黄仁勋放话：英伟达全员拥抱智能体！

新智元报道

编辑：英智 KingHZ

【新智元导读】软件开发的未来已来！每位工程师都将配备AI智能体，它们将嵌入日常开发，优化代码、发现漏洞、加速原型设计。黄仁勋认为，未来每个人都将指挥多个AI助手，生产力呈指数级增长。

黄仁勋放话：英伟达将全员配AI助手！

这可不是随便画个大饼，而是英伟达正在大刀阔斧搞的变革，这趋势可能席卷整个科技圈。

Meta的小扎、微软CEO纳德拉、Anthropic的CEO都表示：AI将重塑开发者角色。

AI很快会完成大部分代码，程序员的工作将从苦哈哈地敲代码变成「指挥」AI，像导演一样告诉AI要做什么。

黄仁勋表示英伟达要全员转型「AI指挥员」：

英伟达的绝大多数工程师都是软件工程师，如今芯片设计师也是软件工程师。不久之后，所有人都会用AI智能体辅助工作，其实现在很多人已经在用了。

这他们的工作效率更高，能做更大的项目，更快地将创意转化为原型，开发出质量更高、漏洞更少、安全性更强的软件。

所有的营销人员、销售人员、分析师，甚至研究人员都在使用。深度研究是一个非常强大的工具。

英伟达：全员配AI助手

英伟达早就明白，现代芯片开发本质上是一项软件工作。硬件和软件之间的界限几乎不复存在。

引入AI智能体不仅是为了提高效率，而是彻底改变工程师的工作模式。

在英伟达，AI智能体不是偶尔调用的可选助手，而是成了日常工作的标配。

它能嵌入到日常的工作中，提前发现代码漏洞，优化设计方案，用超快速度模拟测试，自动检查系统是否符合监管和安全要求。

黄仁勋认为未来AI将从被动响应指令，进化成更主动的AI智能体。

未来的AI会像超级聪明的助手，自己思考、计划、做事，而不是等你一步步指挥。

比如：告诉它「帮我规划一次旅行」，它不仅会搜索机票，还会考虑你的预算、偏好，预订酒店，甚至提醒你带伞因为目的地可能下雨。

黄仁勋预测，未来5-10年，AI智能体会成为主流，彻底改变各行各业，比如医疗（自动诊断和治疗方案）、制造业（优化生产流程）以及日常生活。

但同时也带来挑战，如AI自主决策的安全性、较高的技术门槛和开发成本。

认识到这一发展趋势的并不只有英伟达。

OpenAI和DeepMind也越来越倾向于开发能进行推理、协作和自主执行任务的智能体模型。

然而，其中的差别在于这些系统的定位。

英伟达直接让AI智能体深度融入工作，变成技术系统中不可或缺的、半自主的合作伙伴。

这种转变的影响是深远的。

GTC大会上，黄仁勋指出，现在全球大约有10亿知识工作者，以后每个人可能指挥着10个AI助手！

在研发一线，工程师指挥一批各司其职的AI：有的专门查安全漏洞，有的优化代码以提高能源效率，还有的确保和新硬件兼容。

「工程师」的概念也在发生演变，不再仅仅是单打独斗的技术大佬，而是变成了指挥AI团队的操盘手。

然而，黄仁勋在播客中，也强调了一个严峻的现实：能源和计算能力是AI普及的最终瓶颈。

以前芯片性能按摩尔定律指数级增长，现在却撞上了热力学和基础设施的天花板。

无论单个GPU的效率有多高，要同时运行几十亿个AI助手，现有的电力、散热和硬件条件根本撑不住！

芯片封装、光子技术、散热系统这些领域的创新不是可有可无，而是关乎生存的必要条件。

Agentic AI来了！

与此同时，各大公司都在拼命卷AI助手。

OpenAI研究让AI学会用工具，DeepMind思考怎么让AI团队协作，大家目标很明确：那种只能听指令的被动AI快过时了，未来属于主动出击、自主完成任务的AI智能体！

英伟达的内部战略表明，它不仅想成为算力供应商，还想给科技行业提供蓝图。

黄仁勋的愿景中还隐含着一个警告。

AI助手将成为工作刚需，用得好的人和公司会一飞冲天，跟不上的就直接被淘汰。

生产力差距不会呈线性增长，而是会呈指数级增长。

有AI智能体加持的工程师，产出的价值可能是普通工程师的几十倍甚至上百倍！

如果不做系统性的AI升级，以前靠经验和资历积累的优势，很快就会被拍在沙滩上。

与其说这是英伟达的内部计划，不如说这是AI时代技术行业的职场蓝图。

就像许多技术革命一样，人们往往很晚才会认识到其重要性，先入场的公司早把领先优势拉满了。

GenAI的确是了不起的技术，但它也有明显的局限性。

如果没有应用在合适的场景中，或者缺乏恰当的管理控制，就可能引发严重问题。

著名商用统计软件公司SAS的首席技术官Bryan Harris，举了大模型在贷款申请的例子。

他表示：「大语言模型对黑人申请者的拒贷率更高，推荐的利率也普遍高于对白人申请者的建议。只靠LLM不足以胜任大多数企业级应用场景。它们需要更完善的流程、治理机制和伦理规范。」

他进一步解释说，GenAI的模式是人类提问，AI给出决策或答案；而Agentic AI是双向工作的，AI会先整理出总结供人类审阅。

他宣布，SAS全面拥抱Agentic AI，支持用户通过低代码/无代码的方式构建AI智能体。

从GenAI到Agentic AI，转型的不止是SAS。

AI重塑开发者角色

上周，Meta举办了首届LlamaCon人工智能大会。

小扎预测，未来一年内，大约一半的开发工作将由AI完成，推动行业的生产力大幅提升。

他表示，Meta正在开发一种AI模型，给自家AI系统写程序。

LlamaCon大会上，纳德拉透露，AI已承担了微软30%的代码工作。

开发者的角色将从写代码转变为管理AI，开发者将更多扮演「定义需求」的角色，优化AI生成的代码。

AI编程工具将掀起软件开发革命。

它不仅能自动生成代码，还能自己写测试用例。这让开发者有更多时间投入创新。

行业预测显示，AI能让生产力提高30%，有望为全球GDP贡献超过1.5万亿美元。

目前，最受欢迎的AI应用之一是「氛围编程」（vibe coding），就是用聊天的方式给AI指令。

开发者在舒服的灯光下，听着音乐，和AI工具聊聊天，就能提供合适的编程思路，还能直接生成代码。

高德纳咨询（Gartner Research）公司预测，到2028年，75%的专业开发者都会用氛围编程等AI工具。

在2023年9月，这一比例还不到10%。

未来三年，80%的企业会把AI辅助测试工具集成到软件工程工具链，与去年年初约15%相比，有显著增长。

《MIT科技评论》的报告显示，如今94%的企业领导者在软件开发中会用生成式AI，82%用在多个开发阶段。

有些行业专家大胆预测，用不了多久，AI写代码的占比会高得惊人。

Anthropic CEO在近期的采访中表示：预计3-6个月后，AI编写的代码将达到90%。再过一年，几乎所有代码都可能被AI包办。

虽说这个预测听起来有点夸张，但现在软件开发的方式确实在发生巨大变化。

Forrester咨询公司副总裁表示，就连那些经验丰富的资深开发者，都开始把氛围编程当成得力助手了。

不过他也提到，目前的AI辅助开发主要是用来处理一些比较简单的任务，这让开发者腾出手来，去做那些更重要、更具创造性的工作。

今年早些时候，一项针对2300多名开发者的调查发现，42%的人已经在使用「图灵机器人」（TuringBots），也就是基于AI的代码生成器。

随着图灵机器人变得更加智能和自主，开发团队将能自动完成更多软件开发生命周期（SDLC）中的任务。

以前要花几个星期、几个月才能完成的端到端应用程序，以后说不定很快就能做好。

GPT-4 Turbo（ChatGPT）、GitHub Copilot、Cursor、Replit Ghostwriter、Codeium，还有亚马逊的Q Developer，都支持氛围编程这种对话式的开发方式。

GitHub Copilot氛围编程demo

AI编程工具能帮开发者头脑风暴、制作原型、完善功能，还能检查代码中的错误或安全漏洞。

比如像Copilot那样提供实时建议，也可以像Cursor那样实现交互式代码编辑，或者像ChatGPT提供全栈式指导。

这些工具简化了编码过程，非常适合独立开发者、快速原型制作或团队协作开发。

像StackBlitz Bolt.new、Github Spark、Lovable这些，能根据指令直接生成应用。

BlinqIO、Diffblue、IDERA、QualityKiosk Technologies、Qyrus，是专门用来做AI辅助测试的。

据报道，苹果正与Anthropic合作，打算把AI编程工具加到Xcode开发软件里，用Claude Sonnet模型来帮开发者写代码、做测试。

亚马逊（AWS）也没闲着，2023年发布了预览，2024年4月正式推出了Q Developer。开发者可以在命令行界面氛围编程。

上周，AWS把这个功能扩展到了Visual Studio Code集成开发环境。

AWS生成式AI应用与体验部门主管把AI助手比作两个人一起写代码，它会像坐在你旁边的程序员一样完成任务！

在亚马逊内部，所有开发者都可以使用Q Developer工具集。

最近，亚马逊就用它把3万个应用从旧版Java更新到了新版，这节省了4500年的人工开发时间，每年还能多赚2.6亿美元，效率提升太明显了！

开发周期迎来巨变

高德纳咨询公司上个月的调查显示，35%的IT领导者预计生成式AI将从根本上改变他们的企业，52%预计企业会用这项技术进行软件开发。

超过三分之二的受访高管认为，生成式AI带来的好处大于其风险。

在软件开发过程中用生成式AI，会让企业更注重团队生产力，毕竟人们普遍认为其主要优势在于降低成本。

大多数企业都已搭上AI这趟快车。虽然开发岗位仍将存在，但工作内容会彻底改变。

总体而言，生成式AI工具无法把一个应用90%的技术都搞定，但它能完成应用代码库60%-70%的内容。

具体到各个领域，比例大致如下：

• 简单应用代码：60-90%

• API与中间件：50%

• 数据层：40%

• 基础设施即代码（IaC）：80%

• 网络：25%

• 安全与策略：25%

• 运维与监控：50%

以上数据是基于现有生成式AI工具的能力，这些数据每天都在变。

目前，生成式AI能写大部分基础、常见、重复的代码。但要是遇到复杂的开发场景，还需要靠人指导。

现在的AI工具虽然功能强大，但用起来成本可不低，更新换代特别快。

工程师将成为精通AI技术的架构师，负责设计和维护复杂系统，还能根据用户需求快速更新。

工程师不用害怕AI抢饭碗，他们可以和AI合作，更快开发出质量更好的应用程序，推动各个行业创新。

开发者认为生成式AI工具在生成样板代码、理解代码、测试、编写文档和重构代码等任务中非常有用。

但同时，这些工具也在代码质量、知识产权，以及指导和验证输出结果等方面带来了风险。

开发者越来越依赖AI辅助工具，但仍需有人参与其中，了解正在部署的代码及其实现方式。

编程和构建应用确实变得容易多了，但在部署和调试过程中，理解代码的逻辑和运行方式仍然非常重要。

参考资料：

https://www.computerworld.com/article/3975705/from-prompts-to-production-ai-will-soon-write-most-code-reshape-developer-roles.html

https://semiconductorsinsight.com/jensen-huang-agentic-ai-prediction/

https://www.techrepublic.com/article/news-sas-innovate-keynote-gen-ai-agentic-ai/