来源： YouTube | Jensen Huang （黄仁勋） | Jul 08, 2026 分类： NVIDIA 原文发表： Jul 08, 2026 纪要生成： 2026-07-26
本集嘉宾是NVIDIA创始人兼CEO 黄仁勋（Jensen Huang）。在对话中，他深入阐述了NVIDIA为何大力投资开放智能体生态系统和堆栈，核心观点是每个企业都建立在专有智能之上，未来必须通过开放的模型和框架来构建、控制并持续优化自己的“超级智能体”。他强调了通用前沿模型与专用开放模型互补的未来图景，并宣布了与LangChain合作推出的重要企业级智能体蓝图，旨在让任何公司都能轻松构建并部署安全的专有智能体。
本节重点
详细精要
这一爆发点被定义为智能体系统（Agentic systems）的成熟。
智能体系统的核心组成：一个真正可用的智能体系统远不止是一个大模型，它需要一个完整的支撑框架。
它还需要拥有迭代能力，能够持续推进任务直到完成。
LangChain的框架作用至关重要：从早期开始，LangChain的愿景就是将大模型作为核心引擎，但必须用“框架”将其包围才能转化为可用产品。
正是这些一步步的积累，才演变成今天的智能体，而框架在其中扮演了将模型能力释放出来的关键角色。
关键催化剂的出现：一些达到能力阈值的模型和工具的出现，共同激发了智能体系统的想象力。
💬 精华片段（中文）
"最终，过去六个月一切汇聚到了一起，现在AI终于变得有用了。"
"But in the end, it was the last six months where everything came together, and now finally AI is useful."
本节重点
详细精要
未来的世界需要科学家、设计师、机器人专家、学生、企业IT等所有人都能用上智能体系统来解决各自领域的特定问题。
专有知识必须内嵌于AI：许多需要解决的问题涉及高度专业化的领域知识，这些知识在外部根本不存在。
这是构建专属智能体的根本原因和核心价值。
“飞轮效应”驱动AI持续进化：构建开放系统的最终目标是让AI进入一个正向循环。
这个过程就像人类的学习过程一样，随着时间推移不断积累和优化。
通用与专用的互补未来：黄仁勋肯定了Anthropic、OpenAI、谷歌等公司构建的通识AI基础的重要性。
💬 精华片段（中文）
"我们相信，当我们将AI放入一个我们使用它、它变得更聪明、变得更有用，然后我们更多地使用它、它变得更聪明的飞轮中时，AI最终会变得伟大，成为一个超级智能体。"
"We believe that AI becomes ultimately great, become a super agent when we put it into a flywheel where, we use it, it gets smarter, it becomes more useful. We use it even more, it gets even smarter."
本节重点
详细精要
关键在于通过框架将其扎根于特定领域的信息，使其获得处理特定重要信息的能力。
后训练要与框架结合：未来提升模型专业化能力的关键在于，将模型在LangChain这样的框架内进行后训练（post-training）。
训练的目标是让模型更出色地完成特定任务，知道在该任务中你想要它做什么。
通过调整框架释放模型潜力：不同模型有不同的“个性”和最佳工作方式，需要定制化的工具和提示。
💬 精华片段（中文）
"你把模型放到LangChain的框架中，让它扎根于特定领域的信息，就像一个聪明人获得了特别重要的信息后变得超级有用一样。"
"You ground it on information that is domain-specific, and, a person is, an intelligent person becomes super useful when we give them access to particularly important information."
本节重点
详细精要
这种平衡正在改变应用构建者的决策基础。
成本效益带来的两大优势：
更优的答案质量：当一个智能体成本低、速度快时，它可以探索一个更大的搜索空间，通过更广泛的迭代和更快的试错来找到更优的解决方案。这和人“想得快就能尝试更多可能性”是一个道理。
Nemotron 3 Ultra在框架内的效率优势：这款模型因计算效率高而速度极快。
这种速度和效率的结合，最终能够帮助它找到更优的答案。
市场对智能的需求被低估：模型变得更好、更快、更便宜后，对智能和Token的总需求出现了爆发式增长，这个市场的庞大程度超出了很多人的预期。
💬 精华片段（中文）
"我自认为是AI的拥护者，但我一直低估的一件事，就是对智能、对Token的需求以及这个市场有多么庞大。"
"One of the things that I've underestimated is just the demand for intelligence and for tokens and how big and massive that market is."
本节重点
详细精要
很多任务可能永远不需要替换这些前沿模型，因为它们的能力提升轨迹非常快。
何时以及为何构建专用智能体：当工作涉及企业核心且极度复杂的专有问题时，就需要构建专属的智能体。
这类问题不可能靠一个通用AI直接解决，必须创建具有特定技能的“超级子智能体”（super sub-agents）。
专用超级子智能体的构建方式：使用 LangChain Deep Agents 结合 Nemotron 3，并连接大量专有知识和专有工具。
它定义了一个公司的专有工作流，是公司的核心资产，即“皇冠上的明珠”（crown jewels）。
未来的企业AI生态：这是一种混合形态。
💬 精华片段（中文）
"我们当然会继续使用前沿模型，而且会大量使用。但我们是否也会用LangChain和Nemotron 3 Ultra来创建专业的、堪称你“皇冠上的明珠”的超级智能体？答案是绝对的。"
"Are we going to continue to use, frontier models? Absolutely, and tons of it. But are we also going to create specialized, super agents with LangChain and Nemotron 3 Ultra that in fact arguably could be your crown jewels? And the answer is absolutely true."
本节重点
详细精要
通过这些框架，过去静态的工作流会变得自主化、智能化，效率极大提升。
系统优化的新维度——在框架中后训练模型：整个智能体系统由框架、模型和上下文三部分组成，均可优化。
将模型针对一个已经成熟运行的框架进行后训练，是一项前所未有的能力突破，能真正启动并加速“飞轮”效应，让企业特定的业务流程持续进化。
开放生态系统是保护企业核心智能的前提：每个公司都建立在其专有的知识产权之上，“知识产权”的核心就是智能。
将这种核心智能外包是毫无道理的，就像你不会外包自己的思考能力一样。
通用技能与专业智能的关系：社会的基础将是通用的大模型（如编程、写作等通用技能），它们作为云服务非常棒。
💬 精华片段（中文）
"没法想象打电话给第三方，说‘我需要增强我的智能’。我需要在公司内部、就在这里增强它。"
"I, can't imagine calling a third party, when I need to enhance my intelligence. I need to enhance it right here inside the company."
本节重点
详细精要
它提供了构建个人“专属的、特定领域的、专有的超级智能体”所需的所有关键技术、组件、工具和框架的集成。
蓝图的价值在于降低复杂性：为什么NVIDIA大力投资于蓝图？因为构建智能体系统仍然非常复杂，工具也晦涩难懂。
蓝图将所有这些复杂的部件打包成一个经过验证的、可操作的范例，极大地简化了开发者的工作。
安全运行环境（OpenShell）是强制要求：没有解决安全和访问控制问题，部署就无从谈起。
💬 精华片段（中文）
"没有解决安全，没有访问控制，就不可能部署。这就像是，如果不给新员工办理入职、赋予访问权限，你就没法雇佣他们一样。"
"Without, solving the security, the access control, it's impossible to deploy. It's no different than it's impossible to hire a new employee into the company if you don't onboard them, give them access control."
本节重点
详细精要
正因为它是软件和计算机，我们清楚地知道它是如何工作的——因为我们创建了它的框架。如果不理解它的工作原理，就无法修复或改进它。
新工作机会的创造：一个反直觉的现象是，AI用得越多，需要雇佣的人反而也越多。
新的工作包括系统工程师、创建评测集（evals）的人、创建基准（benchmarks）的人、创建护栏（guardrails）的人。把AI带入世界所需的工作量是“相当惊人的”。
从自动化繁琐工作到创造不可能：企业内部的领域专家（SMEs）最适合通过提供反馈来评估智能体的好坏，从而将重复、繁琐的工作自动化。
💬 精华片段（中文）
"它只是一个工具，就像我家那个在地上转来转去的吸尘器一样。"
"It's a tool that, it's like my vacuum cleaner that's, roaming around the house."
本节重点
详细精要
包括一个世界级的语言模型（Nemotron 3 Ultra）、一个已调优以释放其全部潜能的框架（LangChain Deep Agents）、一个帮助上手的蓝图，以及安全的运行时（OpenShell），所有加速堆栈也都集成在其中。
部署灵活性：这套解决方案可以运行在任何地方。
甚至有合作伙伴已将其部署在 DGX Spark 和 DGX Station 等个人超级计算机上，让智能体可以直接运行在开发者笔记本电脑旁。
终极愿景：这些超级智能体是特定领域的，它们属于你。你来构建它们、改进它们、随着时间完善它们。
💬 精华片段（中文）
"现在所有的部分都到位了。没有任何理由不去参与其中。"
"All the pieces are now here. There are no excuses not to engage it."
| 术语 | 解释 |
|---|---|
| 智能体系统 (Agentic Systems) | 一种能够自主理解目标、使用工具、检索信息、管理记忆、进行多步推理并迭代完成任务，而不仅仅是单次问答的AI系统。 |
| 框架 (Harness) | 围绕大模型构建的一套外围系统，包括提示词、工具调用、记忆管理、安全护栏等，它将模型的原始能力转化为解决实际问题的工作流，被比作未来的企业操作系统。 |
| 开放权重模型 (Open Weight Models) | 指模型参数被公开发布的AI模型，企业可以下载并在本地运行和微调，代表如 Nemotron 3 Ultra、DeepSeek，与之相对的是只能通过API访问的闭源前沿模型如 Claude Opus。 |
| Nemotron 3 Ultra | NVIDIA开发的高性能、高计算效率的开放权重语言模型，成本约为前沿模型的十分之一，专为构建成本效益极高的专业化智能体而设计。 |
| LangChain / Deep Agents | LangChain是一个用于构建大模型应用的流行开发框架。Deep Agents是其在构建能够自主推理和行动的复杂智能体方面的具体框架，能最大化模型的潜力。 |
| 后训练 (Post-training) | 在基础模型训练完成后，进一步针对特定任务或环境（如一个特定的框架）进行微调的过程，目的是让模型与它将要使用的工具和工作流更好地结合。 |
| NemoClaw / OpenShell | NemoClaw是此次发布的蓝图品牌。OpenShell是该蓝图中的核心组件，一个安全、私有的开放运行时环境，为智能体提供沙箱、访问控制等企业级安全功能。 |
| RAG (Retrieval-Augmented Generation) | 检索增强生成，一种框架技术，允许大模型在生成答案前先从外部知识库或文档中检索相关信息，以确保回答的准确性和实时性。 |
| 飞轮效应 (Flywheel Effect) | 一个正向循环的商业或技术模型：使用智能体让它变得更好→变得更好后被更多使用→积累更多的数据和反馈从而变得更好，形成持续加速的自我强化过程。 |
| 超级子智能体 (Super Sub-agents) | 被设计出来专攻一项极其复杂任务的智能体，它们只做一件事（如优化供应链），是嵌入在更大系统中的一个专业化模块，被称为公司的皇冠上的明珠(crown jewels)。 |
| DGX Spark / DGX Station | NVIDIA推出的个人AI超级计算机产品，允许开发者在本地桌面环境运行和部署复杂的AI模型和智能体系统。 |