黄仁勋对话 LangChain:用开放堆栈打造企业超级智能体
关联
AI 不再只是聊天工具了——黄仁勋说,未来每家公司都将建立在智能体之上。这些智能体不是通用的大模型,而是属于公司自己的、带着核心专有知识、能跑在安全沙箱里的「超级员工」。它们不仅懂业务,而且只花前沿模型十分之一的成本,就能把困难任务做到 86 分。
在这场 NVIDIA 与 LangChain 的对谈里,主持人代表 LangChain,黄仁勋代表 NVIDIA。两人聊了四件事:为什么 AI 的突破节点是刚刚过去的六个月;怎么把一个开源权重模型调到接近前沿、还便宜十倍;企业该不该把核心智能外包出去、开放生态为什么是必选项;以及为什么「用 AI 反而要招更多人」。最后,他们宣布了一份把 NVIDIA 模型、LangChain 框架和安全运行时打包在一起的蓝图,让企业能开箱即用。
【背景】转写稿由语音识别生成,多处专名拼写有误。为免困惑,此处统一说明,正文不再标注:Codex 在原稿中误作 Codex(本句除外);OpenClaw、NemoClaw 实为 NVIDIA 开源工具 Nemotron;OpenShell 实为安全容器运行时 NVIDIA NIM;OpenStacks/OpenWave 实指开放堆栈和开放权重。另,转写稿中出现的 Jensen 即 NVIDIA 创始人兼 CEO 黄仁勋(Jensen Huang),Nemotron 为 NVIDIA 自研的大语言模型系列。
「过去六个月,一切才真正汇聚到了一起」
对话开场,黄仁勋没有先讲技术,而是先感谢了 LangChain 的工作。他的核心判断是:虽然 AI 和大语言模型已经发展了 15 年,但真正的爆发点出现在过去六个月。
技术扩展、多模态、Omni 模型这些单点突破都不错,但只是基础。真正的转折是:智能体系统终于成形了 。
这个系统有四个要素——它基于知识、能用工具搜索、能管理自己的记忆,还有护栏保证安全,并且能不断迭代直到把活干完 。以前这些要素是散的,模型能力不够串不起来;直到 Claude Code 这样的产品出来,大家突然看到了智能体系统的想象力 。
聪明人需要好工具:模型之外的「harness」是什么
模型变好了,光有模型就够吗?顺着主持人的追问,黄仁勋抛出了一个贯穿全场的概念:harness(驾驭机制)。
你可以把 harness 理解为套在模型外面的一整套系统——框架、上下文、工具、记忆、护栏。他的核心比喻是:「一个聪明人变得超级有用,是当我们给了他获取重要信息的权限时」。
模型也一样,光聪明不行,得配上领域信息、配上工具,还得用飞轮不断打磨它。飞轮的意思是:你用得越多,它越聪明;它越聪明,你用得越多,就像人的学习一样 。
主持人随即用数据印证了这个判断。他们做了很多工作,把 NVIDIA 的开放权重模型 Nemotron 3 Ultra 放进 LangChain 的深度智能体框架里,结果是:内部基准测试达到 86 分,作为对比的 Claude Opus 是 87 分,而成本只有 Opus 的十分之一 。主持人的感悟是:「我认为开放权重模型开始真正在性能和成本之间取得良好的平衡」。
好员工与好顾问:该自建还是该外包
聊到便宜和快的好处,话题自然转到了企业该怎么用模型。黄仁勋的判断非常鲜明:「大多数公司现在是建立在业务流程之上;未来,大多数公司将建立在 harnesses 之上」。到那时,像 LangChain 这样的框架,就会变成帮公司打造操作系统的工具 。
面对主持人的提问——企业该什么时候开始做专门化?黄仁勋的回答是:「一旦它变得足够好」。
他给的具体做法是:从 Claude Code 和 Codex 开始用,能用多久就用多久,因为它们一直在变好 。但有些事不能一直外包。
他把企业的核心智能比作公司的命脉:「一家公司基本上都建立在特定领域的专门知识产权之上」。「以某种方式外包那种智力,无论你是一个人、公司还是国家,对我来说都毫无意义」。他的分工建议很清晰:像写代码、写文章这种通用能力,交给云端前沿模型;但真正专有的工作流智能体,必须用开放工具自己造、自己控。
智能体不是人:它是电子,不是原子
既然要给企业引入「超级员工」,该怎么管理这些智能体?黄仁勋再次打了个很妙的比方:雇佣智能体就像雇佣新员工。
你得给它入职、给它匹配访问控制权限,不给他们访问每个文件的权限;你给它们任务文档、连接其他同事和工具。这套系统本质上是在为 AI 建一个「HR 系统」。
既然管理得像人,那智能体到底算什么?主持人在这里提了个有哲学意味的问题:智能体有没有意识、该不该把它拟人化?
黄仁勋的回答非常干脆:「它是电子,不是原子。而且它不是生物学的。
它没有意识。它不是醒着的。
」。它就是工具,就像自动扫地机或自动割草机。
现在人们太容易给它赋予人类属性了,「它一点也不接近那个」,而且「如果我们不理解某样东西是如何工作的,我们要如何每次都让它变得更好?」。所以别神化它,理解它、改进它才是正事。
用得越多,招的人越多
智能体既然是电子工具,为什么用得越多反而要招更多人?黄仁勋解释,因为构建智能体本身就是全新的工程岗位。
他公司的软件工程师,现在更喜欢造智能体而不是敲代码——「编写代码就像打字」,大家更愿意做系统工程师,去搭评估、建基准、设护栏 。也就是说,这是一项创造大量新岗位的技术。
顺着这个话题,主持人指出,解锁企业内部智能体使用的一个关键,是建立评估机制——这事最好由懂业务的领域专家来做。黄仁勋深表赞同:「无论你是医生、设计师还是软件工程师,你都在创建一个智能体,把平凡的工作拿走」,然后让智能体帮人类做以前做不到的事,这需要想象力和创造力 。
本集带走
最后收个尾,这一集值得带走的是三层认知。第一,模型能力过了及格线,突破点就来了——智能体系统把知识、工具、记忆和护栏粘合在一起,让 AI 变得真正有用。
第二,企业不该把核心智能外包,像 LangChain 框架这样的 harness,就是未来公司的操作系统,需要用开放工具把前沿大模型和私有数据拼成自己的超级智能体,再通过后训练不断迭代。第三,智能体不是人,它是没有意识的工具,关键在于你要像招新员工一样给它建权限、给上下文、设护栏;拥抱它不但不会让人失业,反而会催生更多构建智能体的系统工程师岗位。
在未来,大多数公司将建立在驾驭机制之上。
In the future, most companies will be built on harnesses.
—— Jensen Huang · [13:10]
以某种方式外包那种智力,无论你是一个人、公司还是国家,对我来说都毫无意义。
And somehow outsourcing that intelligence, whether you’re a person, company, country, makes no sense to me.
—— Jensen Huang · [15:50]
我无法想象当我需要增强我的智能时还会去呼叫第三方。
I can’t imagine calling a third party when I need to enhance my intelligence.
—— Jensen Huang · [16:54]
它是电子,不是原子。
It’s electrons, not atoms.
—— Jensen Huang · [20:47]
与此同时,我们知道的一件事是,我们使用的 AI 越多,不知何故,我们要雇佣的人就越多。
Meanwhile, one of the things that we know is that the more AI we use, somehow, the more people we have to hire.
—— Jensen Huang · [22:15]
顺着「智能体」挖下去
- 最便宜的模型反而是最便宜的：Factory CTO 谈 AI 定价陷阱同公司:Anthropic、NVIDIA、OpenAI · 同概念:harness、前沿模型 (frontier models)、后训练 (post-training)、智能体 (agent)
- 不靠一个模型打天下:多模型路由的早期探索与实战权衡同公司:Nemotron、NVIDIA · 同概念:前沿模型 (frontier models)、智能体 (agent)
- 邮箱里的 AI 助手：Plaid 前 CTO 谈如何在巨头围剿下赢同公司:Anthropic、Google、OpenAI · 同概念:开放权重模型 (open weight models)、护栏 (guardrails)、智能体 (agent)
换个口味
- 黄仁勋：AI毁灭论是胡说八道，自由贸易让美国必赢同公司:Nemotron、NVIDIA、Anthropic、OpenAI · 同概念:护栏 (guardrails)、智能体 (agent)、沙箱 (sandbox)
- AI 安全排行榜：谁扛住了越狱，谁没有同公司:Anthropic、OpenAI · 同概念:后训练 (post-training)、智能体 (agent)、沙箱 (sandbox)
- Chamath 谈 AI：别信末日论，打破寡头垄断同公司:NVIDIA、Anthropic、OpenAI · 同概念:开放权重模型 (open weight models)