柏林GTC大会上，英伟达创始人黄仁勋的演讲再次为全球AI产业按下加速键。在这场重磅分享中，他抛出核心判断：AI已经跨过单纯对话的大模型阶段，AI智能体（Agent）时代正式全面爆发，单一个大模型只是“大脑”，真正创造生产力、进场干活的是智能体。他强调，智能体依靠模型、知识数据、编排调度、安全沙箱、工具调用五大要素自主思考、迭代执行，传统软件工具不会被AI消灭，反而会因为智能体调用迎来更大规模的使用。
同时，黄仁勋延续并深化了Token工厂的产业主线：数据中心不再是存储仓库，而是生产Token的工厂，Token就是AI时代的大宗商品；智能体想要落地、产生真实业务价值，不能只靠裸模型，必须打通数据知识、模型推理、任务编排、工具调用的全链路闭环，让智能体有权限读取专属业务知识、按流程调度工具、在安全隔离环境里自主完成任务，最终从“会回答”走向“会干活”。
这套来自全球AI算力顶端的产业框架，和国内迈富时（02556.HK）提出的“全栈Token工厂”战略以及“算力层-模型层-AI原生平台层-应用层”的完整能力体系，底层逻辑高度契合，形成跨越海内外的产业共振。
二者的第一个共识是数据与知识是智能体的根基。黄仁勋把企业私有知识、业务数据列为智能体五大要素之一，Agent只有接入企业自有数据，才能形成专属“主权智能”，而不是只会泛泛回答通用问题；迈富时同样认识到知识数据的重要性，通过打造AI-KnowForce知识中台来承接企业结构化、非结构化业务数据，沉淀行业知识库、知识图谱，给智能体提供业务认知底座，避免智能体脱离企业真实业务语境“空谈”。
第二个共识是：模型是智能体的推理核心。黄仁勋框架里，大模型负责感知、推理、规划、决策，是智能体的思考中枢；迈富时模型层以自研Tforce垂类大模型为核心，兼容多家通用大模型与国产算力底座，承接原始Token生成，为上层智能体提供推理能力，和黄仁勋所说“模型作为智能体大脑”的定位完全对齐。
第三个共识：中台编排是智能体规模化落地的关键，兼顾调度与安全。黄仁勋提出的智能体外骨骼（Harness）、沙箱机制，本质就是一套中台能力：统一管理记忆、编排任务、隔离运行环境、管控权限、保障安全；迈富时的AI-Agentforce智能体中台，恰好承担相同职能，提供多智能体调度、技能（Skill）集成、流程编排、版本管理、运行监控、安全审计，解决大量Agent同时运行时混乱、越权、不可控的痛点，让智能体有序协作、安全运行，这也是智能体从Demo走向企业规模化商用最难的一环。
第四个共识是，最终落点是面向场景的应用，让智能体对接工具、交付业务结果。黄仁勋反复强调，智能体的价值在于调用各类行业软件、工具完成真实工作，在智能体时代，工具公司将转型为“自带智能体的工具服务商”；而迈富时架构的最上层就是业务应用层，把经过中台加工后的通用Token转化为场景Token，批量输出营销、销售、客服、研发、供应链、政务等不同岗位的AI智能体，即AI员工，直接嵌入企业原有业务流程，去做线索研判、客户转化、工单处理、内容生产、数据分析等具体工作——不是停留在演示界面，而是实实在在“进场打工”。
从AI智能体实际落地看，在营销场景，迈富时AI营销智能体自动挖掘线索、做意向研判、持续跟进唤醒客户；在研发场景，研发智能体辅助文档梳理、需求拆解、测试复盘；在客服场景，智能体承接咨询、工单流转、客诉跟进；在政务、外贸、人力等赛道，一批批AI员工已经嵌入流程，7×24小时承接重复性、标准化、高并发的工作任务，帮企业降本增效。
如果说英伟达的Token工厂，主攻上游：打造高效产出原始Token的算力基础设施，定义智能体底层运行标准；迈富时的全栈Token工厂，则扎根下游产业应用，承接上游Token，通过知识沉淀、智能编排、场景封装，把昂贵的算力Token，转化为企业看得见、可计量的业务成果，走出一条国内企业级智能体落地的本土化路径。
黄仁勋在柏林演讲里预判的智能体浪潮，不是遥远的未来概念，正在国内产业一线落地生根。英伟达负责筑牢智能体时代的算力底座与底层范式，而迈富时这类本土厂商，正在补齐产业落地最后一公里。
智能体时代的竞争，早已不再是比拼谁的模型参数更大，而是比拼谁能搭建起从数据、模型、编排中台到场景应用的完整闭环，把海量Token高效转换成生产力。一边是全球算力龙头吹响智能体时代的号角，一边是国内厂商的AI智能体持续进场上岗，海内外两条路线同频印证：由Agent驱动的新工业革命，已经来了。
