能赚钱的AI究竟是什么？黄仁勋揭示真相

昨日（6月1日），黄仁勋在英伟达GPU技术大会发表主旨演讲时表示，“具备盈利能力的人工智能时代已经开启”。

他所提到的，正是当前在人工智能领域备受关注的代理式AI（Agentic AI）。

黄仁勋在演讲中援引GitHub统计称，全球约有3000万至4000万名专业软件开发人员，薪资总额约达3万亿美元。借助AI辅助，这些开发者的生产力已相当于创造了9万亿美元的价值。

在黄仁勋看来，相较于传统生成式AI，Agentic AI不仅能生成内容，更具备理解任务、制定策略、调用工具并执行的能力，从而真正创造商业价值。

他进一步解释，Agent（智能体）是一种全新的应用模式。“你可以将模型看作大脑，框架看作身体，工具是它所使用的器械，运行环境则是它的车间，”黄仁勋表示，“这就像一个工人在车间中使用工具进行工作”。

他指出，真正能够创造价值并采取实际行动的AI正逐步进入现实世界，正在改变各行各业。

“过去我们打开应用，进行点击、输入操作，”黄仁勋说道，“如今我们只需向AI说明需求。AI可以生成代码或使用工具，输出我们所需的结果。这正是计算机未来的工作方式，即Agentic AI。”

然而，从产业实践来看，Agentic AI却呈现出一种看似矛盾的现象。

据AI Council数据，88%的AI Agent项目从未投入实际生产；而Anthropic联合研究机构Material最新发布的《2026年AI智能体发展报告》却显示，80%的组织已在AI智能体上获得可量化的经济收益。

88%的失败，80%的盈利。这两组数据共同指向一个结论：Agent并非无用，而是大多数人使用方式有误。

问题出在哪里？要解答这一问题，首先需要理解AI智能体与传统AI系统的本质区别。

阿信家新书《代理式人工智能》开篇便点明了当前AI领域的核心局限：这些智能体虽然聪明，但仍存在执行层面的落差。

书中通过三个真实案例，揭示了当前生成式AI的致命缺陷。

案例一：47个浏览器标签页的度假规划噩梦

某周六晚上，布莱恩打开ChatGPT，为全家规划期待已久的希腊两周游。他输入：“给我一个四口之家在希腊的行程安排。”几秒后，AI给出了一份精心策划的行程：“第一天至第三天：雅典，清晨前往卫城避开人群，孩子会在卫城博物馆流连忘返……在普拉卡区家庭经营酒店‘橄榄树酒馆’享用午餐，庭院里茉莉花香……还有一处‘隐秘的海滩’，畅享小众美景……”

然而，随着时间推移，布莱恩的惊叹逐渐转为沮丧。那家令人向往的家庭经营酒店早已关闭，所谓“隐秘的海滩”在任何地图上都无迹可寻，烹饪课半年前就已订满。

到晚上11点半，布莱恩的电脑桌面如同犯罪现场——47个浏览器标签页、多个航班选项的电子表格、酒店截图、旅游企业的PDF文件。AI设计的完美行程躺在文档里，而布莱恩却花了数小时处理那些他以为AI会帮忙的“后勤工作”。

“我本想用一个晚上的时间畅想我们去的地方，结果却花了好几个小时做烦琐的预订工作。”布莱恩后来反思道。

世界上最先进的AI系统，能够写诗、解释量子物理学，却无法完成检查一家酒店是否仍在营业这种基本任务。它能构想出完美的假期，却连一张机票都订不了。

案例二：差点毁掉学术生涯的“聪明”AI

杰西卡博士接到父亲突发疾病的噩耗时，正在为联合国的气候峰会准备演讲。她立刻飞往新加坡，将研究收尾工作交给了团队。

“用你们需要的任何工具，”在医院里，她用匆忙的视频电话告诉团队，“只要确保一切都经过核实。”

三周后，杰西卡回到办公室审阅演讲草稿。当她询问团队如何验证其中的发现时，首席研究员汤姆打开了多个AI聊天窗口：“AI分析了我们所有的数据集，它发现了我们甚至未曾考虑过的模式。”

但当杰西卡深入核查时，她发现了可怕的事实：AI生成的有关非洲气候影响的分析中，所引用的论文根本不存在；东南亚农民适应策略的详细统计数据，与任何已知研究都不匹配。

“我们原以为自己很严谨，让AI在多个对话中交叉引用来验证。但现在我们意识到，每个对话都是独立运作的，有时甚至相互矛盾。”汤姆承认道。

此刻，距离峰会只剩48小时，杰西卡面临着艰难的决定。最终，她选择取消演讲，因为团队需要数周时间手动核实每个数据点、交叉核对每个