📌 一句话摘要 黄仁勋在与 LangChain CEO 的对话中指出，未来企业竞争力将取决于内部构建的专业智能体而非仅依赖外部模型。 📝 详细摘要 文章整理了黄仁勋与 Harrison Chase 的 26 分钟对话要点。黄仁勋认为大模型正成为基础设施，真正的竞争力在于围绕模型构建的 Agent 系统及企业内部的专有知识和工作流。他强调开源权重模型已接近前沿模型性能但成本仅十分之一，主张先用前沿模型探索天花板，再打造专业化智能体；并指出未来公司将建立在 Harness 之上，英伟达工程师如今更倾向于构建 Agent 而非编写 Python 代码。对话还涉及开放生态的重要性、专业化路径、安全
📌 一句话摘要
黄仁勋在与 LangChain CEO 的对话中指出，未来企业竞争力将取决于内部构建的专业智能体而非仅依赖外部模型。
📝 详细摘要
文章整理了黄仁勋与 Harrison Chase 的 26 分钟对话要点。黄仁勋认为大模型正成为基础设施，真正的竞争力在于围绕模型构建的 Agent 系统及企业内部的专有知识和工作流。他强调开源权重模型已接近前沿模型性能但成本仅十分之一，主张先用前沿模型探索天花板，再打造专业化智能体；并指出未来公司将建立在 Harness 之上，英伟达工程师如今更倾向于构建 Agent 而非编写 Python 代码。对话还涉及开放生态的重要性、专业化路径、安全与访问控制以及 AI 时代对人才结构的影响。
💡 主要观点
-
大模型正成为基础设施，真正的竞争力在于围绕模型构建的 Agent 系统及企业内部的专有知识。
黄仁勋指出，模型能力已趋于普及，企业差异化将来自于如何在模型之上构建符合自身业务的智能体和工作流。
开源权重模型已接近前沿模型性能，但成本仅为前者的十分之一，为广泛实验提供了经济基础。
以 Nemotron-3-Ultra 为例，内部基准达 86% 准确率，仅比 Claude Opus 低 1%，却成本大幅下降，促进频繁迭代。
企业应先使用前沿模型了解能力上限，随后基于自身需求打造专业化智能体。
黄仁勋的做法是先用顶尖模型探索天花板，再通过 LangChain、Harness 等工具将模型与专有知识、工具结合，形成专属智能体。
未来公司的核心将是 Harness（智能体编排系统），英伟达工程师更倾向于构建 Agent 而非编写传统 Python 代码。
他指出，随着 AI 成为基础设施，企业竞争将转向谁拥有更强的“超级智能体”，而构建这些智能体的工作正吸引更多软件工程师转向系统工程。
开放的技术栈和安全的运行环境是企业落地 AI 智能体的关键，需要兼顾定制化与治理。
黄仁勋强调，只有在开放、可控的生态中，企业才能将专有知识安全地注入智能体，并通过访问控制和沙箱机制确保系统可信。
💬 文章金句
- 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。
- 我总是先使用最前沿的模型，因为它能告诉我能力的天花板，然后再打造属于自己的专业化智能体。
- 相比写 Python，英伟达工程师如今更愿意构建 Agent。
- 开源权重模型正在性能与成本之间取得极佳的平衡。
- 未来的公司将建立在 Harness 之上。
📊 文章信息
AI 初评：84
来源：CSDN
作者：CSDN
分类：人工智能
语言：中文
阅读时间：31 分钟
字数：7529
标签：
AI 智能体, 大模型, 开源模型, 企业 AI, LangChain
阅读完整文章