事情始於6月1日。
那天，英偉達發布了一則公告：Cadence的晶片設計AI智能體已經開始工作了。不是“輔助設計師畫圖”，而是“自主設計晶片”。7×24小時。英偉達自己就是第一個客戶——它用這個AI來驗證自家的晶片設計。
Then on June 2nd, in Beijing. At the BCS 2026 Cybersecurity Conference, a list called "China AI Agent Leaders" was released. AI agents from over 100 companies, covering everything from bank risk control to highway inspections to pig herd health monitoring, span nearly every industry you can imagine.
6月5日，上海。華為雲CEO周躍峰站在INSPIRE創新大會的舞臺上，說了一句很華為風格的話：Agentic AI時代已經到來，Token需要工業化生產。其背後的數字是：200 EFLOPS算力集群、10萬張卡，以及每千卡每秒500萬Token的吞吐量。
五天內，三件事。但把它們放在一起看，你會發現它們其實說的是同一件事：AI正在從「需要人盯著的工具」進化為「無需監督、自主工作的數位同事」，企業IT基礎設施的底層邏輯也在隨之徹底重構。
NVIDIA這次沒談顯卡，談的是“數位同事”
讓我們先看看NVIDIA做了什麼。它沒有發布單一產品，而是發布了一個工具包——Agent Toolkit。它包含四樣東西：
NemoClaw Blueprint — 一個開源智能體構建框架。最初，企業可能需要數週時間才能構建一個能夠編排多工具工作流的AI智能體。NVIDIA表示，藉助NemoClaw，只需數小時即可完成。
Nemotron 3 Ultra模型——一個5500億參數的專家混合模型，專為長時間運行的AI智能體而設計。與同類模型相比，其推理速度提升5倍，成本降低30%。將於6月4日起開源。
OpenShell 安全執行階段——這是許多人低估但可能是最重要的一項。要讓 AI 代理在企業環境中「自主行動」，安全邊界在哪裡？OpenShell 提供了一個答案：隱私策略、查詢匿名化，以及對本地/混合/多雲部署的支援。微軟、Canonical、Red Hat 和 SAP 都已與其整合。
CUDA-X庫成為AI代理技能——cuDF用於數據處理，cuOpt用於路徑優化，AI-Q用於知識檢索，PhysicsNeMo用於工程模擬。這些庫最初是為人類調用API而設計的，但現在它們直接作為AI代理的「技能包」來使用。
真實世界的場景已經出現：
一個信號非常明確：人工智慧正在從「回答你的問題」轉變為「為你工作」。而且不是一般的工作——而是設計晶片、營運工廠、修復安全漏洞這一級別的工作。
華為雲同日：Token產業化
如果英偉達的發布被理解為「為AI智能體配備一個完整的工具箱」，那麼華為雲INSPIRE大會所做的則是另一件事：告訴你這些工具運行需要什麼樣的基礎。
周月峰的原話是“Agentic AI時代正在引發計算範式的根本性轉變”——這句話可以翻譯為：“以前我們是堆機器跑模型，現在AI Agent每時每刻都在不斷產生和消耗token，規模完全不在一個量級上。”
華為雲四款新產品的邏輯非常清晰：
AICS靈渠智算集群——總算力200 EFLOPS，十萬卡規模，令牌生成延遲低於10毫秒，千卡每秒產出500萬tokens。這不是實驗室指標，而是意味著：「如果你的企業需要運行大規模智能體，我能為你提供穩定的生產級令牌。」在線可用性達到99.95%。
AMS Agentic Memory Storage — PB級超大記憶空間，KV Cache分層池化，讓智能體能夠運行“天級”長任務而不遺忘。這解決了一個問題：目前大多數AI智能體只能處理“單會話”級別的任務，一旦需要運行持續數小時甚至數天的業務流程，上下文記憶就會成為瓶頸。
CCE VolcanoNext通用與智能計算統一調度——通用計算與智能計算的統一調度，支援每分鐘數百萬級併發操作。企業不會只運行一個Agent；當數十個或數百個Agent同時運行時，調度效率直接決定用戶體驗。
AgentSphere執行時環境——為智能體提供安全的“房間”。在某種程度上，這可以與NVIDIA的OpenShell相媲美：企業需要知道他們的AI在做什麼、能做什麼以及不能做什麼。
華為雲的目標數字是：企業每日消耗100萬億Token，每瓦Token成本降低10倍，每分鐘百萬級併發請求，長期記憶從128K擴展到100M。
我翻閱了現場數據：華為雲目前擁有850萬開發者，合作夥伴超過5萬家。雲南交投集團已經在使用它——交通流量預測和擁堵識別的準確率提升了9.91%，並開發了20多個面向細分場景的智能體。
這兩家公司的業務實際上是高度互補的。英偉達“為智能體裝上了大腦和四肢”，而華為雲則“為智能體鋪好了道路、架設了電網”。一個在做能力層，一個在做基礎設施層。但兩者都指向同一個結論：AI不再是一種工具，而是一位同事。
企業CIO真正需要關注的事項
五天內發生了三件大事。對於企業數字化負責人來說，有幾件無法迴避的事情：
首先，你的IT基礎設施的設計邏輯需要改變。過去，企業IT遵循「應用—資料庫—伺服器」的三層結構。現在，必須增加一個名為「智能體執行環境」的新層級。智能體不僅僅是一段程式碼，它是一個持續運行的軟體實體，具有記憶能力，能夠自主做出決策。它對運算資源的需求不是基於「請求—回應」模式，而是基於「持續對話+持續推理」模式。你現有的伺服器架構無法支持這一點。
第二，安全邊界需要重新劃定。這是BCS 2026和NVIDIA OpenShell共同指出的問題。當AI能夠自主操作企業系統——發送郵件、修改配置、審批流程——安全就不再僅僅是「防範外部攻擊」。你需要能夠實時看到Agent在做什麼，隨時將其關閉，並基於策略管理權限。OpenShell和AgentSphere的出現表明，業界已經開始重視這一問題。
第三，準備好接受一個更根本的變化：你的團隊成員將包括「數字人」。Cadence已經在使用AI設計晶片，而NVIDIA本身就是其客戶。在富士康的工廠裡，MoMClaw正在監控感測器資料並做出決策。這不是遙遠的願景，而是正在發生的現實。企業組織結構、績效評估以及人機協作流程——所有這些都需要重新思考。
第四，但別忘了IDC的提醒。同一週，IDC發布了《中國AI增強型企業ERP市場份額，2025》報告。超過60%的製造企業已將AI能力納入ERP選型標準。然而，報告中有句話被很多人忽略了：先評估資料基礎的紮實程度，再決定從AI-ERP的哪個模組入手。立高食品採用用友YonSuite後，生產訂單效率提升了81.5%，但這是基於它先把主資料理清楚的前提之下。
200 EFLOPS 華為雲 AICS 總算力 10 萬卡，單集群最大卡數 50 萬卡，每千卡每秒吞吐量 500 萬 tokens，每日 100 萬億 tokens，Agent 時代 tokens 需求目標
寫下這些讓我想起一句話：2024年，所有人都在討論「AI能做什麼」；2025年，話題變成了「AI是否應該進入企業」；到了2026年6月，話題已經變成「AI已經在企業內部自主工作——你的基礎設施跟得上嗎？」
這一變化的速度遠超大多數人的預期。
