黃仁勳談 OpenClaw：個人 AI 電腦的時代來了

本文整理自《All-In Podcast》2026 年 3 月播出的單集，於 GTC 2026 期間錄製。

{{< youtube gwW8GKwHB3I >}}

{{< spotify "episode/2HCl49WohQeFtmlx2MoN85" >}}

{{< apple-podcast "tw/podcast/jensen-huang-live-nvidias-future-physical-ai-rise-of/id1502871393?i=1000756188610" >}}

---

AI 的三次轉折點

黃仁勳（Jensen Huang）在 All-In Podcast 上回顧了過去兩年 AI 產業的三個關鍵轉折。第一個是 ChatGPT 帶來的生成式 AI 浪潮。雖然底層技術早在數月前就已存在，但直到 OpenAI 把它包裝成一個好用的介面，生成式 AI 才真正起飛。而生成式 AI 不只對外產出內容，它同時也在「對內」生成 token。這種內部消耗就是思考，最終催生了推理能力，從 o1 到 o3 都是這條路線的延伸。

第二個轉折是「接地資訊」（grounded information）的出現，讓 AI 不再只是回答問題，而是用更有根據、更實用的方式回應。這個轉變直接推動了 OpenAI 的營收起飛。第三個轉折發生在產業內部：Claude Code 成為第一個真正有用的代理人系統，但它主要服務企業客戶，大多數人根本看不到。

然後 OpenClaw 出現了。

OpenClaw：不只是工具，是新的運算典範

OpenClaw 讓黃仁勳如此興奮，有兩個層次的原因。第一個是文化層面：它讓普通人第一次親眼看到 AI 代理人能做什麼，就像 ChatGPT 當年讓所有人第一次體驗生成式 AI 一樣。在 OpenClaw 之前，代理人是企業內部的事情。在 OpenClaw 之後，它成為了流行文化的一部分。Jason Calacanis 在節目中提到自己的公司正全面轉向 OpenClaw，David Sacks（白宮 AI 及加密貨幣政策顧問）則分享他如何在一個週日晚上十點到十一點半，用 Claude 的代理人系統在 90 分鐘內重建了一整套企業軟體堆疊。

但黃仁勳更看重第二個層次：OpenClaw 在重新發明運算。它有記憶系統，包括短期記憶與長期記憶。它有資源管理和排程機制，能產生 cron job、分拆任務、派生子代理人。它有 I/O 子系統，能連接 WhatsApp 等外部服務。它有 API，允許運行多種類型的應用程式，OpenClaw 稱之為「skills」。黃仁勳一一列舉這些元素後，得出一個結論：「這四個元素，從根本上定義了一台電腦。」

換句話說，OpenClaw 不是一個工具，而是一個作業系統，第一台個人 AI 電腦的作業系統。它是開源的，能在任何裝置上運行。黃仁勳稱它為「現代運算的藍圖」。

50 萬年薪的工程師，應該消耗 25 萬的 token

節目中最讓人印象深刻的數字，來自黃仁勳的一個思想實驗。假設你有一位年薪 50 萬美元的軟體工程師或 AI 研究員，這在 NVIDIA 是日常水準。年底結算時，如果這位工程師只消耗了 5,000 美元的 token，黃仁勳說他會「抓狂」。在他的標準裡，這位工程師至少應該消耗 25 萬美元的 token，佔年薪的一半。

他用了一個在 NVIDIA 內部人人都懂的比喻：這就像你的晶片設計師跟你說，「我覺得我不需要 CAD 工具，用紙和筆就好了。」沒有人會覺得這句話合理，但在 AI 時代，讓知識工作者在沒有充足 AI 工具支持的情況下工作，道理是一樣的。

Jason Calacanis 接過話頭，把這個概念類比為 NBA 的 LeBron James 每年花一百萬美元維護身體。正因為他是頂尖運動員，才值得投入這樣的資源讓他維持在巔峰狀態。同樣的道理，如果你的員工是頂尖知識工作者，為什麼不給他們「超人能力」？

這個思維轉變的背後，是一個更大的數學。黃仁勳指出，從生成式 AI 到推理，運算需求增加了約一百倍。從推理到代理人，又增加了一百倍。兩年之內，運算需求暴增了一萬倍。人們願意為資訊付費，但更願意為「把事情做完」付費，代理人系統正是把事情做完的工具。加上消費量也在擴大，他認為我們正處在百萬倍成長的起點。

企業軟體不會被消滅，會被百倍放大

AI 代理人崛起後，市場上出現了一種流行敘事：企業 IT 軟體要被顛覆了。David Sacks 甚至在節目中分享了自己週日晚上用代理人取代整套軟體堆疊的故事。但黃仁勳給了一個完全相反的觀點：企業軟體產業不是要被摧毀，而是要迎來百倍的使用量。

他的邏輯是這樣的。過去，企業軟體受限於「座位數」，多少人坐在螢幕前操作，就是多少使用量。但當代理人加入後，會有一百倍甚至更多的代理人在「敲打」這些工具。代理人會操作 SQL 資料庫、向量資料庫、Blender、Photoshop。企業軟體之所以不會被取代，有兩個關鍵原因。第一，這些工具確實做得很好。第二，這些工具是人與 AI 之間的介面，當工作完成後，成果必須以人類能理解、能控制的方式呈現回來。

「我需要所有東西都放回 Synopsys 裡。我需要所有東西都放回 Cadence 裡。因為那是我控制它們的方式，那是我驗證的方式。」黃仁勳這段話，對所有擔心 AI 會讓自己的工具過時的企業軟體從業者來說，應該是一劑定心針。代理人不是取代工具，而是讓更多「操作者」，包括非人類操作者，湧入這些工具。

開源與專有：不是 A 或 B，是 A 加 B

Chamath Palihapitiya 把話題引向開源模型的未來，甚至提到了去中心化運算的可能性。他舉了加密貨幣專案 BitTensor 的例子，在 Subnet 3 上用分散式運算完成了一個 40 億參數 Llama 模型的訓練，由無數陌生人貢獻閒置算力。

黃仁勳對此的回答很明確：我們根本性地需要專有模型和開源模型同時存在。這不是二選一，而是兩者缺一不可。他的推理切中了一個常被忽略的本質問題：模型是一種技術，不是一種產品，也不是一種服務。

對絕大多數消費者來說，通用智慧是一種服務。他們想用 ChatGPT、Claude、Gemini、X，根據心情和問題類型切換，絕對不想自己去微調模型。這個市場會繼續蓬勃發展。但對各行各業來說，他們的領域專業知識、專業化能力，必須用他們能控制的方式來捕捉和保存，而這只有開源模型才能做到。

這裡有一個精妙的商業洞察。Jason Calacanis 提到，他投資的每一家新創公司現在都是「開源優先，再接專有模型」。黃仁勳解釋了為什麼這個策略行得通：因為你連上了一個好的路由器，從第一天起就能存取全世界最好的模型，這讓你有時間去降低成本、微調和專業化。你永遠都有世界一流的能力可以呼叫，同時在建立自己的護城河。

我的觀察：深度專業化是唯一的護城河

Chamath Palihapitiya 問了一個所有創業者都想知道的問題：在 AI 時代，應用層公司的護城河是什麼？如果一個模型能創造出很棒的東西，下一個版本的模型就能顛覆它。那什麼才是持久的？

黃仁勳的答案只有四個字：深度專業化。他認為未來的軟體公司會同時使用雲端的專有模型和自己訓練的專業化子代理人。而真正的差異化，來自於你比任何人都更深入地了解你的垂直領域。Chamath Palihapitiya 把這個觀點推到了邏輯的終點：這其實是今天商業模式的反轉。現在我們先做一個水平的通用產品，然後賣客製化服務。未來則是反過來，先從深度專業化開始，讓通用模型追上來，然後把你的專業知識灌注進去。

黃仁勳補充了一個關鍵：「越早把你的代理人連接到客戶，那個飛輪就會讓你的代理人變得越來越強。」這就是 AI 時代的網路效應。不是越多人用產品就越好，而是代理人與真實業務互動越多，專業化程度就越深，護城河就越寬。

這對臺灣的軟體業者和新創公司來說，其實是好消息。你不需要跟 OpenAI 或 Google 比模型能力，你需要的是比任何人都更懂你的客戶、你的產業、你的場景。黃仁勳甚至預測，每一家企業軟體公司未來都會成為 Anthropic 和 OpenAI 的「加值經銷商」，他們賣的不只是軟體，而是嵌入了 AI token 消耗的專業化服務。Dario Amodei（Anthropic 執行長）預測 2030 年非基礎設施 AI 營收將達一兆美元，黃仁勳認為這個數字太保守了，因為 Dario 還沒算上這些加值經銷商的貢獻。