用多久。很多東西你其實永遠不需要自己再造，因為它們一直在變強，而且是在一個非常陡峭的能力曲線上。
未來的公司，跟今天沒什麼不同——今天你有員工，因為他們的領域專長、他們打磨過的工作方法、他們在公司裡積累的經驗太寶貴了，你必須自己招。但你同時也會請顧問、買外部工具、把一些活外包出去。AI 也會是這個樣子。我們會不會繼續用前沿模型？當然，用得多得很。但我們會不會同時用 LangChain 加 Nemotron 3 Ultra 造一批可能是公司皇冠上的明珠等級的超級智能體？絕對會。
08. 未來的公司建在 harness 上，不是建在業務流程上
問：就算是外部顧問，你請進來也要讓他快速熟悉組織、給他上下文、告訴他要用那些工具、那些資料是內部的。企業一旦真的開始用 AI，就要在外面搭一大堆系統，讓整套智能體系統變得可信、安全、可治理。今天大部分公司是建在業務流程上的——
黃仁勳：未來大部分公司會建在 harness 上。LangChain 會成為造公司作業系統的那個工具。每家公司都會用 LangChain 搭出自己的專屬 harness，這些 harness 代表著過去的工作流，但現在這些工作流變成了自主的、智能體化的、效率高得多的東西。
問：其實這裡有三層可以分開最佳化——harness、模型、外面那一圈上下文，每一層都能在不同時間點做最佳化。我們對 Nemotron 3 做的工作是一個很好的例子，改提示、改工具，這些是 harness 上 ROI（投資回報率）很高的動作。接下來我們想試的，是對 Nemotron 做後訓練——這個更費時間，但我覺得它能真正把整個系統的天花板抬起來。
黃仁勳：這就是那個大突破。你剛才說的場景是——harness 搭好了，跑起來了，已經在業務流程裡穩定工作了。下一個問題是：怎麼讓它更好？你可以繼續改進你喂給它的資訊，可以繼續調 harness，但現在你還可以直接最佳化 harness 裡的這個大模型 Nemotron 3 Ultra 本身。這在以前是不存在的能力，我對這件事非常興奮。它會真正開始轉動每一個企業專屬流程的飛輪。
09. 為什麼企業需要開放的技術堆疊
問：我們跟企業聊下來，大家都在講一件事——這一切必須建在開放的生態上。他們要把公司自己的知識和流程放進去，對這套東西有完全的控制權，對他們來說是底線。你怎麼看開放的技術堆疊對企業的賦能？
黃仁勳：每一家公司本質上都建立在某種專有的、專業化的智力資產上。我們叫它“智慧財產權”是有道理的——那個“知識”就是智能。每一家公司都建在某種被專業化過的智能之上。我們公司也是——我們不是什麼都擅長，我們就是在某一件事上特別強。你公司的智能，就是你之所以是你。
你怎麼可能不去繼續掌控它、改進它、讓它變得更好？把這個東西外包出去——無論你是一個人、一家公司還是一個國家——對我來說完全說不通。
當然，也有通用智能，也有大家都在做的通用事情，這構成了經濟的很大一部分。比如寫程式碼本身是通用的，我們都在寫 Python、都在寫 C++，具體應用場景不同，但寫程式碼這個技能大體是一樣的。寫作也是通用技能。這些是基礎技能，我們再把它們應用在自己的專業領域上，這就是 LangChain 和 Nemotron 該出現的地方。
社會的底層會有一批基礎模型，它們是通用的，跑在雲上，會非常強大。但在這個平台之上，你必須自己搭出你專屬的能力，而這需要開放的工具，你不可能外包這一層。我想不出有什麼理由——每次我要提升自己的智能，還要打個電話給第三方。我要在公司裡、就地把它提升起來。所以未來不是二選一，兩者是完全互補的。我們要做的就是讓自動化智能被嵌入到所有事情裡，然後我們所有人都會因此變得更好。
10. 發佈 Deep Agents 加 OpenShell 藍圖
問：完全同意，但要把這套東西真的跑起來還是很難。所以今天我們要一起宣佈一件事——我們發佈了一個基於 Deep Agents 和 OpenShell 的藍圖，放在 NeMo 藍圖（NemoClaw）體系裡。企業可以在 OpenShell 這個安全的開放執行階段裡跑 Deep Agents 加 Nemotron 3 Ultra，希望能讓企業上手容易得多。
黃仁勳：這真的是個大事。你要搭一個自己專屬的、領域特定的超級智能體，需要的所有關鍵零件——所有技術、所有元件、所有工具、所有 harness——加上一份把它們拼在一起的藍圖，現在都給你準備好了。
問：你們有很多藍圖。為什麼在藍圖上投入這麼多？
黃仁勳：因為這些工具現在還很晦澀，零件太多了。搭一個智能體系統、搭 AI，不是一件簡單事。大模型、工具、知識圖譜、記憶系統、護欄、微調系統，加上現在要做的針對 harness 的後訓練，還有 harness 本身——每一塊都不輕鬆。
11. 執行階段、安全和權限控制
問：都做完了之後，還有執行階段這一層。企業裡最難的部分是不是就在執行階段？就是圍繞它的所有安全問題？
黃仁勳：不解決安全和權限，根本沒法部署。就像你不給一個新員工做入職、不給他分配權限，就不可能讓他上崗。我們不會給每一個員工所有檔案、所有網路的權限——每個員工基於崗位和職責，拿到對應的工具、筆記本、設計工具、程式設計工具，拿到對應的網路存取權，拿到對應的資訊存取權，我們再把他和其他智能體、其他同事連起來，給他一份技能檔案——這是你的任務、以前是怎麼做的、現在請你做得比以前更好。
某種意義上，我們在給 AI 造一套 HR 系統，讓 IT 部門和公司裡各個業務線都能在企業內部搭建、最佳化、部署這些智能體。
12. 智能體到底該被“擬人化”到什麼程度
問：這是個稍微哲學一點的問題。大家在談論智能體的時候常常把它們擬人化，把它們塞進人類的系統裡。但智能體不是人——有些事它比人強，有些事它跟人差別很大，可能還不如人。你覺得對智能體做擬人化的合理程度在那？
黃仁勳：它是電子，不是原子。它不是生物，沒有意識，不會醒來。它就是一個工具。就像我家那個到處跑的掃地機器人，在家裡到處轉、打掃，做的是我以前才做的事。現在也有自動割草機——你想像一下一百年前第一台洗碗機出現的時候，它自己就把碗洗了，那時候看起來一定像魔法。我們管它叫 dishwasher（洗碗工/洗碗機），這個詞其實有點像在說人。我的第一份工作就是洗碗工。所以我們都會慢慢習慣的。
現在大家給它套了太多“人的屬性”，其實完全不是那回事。它就是軟體，就是電腦。我們非常清楚它是怎麼工作的——畢竟外面那圈 harness 是我們造的，我們當然清楚它怎麼運作，不然怎麼讓它一直變好？如果我們連它是怎麼工作的都搞不明白，怎麼改進它？怎麼修它？所以我們其實非常瞭解它的運作方式，也應該守住這一點。
13. AI 用得越多，公司反而要招更多人
問：這麼說來，AI 越強，是不是就意味著公司要少招人？
黃仁勳：正好相反。AI 用得越多，我們招的人反而越多。原因很簡單，這些智能體系統是新的技能，我們現在有一大堆軟體工程師在搭智能體。他們以前寫軟體，現在在搭智能體。你去問，我的每一個軟體工程師都更喜歡搭智能體，而不是寫 Python 程式碼。
寫程式碼有點像打字，他們現在會少打一點字，更多地在做系統工程——搭建、創造這些自主的系統，寫評測（evals）、寫基準、做護欄。要把 AI 帶到這個世界上，要做的工作量真的非常大，這創造了一大堆新工作。我的軟體工程師們特別喜歡現在這種狀態。
問：你提到了評測。評測是企業內部釋放智能體價值的一個關鍵——你得對它跑得怎麼樣有個判斷，而判斷得好不好，往往要靠公司內部真正懂業務的人來做。他們最容易給出反饋，一起把這些系統的瑣碎工作自動化掉，然後把自己的時間花在真正需要智力和創造力的部分。
黃仁勳：完全對。不管你是醫生、是設計師、還是軟體工程師，你其實都在造一個智能體——把日常瑣碎的活兒交給它，同時想辦法讓這個智能體把你“抬起來”，去做你以前做不到的事。這需要想像力、創造力，也需要大量技術。
問：現在很多最好的用法，是給我們自己加槓桿，讓我們能做更多事。但很多想法還停留在“我們以前做過什麼，能不能自動化”。真正的解鎖會來自另一個方向——以前我們根本做不到的事，現在我們能做了。
黃仁勳：野心有用。百分之百。野心、能動性。
14. 智能體技術堆疊裡還缺什麼
問：最後一個問題——你為這個未來在推動方向的時候，會覺得這套智能體的技術堆疊還缺什麼？
黃仁勳：今天我們宣佈的這件事就是一件大事。我們提供了搭建超級智能體所需的所有關鍵零件、所有基礎元件。這些超級智能體是領域特定的、是屬於你自己的、由你搭建、由你打磨、由你隨時間不斷改進；你把自己的專有資訊和知識——甚至是最私密的東西——喂給它。結果就是，這個超級智能體能做到一些你想不到的事，而且會做得特別好。
我們把所有關鍵部分都做出來了——一個世界級的大語言模型；一個叫 LangChain Deep Agents 的框架，專門做過微調，來釋放 Nemotron 3 Ultra 的全部潛力；一份幫所有人上手的藍圖；當然還有執行階段，OpenShell 提供安全保障；再加上一整套加速棧整合進去。所以現在，全世界每一家公司、每一個開發者，都應該能造出自己的超級智能體，部署在雲上、部署在本地都行。我一個好朋友剛為 DGX Spark 做了一個，你可以讓這些智能體就跑在你桌上、緊挨著你的筆記本；你也可以讓它們跑在 DGX 工作站上，或者在公司裡自己搭一台超算，或者乾脆放在雲上。到處都能自己搭智能體的能力，現在都有了。
所有零件都在這兒了，沒理由不動手。 (華夏基石e洞察)