撰文：Techub News 整理
导语
在 NVIDIA GTC 2026 大会的一场特殊炉边对话中，创始人兼 CEO Jensen Huang（黄仁勋）卸下 keynote 演讲者的身份，化身为主持人，与来自 LangChain、Perplexity、Cursor、Reflection、Mistral、Open Evidence、AI2、Black Forest Labs 和 Amp 等九家前沿 AI 公司的创始人及 CEO 进行了一场高带宽、无脚本的深度对谈。这场对话之所以重要，是因为它跳出了对 OpenAI、Anthropic 等头部闭源模型公司的常规讨论，将聚光灯对准了正在蓬勃发展的“AI 生态系统”——那些构建工具、平台、垂直应用和开源模型的“造物主”们。黄仁勋在开场即定调：AI 的未来不是“非此即彼”的选择，而是“开源与闭源并存”的繁荣生态，而聚合的开源模型，其规模终将超越任何单一闭源模型。
摘要
- 开源模型崛起：黄仁勋指出，聚合的开源模型已是世界第二大模型，并终将成为最大模型。这并非取代闭源模型，而是构成一个多元、互补的 AI 技术基石。
- AI 即“系统”，而非单一模型：真正的 AI 能力来自一个由多个模型、工具、文件系统和连接器组成的“系统”或“计算机”。模型本身只是这个交响乐团中的“乐器”。
- 代理（Agent）时代来临：以 OpenClaw 等现象级开源项目为标志，AI 正从“回答问题”走向“采取行动”。能够执行复杂、多步骤任务的“代理”将成为个人和企业的“数字同事”。
- 垂直行业的革命：代理系统将在医疗（如处理保险授权）、法律、物流、工程等几乎所有行业引发变革，其核心价值在于处理可重复、多步骤的确定性工作流。
- 开放的价值：控制、定制与信任：对于企业级和关键任务应用，开源模型提供了闭源 API 无法比拟的控制权、深度定制能力以及对系统行为的可审查性，这是建立信任的基石。
超越模型之争：AI 是一个“系统”
对话伊始，Jensen Huang（黄仁勋）就试图纠正一个普遍的误解：AI 不等于大语言模型。他强调，AI 是一个由多个模型和大量其他技术组成的“系统”。创造针对不同领域的解决方案，需要海量的外围技术。因此，今天的重点不是讨论“开源 vs. 闭源”的对立——他认为这本身是个伪命题——而是庆祝一个两者并存、共同繁荣的生态。
Perplexity CEO Arvind Srinivasan 用一个生动的比喻阐释了这一观点：“模型只是乐器，子代理（sub-agent）是乐手，而 AI 为你完成的工作就是它们演奏出的交响乐。”他提出的“Perplexity Computer”概念，正是一个旨在编排所有 AI 能力（编码、写作、多模态内容生成）的“操作系统”。在这个系统里，用户只需委托任务，而由系统来决定调用哪个模型、使用何种工具，从而摆脱供应商锁定。
LangChain CEO Harrison Chase 补充道，业界正在出现一种介于基础模型公司和纯应用公司之间的“第三类公司”。它们既利用市场上最好的 API 模型，也自行开发模型，并将两者结合，为特定垂直领域打造最佳产品。他预测，未来一两年将出现一种新型的“复合代理”，能够承担耗时数小时甚至数天的复杂任务，并通过将工作负载分配给不同特长的模型，变得比任何单一模型都更聪明。
Reflection CEO Misha Laskin 则提出了“马具工程”（Harness Engineering）的概念，即围绕模型构建的一切——如何连接工具、何时压缩、使用哪些子代理等。他指出，即使是闭源实验室，其成功也很大程度上依赖于精心设计的“马具”。
开源模型：不止于“追赶者”，更是创新的基石
对于开源模型，一个常见的误解是它们永远会落后于前沿闭源模型几个月。Mistral CEO Arthur Mensch 和 AI2 研究负责人 Hanna Hajishirzi 都强烈反对这一观点。
Arthur Mensch（亚瑟·门施）指出，开源与闭源模型之间并无根本性差异。AI 模型是基础的知识基础设施，而知识基础设施天然“渴望开放”，就像书籍从封闭走向印刷，科学从炼金术走向学术期刊。他预测，未来几年将出现一个与强大闭源模型并驾齐驱的、能力相当的开源模型生态系统。
Hanna Hajishirzi 从研究加速的角度强调了开放的价值。AI 进展极快，呈指数级增长，有海量知识需要学习，这不可能完全由大实验室完成。开放模型、基础设施、数据和研究成果，能让全球众多聪明的研究者参与进来，从不同角度推进 AI 科学，这是一个非常“正和”的游戏。她所在的团队通过开放模型全开发周期（包括数据、权重、基础设施），已经催生了许多新研究，例如证明了混合模型（Hybrid Model）在理论上和实证上都比纯 Transformer 架构更高效。
黄仁勋总结道，预训练（获取基础知识和泛化能力）只是开始，未来计算开销的大头将是后训练（学习技能）。闭源模型可能是最好的“通才”，但绝大多数价值来自“专才”，而开源模型正是培育各领域“专才”的沃土。
代理革命：从 OpenClaw 到工业重塑
对话的高潮聚焦于近期引爆社区的 OpenClaw。黄仁勋将其称为“现代计算机的完美代表”，是第一个完整的、开源的代理系统。它拥有工作内存、文件系统访问、任务调度、I/O 交互等能力，本质上是一台“新型计算机”。
与会者们从不同维度分析了 OpenClaw 的意义和代理的未来：
- 技术拐点：Misha Laskin 认为，OpenClaw 标志着模型能力与“马具”校准终于匹配，让“大脑”拥有了在计算机中操作的“肢体”。Harrison Chase 指出，模型在代码生成上的突破，以及通过代码操作命令行（CLI）的能力，使得原本为编码训练的模型能够处理几乎所有知识工作。
- 工业应用蓝图：Open Evidence CEO Daniel Nadler 描绘了代理在医疗领域的革命性场景：医生睡眠时，代理可以自动处理保险公司的拒赔申诉，从患者记录中调取所需信息，为患者争取关键治疗。他强调，这种多步骤、可重复、基于模板的工作流范式存在于美国每一个行业，包括法律和医疗。
- 企业级挑战：Arthur Mensch 冷静地指出，将代理从个人工具扩展到企业组织，会面临复杂的数据、治理和合规瓶颈。企业需要能够在统一控制平面内管理一切的原语，确保安全、可观测性。黄仁勋幽默地插话，用“CEO 特权”为例说明了安全原则：一个代理通常只应被允许同时执行“访问敏感信息”、“执行代码”、“对外通信”这三项中的两项，除非它是 CEO。
- 新前沿：视觉与物理世界：Black Forest Labs CEO Robin Rombach 提醒大家不要只盯着代码。视觉智能（理解、模拟、生成视觉内容）是与物理世界和机器人交互的关键新前沿。代理需要学会与这些视觉模型协作，解锁制造、内容创作等全新领域。
开放的核心价值：控制、定制与信任
在讨论开源模型对各自行业的重要性时，“控制”、“定制”和“信任”成为反复出现的关键词。
Arthur Mensch 阐述了开源模型对企业软件的两大核心价值：1. 控制与韧性：当代理处于执行层时，企业需要完全掌控其部署，拥有“关机按钮”，避免依赖可能被关闭或出问题的外部 API。2. 深度定制：对于涉及物理世界、专有 IP 或特定工程知识的领域，企业需要将专属数据注入模型。开源模型允许这种深度定制，从而构建理解物理世界的专用代理。
Daniel Nadler 用“800 岁的父母”比喻闭源大模型：它们在其强化方向上非常聪明，但难以改变世界观。而社会的形态是专业化的，未来的 AI 也应反映这一点，需要数字化的“专科医生”。开源模型是培育这些“专科医生”的必要基础。
Amp CEO Anjney Midha 将讨论提升到“信任”层面。随着 AI 应用于医疗、国防等关键任务，低容错率要求极高的可信度。一个无法内省、无法自主托管、依赖第三方的闭源系统，是在“委托信任”。而开源系统更容易通过审查和风险管控来建立信任，这是其进入关键领域的最大优势之一。他同时呼吁，需要“开放基础设施”（如 AI 计算网格），避免算力囤积和基础设施垄断，才能让开源模型在前沿持续发展。
尾声：一个新的计算时代
在对话的最后，黄仁勋总结了正在发生的多重拐点：代理系统时代的到来、强大模型与代理系统的融合催生出极具价值的企业解决方案平台。他预言，今年我们将开始看到真实的商业投资回报（ROI）起飞，起点是编码，但将迅速蔓延至所有行业。
Arvind Srinivasan 为整场讨论画上了一个充满诗意的句点：“电脑又变酷了。我们正在 GPU 运行时上构建一种全新的计算机。” 这或许正是黄仁勋和所有在场 CEO 正在携手打造的未来：一个以开源和闭源模型为基石，以代理为操作界面，以强大算力为引擎，真正重塑所有工作和生活方式的下一代计算平台。
免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。
