霍格沃兹测试开发学社
四、先用最强模型，看清能力的天花板企业应该直接选择开源模型，还是继续使用Claude、GPT、Gemini等前沿闭源模型？黄仁勋给出的答案并不是二选一。他在对话中谈到了自己的使用逻辑：“我总是从最前沿的模型开始，因为它能让我看到能力的天花板在哪里。”这一思路对企业落地AI很有参考价值。在项目早期，企业最重要的事情通常不是立即把成本降到最低，而是先确认：这个业务场景是否适合使用AI；当前最强模型能够做到什么程度；效果上限在哪里；哪些任务模型可以直接完成；哪些问题需要企业知识支持；哪些失败来自模型，哪些失败来自系统设计。因此，黄仁勋建议企业可以先尽可能长时间地使用能力较强的前沿模型。很多通用任务可能根本不需要替换，因为前沿模型本身也在快速进步。但当某类任务调用量越来越大，开始涉及企业专有知识、成本控制、数据安全、运行速度和流程治理时，企业就可以考虑构建自己的专业化Agent。这条路径可以概括为：先用前沿模型探索上限，再用专业化Agent沉淀能力。五、企业需要的不是一个万能Agent，而是一组“超级智能体”在真实企业中，最重要的问题通常不是通用问题。供应链优化、芯片设计、风险分析、代码审查、质量评估、财务预测和客户服务，都包含大量特定行业知识与企业内部规则。通用模型即使足够强大，也不可能天然理解一家公司的全部业务。因此，黄仁勋在对话中提出了“超级智能体”与“超级子智能体”的概念。“一个供应链智能体不需要帮我预订差旅，它唯一的任务就是优化供应链。”这句话说明了企业Agent的重要发展方向：专业化，而不是万能化。未来企业内部很可能同时运行大量专业Agent：研发Agent；编程Agent；测试Agent；供应链Agent；财务Agent；客服Agent；数据分析Agent；法务审查Agent；安全治理Agent；管理决策辅助Agent。本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
发布于 辽宁
分享
评论
赞
未登录
友善发言
评论
加载中
