夜雨聆风黄仁勋一段视频剪辑在 X 上炸开——"人们正在教自己的 agent 完整运营一家公司并赚钱。"同一周，NVIDIA 联手 ServiceNow 发布 Project Arc，一个活在员工桌面上、能写代码、能执行、能自我修正的自主 agent。再加上黄仁勋此前放话"我有 4.2 万名生物员工，未来会有几十万名数字员工"，AI agent 的角色定位正在发生根本性的变化：从辅助工具，变成可以被预算、考核和审计的数字劳动力。
黄仁勋开口，agent 的定位变了
2026 年 5 月 10 日，X 账号 @RoundtableSpace 发了一段视频剪辑，配文引述 NVIDIA CEO 黄仁勋的话：
"people are teaching their agents to fully run a business and make money."
「人们正在教自己的 agent 完整运营一家公司并赚钱。」
▲ RoundtableSpace 推文，发布后获得约 5.5 万次观看、133 个点赞
这段话的冲击力在哪？
过去一年多，行业谈 AI agent 的方式基本围绕"效率提升"展开——帮你写代码、处理客服、自动生成报告。主语永远是人，agent 只是工具。
但黄仁勋把主语换了。Agent 成了运营主体，赚钱成了目标函数。
需要注意，这段表述来自社媒视频剪辑引述，目前没有 NVIDIA 官方逐字稿可以交叉验证。但它之所以引发大量讨论，是因为背后有一整套官方动作在支撑。
NVIDIA × ServiceNow：企业 agent 从「聊天框」搬到「桌面」
就在这段剪辑传开的同一周——2026 年 5 月 5 日——NVIDIA 和 ServiceNow 联合发布了一套企业级自主 agent 方案。
NVIDIA 官方博客开篇写得很明确：
"Enterprise AI has learned to generate. It has learned to reason. Now companies are asking the next question: How should AI act?"
「企业 AI 已经学会生成、学会推理。公司现在要问的下一步是：AI 应该如何行动？」
▲ NVIDIA 官方博客，发布于 2026 年 5 月 5 日，ServiceNow Knowledge 2026 期间
这套方案的核心产品叫Project Arc——一个面向知识工作者的自主桌面 agent。
它能做什么？ServiceNow 新闻稿的描述是：
"thinks, writes code, executes, and adapts when things don't go as expected"
「能思考、写代码、执行，遇到异常时自主调整。」
▲ ServiceNow 官方新闻稿，同日发布
关键在于，Project Arc 可以访问本地文件系统、终端、各种应用程序，跨企业工具完成复杂多步任务，而且不需要预先构建工作流。换句话说，它更像一个驻扎在你桌面上的数字同事，你给它目标，它自己拆解、执行、调整——远不止聊天框里等指令那么简单。
但这里有一个关键前提，NVIDIA 和 ServiceNow 都反复强调了：治理。
Project Arc 的每一个动作都运行在NVIDIA OpenShell的沙箱环境里。ServiceNow 的AI Control Tower负责设置策略、监控行为，记录 agent 读了哪些文件、执行了哪些命令、调用了哪些 API。
这说明什么？官方从一开始就划了底线——放一个能写代码、能操作系统的 agent 到员工桌面上，前提是每一步都可追踪、可审计、可关停。
4.2 万「生物员工」vs 几十万「数字员工」
如果说 Project Arc 是产品层面的落地，那黄仁勋在 2026 年 3 月的一番话，则把整个讨论拉到了组织架构层面。
CNBC 3 月 20 日报道，黄仁勋提出了一个全新的生产模型：在基本工资之外，给工程师额外分配AI tokens，本质上就是 agent 自动化的预算。
"I'm going to give them probably half of that on top of [their base pay] as tokens ... because every engineer that has access to tokens will be more productive."
「我会在基本工资之上再给他们大约一半的 tokens……因为每个拥有 tokens 的工程师都会更高产。」
然后是那句被广泛引用的金句：
"I have 42,000 biological employees, and I'm going to have hundreds of thousands of digital employees."
「我有 4.2 万名生物员工，未来会有几十万名数字员工。」
▲ CNBC 报道，2026 年 3 月 20 日
两个信号叠在一起，商业含义就出来了：Token 从 API 成本变成了员工生产预算。管理 agent 的核心问题，也随之变成成本控制、ROI 归因和责任链追踪。
Goldman Sachs 的背景研究也佐证了这个方向：AI 可能自动化美国 25% 的工时，带来 15% 的生产力提升，但同时可能在采用期造成 6%–7% 的岗位被替代。
社区反应：乐观、冷水、和一堆待解的硬问题
这段话在 X 上的评论区，恰好形成了一组值得记录的观点光谱。
乐观派认为这会成为标配。用户 Shashank 做了一个类比：
"AI agent that runs a business"将来会像"website that takes orders"一样理所当然——网站曾经只是展示页，后来变成交易入口；agent 也会从助手演变成运营入口。
治理派则直接指出操作层的困难。用户 State Terminal 的评论适合每一个正在评估 agent 的企业决策者看一遍：
如果 agent 真的要碰收入、运营、客户和财务，就必须像生产系统一样对待——身份管理、决策日志、紧急关停开关、成本上限、实时收入监控，一个都不能少。监管和财务团队不能再当旁观者，必须从第一天就介入。
责任派提了一个更根本的问题。用户 Michał Piszczek 指出：running a business 意味着受托责任（fiduciary liability）。在 LLM 不能签合同、不能承担法律责任之前，人类仍然是瓶颈——不管 agent 多能干。
怀疑派更直接。Remy Sinclair 说：nobody has an agent that makes money yet。Sanarsh 则讽刺道：agent 还在雇人来修它们的幻觉。
还有一个常被忽视的角度。用户 Facundo Franco 说："知道 agent 什么时候运营得很糟"——这才是没人在讨论的真正工作。这句话指向了 benchmark 和可观测性：NVIDIA 与 ServiceNow 的方案里同步发布了 NOWAI-Bench（开源企业 agent 基准测试），正在尝试用真实企业工作流来评估 agent 的实际表现。
演示很酷，但「运营公司」和「完成任务」之间有一道鸿沟
回到那句引发讨论的话——"人们正在教 agent 运营公司并赚钱"。
Project Arc 能完成复杂多步任务、能写代码、能在出错时自主调整，这些都有官方材料支撑。但运营公司还包括：制定战略、承担法律责任、签合同、财务合规、客户关系、税务申报、董事会汇报。这些，目前没有任何 agent 能独立完成。
同样，"赚钱"也需要拆开看。一个 agent 自动投放广告、自动做客服、自动跑销售外联，可能带来收入，但也可能制造误导性承诺、隐私泄露和退款成本。真正值得关注的商业信号是：企业正在把 token 消耗、agent 行动和 ROI 管理绑在一起做核算。
NVIDIA 和 ServiceNow 官方材料里反复出现的关键词也印证了这一点——governance、sandbox、audit trail、policy、benchmark。他们推的方向，从来都带着护栏。
所以，更准确的画面大概是这样的：
AI agent 正在吞下公司运营流程中越来越大的一块。它们有身份、有预算、有工具权限、有日志，人类负责目标设定、监督和纠偏。"数字员工"的说法有夸张成分，但底层的组织变化——把 agent 当成可被管理、考核和审计的生产单元——已经开始了。
至于它们什么时候能真正"运营一家公司并赚钱"？
大概要等到有人能回答 Facundo 那个问题的时候：你怎么知道你的 agent 什么时候运营得很糟？
— END —
