最新的一次26分钟访谈，黄仁勋没有提起GPU、算力或新模型参数，而是聚焦于更现实的问题：当Agent开始真正替人调用工具、执行流程，企业究竟应该把工程资源放在哪里？

编辑 | 姜篇

“少写一些重复代码，多造一些能把事情做完的Agent。”

黄仁勋说这句话，不仅是一句告诫，更是他对未来的AI市场的判断。

最新的一次26分钟访谈，黄仁勋没有提起GPU、算力或新模型参数，而是聚焦于更现实的问题：

当Agent开始真正替人调用工具、执行流程，企业究竟应该把工程资源放在哪里？

黄仁勋的答案不是“再等一个更强模型”。他认为，模型只是其中一层，决定Agent能不能进入生产环境的，是模型外面的整套系统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。

这也是为什么，LangChain只调整模型周围的工程环境，没有重新训练Nemotron 3 Ultra，就把Deep Agents评测成绩推到了0.86；与最高分闭源模型0.87只差0.01，但单次评测成本从43.48美元降到了4.48美元。

黄仁勋随后把话题从评测推向公司组织。

他认为，未来不少公司不会再把业务流程写成一条条固定规则，而会把自己的数据、工具、权限和验收标准装进Harness，再让多个Agent在里面工作。

黄仁勋：NVIDIA的软件工程师开始把时间花在构建Agent上。并不是说Python会消失，而是在重新划分工程师的交付物。过去交付函数和服务，接下来还要交付角色、工具、边界、评测和退出机制。

以下为访谈内容，我们进行了翻译与整理。

“写代码像打字”，程序员开始换一张工作清单

“prefer to be building agents”黄仁勋：工程师会更愿意去构建Agent。

Harrison Chase：更多AI进入公司以后，程序员的岗位会不会被直接代替？

黄仁勋：需求不会因为编程效率提高就减少。软件变便宜以后，过去因为成本太高而没被开发的工具、流程和服务会被重新开发。工程师会减少一部分机械编码，但更多的是Agent设计和验证工作。

他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，但也不再等于完成一个Agent系统。工程师还要决定它能看见什么、能调用什么、失败后怎么恢复，以及输出由谁验收。

黄仁勋谈NVIDIA工程师从写软件转向构建Agent

这不是把程序员从代码里抽走，而是把代码放进更长的责任链。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”。

模型只是原料，Harness才把它变成能交付的系统

“The way to build better agents”黄仁勋：更好的Agent，要靠持续改进模型周围的系统。

Harrison Chase：过去半年Agent突然变得更有用，进步主要来自模型，还是来自模型周围的系统？

黄仁勋：模型能力当然重要，但生产级Agent的上限越来越取决于Harness。一个模型单独回答问题时表现不错，不代表它能在长任务里保持计划、正确使用工具并处理异常。

Harness可以理解为模型的工作台。系统Prompt定义角色，工具描述告诉它有哪些手段，记忆保存中间状态，Middleware处理上下文和异常，评测器判断结果是否达到标准。每一层都不显眼，却会叠加成最终表现。

黄仁勋解释模型与Harness的关系

这也改变了团队排查问题的方式。Agent失败时，第一反应不再只是换模型，而是回看执行轨迹：它在哪一步误解了任务，是工具说明不清、上下文丢失、计划过长，还是验收条件根本没有写进系统。

不重训模型，只改Harness，成绩追到Opus身后

访谈给出的技术样本是Nemotron 3 Ultra。

LangChain先让它运行公开的Deep Agents评测，再逐条分析失败轨迹，没有改模型权重，而是调整系统Prompt、工具描述和中间件。

结果是，调过的Nemotron 3 Ultra拿到0.86，最高分闭源模型为0.87。差距只有0.01。更值得注意的是，提升来自模型外部的工程，而不是一次新的训练。

LangChain官方评测：Nemotron 3 Ultra配合专用Harness取得0.86，单次成本4.48美元

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。

便宜约10倍，改变的不只是账单

“run larger eval suites”黄仁勋：更低的推理成本，让团队可以运行更大的评测集。

Harrison Chase：开放模型最直接的优势是不是成本？

黄仁勋：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。

0.86对应4.48美元，接近它的模型对应43.48美元。

在这组评测里，成本大约相差一个数量级。对一次演示而言，几十美元未必夸张；但当同一套流程每天回归、每次版本迭代都要比较多个变量时，差距会迅速放大。

便宜带来的第一项能力是“多试”。团队可以同时比较模型、Prompt、工具和重试策略；第二项能力是“常测”，把评测放进日常开发与生产监控；第三项能力才是“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。

先用前沿模型探路，再把高频任务专门化

Harrison Chase：既然开放模型更便宜、更可控，企业是否应该完全离开前沿闭源模型？

黄仁勋的核心判断：这不是二选一。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，再把它收敛成专门化Agent。

一种更实际的落地路径：先挑最难的一批真实任务，让能力更强的模型跑出可用轨迹；再收集失败案例、人工修改和工具调用记录；最后把规则、上下文和评测固化，迁移到成本更低的开放模型或专用Agent。

这里的“专门化”不只发生在模型权重里。

很多时候，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。

公司未来会建在Harness之上

“companies will be built on harnesses”黄仁勋：未来的公司会把越来越多能力建在Harness上。

Harrison Chase：企业真正应该拥有的Agent资产是什么？

黄仁勋：不是某个单独模型，而是模型、Harness、运行时与公司数据的组合。模型可以替换，真正把业务知识沉淀下来的，是系统如何分解任务、调用内部工具、处理例外并验证结果。

黄仁勋谈“公司将建立在Harness之上“

过去，企业把流程写进ERP、CRM和一串固定审批规则。

Agent时代，部分流程会从变成“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。模型重要，但模型周围的系统更直接地映射公司的独有知识。

Agent入职先领门禁，密钥不能直接交给它

一个会调用终端、数据库和内部API的Agent，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。

NemoClaw官方架构：Agent在OpenShell沙箱内执行，网络、凭证和日志分别受控

黄仁勋：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。

黄仁勋谈安全、沙箱与访问控制

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。

别急着把Agent当同事，它首先是一套受控软件

Harrison Chase：当Agent用自然语言协作、表现得越来越像人，我们应该在多大程度上把它拟人化？

黄仁勋：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。

更多AI意味着更多工作，前提是需求被重新打开

“You’re taking all the mundane work”黄仁勋：AI先代替的，是大量机械、重复的工作。

黄仁勋对就业问题的回答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。

最后缺的不是模型，而是一整套Agent栈

工程全景中。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。

黄仁勋总结开放模型

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。