2025年GTC全球技術大會落下帷幕的次日，英偉達市值突破5萬億美元大關，再度將人工智能推至全球資本的聚光燈下。伴隨這份耀眼成績而來的，是關于AI的激烈爭議：一方認為這不過是新一輪技術泡沫，喧囂過后終將回歸沉寂；另一方則堅信，AI正跨越關鍵拐點，從生成式走向代理式，即將引領人類開啟全新的生產(chǎn)力革命。
英偉達創(chuàng)始人黃仁勛在2025年GTC全球技術大會中發(fā)表演講
要厘清這場爭議的核心，或許我們應當將目光投向英偉達創(chuàng)始人黃仁勛在大會上那長達兩小時的演講。在那件標志性的黑色皮衣背后，他不僅公布了英偉達的技術路線圖，更勾勒出了AI作為下一代基礎設施的宏大藍圖。
01 黃仁勛的認知顛覆：AI是“工作者”，更是重塑經(jīng)濟的“新電力”
在黃仁勛的演講中，第一個顛覆性觀點便是重新定義AI的本質(zhì)：AI不是輔助人類的“工具”（Tools），而是能夠自主行動的“工作者”（Workers）。這一界定并非概念游戲，而是基于產(chǎn)業(yè)規(guī)模的深刻洞察。
根據(jù)他的觀點，全球IT工具（如Excel、數(shù)據(jù)庫）的產(chǎn)業(yè)規(guī)模約為萬億美元級別，而全球經(jīng)濟總量卻高達100萬億美元。過去的技術革命中，工具始終需要通過人類操作才能發(fā)揮價值，而如今的AI已具備直接使用這些工具的能力：它能讀取數(shù)據(jù)、分析報表、調(diào)度資源，甚至自主生成代碼與方案，直接參與到百萬億美元規(guī)模的全球經(jīng)濟活動中。這種越過人類的能力，正是AI估值難以用傳統(tǒng)框架衡量的核心原因。
更具前瞻性的是黃仁勛提出的“AI工廠”概念。
黃仁勛在演講中提出“AI工廠”概念
他指出，過去IT產(chǎn)業(yè)的邏輯是“先編寫軟件，再讓計算機運行軟件”，而未來的核心轉(zhuǎn)變是“計算機自主生成有價值的token，再將token重構成音樂、文本、視頻、化學配方甚至蛋白質(zhì)”。這種從“檢索式計算”到“生成式計算”的躍遷，讓數(shù)據(jù)中心不再是“存儲文件的倉庫”，而成為“生產(chǎn)數(shù)字價值的工廠”。
為支撐這一模式，英偉達發(fā)布了“AI工廠的操作系統(tǒng)”NVIDIA Dynamo——其命名直指工業(yè)革命的核心發(fā)明“發(fā)電機（Dynamo）”，寓意著AI將像電力一樣，成為驅(qū)動所有產(chǎn)業(yè)運轉(zhuǎn)的底層動力。
值得注意的是，黃仁勛將AI定調(diào)為與電、互聯(lián)網(wǎng)同級的基礎設施。這種基礎設施級的技術迭代，意味著AI將從“可選工具”變?yōu)?ldquo;必需資源”。正如現(xiàn)代企業(yè)無法脫離電力運轉(zhuǎn)，未來的經(jīng)濟主體也將無法脫離AI存在，而掌控AI基礎設施的企業(yè)，無疑將握住經(jīng)濟運行的“電閘”。
02 英偉達AI工廠的落地樣本
事實上，英偉達早已將AI工廠轉(zhuǎn)化為產(chǎn)業(yè)實踐，在多個領域驗證了AI工廠的商業(yè)價值。
其中最引人注目的合作，當屬與通用汽車（GM）的深度綁定。雙方將在三大領域落地AI技術：在制造端，利用AI革新汽車生產(chǎn)線的調(diào)度與質(zhì)量檢測；在研發(fā)端，通過模擬技術加速車輛設計與性能測試；在車載端，部署自主駕駛AI系統(tǒng)，實現(xiàn)車輛的實時環(huán)境感知與決策。
這種“全鏈路AI賦能”，正是AI工廠理念在制造業(yè)的典型應用：通過生成式計算生成設計方案、通過代理式AI（Agentic AI）執(zhí)行生產(chǎn)調(diào)度、通過物理AI理解車輛行駛中的物理規(guī)律。
英偉達“AI工廠”宣布與通用汽車深度綁定
在自動駕駛與機器人領域，英偉達的技術布局同樣深入。其發(fā)布的Omniverse平臺被定義為“物理AI的操作系統(tǒng)”，可構建真實世界的數(shù)字孿生；新一代世界基礎模型Cosmos能生成無窮盡的虛擬場景，為AI訓練提供海量合成數(shù)據(jù)；與DeepMind、Disney Research聯(lián)合開發(fā)的物理引擎Newton，則能精準模擬摩擦力、慣性等物理規(guī)律，讓機器人具備理解真實世界的能力。更關鍵的是，英偉達將人形機器人的通用基礎模型IsaacGrootN1開源，降低了行業(yè)的AI應用門檻。這種“技術開放+生態(tài)共建”的模式，正是AI工廠從“單一企業(yè)應用”走向“全產(chǎn)業(yè)普及”的關鍵一步。
NVIDIA在開源模型領域貢獻巨大，共有23個模型位列排行榜
從技術性能來看，英偉達的AI工廠已展現(xiàn)出驚人的效率。以推理場景為例，傳統(tǒng)大型語言模型（LLM）在處理復雜任務時往往“一次性輸出”，錯誤率居高不下（如婚宴座位安排任務中僅用439個token卻漏洞百出）；而基于Blackwell平臺的推理模型能通過“思維鏈（Chainof Thought）”逐步推理，用8600多個token反復驗證，最終得出正確答案。這種“智能提升”背后，是算力的指數(shù)級增長。
黃仁勛預測，到2030年全球數(shù)據(jù)中心建設規(guī)模將達一萬億美元，而“有實體工廠的企業(yè)，終將擁有兩個工廠：一個生產(chǎn)實物產(chǎn)品，一個生產(chǎn)數(shù)字價值”。
03 bit-Agent：九科信息交出的“中國方案”
當英偉達憑借AI工廠理念與產(chǎn)業(yè)實踐，為全球AI基礎設施落地提供了國際樣本時，中國企業(yè)也在本土化場景中積極探索適配路徑，試圖交出屬于自己的技術答卷。
其中，九科信息自主研發(fā)的bit-Agent頗具代表性。作為國內(nèi)首個實現(xiàn)商業(yè)化落地的GUI Agent，它打通了“決策-感知-執(zhí)行-學習”的全鏈路能力，讓其在制造業(yè)、金融業(yè)等領域快速構建起差異化智能體解決方案。
傳統(tǒng)智能工具多采用“大模型規(guī)劃+RPA執(zhí)行”的線性架構，這種模式不僅在實際操作與預設流程出現(xiàn)偏差時會直接“卡殼”，還會衍生出跨場景開發(fā)成本高、單任務耗時久、重復調(diào)用大模型導致資源浪費等連鎖問題，也因此難以擺脫“AI套殼”的行業(yè)困境。
九科信息bit-Agent的五大核心能力
而bit-Agent的核心突破，恰恰是針對這些痛點重構了“AI+自動化”的技術邏輯：它不再依賴固定流程，而是通過實時感知環(huán)境動態(tài)調(diào)整決策，同時建立能力升級機制，從根源上解決了傳統(tǒng)工具的適配性與經(jīng)濟性難題。
這種技術優(yōu)勢在某頭部車企的安全運維場景中得到充分驗證。針對該車企旗下上百家子公司的多維度安全巡檢需求，bit-Agent展現(xiàn)出三大核心價值：
九科信息bit-Agent助力某頭部車企智能巡檢項目
其一，通過“一次配置、全域復用”的模板化能力，大幅降低跨場景開發(fā)成本，無需為不同廠區(qū)單獨定制流程；
其二，借助自主決策和自動化執(zhí)行能力，將單個產(chǎn)品的巡檢耗時大幅降低；
其三，依托流程固化機制，首次完成巡檢任務后便自動沉淀為可復用“能力”，后續(xù)執(zhí)行時無需重復調(diào)用大模型，既保障了操作穩(wěn)定性，又節(jié)省了90%以上的token消耗。
九科信息bit-Agent的流程固化功能
英偉達以Dynamo操作系統(tǒng)為核心，構建的是“生產(chǎn)數(shù)字價值的工廠”，聚焦于底層算力與數(shù)字資產(chǎn)的生成；而bit-Agent則以“工作流自動工廠”為定位，聚焦于產(chǎn)業(yè)端的業(yè)務流程標準化生成，同時作為執(zhí)行終端激活企業(yè)已有的數(shù)字化資產(chǎn)，最終形成“設計-執(zhí)行-復用”的智能體落地閉環(huán)，讓AI工廠的理念在本土化場景中有了更具體的實踐載體。
AI作為堪比電力的通用技術，其真正的價值從不在單一硬件的溢價里。當它與制造業(yè)的數(shù)字孿生深度耦合，甚至重構整個產(chǎn)業(yè)的生產(chǎn)邏輯時，當前的市值不過是這場革命的“預付款”。那些還未完全爆發(fā)的垂直場景、尚未成型的人機協(xié)作模式、那些關于人型機器人的暢想，終將證明：我們今天對AI的估值，只是看到了冰山露出水面的一角。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
