
黄仁勋 × Aaron Levie(BoxWorks):模型已「够好可用」;企业智能体要模型、支架、知识、工具和安全运行时一起上
一句话结论
在 BoxWorks 2026 主题演讲后半段,黄仁勋提出:模型已经到了「够好、可以用」的拐点,企业不必再等模型本身再垂直一层,先把自有知识和领域工具接到现有模型上,系统有效性就会先出现阶跃;落地要按模型、支架、知识、工具和安全运行时这五件套来验收,缺运行时就不要大规模部署。
背景与理念
这是 Box 官方频道 2026 年 11 月 5 日发布的 BoxWorks 2026 主题演讲,全场约 139.3 分钟,黄仁勋与 Aaron Levie 的对话大约从 1 小时 16 分 37 秒开始。前半是 Box 的产品发布,本条聚焦黄仁勋这一段。对白来自第三方核对转录,引用时建议对照录像。这场与已收录的 GTC Berlin、Yahoo、BG2 不是同一场次,谈的是企业扩散期怎么用,而不是芯片或训练系统的实现细节。
具体做法
每年打开更大的能力窗口
他回顾大约 15 年前确认深度学习是通用函数逼近器,许多没有第一性方程、或耦合物理太复杂的问题,可以用学来逼近。节点依次是:BERT 解决多模感知,GPT-3 打开推理裂缝,随后是检索增强生成和超大上下文、工具使用,再到今年的智能体、支架和安全运行时(他点到 OpenShell)。他把机器人和汽车都说成工具:「The robot is just a tool. The car is just a tool.… We're going to connect them all to agents.」
扩散期:不必等模型再垂直,先接知识和工具
他认为,把智能体接到知识和工具上,系统意义上的有效性可以接近「指数」,不必再等模型本身垂直一层。原话是:「I actually think that the combination of connecting the agents… to knowledge and tools… the effectiveness is effectively exponential.」通用模型接上 Box 一类的上下文引擎,就能出「超智能」级结果——这是系统工程意义上的指数,不是单靠模型再大一号。他同时提到,算力效能大约每年升一个数量级(跨图形处理器、中央处理器和网络的协同设计);token 成本指数下降之后,人工智能可以「想得更久」,答案质量随之上升。
智能体的五件套
他把企业智能体拆成四件套,再加一件安全运行时:模型、支架或外骨骼、知识、工具,以及安全运行时。知识是公司的事实根据,也包括大量非结构化的手艺;领域工具不必替换,但必须对智能体可访问。缺了安全运行时,就不要大规模部署。他提到,NVIDIA 自己的非结构化规模是「hundreds of billions of files」;上下文引擎将来要服务的,会从数亿人变成潜在的数千亿智能体。
模型策略走双轨,而且只有一种又安全又能干的人工智能
每家应用都要接封闭的前沿模型,同时用开源模型(他举例 Neotron)在自有数据上建自己的专有智能。「I believe that the models are good enough… good enough to use… in 1995, the personal computer became good enough to use.」模型仍会指数变强,但已经到了「够好、可以用」的拐点。安全上只有一种人工智能:「又安全又能干」,需要零信任基础设施。Box Shield 一类、对访问意图做语义检测的能力,可以挡住智能体攻击。企业里智能体对人的比例,他提到可能到 100 比 1 到 1,000 比 1。
关键数据/例子
全场约 139.3 分钟,黄仁勋段大约从 1 小时 16 分 37 秒开始,YouTube 发布于 2026 年 11 月 5 日。他提到算力效能大约每年升一个数量级;企业里智能体对人的比例可能到 100 比 1 到 1,000 比 1;NVIDIA 自己的非结构化文件规模是「hundreds of billions of files」。这些是他在对话里给出的判断和举例,不是一项对照实验的结果。他把当前拐点类比为 1995 年个人电脑变得够用。
创新点
第一,他明确把现在说成「够好可用」的产品拐点,而不是研究终点:可以开始规模化使用,同时保留模型还会变强、还会想得更久这条曲线。第二,企业智能体要按模型、支架、知识、工具和安全运行时一起验收,缺运行时就不要大规模部署。第三,模型策略走双轨:封闭前沿负责最难的任务,开源权重在自有数据上训出自有智能,而不是把全部智力租在一家实验室。
可否复用
- 不要把企业智能体理解成「再等一个更强的模型」:先把自有知识和领域工具接到现有够用的模型上,系统有效性往往会先出现阶跃。
- 落地时按五件套验收:模型、支架、知识、工具、安全运行时。缺安全运行时,就不要大规模部署。
- 模型策略可以走双轨:封闭前沿负责最难的任务,开源权重在自有数据上训出自有智能。「够好可用」是开始规模化使用的信号,不是停止改进的理由。