北京
黄仁勋给AI热潮泼了一盆冷水。在2026年9月2日的G20创新部长级会议上，这位NVIDIA掌门人直言：企业接入AGI，效率不会一夜之间提升。他把Agent比作刚从MIT毕业的博士新人——聪明，但需要入职培训。
这个比喻很直白。模型能力再强，进入企业后依然需要有人告诉它上下文、目标、相关知识和访问权限。公司内部那些没写进文档的约定、业务规则、依赖关系，都得团队主动交付给Agent。AI不是插上电就能干活的。
大模型只是“大脑”，还得装上“外骨骼”
黄仁勋的核心观点是：真正让AI有用的，不是模型本身，而是套在大模型外面的Agent Harness。这个“外骨骼”负责检索知识、保存工作记忆、调用工具、支持多Agent协作。
以开发场景为例。模型能理解“修复登录超时”这句话，但真正动手时——找到入口、读日志、搜提交、跑测试、改文件、看失败信息再继续调整——每一步都依赖模型之外的工程系统。没有这套系统，大模型只是个会说话的“大脑”，干不了活。
从数字世界到物理世界，错误代价变了
当Agent从浏览器延伸到物理系统，事情开始变得严肃。浏览器Agent点错按钮通常能撤回，但机械臂重复执行可能损坏物料，实验室设备读到过期状态可能在错误条件下启动。黄仁勋指出，传统的幂等、超时、重试这些工程概念，在物理系统里变成了安全要求。状态校验和执行控制，必须由工程系统负责。
这意味着，Agent的“入职培训”不只是给信息，还要建立一套安全边界。否则，一个小错误可能从“可撤回”变成“事故”。
智能不能全外包，这些必须留在自己手里
黄仁勋承认NVIDIA自己也在用Anthropic、OpenAI、Cursor等现成产品。但他强调：通用模型可以更换，内部系统的含义不能随供应商一起换掉。如果业务规则散落在提示词里，迁移成本会极高。
需要留在企业手里的，是一切知识入口、工具接口、权限规则和评测集。你可以用别人的模型，但不能把判断力也交出去。
任务会被自动化，但责任不会消失
软件工程师的任务——写代码、查日志、修Bug——会被AI接走。但黄仁勋的判断是：岗位存在的目的是让系统解决问题并稳定运行，这个目的不变。需求选错、测试遗漏、部署影响旧数据，责任仍在团队。
所以，AI自动化的只是“任务”，不是“工作”。工作的目的和责任，依然要人来扛。这大概是这场AI热潮里，最冷静也最容易被忽略的一句话。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
