黄仁勋最新访谈：下一代软件公司的操作系统是 Harness

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。

26分钟不谈GPU：黄仁勋在怕什么？

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：模型外面那层被忽视的"工作台"

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。

便宜10倍改变的不是账单，是开发方法

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，但密钥不能直接交给Agent

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。

别把Agent当同事，它首先是受控软件

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。

程序员的工作清单正在重排

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。

最后缺的不是模型，是一整套Agent栈

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

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0.87，4.48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。