黄仁勋访谈聚焦“造Agent”不谈GPU算力黄仁勋在最新26分钟访谈中全程没提GPU和算力只谈一件事——程序员该从写代码转向造Agent。LangChain用Nemotron 3 Ultra配合Harness优化Deep Agents评测追到0.86与最高分只差0.01但单次成本从43.48美元压到4.48美元。模型没变变的是模型周围的系统。黄仁勋访谈回避GPU所怕为何黄仁勋最新一次公开访谈全程没有提起GPU、算力或新模型参数。他和LangChain创始人Harrison Chase聊了26分钟主题只有一个当Agent开始真正替人调用工具、执行流程企业该把工程资源放在哪里他的答案很直接——少写重复代码多造能把事情做完的Agent。这不是一句口号。黄仁勋把写代码类比成打字打字能力很重要却不是作家的全部工作。同样写出一段Python仍然重要但不再等于完成一个Agent系统。工程师还要决定Agent能看见什么、能调用什么、失败后怎么恢复以及输出由谁验收。生成代码只解决写出来。Agent工程还要解决跑得动、做得对、出错能停、过程可追溯。Harness被忽视的“工作台”有何作用黄仁勋反复提一个词Harness。它包括Prompt、工具说明、记忆、上下文管理、任务拆分、重试、评测和权限控制。模型负责推理Harness负责把推理组织成可以验收的工作。公开资料能确认的是LangChain让Nemotron 3 Ultra运行Deep Agents评测没有重新训练模型权重只调整系统Prompt、工具描述和中间件。结果是评测成绩从原始状态追到0.86最高分闭源模型为0.87。差距只有0.01。但单次评测成本从43.48美元降到了4.48美元——便宜了近10倍。这张图说明同一个模型放进不同Harness能力会被释放到不同程度。比较Agent系统时只看模型榜单已经不够。对开发团队来说执行轨迹开始像测试日志一样重要。它能告诉你分数丢在哪里也能把一次偶然失败变成新的回归用例。长期积累的Prompt、工具接口、轨迹和评测集会逐渐变成公司的Agent工程资产。成本降10倍如何改变开发方法黄仁勋说成本下降会改变开发方法而不只是让相同的事更便宜。Agent完成一次任务往往要多轮推理、调用多个工具还可能并行尝试不同路径。当每一次试验都昂贵团队就会主动减少评测和探索。便宜带来的第一项能力是多试——同时比较模型、Prompt、工具和重试策略。第二项是常测——把评测放进日常开发与生产监控。第三项才是多部署——把过去只能服务少数高价值任务的Agent扩展到更多细分流程。合理推演是当开放模型的Harness调优成本足够低企业会倾向于先用前沿模型探路再把高频任务专门化。问题刚出现、边界还不清楚时前沿模型适合探索上限。任务反复出现、验收标准逐渐稳定后再把它收敛成成本更低的专用Agent。这里的专门化不只发生在模型权重里。真正拉开差距的是公司自己的工具说明、业务词汇、权限边界、历史轨迹和验收数据。它们共同决定Agent是否理解这家公司。公司未来建在Harness上密钥如何处理黄仁勋抛出一个更激进的判断未来的公司会把越来越多能力建在Harness上。过去企业把流程写进ERP、CRM和一串固定审批规则。Agent时代部分流程会变成给定目标、工具、权限和验收标准再让系统规划路径。Harness就是承接这些业务规则的新容器。这也解释了为什么开放栈被反复强调。企业希望掌握自己的记忆、轨迹、评测集和调优数据并决定它们运行在什么基础设施上。但Agent能调用终端、数据库和内部API时已经不只是聊天机器人而是拥有行动能力的软件进程。NemoClaw蓝图把Deep Agents Code、Nemotron 3 Ultra与OpenShell运行时组合起来。模型负责推理Harness负责组织任务OpenShell把代码执行放进沙箱并对网络、凭证、文件和日志分别施加策略。黄仁勋的底线很明确Agent不应直接拿到长期密钥。更合理的方式是由运行时根据当前任务和策略临时注入权限让Agent只在必要时间、必要范围内访问必要资源。落到工程实现至少要回答四个问题它以谁的身份行动哪些命令可以执行失败后如何停止或回滚谁能复盘完整轨迹。没有这些边界Agent能力越强风险敞口也越大。能否把Agent当同事它该如何定位Harrison Chase问了一个敏感问题当Agent用自然语言协作、表现得越来越像人我们该在多大程度上把它拟人化黄仁勋的回答很冷静。自然语言让交互更顺畅但不应模糊责任边界。Agent可以拥有角色和名字却不能因为语气自信就被默认正确也不能因为像同事就跳过权限与验收。判断Agent是否完成任务要看外部证据测试是否通过、Diff是否符合预期、数据是否写入正确位置、审批记录是否完整。它说已经完成只是一个待验证的输出。拟人化可以帮助团队理解协作关系但工程管理必须保持去人格化每一次工具调用都有身份每一次高风险动作都有策略每一个最终结果都有验证器。社区传闻称部分企业已经在尝试让Agent拥有虚拟员工编号和汇报关系。但公开资料能确认的是这些做法目前仍停留在实验阶段尚未形成行业共识。程序员工作清单如何重排黄仁勋对就业问题的判断延续了他一贯的供给逻辑当生产一项数字服务的成本下降社会不会只满足于原来的数量而会产生更多此前做不起、排不上优先级的需求。对程序员而言真正变化的不是还有没有代码而是工作清单的重排。样板代码、格式转换和重复调试会更多交给Agent。任务定义、系统设计、评测构建、权限治理和异常处理会变得更重要。这份判断并不保证每个岗位都原样保留。软件供给扩大以后新的工作会从亲手完成每一步转向设计一套能持续完成任务的系统。个人是否受益取决于能不能跨过这次职责迁移。Agent栈为何不可或缺把黄仁勋的访谈拼成一张工程全景图模型负责推理Harness负责计划、记忆和工具运行时负责隔离与执行Evals和Guardrails负责判断结果能否交付。少任何一层Agent都可能只停在演示阶段。这套结构也给出了团队的实施顺序先用真实任务建立评测再让模型和Harness跑起来随后补足沙箱、身份、日志和人工接管最后才讨论规模化部署与成本优化。模型会继续变强但企业真正需要长期经营的是模型周围那套与自身数据、工具和责任边界绑定的工程环境。黄仁勋所说的Harness可能就是下一代软件公司最核心的一层基础设施。结语Agent竞争核心转向何处黄仁勋这次访谈最值得关注的地方在于他把讨论从哪个模型更强拉回到了系统怎么搭。LangChain的评测数据提供了一个具体样本0.86对0.874.48美元对43.48美元。差距不在模型在Harness。当Agent从Demo走向生产企业竞争的核心会从用了什么模型转向能不能把自己的业务流程、权限边界和验收标准稳定地装进一套可迭代、可评测、可追责的系统里。Harness就是那个容器。谁先把它建起来谁就能让Agent真正入职而不是只停留在聊天窗口里。企业如何更好地搭建Harness以提升竞争力这值得深入思考。