輝達CEO黃仁勳在近期一場約26分鐘的訪談中，全程未提及GPU或算力，而是將話題聚焦於一個概念：Harness。他與LangChain創始人Harrison Chase的對話，勾勒出一幅AI應用開發範式正在轉移的圖景——企業未來的核心競爭力，可能不再僅僅取決於使用了哪個大模型，而在於如何構建模型之外的那套工程系統。

黃仁勳的核心觀點是，程式設計師的工作重心應從“寫程式碼”轉向“造Agent”。他將寫程式碼類比為打字：打字是作家的必要技能，但遠非工作的全部。同理，生成程式碼只是Agent系統的一小部分。工程師還需要決定Agent能看見什麼資訊、能呼叫哪些工具、任務失敗後如何恢復，以及最終由誰來驗收結果。這套負責組織、管理和約束模型推理行為的系統，就是Harness。

訪談中披露了一個具體案例。LangChain團隊使用Nemotron 3 Ultra模型執行Deep Agents評測時，沒有重新訓練模型權重，僅通過調整系統提示詞、工具描述和中介軟體等Harness層面的元素，就將評測成績從原始狀態提升至0.86，與閉源模型的最高分0.87僅差0.01。更引人注目的是成本變化：單次評測成本從43.48美元驟降至4.48美元，便宜了近十倍。

這一資料直接支撐了黃仁勳的另一個判斷：成本下降改變的不只是賬單，而是整個開發方法。當Agent執行一次任務需要多輪推理、呼叫多個工具甚至並行嘗試不同路徑時，高昂的試驗成本會抑制團隊的探索和評測頻率。成本大幅降低後，團隊可以更頻繁地進行多維度對比測試，將評測嵌入日常開發與生產監控環節，並最終將Agent從少數高價值任務擴充套件到更多細分業務流程中。

黃仁勳進一步推演了企業的實施路徑：在問題邊界尚不清晰時，先用前沿模型探索能力上限；當任務重複出現、驗收標準逐漸穩定後，再將其收斂為成本更低的專用Agent。這裡的“專門化”並非僅發生在模型權重中，更關鍵的是企業自身的工具說明、業務詞彙、許可權邊界、歷史軌跡和驗收資料。這些要素共同決定了Agent是否真正理解這家公司。

因此，黃仁勳認為未來的公司會把越來越多的能力構建在Harness之上。過去，企業將流程固化在ERP、CRM等系統中；在Agent時代，部分流程將轉變為“給定目標、工具、許可權和驗收標準，讓系統自主規劃路徑”。Harness正是承接這些業務規則的新容器。這也解釋了為何開放技術棧被反覆強調——企業希望掌握自己的記憶、軌跡、評測資料和調優資料，並自主決定它們執行在何種基礎設施上。

在安全與許可權控制方面，黃仁勳的立場十分明確。他通過NemoClaw藍圖說明，Agent不應直接持有長期訪問金鑰。更合理的做法是由執行時環境根據當前任務和策略，臨時注入最小必要許可權，確保Agent只在必要的時間、必要的範圍內訪問必要的資源。落實到工程層面，至少需要回答四個問題：Agent以誰的身份行動、哪些命令可以執行、失敗後如何停止或回滾、誰能覆盤完整軌跡。

當被問及是否應將Agent擬人化時，黃仁勳保持了冷靜的工程視角。他認為自然語言互動讓協作更順暢，但不應模糊責任邊界。Agent可以擁有角色和名字，但不能因為語氣自信就被預設正確，也不能因為“像同事”就跳過許可權稽核與結果驗收。判斷任務是否完成，最終要看外部證據：測試是否通過、資料是否寫入正確位置、審批記錄是否完整。

對於程式設計師群體的未來，黃仁勳延續了其供給邏輯：當生產一項數字服務的成本下降，社會不會只滿足於原有數量，而是會產生更多此前做不起的需求。具體到個人，樣板程式碼、格式轉換和重複除錯等工作將更多交由Agent完成，而任務定義、系統設計、評測構建、許可權治理和異常處理的重要性將顯著上升。

整場訪談拼湊出的工程全景圖是：模型負責推理，Harness負責計劃、記憶和工具排程，執行時負責隔離與執行，評測與護欄負責判斷結果能否交付。黃仁勳所描述的Harness，可能正是下一代軟體公司最核心的那層基礎設施。當Agent從演示走向生產，企業競爭的核心將從“用了什麼模型”轉向“能否把自己的業務流程、許可權邊界和驗收標準，穩定地裝進一套可迭代、可評測、可追責的系統裡”。