未来的公司将不再仅建立在“业务流程”之上，而是建立在 Harness（智能体框架）之上。
“当你需要增强自己的智能时，别指望给第三方打个电话解决，而应该在公司内部完成。”这是英伟达 CEO 黄仁勋在与 LangChain CEO Harrison Chase 对话中抛出的核心观点。
在这场时长 26 分钟的高密度对话中，黄仁勋并未过多谈论 GPU 或下一代芯片，而是将焦点完全集中在 Agent（智能体）上。他认为，大模型正逐渐成为基础设施，真正拉开企业差距的，将是围绕模型构建的 Agent 系统，以及企业沉淀其中的专有知识和工作流。未来竞争的关键，不在于谁拥有更大的模型，而在于谁拥有更强的“超级智能体”。
黄仁勋分享了关于 AI 软件形态、开源生态及企业智能化路径的五大判断：
- 开源权重模型性能已逼近前沿模型，但成本仅为后者的十分之一；
- 企业应先从最强前沿模型入手以探知能力天花板，再逐步打造专业化智能体；
- 今天的公司建立在业务流程之上，未来将建立在 Harness 之上；
- 企业的核心智能能力不能外包，必须掌握在自己手中；
- 相比编写 Python 代码，英伟达工程师如今更倾向于构建 Agent。
英伟达为何重仓开放 Agent 生态系统？
Harrison Chase 指出，过去一年 AI 和智能体领域进展巨大，模型的开放性、可控性及信任度愈发重要。他询问英伟达大力投资开放智能体生态系统的原因。
黄仁勋表示，尽管英伟达深耕 AI 十五年，但最近半年的突破改变了一切。大语言模型、算力规模、全能模型及多模态技术的进步，让 AI 真正变得实用。当 AI 具备实用性，全球企业参与的核心问题在于“如何实现”。
这正是 LangChain 的价值所在：大语言模型是核心驱动力，但要转化为实用产品，必须构建一套被称为"Harness"的系统。英伟达早期利用 LangChain 将大模型转化为 API 并构建 RAG 系统，进而演变为如今的智能体系统。真正的突破在于基于知识、能使用工具搜索、具备记忆管理、拥有安全护栏并能持续迭代直至完成任务的智能体。
黄仁勋强调，AI 是基础技术，只有应用到不同场景才能发挥价值。除了通用认知智能，未来将是科学家、设计师、机器人专家及企业 IT 人员利用智能体解决特定领域问题的世界。虽然 Anthropic、OpenAI 和 Google 表现卓越，但市场迫切需要构建专业化、特定领域及专有的 AI，英伟达致力于赋能这一愿景。
关于专业化的实现路径，黄仁勋指出首先需要足够强大的基础智能（如 Nemotron），但只有用 LangChain 框架和 Harness 系统将其包裹，锚定在特定领域的专业信息上，它才能真正发挥作用。“一个聪明的人只有在能够获取关键信息时才最有用。”他补充道，开放的 Harness 系统能让企业自行构建、应用并持续改进。
开源权重模型性能比肩前沿，成本仅为十分之一
Harrison Chase 分享数据称，一年前前沿模型跨越了性能门槛，而六个月前开源权重模型也达到了这一水平。在 DeepAgents 中对 Nemotron-3-Ultra 的测试显示，通过调整 Harness 系统适配模型，其内部基准测试准确率达 86%，与 Claude Opus 的 87% 相当，远高于部分其他模型。更重要的是，其成本仅为 Opus 的十分之一。
黄仁勋认为，降低成本将大幅增加智能的使用频率。拥有低成本智能体意味着可以在更大的搜索空间内迭代，从而获得更优答案。Nemotron 的高计算效率和快速推理速度，使其能像思维敏捷的人一样探索更多可能性。他强调，不仅要调整模型，更要调整整个环境，为智能提供工具、信息和合适的土壤。
先用前沿模型探路，再打造专属“超级智能体”
针对何时转向开源模型的问题，黄仁勋提出了明确的策略：“我总是从前沿模型开始我的工作。”原因在于前沿模型能迅速展示能力的天花板，虽成本稍高但效率极高。随着时间推移，企业需要添加子智能体，将那些在特定技能上表现卓越的“超级智能体”连接起来。
以英伟达内部为例，面对供应链和芯片设计等复杂优化问题，通用 AI 无法直接给出完美答案。因此，他们创建了利用 LangChain DeepAgents 框架和 Nemotron-3 模型构建的“超级子智能体”，并连接专用工具，使其专精于特定任务。黄仁勋认为，公司本质上就是由一堆这类超级专有的、极其重要的工作流组成的集合。
对于企业何时开始专业化，黄仁勋的建议是：只要模型表现“足够好”即可开始。他会长期使用 Claude 等前沿模型，因为它们自身也在飞速进步。未来的 AI 架构将类似人类组织：既聘用拥有领域专业性的“员工”（专有智能体），也会聘请“顾问”（外部前沿模型）。这些专有的超级智能体将成为企业的“皇冠上的明珠”。
黄仁勋重申：“今天的多数公司是建立在‘业务流程’之上的，而未来的公司将建立在 Harness 之上。”LangChain 将成为创建公司“操作系统”的工具，让过去的工作流变得自主、智能化且高效。
核心智能不可外包：在企业内部完成增强
对话深入探讨了开放技术栈对企业的重要性。黄仁勋指出，每家公司从根本上都建立在特定领域的知识产权（IP）之上，而 IP 的核心是“智能”。这种专业化智能定义了企业的独特性，必须被控制、改进和优化。
“将核心智能外包出去是毫无道理的，无论对于个人、公司还是国家都是如此。”黄仁勋强调。虽然编程、写作等是通用技能，但将这些基础应用到专业领域智能中才是关键。社会的基石将是云端通用的基础模型，但在其之上，企业必须利用开放工具构建自己的专业化能力。
他再次强调：“当你需要增强自己的智能时，你不能指望给第三方打个电话解决，你需要就在公司内部完成。”未来不是二选一，而是通用模型与专有智能体的完全互补。英伟达与 LangChain 的合作，正是为了确保自动化智能能够无缝集成到企业工作的方方面面。
安全与权限：为 AI 建立类似 HR 的管理系统
针对智能体落地的挑战，黄仁勋指出构建智能体系统涉及模型、工具、知识图谱、记忆、护栏及微调等多个复杂环节。其中，运行环境（Runtime）的安全机制至关重要。
“如果不解决安全和访问控制问题，就根本无法部署。”黄仁勋类比道，这就像新员工入职，若不设定访问权限，他们无法开展工作。企业不会给每个员工访问所有文件的权限，而是根据职位赋予相应的工具和资源。同理，也需要为 AI 智能体创建一套类似 HR 的系统，明确其使命、权限及技能文档，由 IT 组织和业务部门共同管理其在公司内部的构建、改进和部署。
工程师转型：从写 Python 代码到构建智能体
关于智能体的拟人化问题，黄仁勋保持清醒认知：“智能体本质上是电子，而非原子。”它没有意识，只是一个像洗碗机、吸尘器一样的工具。人们迟早会习惯这种称呼，但必须清楚其运作原理，才能不断改进和修复。
有趣的是，使用 AI 越多，反而需要雇佣更多人。因为智能体系统带来了新的技能需求。黄仁勋透露，英伟达的软件工程师们现在更愿意构建智能体，而不是写 Python 代码。“写代码就像打字，而现在他们可以减少打字，成为系统工程师，去构建和创造那些非常酷的自动化系统。”
工程师们的精力转向了创建评估系统、基准测试和护栏系统。将 AI 引入现实世界的工作量巨大，这创造了大量新岗位。黄仁勋认为，未来的突破不在于自动化以前做过的事，而在于利用智能体完成“以前做不到、但现在可以做到的事情”。
面向未来：拼图已齐备，超级智能体随处可建
对话最后，黄仁勋总结了推动未来实现的要素。英伟达已提供构建“超级智能体”的所有核心模块：世界级语言模型、针对 Nemotron-3-Ultra 优化的 LangChain DeepAgents 框架、快速上手的蓝图，以及确保安全的 NIM 运行环境和加速技术栈。
所谓的“超级智能体”，是指特定于领域、完全属于企业自身的智能体。企业可以亲自构建、改进并赋予其访问专有隐私信息的权限。如今，这些自动化能力可以在云端、本地、DGX Spark 甚至笔记本电脑上随处构建和部署。
“所有拼图都已齐备，没有任何理由不去拥抱它。”黄仁勋如是总结。
