撰文：Techub News 整理
导语
2026 年 7 月，NVIDIA 创始人兼 CEO Jensen Huang（黄仁勋）与 AI 应用框架 LangChain 的创始人进行了一场深度对话。这场对话发生在 AI 智能体技术迅猛发展的关键节点。过去半年，随着 Claude Code、OpenClaw 等突破性进展，智能体系统正从概念走向大规模企业应用。黄仁勋作为全球 AI 算力与生态的领军者，此次发声系统阐释了 NVIDIA 为何以及如何投资于开放的智能体生态系统，并宣布了旨在降低企业应用门槛的关键蓝图。他的观点对于任何希望将 AI 深度融入业务流程的企业而言，具有重要的战略指导意义。
摘要
- 过去六个月是 AI 从技术突破走向广泛有用的转折点，企业应用需求爆发。
- 企业的核心竞争力在于其专有知识和流程，因此必须构建并控制属于自己的、基于开放技术的“超级智能体”。
- 未来企业将建立在“智能体框架”之上，而非传统业务流程；开放栈是确保控制力、安全性和持续进化的基石。
- NVIDIA 通过提供世界级模型、框架、蓝图和安全运行时，正在构建完整的开放智能体栈，赋能企业创建专属智能体。
AI 真正有用的时刻：从模型到智能体系统的飞跃
Jensen Huang（黄仁勋）开篇即指出，尽管 AI 技术已发展十五年，但过去六个月改变了一切。大规模语言模型的进步、多模态能力、扩展性突破等技术要素在此刻汇聚，使得 AI 终于变得“有用”。当 AI 变得有用，全球每一家企业都渴望将其掌握在手。
然而，问题在于“如何实现”？黄仁勋认为，单纯的大语言模型只是基础原料，要将其转化为有用的产品，必须用“框架”将其环绕。他回顾了与 LangChain 的合作历程：最初用其将大模型转化为可提示的 API，继而构建 RAG（检索增强生成）系统，一步步发展到今天的智能体。真正的突破在于出现了基于信息、知识，能够使用工具进行搜索、拥有记忆管理、安全防护并能迭代直至完成任务的智能体系统。
这一切需要模型能力达到一个临界点，而 Claude Code 等技术的出现点燃了智能体系统的想象力。黄仁勋强调，NVIDIA 长期致力于构建开放系统，因为 AI 是一项基础性技术，唯有应用于海量不同的用例才能发挥最大价值。他展望的未来是：科学家、数字生物学家、设计师、机器人专家、学生、研究人员和企业 IT 都能使用智能体来解决特定领域的问题。
专业化之路：模型、框架与专属知识的融合
当被问及如何最好地实现系统专业化时，黄仁勋指出，专业化始于足够好的基础智能。这正是 NVIDIA 推出 Nemotron 模型系列的原因。他以 Nemotron-3 Ultra 为例，说明一个优秀的模型是起点，但当它被置于 LangChain 框架中，基于领域特定信息进行“落地”后，才能变得不可思议。
“一个聪明的人，当我们给予他特别重要的信息访问权限时，会变得超级有用。”黄仁勋类比道。因此，信息访问至关重要。更进一步，可以将模型置于一个“飞轮”中：在 LangChain 框架内对模型进行后续训练，使其擅长运用围绕它的框架来完成特定任务。这意味着企业不仅可以优化框架（提示词、工具），未来还可以优化模型本身，这是一个完整的突破。
LangChain 创始人补充了他们的实践：通过调整框架以适应不同模型（因为不同模型需要不同的提示和工具），他们成功让 Nemotron-3 Ultra 在内部基准测试中达到了 86% 的分数，与 Claude Opus 的 87% 非常接近，而成本却低至后者的十分之一。这凸显了开源权重模型在性能与成本间取得的优异平衡。
黄仁勋深入分析了成本优势的多重体现：当智能体成本效益高时，人们会更频繁地使用它；当智能体成本效益高时，它可以在更大的搜索空间中进行迭代，从而可能找到更好的答案。Nemotron 因其极快的速度和计算效率而具备成本效益，这使其能够快速探索、快速迭代，从而找到更优解。这类似于一个思维敏捷的人能够探索更多可能性。
前沿模型与专属智能体：互补的企业 AI 战略
面对“是否应该一直使用开源模型”的疑问，黄仁勋给出了清晰的双轨制战略。他首先肯定，前沿模型会一直进步， scaling 定律将持续生效，其框架、记忆处理、RAG、知识图谱等技术也在快速演进。
他的个人工作流是：永远从使用前沿模型开始。因为前沿模型有用，能快速呈现潜力，虽然成本稍高，但能极大缩短完成工作的时间。然而，随着时间的推移，他会发现需要为其添加“子智能体”——在某些技能上成为“超级专家”的智能体。
他以 NVIDIA 内部的供应链优化、芯片设计布局优化等极其复杂的问题为例，说明不可能只让一个通用 AI 去蛮力解决。因此，他们会用 Deep Agents（基于 LangChain）、内置 Nemotron-3 来创建这些超级子智能体，并连接专门的工具。这个智能体只为一项工作而生，不负责预订差旅，只专注于优化供应链。
“这定义了一家公司。”黄仁勋说，“公司就是一大堆超级专有、超级重要的工作流的集合。”现在，他们可以用内置 Nemotron-3 Ultra 的 LangChain Deep Agents 来构建这些工作流，赋予团队所需的全部控制权，以及高效访问强大工具的能力。“这就是未来。”
对于企业的建议，黄仁勋认为，一旦智能体足够好，就应开始专业化。他建议从 Claude Code、Codex 等前沿模型开始，尽可能长时间地使用它们，因为它们在快速进步。未来，企业将继续大量使用前沿模型，就像今天雇佣外部顾问、授权外部工具、外包工作一样。但同时，企业也会用 LangChain 和 Nemotron-3 Ultra 创建专属的超级智能体，这些可能成为企业的“皇冠上的明珠”。即使是“顾问型”AI，也需要被导入组织，获得上下文、工具和数据访问权限。
开放生态：企业掌控自身智能的基石
黄仁勋强调，开放栈对于企业深入应用 AI 至关重要。每一家公司都建立在特定领域或专业化的知识产权之上。“我们称之为‘知识产权’，‘知识’就是智能。”每家公司的核心竞争力正是其独特的智能基础。将这种核心智能外包，无论对个人、公司还是国家而言，都是没有意义的。
社会的基础将拥有这些基础模型，它们将是通用的、云上可用的，这非常棒。但在此平台之上，企业必须构建自己专业化的能力，而这需要开放的工具。“我无法想象在需要增强我的智能时去呼叫第三方。我需要在公司内部增强它。”因此，未来不是二选一，而是完全互补的愿景：通用基础模型与专属智能体并存。
为了降低企业应用门槛，NVIDIA 与 LangChain 宣布推出一个包含 Deep Agents 和 OpenShell 的蓝图，作为 NemoClaw 蓝图的一部分。这使得企业能够在 OpenShell（一个安全、开放的运行时环境）内部运行内置 Nemotron-3 Ultra 的 Deep Agents。黄仁勋称这是一件“大事”，它集成了构建个人化、领域特定、专有超级智能体所需的所有关键技术、组件、工具和框架。
从工具到组织：部署智能体的关键考量
构建智能体系统涉及众多复杂组件：大语言模型、工具、知识图谱、记忆系统、防护系统、微调系统，以及针对框架的后续训练技术，还有框架本身和运行时环境。黄仁勋特别强调了运行时和安全的重要性。
“不解决安全性和访问控制问题，就不可能部署。”他类比道，这就像不可能雇佣一个新员工却不给他办理入职、不授予访问权限一样。企业不会给每个员工访问所有文件和网络的权限。对于智能体，同样需要根据其职责，授予工具、网络分区、信息以及与其他智能体或同事的连接权限，并提供“技能文件”说明其使命和历史工作方式。
从这个意义上说，他们正在为 AI 创建一种“人力资源系统”，使得 IT 部门和公司内各业务单元能够构建、改进和部署这些智能体。黄仁勋也提醒，尽管人们经常拟人化地谈论智能体，但必须清醒认识到：它们是电子，不是原子；没有生物性，没有意识。它是一种工具，就像自动真空吸尘器或洗碗机。我们最终会习惯它，但现在我们赋予了它太多人类属性。
他乐观地指出，更多 AI 的应用反而创造了更多就业。他的软件工程师们现在更热衷于构建智能体，而非编写 Python 代码。“编码就像打字，他们将减少打字，更多地成为构建这些超酷自主系统的工程师。”他们创建评估体系、基准测试和安全护栏，这些工作将 AI 带入世界的过程本身就创造了大量岗位。
最后，黄仁勋总结道，2026 年 7 月宣布的蓝图是一个“非常大的事件”。NVIDIA 提供了构建超级智能体所需的所有基本构件和关键要素：世界级的语言模型、经过微调以充分释放 Nemotron-3 Ultra 潜力的 LangChain Deep Agents 框架、帮助所有人实现的蓝图，以及确保安全的 OpenShell 运行时和集成加速栈。
“现在，世界上每家公司的每位开发者都应该能够创建这些超级智能体，并将其部署在任何地方——云端或本地。”黄仁勋充满激情地表示，所有部件都已就位，没有任何理由不投身其中。这标志着企业构建和掌控专属 AI 智能体的时代已经全面开启。
