黄仁勋26分钟访谈，一句没提GPU！未来的操作系统是Harness的天下

这绝对是一次足以让整个程序员群体后背发凉的访谈。英伟达掌门人黄仁勋，那个一手把GPU和算力炒成全球最稀缺硬通货的男人，在最新的26分钟公开对话里，居然像变了个人，全程连“GPU”的影子都没提，更别说新模型参数了。

他和LangChain创始人聊了这么久，翻来覆去就死磕一件事：当AI Agent能真正像人一样调用工具、执行复杂流程时，工程师的命根子到底该押在哪儿？

老黄的答案，简单直接到有点扎心：少写那些重复又无聊的代码，多去造能把事情办成的Agent。 他甚至把写代码类比成打字，打字是基本功，但当作家需要的远不止于此。同样，今天能写出一段Python仍然重要，但它已经不再等同于完成一个Agent系统。当所有人还在卷“哪个模型更强”时，黄仁勋已经把牌桌彻底掀翻了。

比模型便宜10倍！那个被忽视的“外挂”，才是企业真正的护城河

黄仁勋在访谈中反复念叨一个词：Harness。 它不是什么炫酷的硬件，而是模型外面那层被严重忽视的“工作台”。它包括提示词、工具说明、记忆、任务拆分和权限控制。简单说，模型只负责推理，而Harness负责把这种零散的推理，组织成可以验收、能扛责任的工作。

口说无凭。LangChain用黄仁勋家的Nemotron 3 Ultra做了一个残酷的对比实验。他们没有重新训练模型，没有动任何权重，只是调整了系统Prompt、工具描述这些外围中间件，结果让人大跌眼镜。在Deep Agents评测上，优化后的分数追到了0.86，而闭源最高分是0.87，差距只有可怜的0.01。但更恐怖的在于，单次任务的执行成本，从43.48美元直接俯冲到了4.48美元，便宜了将近10倍。

这就好比两个赛车手，开的车差不多，但因调教和换胎策略不同，一个烧了10倍的油才勉强领先一个身位。这个数据铁一般地证明：同一个模型，放进不同的“工作台”，能力释放的程度完全不是一个量级。

对企业来说，这简直就是敲响了警钟。过去我们比较谁家AI强，都盯着模型榜单看。但现在，那些长期积累下来的Prompt调优经验、工具接口、执行轨迹和评测数据，正在变成公司真正难以被复制和超越的Agent工程资产。可以预见，未来大部分公司根本不需要去追逐最贵、最强的超大模型，而是会把精力转向打磨自己的Harness，把高频、具体的业务任务，交给那些便宜10倍又可控的专用Agent。

别再把Agent当同事！黄仁勋划出最后一条红线

当成本低到可以“多试几次”时，开发方法就彻底变了。过去每次试验都肉疼，团队只能压抑探索；现在，可以同时比较模型、策略，甚至把评测写进日常监控。这解放的，是整个行业的创新胆量。

但当所有人都兴奋于Agent即将到来的泛化能力时，黄仁勋却在泼冷水，而且是非常冷酷的那种。他和Harrison Chase聊到了一个极其关键的心理陷阱：Agent用自然语言沟通，表现得越来越像个真人，我们该把它当同事一样信赖吗？

黄仁勋的立场极其冷静且无情：自然语言只是让交互更丝滑，但绝不能模糊责任的边界。 一个Agent绝不能因为它语气自信，就被默认正确；更不能因为它“看起来像同事”，就跳过权限审批和验收。他直接定下底线，Agent不应该直接拿到长期密钥，更合理的方式是只给予完成当前任务所必需的最低限度、最短时间的权限。

这等于给所有开发者画了一条红线：判断Agent是否完成了任务，必须看外部铁证，测试是否通过、数据是否写进正确位置、审批记录是否完整。它口头说一句“已搞定”，这仅仅是一个待验证的输出，一文不值。这纠正了一个巨大的认知误区：Agent首先是一套受控的软件进程，而不是一个可以含糊其辞的“虚拟同事”。

这场对话，等于是把未来AI公司竞争的底层逻辑，明明白白摊在了桌面上。模型会继续默默进化，但那只是基础。企业真正需要倾其所有去经营的，是模型周围那套与自己的核心数据、内部工具和责任边界死死绑定在一起的工程环境，也就是那个被黄仁勋反复提及的Harness。

程序员这个群体，早晚会发现，当大量样板代码和格式转换工作被Agent吃掉后，自己不可替代的价值，将彻底从“亲手写完每一步”，转向“设计一套能持续完成任务的系统，并为它设定不可逾越的边界”。这可能是这26分钟里，最值钱的一句警告。

当Agent从花哨的Demo一头扎进冰冷的生产线，谁能先把自己的业务规则稳稳装进这套可评测、可追责的系统里，谁就能让Agent真正替自己干活。而只会卷模型、毫无Harness积累的人，手里的金刚钻，恐怕迟早要变成废铁。

你现在的工作流中，有没有哪些环节已经被自己调教好的AI工具“包揽”了？你觉得未来自己的核心竞争力，是在模型本身，还是在外围系统搭建上？评论区说出你的判断。