黄仁勋：90%代码由AI生成预言落空，超级智能已到场，AI下一战拼的是工程

黄仁勋：“Within 6 to 12 months, 90% of code would already be generated by AI. That has turned out to be wrong.”

这句预言提出时，Coding Agent还没有今天这么强。当时还有一个更吓人的说法：六至九个月内，50%的初级岗位会被AI抹掉。时间已经过去很久，Agent确实越来越强，但程序员并没有被取代。

把“模型会写代码”直接推导成“程序员即将消失”，忽略了软件工程的大部分工作。程序员会少敲很多代码，但工程工作不会跟着消失。

黄仁勋：“These labs are transitioning from research to engineering.”

研究团队可以围绕一次实验成功展开工作。产品团队面对的是另一套要求：同一项能力要重复运行，用户输入无法预先控制，模型还会接触真实数据、工具和权限。

模型偶尔给出一次正确答案，离稳定产品还有很远。团队需要知道它为什么失败、相同故障会不会再次出现，以及升级之后旧能力有没有退化。

黄仁勋：“Root-cause the problem from an engineering perspective.”

面对前沿模型已经发生的越权、欺骗和危险行为，黄仁勋没有用“概率不可信”把问题带过去。他的处理方式非常像开发团队复盘线上事故。

发生了什么，本来可以怎样阻止，下一版要补进哪些方法、流程和工具，这些问题都要回答。他随后提到沙箱、运行环境、监控以及持续监控。黄仁勋还赞成引入多家独立评测机构，类比财务审计。

黄仁勋解释递归式自我改进：上下文学习、Skills、反思、强化学习、合成数据和LoRA，都可以帮助系统逐步提高完成任务的能力。积累到一定阶段，再把这些经验放进下一轮基础模型训练。

黄仁勋：“When you release a product, you’ve got to evaluate it. You have to test it again.”

这对Coding Agent尤其重要。Agent能根据测试失败继续修改代码，看上去像在“自我进化”。团队真正需要验收的，仍然是固定评测集有没有提升、旧用例有没有退化，以及新权限是否引入了额外风险。

黄仁勋：“The world needs both closed models and open models.”

他自己会使用多款闭源模型，因为它们提供了前沿能力和完整体验。开放模型解决的是另一类问题：企业可以下载权重、分叉版本、继续改进，并针对自己的行业做最后一公里适配。

黄仁勋还提到，中国开发者正在为全球开源生态贡献大量代码和模型。模型来自哪里只是起点。真正拉开差距的，是谁能把模型接进数据、工具和业务流程，并把升级、评测与安全维护长期做下去。

黄仁勋：“There was engineering before typing. I think we’re going to do a lot of great engineering after typing.”

黄仁勋刚毕业时，软件还没有成为工程师工作的中心。他们需要先把计算机造出来，软件才有运行的地方。今天的新工程师入职以后，通常领到一台电脑和一个账号，随后一整天都在键盘前写代码。黄仁勋把这种工作称为“打字”。

他甚至开玩笑说，自己最喜欢的按键是退格键，因为**的软件通常更小。

黄仁勋：“The industry isn’t just about the model. It’s mostly about the applications on top.”

企业买到模型API以后，还要处理身份、权限、内部数据、旧系统、成本和验收标准。模型能力越接近，谁能更快完成这些连接，谁就更可能拿到真正的业务入口。基础模型公司可以提供通用推理，垂直场景里的数据含义、异常处理和责任边界，仍然需要行业团队定义。

访谈接近结尾时，主持人问黄仁勋：如果AGI意味着和普通人一样聪明，我们是不是已经走到这个阶段？黄仁勋回答，“我认为已经到了。”主持人继续追问超级智能。他再次回答，“我认为也已经到了。”

黄仁勋：“When you take a narrow segment, we’re already there.”

他举了自动驾驶和蛋白质筛选的例子。一个驾驶系统不需要会煎鸡蛋，只要在道路感知、规划和控制上持续优于人类，就可以在这个任务里被称为超级智能。开发者今天已经可以选定一个足够窄的任务，用真实数据、工具调用和反馈闭环把它做到超过多数人工操作。