黄仁勋最新访谈：下一代软件公司的操作系统为_Harness

黄仁勋在最新26分钟深度对话中全程未提及GPU、算力或模型参数，聚焦唯一命题——程序员亟需从“写代码”跃迁至“造Agent”。LangChain基于Nemotron 3 Ultra模型，结合Harness系统级优化，在Deep Agents基准测试中达成0.86分，逼近当前最高分0.87，差距仅0.01；而单次推理成本则由43.48美元大幅压缩至4.48美元。模型本身未做任何权重更新，真正发生质变的，是模型之外的工程层。

26分钟避谈GPU：黄仁勋在警惕什么？

在此次与LangChain创始人Harrison Chase的公开对谈中，黄仁勋全程未涉及GPU性能、芯片迭代或大模型参数规模等传统焦点。

他将全部注意力投向一个更本质的问题：当Agent已能自主调用工具、编排流程并闭环执行任务，企业的工程重心该转向何处？

答案清晰而坚定——减少重复性编码投入，加大面向目标交付的Agent构建力度。

这并非空泛倡议。黄仁勋以“打字”作喻：掌握打字技能固然必要，却远不等于成为作家；同理，写出语法正确的Python代码仍是基础能力，但已无法等同于交付一个可运行、可验证、可维护的Agent系统。

工程师的核心职责正在迁移：需定义Agent的可见范围、可用工具集、异常恢复机制，以及最终输出的验收主体。

生成式AI解决了“能否写出”，而Agent工程必须回答“能否跑通、是否正确、失败是否可控、过程是否可审计”。

Harness：被长期低估的“智能工作台”

黄仁勋反复强调一个关键概念：Harness。

它涵盖Prompt工程、工具描述规范、记忆管理、上下文裁剪、任务分解逻辑、重试策略、效果评测框架及权限管控体系。模型专注推理，Harness则负责将推理转化为可交付、可度量、可追责的工作流。

已有公开信息证实，LangChain在Deep Agents评测中并未修改Nemotron 3 Ultra的模型权重，仅通过重构系统级Prompt、精细化工具接口说明及中间件逻辑完成优化。

结果显著：评测得分由初始水平跃升至0.86，与闭源最强模型0.87仅差0.01。

但单次评测开销从43.48美元骤降至4.48美元——降幅达近90%。

该图直观揭示：同一模型嵌入不同Harness架构后，实际能力释放程度差异巨大。评估Agent系统时，仅参考模型榜单已严重失准。

对开发团队而言，“执行轨迹”正日益具备“测试日志”的工程价值——它不仅能定位分数损失点，还可将一次偶发失败沉淀为可复现、可回归的验证用例。

持续积累的Prompt模板、工具契约、轨迹样本与评测数据集，终将演变为组织独有的Agent工程资产。

成本降低10倍，改写的不是预算表，而是研发范式

黄仁勋指出，成本骤降带来的根本性改变，绝非仅让旧任务变得更便宜，而是彻底重塑开发节奏与决策逻辑。

Agent完成一项复杂任务常需多轮推理、跨工具协同，甚至并行探索多种路径。若每次尝试成本高昂，团队自然倾向保守——压缩评测频次、限制策略探索范围。

而成本下探所释放的三大能力依次为：
一曰“多试”——同步比对模型选型、Prompt结构、工具链组合与重试机制；
二曰“常测”——将评测深度嵌入CI/CD流程与线上监控体系；
三曰“广布”——将过去仅服务于核心场景的Agent，规模化部署至长尾业务流程。

合理推演路径是：当开源模型+Harness调优的成本足够低廉，企业将普遍采用“前沿模型先行探路，高频任务后续固化”的双轨策略。

问题初现、边界模糊阶段，依赖前沿模型快速验证上限；待任务反复出现、验收标准趋于稳定后，再收敛为轻量、专用、高确定性的Agent实例。

此处的“专用化”，并不局限于模型微调层面。

真正构筑护城河的，是企业私有的工具语义体系、业务术语词典、权限策略图谱、历史执行轨迹及真实验收反馈数据——它们共同定义了Agent对这家公司的“理解深度”。

未来企业的数字基座将筑于Harness之上，但密钥绝不可直交Agent

黄仁勋抛出更具前瞻性的判断：未来企业的核心能力，将越来越多地构建于Harness这一新基础设施之上。

传统时代，业务流程被固化于ERP、CRM及刚性审批流中；Agent时代，部分流程将进化为“输入目标+可用工具+权限约束+验收标准→系统自主规划执行路径”。Harness，正是承载这些动态业务规则的新容器。

这也解释了为何开放技术栈被反复强调：企业需要完全掌控自身的记忆库、轨迹数据库、评测资产与调优记录，并自主决定其部署位置与运行环境。

但当Agent可直接调用终端命令、读写数据库、调用内部API时，它早已超越聊天机器人范畴，成为具备真实行动力的软件进程。

NemoClaw蓝图即整合Deep Agents Code、Nemotron 3 Ultra与OpenShell运行时。其中模型负责认知推理，Harness负责任务调度与上下文治理，OpenShell则在沙箱中执行代码，并对网络访问、凭证使用、文件操作及日志输出实施细粒度策略管控。

黄仁勋划出明确红线：Agent不得持有长期有效密钥。更安全的实践是，由运行时依据当前任务上下文与预设策略，动态授予最小必要权限，确保Agent仅在指定时间窗口、限定作用域内访问必需资源。

落地到工程层面，至少需清晰回答四个问题：

• 它代表谁的身份执行操作？
• 哪些指令被允许执行？
• 出错时如何终止或回滚？
• 谁有权完整复盘整个执行链路？

缺失这些边界控制，Agent能力越强，潜在风险面越广。

勿将Agent视作同事，它首先是受控的生产软件

面对Harrison Chase提出的敏感议题——当Agent以自然语言协作、行为模式日益类人，我们是否应赋予其拟人化身份？

黄仁勋回应冷静而务实：自然语言确为高效交互界面，但绝不能因此模糊权责边界。Agent可设定角色名与职能标签，却不可因语气笃定就被默认可信，更不能因“像同事”就绕过权限校验与结果验证。

判定任务是否完成，必须依赖外部可观测证据：单元测试是否全绿、代码Diff是否符合预期、数据是否落库至指定位置、审批链是否完整留痕。

它宣称“已完成”，仅是一个待验证的中间输出。

适度拟人化有助于团队建立协作直觉，但工程治理必须坚持去人格化原则：每次工具调用绑定明确身份，每项高危操作触发策略审查，每个最终产出经独立验证器确认。

业内已有企业试点为Agent分配“虚拟员工编号”及“组织汇报关系”，但据可查资料，此类实践仍属早期探索，尚未形成通用标准或行业共识。

程序员的核心能力清单正在被重写

黄仁勋对职业演进的判断延续其一贯的供给端视角：当数字服务的单位生产成本持续下降，社会需求不会停滞于原有规模，反而将催生大量此前因成本过高而被搁置、因优先级不足而被延后的新型需求。

对程序员而言，真正的变革不在于“是否还需写代码”，而在于工作重心的结构性迁移。

模板填充、格式转换、重复性调试等机械劳动，将加速由Agent承接；而任务建模、系统架构、评测体系设计、权限治理体系搭建及异常处理机制设计，正成为更高阶的核心能力。

这一转变未必保障所有岗位原封不动。随着软件供给能力指数级提升，新兴角色将从“亲手执行每一步”转向“设计一套可持续交付结果的系统”。

个体能否受益，取决于能否成功跨越此次职责边界的迁移。

最后缺失的不是更强模型，而是一整套Agent工程栈

将黄仁勋的论述整合为一张完整的工程全景图：

• 模型层：专注基础推理能力；
• Harness层：承担计划制定、记忆管理、工具调度；
• 运行时层：实现安全隔离与受控执行；
• 评测与护栏层（Evals & Guardrails）：保障输出质量与合规底线。

任一层缺失，Agent都难以脱离Demo阶段。

该架构也隐含团队落地路径：先锚定真实业务任务构建可量化评测，再驱动模型与Harness协同运转；继而补齐沙箱环境、身份认证、全链路日志及人工接管机制；最终才进入规模化部署与成本精细化运营阶段。

模型能力将持续进化，但企业真正需要长期深耕的，是与自身数据资产、工具生态、权责体系深度耦合的工程环境。

黄仁勋所言Harness，极有可能成为下一代软件企业的核心基础设施层。

结语

本次访谈最具价值之处，在于黄仁勋将行业焦点从“谁家模型更强”，拉回到“系统如何构建”。

LangChain公布的实测数据提供有力佐证：0.86分与0.87分的微小差距，4.48美元与43.48美元的巨大成本落差——胜负手不在模型本身，而在Harness。

当Agent从演示走向真实生产，企业竞争的本质，将从“是否接入先进模型”，转向“能否将自身业务流程、权限规则与验收标准，稳定、可靠、可迭代、可审计地封装进一套Agent系统”。

Harness，正是那个承托一切的容器。谁率先建成它，谁的Agent才能真正入职上岗，而非永远停留在聊天框里。