问题——应用层范式变化推动算力需求再定价 近年来，通用大模型从“问答式”走向“执行式”成为产业共识。与传统对话工具以“提出问题—生成答案”为主不同，代理式智能更强调把模型嵌入企业业务流与个人工作环境，能够后台自主检索信息、调用工具、跨系统操作并持续纠错迭代。大会上，黄仁勋将这个变化概括为：用户不再满足于“了解”，而是要求系统“去创建、去构建、去执行”。这一转向意味着算力需求的增长不再仅由训练驱动，推理端的持续消耗开始成为新的主变量。 原因——开源降低门槛与“任务链条”放大消耗相叠加 黄仁勋以“产业五层结构”对人工智能产业链进行拆分，涵盖能源、芯片与基础设施、云数据中心、模型与应用等环节，并强调应用层在当前阶段更接近商业回报的集中区。其背后原因主要体现在两点：一是企业数字化转型对自动化、流程化的需求强烈，促使智能体更快进入客服、运营、研发、供应链、合规等场景；二是开源框架的出现显著降低部署与二次开发门槛，推动开发者与企业将“能用”快速转化为“可规模化落地”。 与聊天式使用相比，代理式任务往往并非一次性交互，而是由多个子任务串联构成：搜索、分析、调用外部系统、生成结果、复核与重试等环节循环进行。黄仁勋提出“计算真空”概念，并给出代理式任务令令牌消耗相较传统模式大幅提升的判断，强调只要智能体不断渗透到现实工作负载，这一“真空”难以被填满。业内人士指出，这反映出推理端正从“偶发调用”走向“持续运行”，算力支出结构将随之变化。 影响——产业分工与利润格局或迎来新一轮洗牌 在OpenClaw等开源框架带动下，智能体能力的“底座”逐渐标准化，可能带来三上影响。 其一，基础设施与算力供给的重要性上升。随着推理负载成为常态化开销，云厂商、数据中心运营方及芯片厂商将面临更明确的扩容压力，供需关系可能更长期地处于紧平衡状态。对硬件厂商而言，推理端需求的“长尾持续性”有望带来更稳定的出货与更新周期。 其二，中间层同质化竞争加剧。过去部分企业依靠简单封装模型、拼接工作流形成产品，一旦底层协调能力由开源框架以较低成本提供，缺乏核心算法、数据与行业知识沉淀的中间件企业生存空间将被挤压，行业将从“叙事驱动”转向“效率与交付能力驱动”。 其三，应用层竞争深入下沉到行业场景与数据资产。开源降低了通用能力门槛，但并不自动生成行业可用的高质量结果。真正可持续的竞争优势，可能更多来自对业务流程的理解、对数据治理与安全合规的体系化建设，以及对“人机协同边界”的产品化设计。 对策——以开放生态扩大市场，以标准治理降低风险 从大会释放的信号看，英伟达对开源项目的积极表态，既是对产业趋势的顺势而为，也包含推动生态扩张的现实考量：当更多开发者在统一或相对通用的框架上开发、迁移与部署智能体应用，整体市场的可达性提升，将反向带动算力需求增长。对产业而言，下一阶段需要在“开放”与“可控”之间取得平衡： 一是加快标准与接口的兼容，降低企业迁移成本，避免因框架割裂造成重复投入；二是强化安全治理与审计能力，代理式智能在跨系统执行中涉及权限管理、数据泄露、误操作等风险，需建立可追溯的日志、权限分级与人类确认机制；三是推动算力使用效率提升，通过模型压缩、推理优化、任务编排与弹性调度降低单位产出成本，避免“只增不优”的粗放扩张。 前景——推理算力“海啸化”趋势或将长期存在 综合各方信息判断，代理式智能的普及正在把人工智能从“内容生成工具”推向“数字劳动力平台”。在这一进程中，应用层创新会持续释放需求，而开源框架将加速扩散与迭代。短期看，推理负载增长将对算力供给提出更高要求，供需紧张可能成为常态；中长期看，产业竞争将转向“软硬协同”的系统能力，既包括更高效的计算平台，也包括更可靠的应用治理与行业落地能力。谁能在效率、成本、安全与规模化交付之间形成均衡，谁就更可能在新周期中占据主动。
代理式智能的兴起不仅是技术变革，更是产业格局的重塑。企业和国家需要把握窗口期，在核心能力和战略布局上抢占先机。历史表明，主动应对变革者往往能获得更大发展空间。