文 | AI 唱反调
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。
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。
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。
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。
