文 | 融中财经
"AI 春晚 " 英伟达 GTC 全球开发者大会，向来是全球人工智能产业的 " 风向标 "。
本次盛会的重磅亮点之一，便是英伟达正式宣布成立全球首个聚焦开放前沿基础模型的 Nemotron Coalition 联盟，联合全球顶尖 AI 力量共推技术革新。
当地时间 3 月 18 日，一场 " 开放模型 " 圆桌论坛更是将大会热度推至顶峰——黄仁勋邀请了 Cursor、Perplexity、LangChain、Reflection AI、Thinking Machines Lab 等一众当红 AI 公司的 CEO 围坐一堂，以 " 客厅聊天 " 的形式畅聊 AI 未来。
值得注意的是，这些嘉宾中多数正是 Nemotron Coalition 联盟的创始成员，也是英伟达在开放模型研发、生态构建中的核心合作伙伴，这场对话既是行业前沿观点的碰撞，更是核心合作阵营的一次集体发声。
黄仁勋在现场抛出了他的理解：" 模型不是产品，是技术。ChatGPT 是产品，开放模型是技术。" 而当话题聚焦到开源项目 OpenClaw 时，现场彻底沸腾，有嘉宾直言：" 它让 AI 有了四肢。"
这场对话试图澄清大众对开放模型的认知盲区，更勾勒出了 AI 从 " 会回答 " 到 " 能行动 " 的清晰图景。
重新定义 AI 模型，第三种公司站上舞台
如果说 GTC 首日的主题演讲是黄仁勋的 " 独角秀 "，那么 3 月 18 日的开放模型论坛，就是一场属于全球顶尖 AI 创业者的 " 群英会 "。
黄仁勋穿着印着 Cursor logo 的皮夹克走上台，没有 PPT，只是把 Cursor CEO Michael Truell、Perplexity CEO Aravind Srinivas、LangChain CEO Harrison Chase、Reflection AI CEO Misha Laskin、Thinking Machines Lab CEO Mira Murati 请到台上，开口就定下了聊天的基调：" 咱们就像在我家客厅一样，不用客气，想说话就直接说。" 这种去中心化的交流方式，恰与 " 开放 " 的主题不谋而合。
黄仁勋率先给出了自己的核心观点：" 晶体管对台积电来说是产品，但对其他公司来说，只是一种可以被集成的技术。模型也是一样的道理，OpenAI、Anthropic、Gemini 这些公司做的闭源模型是产品，而开放模型生态提供的，是可以被集成、被改造、被创新的技术基础设施。"
他同时透露了一个关键数据：" 现在开放模型聚合起来，已经是世界上第二大的模型体系了，跨越所有行业和应用场景。我认为它最终会成为全球最大的模型体系。"
Cursor CEO Michael Truell 直言，当下行业对 AI 公司的分类过于狭隘：" 大家都觉得软件层的 AI 公司只有两种，一种是做基础大模型的，一种是做上层应用的。但现在，第三种 AI 公司正在快速崛起——它们既会用市场上最好的模型 API，又会自己做模型训练和优化，把两者结合起来，做成某个垂直领域里最好的产品。" 他预测，未来 1-2 年，AI 领域会诞生一种全新的 " 复合智能体 "：" 这种智能体能够处理需要数小时甚至数天才能完成的复杂任务。"
Perplexity CEO Aravind Srinivas 则用一个生动的比喻，诠释了 AI 的本质："AI 不是单一的模型，而是一个完整的系统，一台全新的计算机。你需要构建一个编排系统，把 AI 能做的所有事情——编程、写作、生成多模态内容——都整合起来。这些子智能体就像音乐家，模型是他们手中的乐器。"
LangChain CEO Harrison Chase 则从开发者的角度，提出了 " 马具工程 " 的概念：" 开发者在构建 AI 应用时，大部分精力都不是花在模型本身，而是花在模型周围的一切——什么时候压缩数据、用什么子智能体、选什么模型……这整个围绕模型的 ' 马具 ' 设计，正在成为一门全新的工程学科。"
Reflection AI CEO Misha Laskin 则直接点破了行业对开放模型的两大核心误解：
" 第一个误解，是觉得模型公司只做模型，其实它们做的是端到端的全栈产品。而开放的价值，就是让更多人有机会做这种端到端的优化。
第二个误解，是认为开放模型永远会落后于前沿闭源模型。模型作为基础的知识基础设施，渴望开放是它的宿命——书籍曾经封闭，印刷术让它开放；科学曾经封闭，学术期刊让它开放；AI 领域也会如此。"
Thinking Machines Lab CEO Mira Murati 则从科研的角度，阐述了开放模型的不可替代性："AI 的进步非常快，我们正走在指数曲线上。有太多东西需要学习、需要研究，这不可能只靠几个大实验室完成。我们早期就决定开放后训练 API，让外部的研究人员也能在前沿模型上做后训练。"
OpenClaw 引爆全场：AI 从 " 会回答 " 到 " 能行动 " 的革命
当论坛的话题转向 OpenClaw 时，现场的氛围被推至高潮。这个由奥地利开发者 Peter Steinberger 在 2025 年 1 月发布的开源项目，在短短几周内就成为 GitHub 史上最受欢迎的开源项目之一——让 AI 能够像人类一样操作计算机，自主完成复杂任务。
黄仁勋评价道："ChatGPT 曾经让生成式 AI 走进大众视野，OpenClaw 正在做同样的事，它让 AI 从‘只会回答问题’，变成‘能亲自采取行动’。"
Misha Laskin 用一个形象的比喻，道出了 OpenClaw 的核心意义：" 模型本身就像没有身体的大脑，只能思考，无法行动，而 OpenClaw，就是给这个大脑装上了四肢。" 他回忆，早年间就有 AutoGPT 等各类智能体项目，但始终未能普及，核心原因是 " 模型能力没跟上，围绕模型的‘马具’也没校准好 "。而现在，大模型的能力实现了质的飞跃，OpenClaw 终于让智能体从概念变成了真正可用的产品。
Michael Truell 则将 OpenClaw 的出现，定义为 AI 发展的一个关键转折点：" 它是一个标志性案例，说明去年开始在专业软件工程师身上发生的变化，现在正在发生在更多人身上—— AI 从‘回答你提出的问题’，变成‘为你完成指定的任务’。"
Harrison Chase 则从产品特性的角度，总结了 OpenClaw 的三大核心亮点：第一个是 " 永远在线 "，主动给用户发消息；第二个是 " 智能体身份 "，企业会为智能体创建独立 " 账号座位 "；第三个是 " 记忆能力 "，能记住互动内容，还能通过代码编辑自己的指令。
黄仁勋对着 LangChain 创始人 Harrison 抛出了一个尖锐的问题："LangChain 的核心业务是帮别人做智能体，现在 OpenClaw 已经是一个成熟的开源智能体了，开发者为什么还要用 LangChain？"
Harrison 坦诚回应：" 未来会有做法律、销售、代码的各类智能体，它们需要不同的‘马具’和工具，LangChain 做的就是让定制这些‘马具’变得简单的工具。" 黄仁勋随即进行了补充："OpenClaw 是强大的通用智能体，但企业更需要专业智能体，LangChain 能编排这些智能体系统，实现串行、并行等多种协作模式。"
从代码到产业：AI 的苦涩教训改写商业规则
这场 " 客厅聊天 " 的下半场，黄仁勋请出了第二波嘉宾—— Mistral CEO Arthur Mensch、OpenEvidence CEO Daniel Nadler、AMP PBC 创始人 Anjney Midha、Black Forest Labs CEO Robin Rombach 等，话题转向了智能体技术的产业级影响。
从企业治理、数据隐私，到视觉智能的新前沿，再到 AI 在医疗等垂直行业的落地，一个核心结论逐渐清晰：AI 的 " 苦涩教训 " 正在应验，收入随计算规模线性缩放。
Mistral CEO Arthur Mensch 首先从企业落地的角度，提出了智能体技术面临的核心挑战：" 在个人层面，OpenClaw 这样的智能体能解决很多问题，但到了企业层面，就必须面对数据治理、权限管理等复杂问题。" 黄仁勋随即为他做了更通俗的解读：" 智能体能做三件事——访问敏感信息、执行代码、对外沟通。为了企业安全，应该让智能体同时只能做其中两件，除非它是 CEO。"
Black Forest Labs CEO Robin Rombach 则打开了一个新的维度——视觉智能：" 现在大家都被模型在代码领域的进展所吸引，但 AI 还有很多其他前沿领域，比如我们正在做的视觉 AI。机器人或智能体与现实世界互动，本质上是视觉互动，理解图像、视频是全新的前沿。"
AMP PBC 创始人 Anjney Midha 则抛出了核心判断—— AI 的 " 苦涩教训 " 正在应验："4 年前，Anthropic 的创始人找投资时，21 个人里 20 个都拒绝了，没人相信‘算力即生产力’。但现在，我们不仅证明了‘苦涩教训’成立，还发现计算投入与企业收入之间存在线性缩放曲线——你买的算力越多，赚的钱就越多。" 黄仁勋立刻插话强调：" 大家一定要记住这句话，收入随计算线性缩放，这是 AI 行业的新商业规则。"
OpenEvidence CEO Daniel Nadler 则用医疗行业的实际案例，让所有人看到了 AI 智能体的产业落地价值：" 医生为病人申请药物时，需要写事先授权信给保险公司，被拒绝后还要写申诉信，这些繁琐工作占据了医生大量时间。而 AI 智能体可以完美处理这些任务——保护病人隐私、按模板填写内容，甚至在医生睡觉时自动行动，为病人争取救命的药物。"
黄仁勋在这场讨论的最后，梳理出了 AI 发展的三个阶段：" 第一个阶段是生成式 AI；第二个阶段是推理时代，以 O1 模型为代表；第三个阶段，就是现在的智能体系统时代。" 他同时透露，2026 年将成为 AI 商业经济的拐点：" 过去大家总问‘过去三年 AI 的 ROI 是什么’，但今年，所有人都会问‘ AI 的 ROI 是什么’。从编码开始，AI 会逐步渗透到几乎所有工作中，真正的商业价值落地即将到来。"
值得一提的是，GTC 首日英伟达就官宣成立了 Nemotron Coalition 联盟——全球首个聚焦开放前沿基础模型的跨国协作平台，Black Forest Labs、Cursor、LangChain、Mistral AI、Perplexity、Reflection AI、Sarvam、Thinking Machines Lab 这 8 家顶尖机构成为了创始成员。
联盟将在 NVIDIA DGX Cloud 上联合训练开源模型，成员们各展所长：Black Forest Labs 贡献多模态生成能力（涵盖图像、实时视频及动作预测模型），Cursor 提供真实世界性能需求与评估数据集，LangChain 专注 AI 智能体的可靠工具使用与长周期推理技术研发，Mistral AI 输出高效可定制且能实现完全控制的模型研发经验，Perplexity 贡献前沿模型开发专长以搭建适配海量用户的 AI 平台基础，Reflection AI 专注构建可靠安全的开放系统，Sarvam 深耕主权语言 AI 开发（打造语音优先、语言包容且贴合本地文化的模型），Thinking Machines Lab 则通过其 Tinker 平台提供数据协作与可访问性支持。
最终产出的模型将完全开源，为 NVIDIA Nemotron 4 系列开放模型奠定基础，让全球开发者和企业能按需定制行业专属 AI 系统。黄仁勋强调：" 开放模型是创新生命线，联盟要让更多人接触 AI 智能，确保 AI 的未来由世界共创、为世界服务。"
结语：开放不是选择，是 AI 产业的底层宿命
这场由黄仁勋主导的 " 客厅聊天 "，持续了近两个小时，让全球 AI 行业看到了最真实的行业思考。从重新定义开放模型，到解读 OpenClaw 的智能体革命，再到探讨 AI 的产业级落地，贯穿始终的核心，就是 " 开放 "。
在黄仁勋的眼中，AI 的未来不是少数几家大公司的 " 独角戏 "，而是全球开发者、创业者、企业共同参与的 " 交响乐 "。闭源模型打造出标准化的产品，满足大众的通用需求；而开放模型则凭借其透明性、定制性和成本优势，成为底层的技术基础设施，让每个行业、每个企业都能打造出属于自己的 AI 产品。
从技术层面来看，OpenClaw 的爆火，标志着 AI 正式从 " 认知阶段 " 进入 " 行动阶段 "。而未来的智能体，必将朝着 " 通用 + 专业 " 的方向发展，通用智能体解决大众的日常需求，专业智能体深耕垂直行业。从产业层面来看，AI 的 " 苦涩教训 " 已经成为行业的商业规则，算力的规模化投入将直接带来收入的增长。
这场盛会告诉我们，AI 的发展已经进入深水区，从技术研发到产业落地，从单一模型到智能体系统，从闭源主导到双轨并行，行业的每一个变化，都在推动着 AI 真正走进千行百业。而开放，正是这场 AI 革命的底层宿命。就像 Misha Laskin 所说，知识基础设施的本质，就是渴望开放。AI 的未来，不被少数人掌控，而需要所有人共创。
