過去一年，AI 和智能體系統快速演進，尤其是最近幾個月，模型能力、工具呼叫、多模態和系統架構都出現了明顯突破。但隨著性能提升，另一個問題也變得越來越重要：企業如何在使用 AI 的同時，保有開放性、控制權和信任？

在這場對談中，黃仁勳圍繞開放智能體生態、企業專有智能、前沿模型與開放權重模型的關係，以及智能體執行階段的安全治理，給出了非常清晰的判斷。他的核心觀點是：AI 終於變得真正有用了，而一旦 AI 有用，世界上每一家公司都會想用上它。接下來的關鍵問題不是“AI 能不能做”，而是“企業如何把它安全、可控、可持續地用起來”。

AI 終於從能力展示走向實用

黃仁勳認為，雖然 AI 行業已經發展多年，但過去六個月是一個真正的轉折點。大語言模型的進步、規模化能力、多模態模型、工具使用和智能體框架終於匯合到一起，使 AI 從“令人驚嘆的技術”變成“真正有用的生產力系統”。

這也是 LangChain 這類框架的重要性所在。大語言模型本身是關鍵原料，但要把它變成有用產品，模型周圍還需要一整套系統：提示、工具、檢索、記憶、知識、護欄、執行環境，以及能夠讓模型不斷迭代完成任務的 harness。過去，人們用 LangChain 把大語言模型包裝成可提示呼叫的 API，用它建構 RAG；今天，這些能力進一步演化為智能體系統。

在黃仁勳看來，最近真正的突破，是智能體系統開始具備完整閉環：它們基於資訊和知識，能夠呼叫工具進行搜尋，擁有可管理的記憶，具備安全護欄，並能持續迭代直到完成任務。模型能力到達某個臨界點之後，這些元件才真正組合成了可用的智能體。

為什麼必須是開放系統

NVIDIA 長期投入開放系統，原因在於 AI 是一種基礎技術。基礎技術只有被應用到大量不同場景中，才會釋放真正價值。語言和認知智能只是第一類應用；未來，科學家、數字生物學家、設計師、機器人專家、學生、研究人員、企業 IT 和各類專業團隊，都需要用 AI 解決具體領域的問題。

這些問題往往依賴外部無法獲得的領域知識。企業必須把自己的專有知識、流程、經驗和判斷注入 AI，讓它成為真正屬於自己的能力。黃仁勳把這描述為一個飛輪：企業越使用 AI，AI 越聰明、越有用；越有用，企業就會越多地使用它。就像人類會隨著時間學習一樣，企業智能也會在使用中不斷沉澱和增強。

因此，未來不會只有通用基礎模型。Anthropic、OpenAI、Google 等公司提供的基礎模型非常重要，但在它們之上，企業還會建構專用 AI、領域 AI 和專有 AI。NVIDIA 想推動的，正是讓這個世界成為現實。

專門化不只是模型，而是整個環境

談到如何讓智能體系統專門化，黃仁勳強調，第一步是模型本身必須足夠好。這也是 NVIDIA 投入 Nemotron 的原因。Nemotron Ultra 可以是一個很強的起點，但當它被放進 LangChain 框架和 harness 中，並接入特定領域的資訊時，它會變成更強大的系統。

他用人的能力作類比：一個聰明人本身很重要，但如果給他訪問關鍵資料、工具和組織上下文的權限，他才能真正發揮價值。AI 也是如此。讓模型變強並不只是訓練模型，還包括圍繞模型建構環境：提供資訊、連接工具、定義任務流程、加入安全機制，並在實際使用中不斷最佳化。

這意味著，專門化的核心不是單點能力，而是一個完整系統。企業可以在 harness 中對模型進行後訓練，讓模型更擅長使用周圍的工具和流程。隨著時間推移，企業不僅可以最佳化提示和工具，還可以最佳化模型本身，讓整個系統的能力上限繼續提升。

成本下降會釋放更多智能需求

對談中提到，經過針對 Deep Agents 的調優，Nemotron 3 Ultra 在內部基準中接近 Claude Opus 的表現，但成本大約只有後者的十分之一。黃仁勳認為，成本優勢不只是“省錢”，它會改變建構者使用智能的方式。

當智能足夠便宜，人們會使用更多智能；當智能體足夠高性價比，它就能在更大的搜尋空間中進行更多嘗試和迭代，最終找到更好的答案。Nemotron 的優勢之一是速度快、計算效率高，因此它可以快速思考、快速探索、快速迭代。

這也解釋了為什麼模型周圍的環境如此重要。一個接近前沿的模型，如果放在合適的框架、工具和上下文中，就可能交付前沿級能力。對人類也是一樣：企業不僅要招聘聰明人，還要給他們工具、資訊和能夠發揮潛力的環境。

前沿模型與企業專有智能並不衝突

黃仁勳並不認為開放權重模型會取代前沿模型。他的做法是，很多工作一開始會先使用前沿模型，因為它們能力強、上手快，能讓人迅速看到潛力。前沿模型還會持續進步，規模定律、記憶技術、檢索增強生成、知識圖譜和 API 能力都仍在快速發展。

但隨著企業深入使用 AI，就會出現越來越多需要專門化的場景。例如供應鏈最佳化、晶片設計最佳化、佈局規劃最佳化等問題，極其複雜，不能指望一個通用 AI 單獨解決。企業需要建立“超級子智能體”：它們不是用來訂旅行或安排會議，而是專門解決一個關鍵任務。

這些超級智能體會連接企業專有知識、專有技能和專門工具，並由專門團隊持續打磨。黃仁勳認為，一家公司本質上就是一組高度專有、極其重要的工作流。未來，這些工作流會逐漸被專門化的智能體和 harness 重塑。

因此，未來不是“只用前沿模型”或“只用開放模型”。企業會同時使用通用前沿能力，也會建構自己的專有超級智能體。後者甚至可能成為企業的“皇冠明珠”。

公司將從業務流程走向 harness

黃仁勳提出了一個很有力量的判斷：今天，大多數公司建立在業務流程之上；未來，大多數公司會建立在 harness 之上。

過去的業務流程，往往依賴人、文件、工具、權限和經驗來運轉。未來，這些流程會被轉化為可執行、可迭代、可治理的智能體 harness。LangChain 這樣的框架，會成為企業建構自身作業系統的重要工具。每家公司都可以圍繞自己的業務，建立代表過去工作流的新型智能體系統。

當 harness 成為業務流程的一部分後，企業可以持續改進它：補充資訊、最佳化工具、調整提示、增強治理，並進一步對內部模型進行後訓練。黃仁勳認為，這是一種以前不存在的能力，也是企業 AI 飛輪真正開始轉起來的關鍵。

企業為什麼需要開放技術堆疊

企業最重要的資產，往往是自己的專門化智能。黃仁勳把“智慧財產權”中的 intellectual 解釋為 intelligence，也就是智能。每家公司都建立在某種專門化智能之上：它不一定什麼都擅長，但一定在某些事情上非常擅長，而這種專長定義了公司是誰。

正因為如此，企業不能把自己的智能完全外包出去。無論是個人、公司還是國家，如果需要增強自己的核心智能，都應該在內部持續控制、改進和沉澱。通用模型會成為社會基礎設施，雲端也會提供強大的通用能力；但在這個平台之上，企業必須建構自己的專門化能力，而這需要開放工具。

開放技術堆疊的價值就在這裡：企業可以把自己的知識、流程和權限放進系統中，同時保持控制權。它們不只是呼叫一個外部黑盒，而是在建構屬於自己的自動化智能。

安全執行階段是企業部署的前提

建構智能體系統並不簡單。除了大語言模型，還需要工具、知識圖譜、記憶系統、護欄系統、微調系統、後訓練技術和 harness 本身。即便這些都完成了，企業還需要執行階段。

執行階段必須安全、私密、可控，並能被 IT 組織管理。黃仁勳把它類比為員工入職：公司不會給每位員工訪問所有檔案和網路的權限，而是根據崗位、職責和任務需要分配工具、資料、網路、同事協作關係和任務說明。

AI 智能體也需要類似機制。它們需要存取控制、沙盒、權限、技能檔案和部署治理。換句話說，企業正在為 AI 建立一種“HR 系統”，讓 IT 和各業務單元能夠建構、改進和部署這些智能體。

智能體不是人，但會改變人的工作

在談到是否應該擬人化智能體時，黃仁勳的態度很明確：智能體是電子，不是原子；它不是生物，沒有意識，也不是醒著的。它是軟體，是電腦，是工具。

他把智能體類比為掃地機器人、自動割草機和洗碗機。它們能自主完成過去由人完成的任務，看起來像“會自己做事”，但本質上仍是工具。人們可能一開始會賦予它們太多人類屬性，但最終會像接受洗碗機一樣接受它們。

不過，AI 並不會簡單減少人的工作。黃仁勳觀察到，NVIDIA 使用的 AI 越多，反而越需要招聘更多人。原因是智能體系統本身帶來了新技能和新工作：軟體工程師不只是寫程式碼，而是在建構智能體、建立評測、設計基準、制定護欄、搭建系統。

編碼會越來越像打字，工程師會更多成為系統設計者和智能體建構者。把 AI 帶入現實世界，需要大量工作，也會創造新的崗位。

評測會成為企業智能體的關鍵

企業要大規模使用智能體，就必須知道它做得好不好。評測因此成為關鍵環節。很多時候，判斷智能體表現是否可靠，最適合由企業內部的主題專家完成，因為他們理解業務標準，也知道那些結果真正有價值。

這些專家可以和智能體協作，把繁瑣、重複、低價值的工作自動化，然後把更多時間用於需要判斷、創造力和深度思考的部分。無論醫生、設計師還是軟體工程師，未來都可能在建立自己的智能體：把日常瑣碎任務交給它，同時讓它幫助自己完成過去做不到的事。

真正的突破不只是“自動化過去的工作”，而是打開以前無法完成的新任務。黃仁勳用一個詞總結這種動力：雄心。

所有元件已經到位

在對談結尾，黃仁勳強調，NVIDIA 和合作夥伴正在提供建構超級智能體所需的基礎構件：世界級語言模型、LangChain Deep Agents 框架、能夠釋放 Nemotron 3 Ultra 潛力的調優方式、幫助企業上手的 blueprint、安全開放的 OpenShell 執行階段，以及整合的加速技術堆疊。

這意味著，每家公司、每位開發者都可以開始建立自己的領域超級智能體，並把它部署到雲端、本地、DGX Spark、DGX Station，甚至企業自己的超級計算環境中。

他的結論很直接：智能體能力已經可以在任何地方為自己建構，所有關鍵元件都已經到位。現在，企業已經沒有理由不參與進來了。 (財經會議圈)