北京时间10月21日晚，英伟达GTC大会在德国柏林开幕。黄仁勋用一个半小时的主题演讲，把AI工厂、企业智能体、开放模型、人形机器人和自动驾驶串成一条完整叙事。对产业侧而言，这场演讲真正的分量不在算力参数的再迭代，而在他对企业级智能体落地条件的一次系统表态。

黄仁勋把AI产业拆成由能源、加速计算、AI工厂、AI模型和数字智能构成的五层体系。他指出，随着AI从内容生成工具演进为能够自主推理、调用工具并执行任务的智能体，企业不仅需要使用AI，更需要具备生产和部署AI的能力。"要参与这场AI经济，你不能只是消费AI，你要生产AI。"

围绕这一判断，英伟达给出两件配套工具。模型侧，Nemotron、Cosmos、GR00T、Alpamayo等开放模型的权重、训练数据和复现脚本整套开放，企业可用私有数据做后训练；应用侧，OpenShell参考架构与Agent Knowledge Foundation分别对应智能体落地的两大卡点——运行安全与企业知识接入。

黄仁勋对智能体的定义同样值得注意。在他看来，模型负责感知、推理和规划，但让AI真正完成任务，还需要负责调度的Agent框架、企业知识、工具，以及限制其权限的安全运行环境。这更像一份交付清单，而非技术愿景。清单已经摆在那里，接下来的问题是谁能把它变成可交付、可计量、可复制的产品。港股AI应用公司迈富时（02556.HK）提供了一个可对照的样本。

从"消费AI"到"生产AI"，企业私有知识成为分水岭

黄仁勋反复强调的一点，是企业沉淀的文档、业务规则和历史经营数据，才是智能体区别于通用对话模型、能够解决真实业务问题的根源。他直言："让Agent变成超级Agent的，是你给了它访问公司知识的权限。"

这个判断对应着企业AI项目普遍的落地困境。通用大模型能力上限很高，但普遍缺少企业业务上下文，直接接入内部系统容易出现业务逻辑偏差、输出不可控和数据安全风险，大量项目停留在演示环节，难以规模化上线。

迈富时的解法是把知识层单独抽出来做中台。公司以"全栈Token工厂"为战略定位，搭建AI-Agentforce智能体中台与KnowForce AI知识中台，并以本体驱动的GenAI OS统一承载模型管理、算力调度、安全治理、数据连接和运行环境。其中，KnowForce AI知识中台负责企业私有知识沉淀、知识图谱构建与精细化权限隔离，把散落在文档、数据库和业务系统里的静态数据，加工成智能体可直接调用的知识底座。

这套分工与英伟达的Agent Knowledge Foundation在逻辑上高度一致：底层接入多元算力和主流基础模型，中台完成知识沉淀与智能体编排，上层把通用Token转化为面向具体业务场景、绑定企业私有知识的"场景Token"。截至目前，迈富时已累计服务超21万家企业客户，产品落地上千个行业细分场景。

安全边界决定智能体能走多远

智能体执行能力越强，权限问题就越尖锐。黄仁勋在演讲中给出了一句被广泛引用的批评：如今唯一能防止智能体滥用权限的方法，竟然是礼貌地请求它"请不要删除任何东西，请不要动我的SSH密钥"。他称这是"请勿打扰"式防护，并强调"祈祷不是安全，安全不是一种愿景，它是一项技术与工程问题"。

英伟达的回应是OpenShell参考架构，该架构整合Vera Rubin基础设施用于推理、Vera CPU用于智能体编排、BlueField-4数据处理器运行Sentry执行策略管控，为企业级Agent提供运行隔离与行为监控。据英伟达介绍，SAP、ServiceNow、微软等企业正在参与这一安全架构的集成合作。

在应用层，迈富时把安全做成平台原生能力：实现原子化的知识权限隔离，完整留存智能体全流程审计日志，记录调用主体、输入输出和数据流向，做到行为全程可追溯。这一设计直接对应企业部署Agent最核心的两项顾虑——数据泄露与越权操作。

某省属大型国有企业的合规管理项目是一个典型案例，迈富时围绕合同管理、行政执法、风险筛查、合规评估等环节部署五大智能体，把沉淀在海量文档中的法规依据、合规经验和历史案例，整合为可检索、可交互的智能资产，使合规管理从依赖人工排查的"人防"转向由AI驱动的"智控"。这类场景对权限与审计的要求最为苛刻，也因此最能检验智能体是否真正具备上岗条件。

多智能体协同，把场景跑成可量化的结果

黄仁勋的另一个判断是，由于Agent能够思考、推理、迭代并使用工具，会消耗海量词元，对GPU的需求由此迎来爆发式增长。他还反驳了"AI将终结软件与工具公司"的说法：AI完成现实工作离不开对专业工具的调用，未来工具企业还将提供经过专项优化、可熟练操作对应软件的AI智能体。达索系统的现场演示中，AI智能体依据工程需求调用设计与仿真工具，完成方案调整与缺陷迭代，最终交由工程师审核。

这意味着企业级智能体的价值锚点，正从"能不能回答"转向"能不能交付结果"。迈富时的产品演进也沿着这一方向推进。AI-Agentforce智能体中台已迭代至3.0版本，支持自然语言构建智能体，并通过MAS多智能体协同平台完成跨场景的任务拆解与流程编排。据公司披露，多数KA客户已采用3至4个智能体协作的模式，多智能体系统能力已实现规模化落地。

具体到业务结果，一批案例已经跑出可量化的数字。某文旅集团通过"获客—接待—跟进—成交—复购"全链路8大智能体协同，报价到成交的转化率提升40%；某大型定制家居企业部署AI全场景客服智能体后，首字响应时间控制在5秒以内，核心内容准确率超过95%，转人工率降至12%；某工业涂料企业通过8大智能体把内部查询时间从数小时压缩至几十秒，方案准备周期从数周缩短至1天；一家上海环保板材供应商来自AI搜索的询盘量月度增长210%。

迈富时智能体应用场景边界还在拓宽：营销侧，T-GEO打通从用户提问到获取答案的全流程，提升企业AI可见性；外贸侧，EVA支持自动化海外拓客，Nora覆盖AI视频营销全流程；AI研发智能体、Data Agent也已进入产品矩阵，覆盖研发、供应链、客服、陪练与经营分析等环节。

业绩与现金流给出商业化答案

判断能否成立，最终要看报表。迈富时2026年上半年总收入19.60亿元，同比增长111.2%；净利润2.03亿元，同比增长466.1%；经调整净利润2.13亿元，同比增长150.9%，已超过2025年全年水平。其中AI应用业务收入11.28亿元，同比增长123.7%，占总收入比重升至57.5%。

量价齐升是这份财报的核心特征。报告期内，AI应用总用户数27269名，同比增长25.9%；每用户平均月收入8124元，同比增长80.0%。KA客户是增长的主要驱动，KA收入占比69.1%，KA收入同比增长207.2%，2026年以来在消费零售领域签下伊利、康师傅，鞋服领域签下Timberland等头部品牌。

现金流验证了收入质量。26H1公司经营性现金流净流入5.0亿元，自由现金流净流入4.83亿元。组织效率同步改善，总人效同比提升85.6%，销售费率与管理费率同比均下降5.6个百分点，研发费率16.6%。

放在行业坐标系里看，这一增速并不孤立。据科智咨询（CIDC）数据，中国企业AI Agent市场规模2024年约86亿元，2025年预计达212亿元，2029年有望达到3320亿元，2024—2029年复合增速约107%。营销、销售、客服等直接创造收入的前端场景，因ROI可量化、付费意愿强，成为最先受益的领域。

定位选择上，迈富时作为AI应用公司并未参与底层大模型的自研竞赛，而是兼容对接各类主流基础模型，把重心放在智能体中台与知识中台建设上。这与黄仁勋描述的产业分工吻合：模型层趋向开放，价值向知识、编排、安全与场景交付这几个环节迁移。

第三方验证也在跟进。2026年9月，迈富时"全栈Token工厂"通过中国信通院《全栈Token工厂应用价值交付能力完备性》测评，为行业内首批通过的企业；同期其"企业智能体平台解决方案"入选《高质量数字化转型技术解决方案集（2026年）》。此前公司还入选IDC《中国企业级Agent最佳实践与案例精选》，并入选《Global Agent 100×100：2026年Q2全球企业级AI Agent优秀厂商图谱》五大场景板块。

黄仁勋在柏林留下一句宣言："每一家欧洲公司，都将成为AI公司。"从产业分工的角度看，这句话更具体的含义是：企业最终拥有的不会是自己的通用大模型，而是一套能够调度自身知识资产、在安全边界内稳定交付业务的智能体系统。当算力被标准化、模型被开放化之后，企业AI竞争的胜负手只剩一件事——谁能把通用Token，加工成自己业务流程里可交付、可追踪、可复用的场景Token。