问题——从“能生成”到“能办事”，产业亟需更可控、更可信的智能能力。
随着大模型在内容生成、代码辅助等场景快速普及，企业在实际应用中面临新的痛点：一是数据与合规边界清晰，敏感数据难以完全上云；二是业务链条复杂，单一通用模型难以覆盖行业知识、流程规则与多系统协同；三是生成能力虽强，但在执行、验证、追溯等方面仍需更强的闭环能力。
此次杨元庆与黄仁勋的对谈，集中回应了产业侧对“可落地、可治理、可持续”智能应用的现实需求。
原因——技术路线与应用环境共同推动“代理式”与“混合式”成为新方向。
对谈中，黄仁勋指出，智能技术正从以文本、图像等内容生成见长的阶段，迈向以解决问题、基于事实推理并可调用工具完成任务的“代理式”阶段。
其背后既有模型能力增强，也有企业数字化基础的成熟：一方面，计算平台、开发工具链与行业数据沉淀，使模型具备更强的推理与调用能力；另一方面，企业在IT架构上更强调安全、成本与性能的平衡，推动形成“公有云前沿大模型+私有定制模型”的组合范式。
杨元庆与黄仁勋共同强调“混合式智能”的核心机遇，本质上是以架构融合解决“能力先进性”与“数据可控性”的矛盾，并用定制化手段提升行业适配度与投入产出比。
影响——混合式企业智能将成为产业升级的通用底座，竞争焦点从模型本身转向系统工程。
黄仁勋判断，未来代理式系统不再依赖单一云端模型，而是由公有云提供前沿能力，与企业、个人侧的定制模型深度耦合，形成跨云、跨端、跨系统的协同能力。
这将带来三方面影响：其一，企业智能应用将从“点状试用”转向“流程再造”，从单一场景的问答、生成，走向采购、供应链、客服、研发、运维等端到端协同；其二，行业应用门槛从“会用模型”转向“会建系统”，包括数据治理、权限管理、可追溯审计、工具调用安全、效果评测等能力将成为关键；其三，硬件与软件、云与边缘、通用与行业之间的协同价值凸显，能够提供一体化方案与生态服务的企业更易形成规模效应。
对制造、金融、政务、医疗、教育等领域而言，这种融合式路径有望加速智能应用从试点走向规模化部署。
对策——以“产品化、平台化、生态化”推动企业级智能落地，避免“模型热、应用冷”。
据透露，联想集团将于1月6日的创新科技大会上与英伟达联合发布一款企业级智能产品。
对企业用户而言，关键不在于追逐概念，而在于围绕业务目标明确路线：第一，坚持以场景为牵引，优先选择可量化、可闭环的流程，如工单自动化、知识检索与合规审查、研发辅助与测试、设备运维预测等；第二，建立数据与安全治理体系，明确哪些数据上云、哪些留在本地，配套加密、脱敏、访问控制与审计机制；第三，推动模型与业务系统打通，构建可调用的“工具库”和“流程编排”，让智能体在规则约束下完成任务并可回溯；第四，加强评测与运维，建立持续迭代机制，以效果、成本与风险为指标滚动优化。
对供给侧企业而言，需以标准化产品降低部署门槛，以行业模板缩短交付周期，以开放生态提升适配能力，进而形成规模化复制。
前景——合作扩容与产业融合或将加速，CES 2026或成重要观察窗口。
黄仁勋表示，双方合作“没有理由在未来两年内不能再扩大五倍”，并预告将在CES 2026发布新的合作。
综合当前产业趋势，未来两年混合式企业智能将呈现三类走向：一是“从云到端”的部署扩展，更多推理与执行能力将向本地与边缘延伸，以降低延迟、提升隐私保护与可用性；二是“从工具到系统”的能力升级，智能体将更深度融入企业应用栈，形成可治理、可审计、可规模化的生产系统；三是“从单点到行业”的场景深化，面向制造、零售、物流、能源等行业的专用流程与知识体系将不断沉淀，推动形成更具普适性的行业解决方案。
与此同时，算力成本、模型幻觉与责任边界、数据合规、系统安全等挑战仍将贯穿发展全程，谁能在效率与安全之间建立可复制的平衡，谁就更可能在新一轮产业竞赛中占据主动。
人工智能正在成为推动全球产业变革的核心驱动力。
联想与英伟达的战略对话和合作，不仅代表了两家企业在AI时代的主动担当，更反映了整个产业界对混合式、代理式AI发展方向的深刻认识。
从生成式AI到代理式AI的演进，从单一云端模型到混合架构的创新，这些变化正在重塑全球科技产业的竞争格局。
在这样的背景下，产业合作的深化和创新的加速，将为全球经济的数字化转型注入新的活力，也将为用户创造更加智能、更加贴近实际需求的解决方案。