Claude Code 被黄仁勋称为"第三个拐点"
黄仁勋把过去两年 AI 计算需求暴涨归因于三件事，按时间顺序排列：
- ChatGPT：开启生成式 AI 时代，AI 从"能理解"变成"能生成"。
- o1/o3 推理模型：AI 学会了自我反思、拆解问题、基于事实推理，让生成式 AI 变得可信赖。
- Claude Code：第一个真正的智能体模型——它能读文件、写代码、编译、测试、评估，然后自己迭代改进。
黄仁勋原话："Claude Code 引发了全新拐点的彻底革命。这是你第一次不用告诉 AI 什么时间、什么地点或怎么做。你只需要求它创建、执行、构建。"
他还透露了一个细节：英伟达 100% 的员工都在使用 AI 编程工具，大多数人同时用 Claude Code、Codex 和 Cursor 三个。换句话说，在一家市值数万亿美元的芯片公司里，没有一位工程师还在"裸写"代码。
这对独立开发者的启示很直接：如果英伟达的工程师都在用 AI 辅助编程，一人公司更没有理由不用。差距不在于你会不会写代码，而在于你能不能让 AI 帮你把产出放大十倍。
OpenClaw：AI 智能体时代的"操作系统"
整场演讲里信息密度最高的部分，是黄仁勋对 OpenClaw 的定位。他把它和 Linux、HTML、Kubernetes 相提并论——每一个都催生了一个计算时代。
OpenClaw 是一个开源的智能体框架，由 Peter Steinberger 开发。它在发布几周内就成为 GitHub 上最受欢迎的开源项目之一。黄仁勋说它"超越了 Linux 过去 30 年的成就"——这话有营销成分，但它确实反映了行业对统一智能体标准的饥渴程度。
OpenClaw 能做什么？用黄仁勋的描述来拆解：
- 资源管理：访问工具、文件系统、大语言模型
- 任务调度：执行定时任务、拆解复杂提示
- 多智能体协作：派生并调用子智能体
- 多模态交互：支持各种输入输出方式（文本、手势等）
只需在终端输入两行命令，它就会下载 OpenClaw、建立一个 AI 智能体，然后你可以让它执行任何任务。黄仁勋的原话是："本质上 OpenClaw 开源了智能体计算机的操作系统。就像 Windows 使我们能够创造个人电脑一样，OpenClaw 让我们能够创造个人智能体。"
对于搭建自动化工作流的人来说，这意味着一个统一的框架可能正在形成。过去你可能用 n8n 做自动化、用 LangChain 做智能体编排、用各种胶水代码把它们粘在一起。如果 OpenClaw 真的成为行业标准，它可能会简化这个技术栈。
NemoClaw：让智能体安全地进入企业
OpenClaw 有一个显而易见的问题：智能体能访问敏感信息、能执行代码、能与外部通信。把这三件事放在一起，安全隐患巨大。
英伟达的应对方案是 NemoClaw——OpenClaw 的企业安全版本。它加入了：
- 网络护栏：防止智能体越权操作
- 隐私路由器：保护敏感数据不被泄露
- 策略引擎接口：对接企业现有的安全策略系统
如果你正在为企业客户构建 AI 智能体产品，NemoClaw 提供了一个现成的参考架构，省去了从零搭建安全层的工作。
每家 SaaS 都将变成 AaaS
黄仁勋提出了一个对软件行业影响深远的判断：每一家 SaaS 公司都将转型为 AaaS（Agent as a Service）公司。
逻辑链条是这样的：
- 过去的企业 IT：数据中心存文件 → 软件提供工具 → 人类使用工具
- 未来的企业 IT：AI 工厂生产 Token → 智能体使用工具 → 人类管理智能体
他甚至给出了一个具体场景：未来每位工程师除了底薪之外，还会有一笔"年度 Token 预算"。底薪可能几十万美元，Token 预算可能是底薪的一半，目的是让工程师的效率提升十倍。他说这已经成为硅谷的招聘筹码——"你的职位能配多少 Token？"
对一人公司来说，这个趋势意味着两件事：
- 你的产品形态可能需要重新思考。如果你在做工具类产品，考虑一下它能否被包装成智能体服务——不只是给人用的界面，而是给其他智能体调用的 API。
- Token 成本将成为核心经营指标。就像过去关注服务器成本一样，未来你需要精确管理每个业务环节的 Token 消耗。
推理拐点：为什么 Token 是新商品
黄仁勋用了大量篇幅解释"推理拐点"这个概念，核心观点是：AI 已经从训练阶段进入推理阶段。
过去两年，计算需求增长了大约 100 万倍。原因是：AI 每次思考、推理、执行、生成，都需要消耗 Token。推理模型（如 o1/o3）需要大量"思考 Token"来进行内部推理；智能体模型（如 Claude Code）需要 Token 来读文件、执行操作、迭代改进。
Token 正在像商品一样被分层定价：
- 免费层：高吞吐量、低速度，适合轻量级任务
- 中间层：每百万 Token 约 3-6 美元，平衡性能和成本
- 高级层：每百万 Token 约 45 美元，更大模型、更长上下文
- 顶级层：每百万 Token 可达 150 美元，极高速度、深度研究场景
黄仁勋算了一笔账：一个研究团队每天使用 5000 万个 Token，按每百万 Token 150 美元计算，日均成本 7500 美元——对研究团队来说"甚至不算什么"。但对一人公司来说，理解这个定价阶梯很重要：你需要根据任务的价值选择合适的 Token 层级，而不是一律用最贵的模型。
开放模型生态：Nemotron 和合作伙伴
英伟达同时在推进自己的开放模型体系，覆盖了多个领域：
- Nemotron：大语言模型，据称在 OpenClaw 评测中位列全球前三
- Cosmos：世界基础模型，用于物理 AI 的世界生成和理解
- GROOT：通用人形机器人模型
英伟达还宣布成立 Nemotron 联盟，投资数十亿美元推进基础模型研发。联盟成员包括 BlackForest Labs、Cursor、LangChain、Mistral、Perplexity 以及 Mira Murati 的新实验室 Thinking Machines 等。
对开发者而言，值得关注的是这些开放模型与 OpenClaw 的结合——你可以在 OpenClaw 智能体中直接使用定制化的 Nemotron 模型，而不必依赖闭源 API。
一句话总结硬件趋势
虽然芯片细节不是一人公司的日常关切，但有一个数字值得记住：英伟达预计到 2027 年 AI 基础设施需求将突破 1 万亿美元。这意味着算力供给会持续扩大，Token 价格大概率会继续下降。对于依赖 AI API 的产品来说，这是一个长期利好。
如果你现在还没有开始用 AI 编程工具辅助开发，这场演讲传递的信号已经足够明确：不是"要不要用"的问题，而是"用多少"的问题。从 Claude Code 或 Cursor 开始，把省下来的时间投入到产品和客户身上。同时关注 OpenClaw 的发展——如果它真的成为智能体时代的 Linux，越早熟悉它的架构，未来的优势就越大。