中国企业家俱乐部

2026-07-15

一个是全球市值最高的芯片公司 CEO，一个是几乎所有 AI 开发者都用过的开源框架 LangChain 的创始人。他们坐下来聊了半小时，主题只有一个：大模型怎么才能真正变成能用的产品。黄仁勋给出的答案是——harness。

精彩观点

· 我们做 AI 做了十五年，但真正让一切串起来、让 AI 变得有用的，就是最近六个月。

· 未来的公司不是建在业务流程上，而是建在 harness 上。LangChain 会成为企业的操作系统，每家公司都要用它搭出自己的专属 harness。

· 每一家公司本质上都建立在某种专有智能之上——那是你之所以是你的东西。把这份智能外包出去，无论你是个人、公司还是国家，都毫无道理。

· 便宜的智能不会让人少用，只会让人用得更多。当一个智能体足够便宜、足够快，它就能在更大的搜索空间里迭代，最后给出更好的答案。

· 我做任何事都从前沿模型开始。它贵一点，但我能立刻知道天花板在哪、我到底能做到什么程度。

· 一家公司真正的样子，是一堆专有、关键的工作流的集合。每一个这样的工作流，未来都会变成一个超级子智能体。

· 我们做出了一个接近前沿的模型，但真正让它交付前沿能力的，是外面这套 harness。人也是一样——你雇最聪明的人，还得给他工具、给他信息、把环境搭好，他才能发挥出全部潜能。

· 一个企业级智能体如果不解决权限和安全问题，就根本没法部署。就像你新招一个员工，不做入职、不给权限，他一天都干不了。

· 智能体不是人，不是原子，是电子。它没有意识、没有生物性、不会醒来。我们现在给它套上太多人的属性了，其实它就是软件，就是计算机。

· AI 用得越多，我们招的人反而越多。我的软件工程师现在都不写 Python 了——他们在搭智能体、写评测、做护栏，他们更喜欢这种活。

为什么英伟达要投入开源智能体生态

问：过去一年 AI 和智能体的进展非常密集，特别是最近几个月。除了性能提升，我感觉开放性、可控性、信任这些东西越来越被看重。英伟达为什么要在一个开放的智能体生态和技术栈上做这么大的投入？

黄仁勋：先说一句，我们做 AI 做了十五年，但你我都会同意，是最近六个月把一切都串起来了。之前的大模型进展、规模化、多模态突破，当然都很棒，但真正让 AI 变得有用的，就是这六个月。AI 一旦有用，全世界每一家企业都想马上用上，问题只剩下“怎么用”。这就是 LangChain 出场的地方。

你一直有个判断：大模型是那个核心的、赋能性的技术，但要把它变成一个真正能用的产品，你得在它外面裹一层东西——现在大家管这层叫 harness。早年我们用 LangChain 把大模型变成一个可以被提示调用的 API，后来用它搭检索增强生成（RAG），一步一步走到了今天的智能体。

最近六个月真正的突破，是这些智能体系统开始被信息和知识锚定，能调工具、会搜索，有自己管理的记忆，有护栏，还能反复迭代直到把活干完。但这一切能落地，前提是模型的能力到了一个临界点，所有东西才能在这个临界点上炸开。Claude Code 点燃了大家对智能体系统的想象，你们做的 Deep Agents 我们自己也在用，一切就在这一刻凑齐了。

至于我们为什么要做开放系统——AI 是一项基础技术，它必须被用在各种各样的场景里才有意义。语言和认知只是第一个场景，我们想的是科学家、数字生物学家、设计师、机器人工程师、学生、研究人员、企业 IT，所有人都能用智能体来解决各自领域的问题。而很多领域的问题，要么依赖外部拿不到的专有知识，要么需要在一个飞轮里持续被打磨——你越用它，它越聪明，越聪明你越想用。跟人一样。所以我们要让那个“每个人都能建自己专属 AI”的未来真的发生。

专业化到底在做什么

问：能不能再挖一下“专业化”这件事？到底怎么让一个智能体系统变得专业？是靠模型本身，还是靠外面这套 harness 和上下文？

黄仁勋：起点是要有一个“够用的智能”。这也是我们做 Nemotron 的原因。Nemotron Ultra 本身已经很强了，但真正让它变得惊人的，是外面套上 LangChain 的框架、LangChain 的 harness，把它锚定到领域信息上。就像一个人再聪明，也要能拿到关键信息才能真正发挥作用。

再进一步，把它放进一个飞轮：你甚至可以在 harness 里对模型做后训练，让模型变得特别擅长在这个 harness 里工作、特别擅长完成这个 harness 想让它做的事。这一刻已经到了，但我们需要一套自己能搭、能用、能持续优化的开放 harness。

Nemotron 3 Ultra 在 Deep Agents 上跑出接近前沿的成绩

问：你刚才说“模型够用”——这个门槛，前沿模型大概一年前跨过去了，开源权重模型可能是半年前。说到 Nemotron 3 Ultra，我们在 Deep Agents 里为它做了不少适配——调整了提示、调整了工具，因为不同模型需要不同的搭法。调完之后，我们内部有一个基准测试，Nemotron 3 Ultra 拿到了 86 分。作为对比，Claude Opus 是 87 分，DeepSeek 和某个 Minimax 模型大概在 82、83 分。开源权重模型现在真的开始摸到前沿水平了。

黄仁勋：我特别自豪，太不可思议了，谢谢你们。但同样重要的一点是——它比 Opus 便宜十倍。

成本便宜之后，人只会用得更多

问：开源权重模型现在真的在性能和成本之间找到了一个不错的平衡。你怎么看成本这一变量，会怎么改变开发者的选择？

黄仁勋：成本带来的好处有好几层。我一直觉得，当智能足够便宜的时候，人们只会用得更多。当一个智能体足够便宜，你就可以在一个更大的搜索空间里去迭代，最后给出来的答案反而更好。

Nemotron 的便宜，是因为它够快、够高效。计算高效意味着它能探索更大的空间。这和人是一个道理——一个人想得快，就能想更多可能性；能更快地把事情试一遍，就能找到更好的答案。所以 Nemotron 3 Ultra 加 LangChain 加 Deep Agents 这一套，它想得快、探得快、迭代得快，最后自然找得到更好的答案。

我特别高兴的一点是——我们做出了一个接近前沿的模型，但真正让它交付前沿能力的，是你们把外面这个环境搭起来了。人也是一样，我们当然想雇全世界最聪明的人，但除此之外，我们还要给他们工具、给他们信息，把周围的环境搭好，让他们有条件发挥出全部潜能。你调的不只是模型，还有整个环境。这就是 LangChain 的价值。

前沿模型和开源模型各自的位置

问：你说“越便宜越快，用得越多”，我们看到的情况完全一致。我自认为对 AI 挺激进的，但我依然低估了对智能、对 token 的需求有多大。现在模型越来越强、越来越快、越来越便宜——我们到底该怎么用前沿模型？是不是可以一直用开源模型？还是两者各有位置？

黄仁勋：前沿模型一直在变强，我完全相信它们会变得强到不可思议。规模法则还有很长的跑道，harness 也在一直进步，处理短期记忆和长期记忆的技术在飞快演进，压缩技术、检索增强生成、知识图谱……这些前沿 API 里还有一大堆惊人的进展在路上。

我自己怎么用？坦白说，我做任何事都从前沿开始。原因很简单——它有用，我能立刻知道天花板在哪。它贵一点，但我把事情做完的时间很快。

为什么要造超级子智能体

问：那什么时候你会觉得，光靠前沿模型不够，得自己造一个专属的智能体？

黄仁勋：用着用着，我会开始想给它加子智能体，尤其是那种在某项技能上是“超级智能体”的子智能体。我们公司内部有一堆优化问题——供应链优化、芯片设计优化、布局规划优化，这些都是极其困难的问题。你不可能指望一个通用 AI 上去啃一啃就能给出好答案。

所以我们造超级子智能体。我们用 Deep Agents，用 LangChain Deep Agents 加上 Nemotron 3，甚至给它接上专门的工具。这个东西就为了一件事而生——它不用帮我订机票、不用帮我安排日程，它就干一件事：优化我们的供应链。对这种活，我就是需要 LangChain，就是需要 Nemotron 3 Ultra，就是要把它接上一大堆专有知识、专有技能。我们有一整个团队专门在打磨它。

我觉得这就定义了一家公司。一家公司说到底，就是一堆专有、关键的工作流的集合。现在，我们有 LangChain 加 Deep Agents 加 Nemotron 3 Ultra，可以给每一个这样的工作流提供它需要的所有控制、所有对好工具的高效访问。这就是未来。

企业该在什么时候开始专业化

问：企业要是想走你说的这条路——先用前沿模型，再逐步专业化——你有什么建议？什么时候该开始专业化？你自己会看哪些信号？

黄仁勋：只要够好用就先用。我会先上 Claude Code、Codex，能用多久用多久。很多东西你其实永远不需要自己再造，因为它们一直在变强，而且是在一个非常陡峭的能力曲线上。

未来的公司，跟今天没什么不同——今天你有员工，因为他们的领域专长、他们打磨过的工作方法、他们在公司里积累的经验太宝贵了，你必须自己招。但你同时也会请顾问、买外部工具、把一些活外包出去。AI 也会是这个样子。我们会不会继续用前沿模型？当然，用得多得很。但我们会不会同时用 LangChain 加 Nemotron 3 Ultra 造一批可能是公司皇冠上的明珠级别的超级智能体？绝对会。

未来的公司建在 harness 上，不是建在业务流程上

问：就算是外部顾问，你请进来也要让他快速熟悉组织、给他上下文、告诉他要用哪些工具、哪些数据是内部的。企业一旦真的开始用 AI，就要在外面搭一大堆系统，让整套智能体系统变得可信、安全、可治理。今天大部分公司是建在业务流程上的——

黄仁勋：未来大部分公司会建在 harness 上。LangChain 会成为造公司操作系统的那个工具。每家公司都会用 LangChain 搭出自己的专属 harness，这些 harness 代表着过去的工作流，但现在这些工作流变成了自主的、智能体化的、效率高得多的东西。

问：其实这里有三层可以分开优化——harness、模型、外面那一圈上下文，每一层都能在不同时间点做优化。我们对 Nemotron 3 做的工作是一个很好的例子，改提示、改工具，这些是 harness 上 ROI（投资回报率）很高的动作。接下来我们想试的，是对 Nemotron 做后训练——这个更费时间，但我觉得它能真正把整个系统的天花板抬起来。

黄仁勋：这就是那个大突破。你刚才说的场景是——harness 搭好了，跑起来了，已经在业务流程里稳定工作了。下一个问题是：怎么让它更好？你可以继续改进你喂给它的信息，可以继续调 harness，但现在你还可以直接优化 harness 里的这个大模型 Nemotron 3 Ultra 本身。这在以前是不存在的能力，我对这件事非常兴奋。它会真正开始转动每一个企业专属流程的飞轮。

为什么企业需要开放的技术栈

问：我们跟企业聊下来，大家都在讲一件事——这一切必须建在开放的生态上。他们要把公司自己的知识和流程放进去，对这套东西有完全的控制权，对他们来说是底线。你怎么看开放的技术栈对企业的赋能？

黄仁勋：每一家公司本质上都建立在某种专有的、专业化的智力资产上。我们叫它“知识产权”是有道理的——那个“知识”就是智能。每一家公司都建在某种被专业化过的智能之上。我们公司也是——我们不是什么都擅长，我们就是在某一件事上特别强。你公司的智能，就是你之所以是你。

你怎么可能不去继续掌控它、改进它、让它变得更好？把这个东西外包出去——无论你是一个人、一家公司还是一个国家——对我来说完全说不通。

当然，也有通用智能，也有大家都在做的通用事情，这构成了经济的很大一部分。比如写代码本身是通用的，我们都在写 Python、都在写 C++，具体应用场景不同，但写代码这个技能大体是一样的。写作也是通用技能。这些是基础技能，我们再把它们应用在自己的专业领域上，这就是 LangChain 和 Nemotron 该出现的地方。

社会的底层会有一批基础模型，它们是通用的，跑在云上，会非常强大。但在这个平台之上，你必须自己搭出你专属的能力，而这需要开放的工具，你不可能外包这一层。我想不出有什么理由——每次我要提升自己的智能，还要打个电话给第三方。我要在公司里、就地把它提升起来。所以未来不是二选一，两者是完全互补的。我们要做的就是让自动化智能被嵌入到所有事情里，然后我们所有人都会因此变得更好。

发布 Deep Agents 加 OpenShell 蓝图

问：完全同意，但要把这套东西真的跑起来还是很难。所以今天我们要一起宣布一件事——我们发布了一个基于 Deep Agents 和 OpenShell 的蓝图，放在 NeMo 蓝图（NemoClaw）体系里。企业可以在 OpenShell 这个安全的开放运行时里跑 Deep Agents 加 Nemotron 3 Ultra，希望能让企业上手容易得多。

黄仁勋：这真的是个大事。你要搭一个自己专属的、领域特定的超级智能体，需要的所有关键零件——所有技术、所有组件、所有工具、所有 harness——加上一份把它们拼在一起的蓝图，现在都给你准备好了。

问：你们有很多蓝图。为什么在蓝图上投入这么多？

黄仁勋：因为这些工具现在还很晦涩，零件太多了。搭一个智能体系统、搭 AI，不是一件简单事。大模型、工具、知识图谱、记忆系统、护栏、微调系统，加上现在要做的针对 harness 的后训练，还有 harness 本身——每一块都不轻松。

运行时、安全和权限控制

问：都做完了之后，还有运行时这一层。企业里最难的部分是不是就在运行时？就是围绕它的所有安全问题？

黄仁勋：不解决安全和权限，根本没法部署。就像你不给一个新员工做入职、不给他分配权限，就不可能让他上岗。我们不会给每一个员工所有文件、所有网络的权限——每个员工基于岗位和职责，拿到对应的工具、笔记本、设计工具、编程工具，拿到对应的网络访问权限，拿到对应的信息访问权限，我们再把他和其他智能体、其他同事连起来，给他一份技能文件——这是你的任务、以前是怎么做的、现在请你做得比以前更好。

某种意义上，我们在给 AI 造一套 HR 系统，让 IT 部门和公司里各个业务线都能在企业内部搭建、优化、部署这些智能体。

智能体到底该被“拟人化”到什么程度

问：这是个稍微哲学一点的问题。大家在谈论智能体的时候常常把它们拟人化，把它们塞进人类的系统里。但智能体不是人——有些事它比人强，有些事它跟人差别很大，可能还不如人。你觉得对智能体做拟人化的合理程度在哪？

黄仁勋：它是电子，不是原子。它不是生物，没有意识，不会醒来。它就是一个工具。就像我家那个到处跑的扫地机器人，在家里到处转、打扫，做的是我以前才做的事。现在也有自动割草机——你想象一下一百年前第一台洗碗机出现的时候，它自己就把碗洗了，那时候看起来一定像魔法。我们管它叫 dishwasher（洗碗工/洗碗机），这个词其实有点像在说人。我的第一份工作就是洗碗工。所以我们都会慢慢习惯的。

现在大家给它套了太多“人的属性”，其实完全不是那回事。它就是软件，就是计算机。我们非常清楚它是怎么工作的——毕竟外面那圈 harness 是我们造的，我们当然清楚它怎么运作，不然怎么让它一直变好？如果我们连它是怎么工作的都搞不明白，怎么改进它？怎么修它？所以我们其实非常了解它的运作方式，也应该守住这一点。

AI 用得越多，公司反而要招更多人

问：这么说来，AI 越强，是不是就意味着公司要少招人？

黄仁勋：正好相反。AI 用得越多，我们招的人反而越多。原因很简单，这些智能体系统是新的技能，我们现在有一大堆软件工程师在搭智能体。他们以前写软件，现在在搭智能体。你去问，我的每一个软件工程师都更喜欢搭智能体，而不是写 Python 代码。

写代码有点像打字，他们现在会少打一点字，更多地在做系统工程——搭建、创造这些自主的系统，写评测（evals）、写基准、做护栏。要把 AI 带到这个世界上，要做的工作量真的非常大，这创造了一大堆新工作。我的软件工程师们特别喜欢现在这种状态。

问：你提到了评测。评测是企业内部释放智能体价值的一个关键——你得对它跑得怎么样有个判断，而判断得好不好，往往要靠公司内部真正懂业务的人来做。他们最容易给出反馈，一起把这些系统的琐碎工作自动化掉，然后把自己的时间花在真正需要智力和创造力的部分。

黄仁勋：完全对。不管你是医生、是设计师、还是软件工程师，你其实都在造一个智能体——把日常琐碎的活儿交给它，同时想办法让这个智能体把你“抬起来”，去做你以前做不到的事。这需要想象力、创造力，也需要大量技术。

问：现在很多最好的用法，是给我们自己加杠杆，让我们能做更多事。但很多想法还停留在“我们以前做过什么，能不能自动化”。真正的解锁会来自另一个方向——以前我们根本做不到的事，现在我们能做了。

黄仁勋：野心有用。百分之百。野心、能动性。

智能体技术栈里还缺什么

问：最后一个问题——你为这个未来在推动方向的时候，会觉得这套智能体的技术栈还缺什么？

黄仁勋：今天我们宣布的这件事就是一件大事。我们提供了搭建超级智能体所需的所有关键零件、所有基础组件。这些超级智能体是领域特定的、是属于你自己的、由你搭建、由你打磨、由你随时间不断改进；你把自己的专有信息和知识——甚至是最私密的东西——喂给它。结果就是，这个超级智能体能做到一些你想不到的事，而且会做得特别好。

我们把所有关键部分都做出来了——一个世界级的大语言模型；一个叫 LangChain Deep Agents 的框架，专门做过微调，来释放 Nemotron 3 Ultra 的全部潜力；一份帮所有人上手的蓝图；当然还有运行时，OpenShell 提供安全保障；再加上一整套加速栈整合进去。所以现在，全世界每一家公司、每一个开发者，都应该能造出自己的超级智能体，部署在云上、部署在本地都行。我一个好朋友刚为 DGX Spark 做了一个，你可以让这些智能体就跑在你桌上、紧挨着你的笔记本；你也可以让它们跑在 DGX 工作站上，或者在公司里自己搭一台超算，或者干脆放在云上。到处都能自己搭智能体的能力，现在都有了。

所有零件都在这儿了，没理由不动手。

资料来源：黄仁勋与 LangChain 创始人公开对话。