问题——应用从“能对话”走向“能办事”，算力瓶颈加速显现 摩根士丹利会议上，黄仁勋围绕人工智能产业演进作出判断：智能体正在成为下一阶段的关键形态；相较以往以问答、检索、摘要为主的生成式能力，智能体强调“理解任务—拆解流程—调用工具—执行反馈”的闭环，目标是进入更真实、更个性化的工作与生活场景。另外，开源项目OpenClaw在短时间内获得广泛关注，折射出产业对“可落地、可复用、可扩展”的智能体工具链需求正在快速上升。黄仁勋指出，智能体的普及将把算力挑战从训练侧更推向推理侧，并在长上下文、持续交互、多工具调用的综合负载下形成新的供需缺口。 原因——开源降低门槛叠加多步骤执行，带来“Token激增”与内存压力 从产业规律看，开源生态往往通过降低试错成本、加速开发者聚集，推动技术扩散。黄仁勋以开源软件发展历程作类比，强调OpenClaw快速走红说明了“智能体能力可被快速复制并规模化部署”的特征。更重要的是，智能体的计算消耗并非简单等同于一次对话生成：它往往需要多轮规划、多次检索、反复调用外部工具，且为保证任务连续性需要更长的上下文窗口与更高频的状态保存。上述特征叠加后，单任务的Token消耗与系统并发压力显著抬升。黄仁勋据此提出，智能体负载可能带来数量级跃升的推理需求，从而出现“算力真空”式的紧张局面——即便硬件规模持续扩张，仍可能在峰值需求面前捉襟见肘。 影响——从云到端、从模型到系统，产业竞争焦点转向“应用兑现能力” 黄仁勋将人工智能产业结构概括为多层体系，涵盖能源供给、芯片与计算基础设施、云数据中心、模型能力以及应用落地，并强调应用层更可能形成可持续回报。在该判断下，OpenClaw所代表的智能体工具被视为“让用户直接感知价值”的入口：通过少量提示即可批量完成搜索、内容生成、分析整理等流程性工作，减少重复劳动，提升效率。这种“可感知”的价值兑现，既会加速企业采购推理算力，也会推动云厂商在服务形态上从“提供模型接口”走向“交付任务结果”。随之而来的是产业链重心变化：数据中心将更关注推理吞吐、内存容量与带宽、能效和调度体系；开发者生态将更关注工具调用标准、权限与安全、可观测性与成本控制；终端侧也可能因轻量智能体的出现而迎来新的软硬件协同机会。 对策——芯片路线从“偏训练”转向“强推理”，以系统平台应对长上下文瓶颈 面对智能体带来的长上下文与高并发推理压力，英伟达正在对研发重心进行调整。黄仁勋表示，既有架构更侧重训练等典型工作负载，而未来架构将着力缓解推理阶段的系统性瓶颈，尤其是与内存涉及的的限制，包括更高的板载内存能力以及系统平台层面的协同优化，以适配智能体对“更长记忆、更强吞吐、更低时延”的要求。此类调整背后反映出行业共识：智能体应用能否规模化，取决于计算、存储、网络与软件栈的整体效率，而不仅是单一指标的提升。对云厂商和企业用户而言，也需要在模型选择、任务编排、缓存与检索、成本核算等建立新方法，以平衡效果、时延与费用。 前景——“智能体规模化”将重塑算力供给方式，开放生态与合规治理并重 业内普遍预计，随着智能体逐步进入客服、办公、内容生产、软件工程与行业知识管理等场景，推理需求的增长可能长期高于训练需求的增速，算力供给将更多围绕“持续在线的任务执行”展开。开源工具的快速扩散将加速应用创新，同时也对安全、隐私、版权与模型输出可靠性提出更高要求。未来一段时间，产业竞争或将集中在三上：一是推理基础设施的能效与成本曲线能否持续改善；二是智能体工具链是否形成事实标准，降低跨平台迁移与集成成本；三是治理体系能否跟上智能体“可执行、可调用、可扩散”的新特性，防范滥用与风险外溢。可以预见，在技术迭代与市场需求共同推动下，智能体将成为新一轮产业升级的重要牵引力，也将带动芯片、云服务与软件生态的协同演进。
OpenClaw的发展展现了智能体技术的潜力，也凸显了技术创新与基础设施支撑的平衡难题。在新一轮算力革命中，如何把握机遇应对挑战，是全球科技产业面临的重要课题。随着新一代芯片架构和计算能力的提升，智能体技术有望开启人机协作的新时代。