乐于分享
好东西不私藏

行业动态 | 英伟达 + OpenClaw:AI 时代的新 Wintel

行业动态 | 英伟达 + OpenClaw:AI 时代的新 Wintel

昨天的GTC2026,黄仁勋说了一句意味深长的话:

"Mac and Windows are the operating systems for the personal computer. OpenClaw is the operating system for personal AI."

然后他又说:

"Every company in the world today needs to have an OpenClaw strategy. This is as big as HTML, as big as Linux."

全球市值最高的公司的 CEO,在他一年中最重要的演讲里,花了相当大的篇幅给一个开源小龙虾站台。

为什么?

部分原因大家都看得到:龙虾火了,GitHub 史上增长最快的开源项目,全球现象级产品。Nvidia 顺势发布 NemoClaw 企业栈,一行命令部署龙虾,加上安全沙箱和隐私管控,吃下企业级 Agent 的基础设施市场。

但这不是全部。


黄仁勋没说的那句话

昨天 keynote 还有一个数字:黄仁勋预计 Blackwell 和 Vera Rubin 芯片的订单到 2027 年将达到至少一万亿美元。去年的预估是五千亿,今年直接翻倍,而且他说"实际需求可能远超这个数"。

万亿美元的算力需求从哪来?

他给出的关键词是"推理的拐点已经到来"——AI 不再只是训练大模型,而是大规模地跑推理、干活、执行任务。

把这两件事放在一起看——一边是龙虾被封为"AI 的操作系统",一边是万亿美元的算力订单——中间的因果链就浮出来了:

Agent 是 Nvidia 的完美客户。

一个人跟 LLM聊天,一天消耗几万个 token。一只龙虾 24 小时运行,每 30 秒自动轮询一次,不断调模型、拆任务、调工具、写文件、读记忆——一天能烧掉几百万 token。

龙虾越好用,用的人越多。用的人越多,token 消耗越大。token 消耗越大,需要的算力越多。需要的算力越多,Nvidia 卖的芯片越多。

这让我想到一条老定律。


原版安迪比尔定律

Wintel时代,关于因特尔和微软有一句定律:"Andy gives, Bill takes away."

安迪(Andy Grove,Intel CEO)给的性能提升,比尔(Bill Gates,微软 CEO)的软件全部吃掉。Intel 每做出更快的芯片,Windows 就变得更臃肿、更吃资源,用户永远觉得电脑不够快,只好不断买新硬件。

这不是 bug,这是商业生态的共生逻辑:硬件进步创造性能余量,软件膨胀消耗掉这些余量,用户被夹在中间持续付费。这个循环驱动了 PC 产业二十年的增长。

现在,同样的结构正在 AI 领域重演。只不过角色变了:

Intel → Nvidia(算力供给方)

Windows → OpenClaw / Agent 生态(算力消耗方)

LLM 越来越强,上下文窗口越来越长,推理速度越来越快,成本越来越低——这是 Nvidia + 模型厂商"给"出来的性能余量。

然后龙虾把它全部"拿走"。

Agent 不会因为模型更快就节省 token。恰恰相反——模型越强,Agent 能干的事越多,调用越频繁,token 消耗越高。装更多 Skill、跑更多子 Agent、操作浏览器、7×24 小时不间断巡检……每一个新能力都在吃算力。

新安迪比尔定律:LLM 产生的,龙虾拿走。


老黄为什么给龙虾站台?

现在回头看,就很清楚了。

黄仁勋不是在做慈善,不是因为龙虾"酷"才给它站台,他是在推广自己的最佳分销渠道。

过去 Nvidia 的主要客户是训练大模型的公司——OpenAI、Google、Meta,数量有限,单笔订单大。但推理市场不一样,它是分散的、长尾的、持续性的。每一台跑着龙虾的 Mac mini,背后都连着一个或多个模型 API,持续消耗算力。

一千万台 Mac mini 跑着一千万只龙虾,每只每天消耗几百万 token——这就是一个规模惊人的推理算力市场。

所以他说"每家公司都需要 OpenClaw 策略"。翻译一下就是:每家公司都需要成为 Nvidia 的推理算力客户。

NemoClaw 的发布也是同样的逻辑:不是 Nvidia 要做 Agent 产品,而是 Nvidia 要确保企业在部署 Agent 时,用的是吃 Nvidia 算力的基础设施。一行命令装好龙虾,背后接着 Nvidia 的模型、Nvidia 的运行时、Nvidia 的安全栈。开源是手段,卖铲子才是目的。

(老黄挡住的是Skill)


SaaS 到 GaaS:软件的消费者变了

黄仁勋在 keynote 里还抛了一个概念,原话好像是:"Post-OpenClaw will turn IT from SaaS into GaaS with AI acting as service"

GaaS 没有标准定义,但意思很明确——从 Software as a Service 到 Agent as a Service。不再是人去用软件,而是 Agent 替人去用软件。

这个转变的底层逻辑是:软件的主要消费者从人变成了 AI。

过去做软件,首先考虑的是 UI 怎么设计、交互怎么顺畅、用户引导怎么做。未来很多软件的核心消费者是 Agent——它不需要漂亮的界面,只需要 API 和 MCP 接口。

就像过去两年的Coding领域,Copilot/Cursor 这些工具,还是"人在写代码、AI在辅助"。但Claude Code和龙虾指向的未来是:人说一句目标,Agent 自动拆任务、写代码、调试、部署。程序员还在,但他们不再是 IDE 的直接操作者——Agent 才是。


对普通用户意味着什么?

如果新安迪比尔定律成立,有几个推论:

Token 成本会持续下降(尽管近期似乎还变贵了),但你的总花费不会降。 模型越便宜,你会让龙虾干越多的事,总消耗反而上升。就像手机流量越来越便宜,但你的月账单没少过。

烧Token的能力是一种竞争力。龙虾烧Token的浪费,是你为AI认知交的学费。谁能消耗更多的Token,谁就代表更先进的生产力。

会用 Agent"比"会写代码"重要。 就像你不需要懂 Windows 内核才能用好电脑一样,你不需要会写代码才能让龙虾干活。但你需要知道怎么给它下目标、配工具、选模型、管流程。这是一种新的"操作系统素养"。

真正值钱的不是 Agent 本身,而是你喂给它的上下文。 一千万人用同一只龙虾、同一个模型,区别在于:谁的 USER.md 写得更清楚,谁的 Skill 配得更到位,谁的工作流设计更合理。龙虾是通用操作系统,你的配置、流程和数据才是竞争壁垒。


黄仁勋说了一半。

龙虾确实正在成为 AI 时代的操作系统——架构完整度、生态增长速度、企业参与深度都支撑这个判断。

但他没说的另一半是:这个操作系统最大的受益者不是用户,是 Nvidia 自己。每多一只龙虾上线,就多一台永不停歇的算力消费机器。

安迪给的,比尔拿走。LLM 产生的,龙虾拿走。

Nvidia 两边通吃。

AI 时代的 “安迪比尔定律” 已悄然迭代:大模型释放的算力红利,正被 Agent 生态全面承接。如果你想读懂英伟达与 OpenClaw 的底层逻辑,欢迎点击原文一探究竟👇

新安迪比尔定律:大模型产生的,龙虾拿走
声明:本公众号转载此文章是出于传播行业资讯、洞见之目的,如有侵犯到您的合法权益,请致信:532541801@qq.com,我们将及时调整处理。谢谢支持!

【语言服务前瞻】分享群

群内会定期推送语言服务行业最新动态、活动预告、竞赛通知📝等内容~

欢迎你的加入🥰!

联系方式

感谢关注【语言服务前瞻】!我们深耕语言服务、翻译技术及人工智能辅助翻译前沿领域,致力于打造专业的学术与行业资讯平台。

现开放会议、讲座、研修及赛事等信息发布合作。欢迎各高校、学会、企业及机构与我们接洽,借助平台专业资源与广泛影响力,共同推动行业交流与发展。

  • 合作联系:15810719161

-END-
本文转载自:David的AI全景图
转载编辑:续雅彤
关注我们,获取更多资讯!
运营编辑招募
工作内容
  • 负责公众号日常运营

  • 推文排版

  • 新闻稿撰写

  • 营销文案撰写

岗位要求
  • 拥有良好的写作功底、过硬的文字驾驭能力

  • 热爱翻译技术,对翻译或翻译技术有独到的认识

  • 有翻译技术类公众号的内容编辑或运营经验

收获成长
  • 语言服务及翻译技术大咖的指导

  • 了解行业专家及语言行业概况

  • 免费参加运营平台举办的活动

  • 获得多种翻译兼职或实习机会

  • 获得统一发放的兼职或实习证明

扫描二维码填写报名表

往期回顾

行业动态
1. 行业动态 | 北外团队构建全国首套DTI职业能力模型
2. 行业动态|2025年语言服务40人论坛 一号通知
3. 三号通知|2025中国翻译协会翻译技术专业委员会年会
4. 行业动态 | GenAI时代大语言模型翻译技术发展与伦理治理青年学者论坛在北外成功举办
5. 行业动态 | 首届翻译专业学位博士论坛(一号通知)
大咖专栏
  1. 王华树教授专栏
  2. 崔启亮教授专栏
  3. 曹达钦副教授专栏
  4. 朱华老师专栏
  5. 刘世界博士专栏
行业技术
  1. 研究动态 | 从大数据到小模型:隐私保护的翻译质量监控新路径
  2. 研究动态 | 刘世界、王华树:大语言模型的术语自动抽取性能评估──基于ACTER数据集的实证研究
  3. 技术应用 | 腾讯IMA VS NotebookLM,快来pick你的最佳AI翻译助手!
  4. 技术应用 |【Zotero 文献引用】解决中英文文献混排烦恼!
  5. 技术应用 | 利用Python进行数据分析的初学者应该掌握哪些基本知识?
精品课程
1. 赋能未来 | 大模型赋能视听翻译实战工作坊
2. 赋能科研 | 研究驱动的语料库建设与实战工作坊
3. 年度钜惠 | AI赋能翻译教育,破解技术鸿沟——院校专属《翻译技术全年班》年终钜惠方案
4. 博硕动态 | 破解翻译人才培养痛点:“AI时代·语言技术”校企联培方案
5. 让教育有温度,让技术有灵魂————我在中南民族大学当助教的日常
资源干货
  1. 行业科普 | 什么是Meta多语种自动语音识别系统(Omnilingual ASR)?
  2. 行业规范 | 《教师生成式人工智能应用指引(第一版)》正式发布
  3. 比赛报名 | 第七届全国专利翻译大赛开赛在即
  4. 《人工智能翻译与译后编辑》出版!构建AI时代翻译人才核心竞争力
  5. 行业观察 | 仲文明:人工智能时代的翻译实践与未来翻译人才培养方向