大数跨境

黄仁勋扔出「100个Agent」重磅判断:每个工程师同时跑100个Agent!NVIDIA内部数千Agent已在互相对话

黄仁勋扔出「100个Agent」重磅判断:每个工程师同时跑100个Agent!NVIDIA内部数千Agent已在互相对话 未来跃迁
2026-06-21
0
导读:黄仁勋扔出「100个Agent」重磅判断:每个工程师同时跑100个Agent!NVIDIA内部数千Agent已在互相对话

2026年6月,黄仁勋在红杉资本的舞台上站了40分钟。

他抛出一个数字,直接让硅谷工程师集体沉默了。

"Every engineer will run 100 agents in parallel."

「每个工程师都将同时运行100个Agent。」

他没在打比方。他说这句话的时候,NVIDIA内部已经有数百个甚至数千个Agent在安全沙箱里互相通信、协作解决问题。

这一次,他不是在卖显卡。他在重新定义什么叫"工程师"。

▲ 0xMovez发布的黄仁勋红杉演讲片段:每个工程师将同时运行100个Agent,agentic系统是重大转变

Agentic AI到底是个什么东西

先讲清楚技术底层。

过去两年,大多数人跟AI打交道的方式都一样:打开ChatGPT或Claude,敲一行提示词,等模型吐出一段回复。单轮对话,像跟一个记忆力只有几秒的聪明实习生说话。

黄仁勋管这叫"prompting Claude"。

Agentic系统做的事情完全不同。

一个真正的AI Agent拥有五个能力层:

感知层——它能读屏幕、解析文件、接收API返回、甚至看摄像头画面。不止于"听懂文字",更进一步要"看懂环境"。

推理层——Chain-of-Thought多步推演、自我反思、动态选择调用哪个工具。它区别于"问一句答一句"的聊天框逻辑,走的是"接任务→拆步骤→选路径→执行→自检"的闭环。

行动层——调用浏览器、写代码并执行Shell、操控机器人、发邮件、更新数据库。能读能想,还能真动手。

记忆层——长期记忆(向量数据库+结构化日志)、项目上下文跨会话持久化。不会在三条消息后把你交代的任务忘干净。

多Agent协作层——一个主Orchestrator拆解任务→派给多个专精Sub-agent并行执行→验证合并结果→人类做最终判断。

黄仁勋的原话相当直白:

"Most people are prompting Claude, while pros are building agentic workflows."

「大多数人只是在提示Claude,而专业人士正在构建agentic工作流。」

差距已经拉开了。而且拉得很快。

▲ NVIDIA官方宣布NemoClaw:OpenClaw被定义为"个人AI的操作系统",NemoClaw在此基础上提供企业级安全护栏

从GTC到红杉:黄仁勋为什么反复讲同一件事

如果你只看了那条X帖子,你只看到了冰山尖。

2026年3月GTC大会上,黄仁勋就已经把agentic定为整场发布的主线。他在主舞台上说了三件事,件件指向同一个方向:

第一,OpenClaw创下纪录。这个由Peter Steinberger创建的开源项目,几周内GitHub星标突破10万,被黄仁勋称为"人类历史上增长最快的开源项目"——30年前Linux走过的路,它几周就跑完了。黄仁勋的定义是:"personal AI的操作系统"。

第二,NemoClaw登场。如果说OpenClaw是给个人开发者用的"AI操作系统",NemoClaw就是给企业加的"安全层"。一条命令安装,提供OpenShell运行时、沙箱隔离、策略引擎、隐私路由。让Agent能安全地访问企业敏感数据、执行代码、全程可审计。

第三,硬件就位。Vera Rubin平台为agentic tool-calling做了专门优化。DGX Spark和DGX Station让开发者能在桌边跑7x24小时always-on Agent,不再依赖云端。

6月到了红杉舞台,他把话说得更透了。

▲ 红杉资本对话黄仁勋:从检索计算到生成计算的60年范式转变,以及五层投资蛋糕

$50万年薪烧不掉$25万Token,"我会非常担忧"

红杉对话里最让人坐不住的一段,出在经济层,不在技术层。

黄仁勋提了一个具体到让人冒冷汗的数字:

"If that $500,000 engineer did not consume at least $250,000 worth of tokens, I'm going to be deeply alarmed."

「如果那个年薪50万美元的工程师,连25万美元的Token都没消耗掉,我会非常担忧。」

他的逻辑非常朴素,甚至有点残忍:Token是新时代的生产资料。一个用CAD工具的设计师如果还趴在纸上拿铅笔画图,你会觉得他效率低到离谱。同理,一个不用Agent烧Token的工程师,相当于在用纸笔做芯片设计。

这不是省不省钱的问题。这是你还跟不跟得上时代的问题。

他还给了一个10年维度的组织愿景:NVIDIA未来75,000名人类员工,搭配750万个Agent。100比1。

但这组数字背后,藏着黄仁勋真正想反驳的东西。

过去两年,"AI抢饭碗"是流量密码。黄仁勋在红杉舞台上直接拆解了这个论述。他区分了两件事:Job(工作岗位)和Task(具体任务)。

AI自动化的是Task层面的重复劳动。Job本身的结构会变,但不会蒸发。放射科医生的工作不会消失——AI帮医生读X光片,效率提升了,能看的患者更多了,放射科医生的需求反而增长。软件工程师不会就此失业——AI写了更多boilerplate代码,企业反而需要更多工程师来做系统设计、架构、创新。

他给出的最终判词是:

"People will not lose their jobs to AI. They will lose their jobs to people who use AI."

「人们不会因为AI失去工作。他们会输给那些会用AI的人。」

机器淘汰不了你。会用机器的人可以。

这才是真正让人睡不着觉的地方。

多数人连第一个Agent都还没配好

红杉舞台上热烈鼓掌,X平台上冷水流了一地。

帖子发出去,791个赞,43万次查看。评论区第一条高赞回复几乎是在打脸:

"But most people have not even configured one Claude project."

「但大多数人甚至还没有配置好一个Claude project。」

还有更狠的:

"You can't run 100 agents if your first one forgets the task after 3 messages."

「你连第一个Agent在3条消息后就会忘记任务都搞不定,就别谈100个了。」

这才是真实的技能鸿沟。黄仁勋讲的是基础设施层的信号,X社区讲的是实践层的现状。两边都没说错,但中间隔着一条巨大的裂缝。

▲ rari的高互动跟进帖:强调从单个可靠Agent到数百个Agent之间的巨大技能鸿沟

仔细拆开X上工程师的真实吐槽,核心痛点集中在几个环节:

记忆架构。大多数Agent在长对话中会"失忆"——上下文窗口有限,三条消息后就忘了最初的任务是什么。没有项目级别的持久记忆,Agent就是个金鱼脑。

编排与协调。让多个Agent同时跑听起来很美,但谁来分任务?谁来合并结果?一个Agent的输出怎么喂给下一个?并行出错怎么回滚?这些问题目前没有成熟的工具链。

验证与成本控制。100个Agent同时跑,每个都在调用大模型API。没有高效的路由和缓存策略,Token费用直接失控。而且你怎么验证100个Agent每个都输出对了?全靠人肉检查?

结论很现实:先让1个Agent可靠运行超过一天,再谈100个。

五层蛋糕和一张新的智能网络

抛开执行面的gap,黄仁勋画的这张饼确实够大。

红杉对话中,他把AI产业切成了五层蛋糕,从底到顶依次是:

  1. 能源
    ——所有AI的物理底座
  2. 芯片与计算机
    ——GPU和全栈硬件
  3. 基础设施
    ——土地、电力、数据中心
  4. 模型
    ——基础模型和能力层
  5. 应用
    ——最终触达用户的产品

他预计今年行业投资额1万亿美元,未来年规模20万亿美元。

比数字更重要的是一个比喻。黄仁勋说,过去60年的计算范式是"预录+检索"——数据中心就是个大硬盘,存好文件等你来取。现在范式变成了"实时生成"——每一次请求都结合当前上下文,生成全新的、个性化的内容输出。

他把数据中心重新定义为"AI工厂"。工厂的原料是电力和数据,产品是"智能Token"。就像电网输送电力、互联网输送信息一样,未来会有一张"智能网络"包裹地球,日夜不停地生产和输送智能。

▲ 钛媒体对GTC的中文深度解读:强调"新的PC"概念,Agent将在本地设备上7x24小时常驻运行

你现在的Agent在哪里

整件事复盘下来,黄仁勋说的其实是三层信号:

基础设施层已经ready。硬件(Vera Rubin、DGX)、操作系统(OpenClaw)、安全层(NemoClaw)全部就位。这已经不是画在PPT上的愿景了——NVIDIA把技术栈交付到了开发者手上。

组织形态在重构。"一个人+100个Agent一支队伍"正在取代"一个人一个岗位"的旧组织单元。工程管理从管人转向管Agent群。Token预算会和薪水一起写进offer里。

但人的技能没跟上。X社区的集体吐槽指向同一个问题:技术本身没有卡住,卡住的是人的学习速度。从prompt到workflow,从单Agent到多Agent编排,这是一条全新的学习曲线。

黄仁勋给窗口期下了一个清晰锚点:如果你的年薪是50万美元,而你烧不掉25万美元的Token——你已经在掉队了。

这个标准未必精确,但方向没错。

未来已到,只是分布得不太均匀。有人已经在编排Agent军队,有人还没配好第一个Claude Project。

你现在在哪一端?

【声明】内容源于网络
0
0
未来跃迁
1234
内容 602
粉丝 0
未来跃迁 1234
总阅读2
粉丝0
内容602