黃仁勳：模型是租來的，know-how 才是你的｜開放式 AI agent 時代，台灣電商的護城河在哪

這場訪談我看了兩遍。

第一遍很興奮。黃仁勳（Jensen Huang，NVIDIA 創辦人暨執行長）坐下來跟 LangChain 創辦人 Harrison Chase 對談，講「為什麼企業需要開放式 AI agent 系統」，金句一句接一句。（來源：LangChain 官方對談影片）

第二遍我冷靜下來，發現一件事：這場對談有一半，是 NVIDIA 在賣晶片。

這不是酸他。生意人聽生意人講話，本來就要先把業配那層剝掉，看看底下剩什麼。剝完之後，黃仁勳有一句話，我覺得值得每個做電商的老闆抄在筆記本上。

先問你一個很痛的問題

想像一下。你早上打開電腦，滑開臉書社團，又看到同業發文：「我們官網導入 AI 客服 agent 了。」下午開會，主管把手機轉過來：「人家都在玩 AI，我們呢？」

你心裡有個沒講出來的聲音：大家背後用的都是同一批模型，ChatGPT、Claude、Gemini，誰都串得到。那我花錢導入，到底憑什麼贏隔壁那家賣一模一樣東西的店？

這就是「護城河」問題。

當一個東西「誰都買得到」，它就不再是你的優勢，只是入場券。而 AI 模型，正快速往「入場券」這個方向走。黃仁勳這場訪談講的就是解方，只是包在一層很厚的 NVIDIA 業配裡。

第一層：先把業配拆掉

黃仁勳跟 LangChain 當天宣布了一個叫 NemoClaw 的企業 agent 藍圖，把三個東西打包在一起：NVIDIA 自家的開放權重模型 Nemotron 3 Ultra、LangChain 的 Deep Agents 框架、還有 NVIDIA 的安全執行環境 OpenShell。這些名詞你先不用背，重點是它把「模型、框架、安全環境」三件事打包成一套企業方案。

他丟出一個很漂亮的數字：在 LangChain 的 agent 評測裡，Nemotron 3 Ultra 拿到 0.86 分，表現最接近的閉源模型是 0.87 分，成本卻是它的十倍左右（4.48 美元對上 43.48 美元）。（來源：NVIDIA 官方部落格）

差一分，貴十倍。聽起來開放模型完勝，對吧？

慢著。有兩件財經新聞沒告訴你的事。

第一，Nemotron 3 Ultra 根本不是地表最強的開放模型。論絕對能力，在部分公開模型榜單上，Kimi、DeepSeek、Qwen 都排在它前面。Nemotron 真正的殺手鐧，是「跑在 NVIDIA 自家 Blackwell 晶片上的推論效率」。那個「便宜十倍」的故事，本質是一個硬體故事。黃仁勳當然要講，因為晶片是他賣的。

第二，這整套「自己養模型、自己搭執行環境、甚至自己買機器放公司裡跑」的玩法，是講給大企業聽的。

我把話講死：如果你是台灣的中小電商，聽完就跑去研究「我要不要自架模型」，你被業配帶偏了。

那不是你該做的事。

剝掉業配之後，剩下的那句話

好，晶片業配拆完了。來看底下真正有價值的東西。

黃仁勳講了一個概念，叫 harness（機甲、外骨骼）。一顆大型語言模型（LLM）本身不是產品，你得在它外面包一層 harness，也就是提示詞、工具調用、記憶、安全防護這些東西，它才會從「會聊天」變成「會幹活」。這個詞我用一整篇拆過，可以去看 Agent Harness 是什麼。

有個很有意思的畫面：那篇文章的主角在講「怎麼擺脫 LangChain、自己手刻 harness」，結果這場訪談，黃仁勳卻坐在 LangChain 創辦人旁邊，大讚 LangChain 是未來公司的作業系統。

兩邊講得都對，也都有立場。這正好證明：重點從來不是「你用哪個牌子的工具」。

黃仁勳真正的重話是這句：

「今天，多數公司建立在業務流程上；未來，多數公司會建立在 harness 上。」

他還有更狠的一句：每一家公司，本質上都建立在某種「專屬的智慧」上，那個智慧就是你之所以是你，你不可能把它外包。他把這些專屬的 AI agent，叫做企業的「皇冠珠寶（crown jewels）」。

這句話，才是整場訪談對台灣電商最有用的一句。

第二層：模型是租來的，know-how 才是你的

我幫你把黃仁勳的話翻成生意人聽得懂的版本。

模型，正在變成「公用電力」。

一百年前你工廠自己有一台發電機，那是競爭優勢。現在呢？電力是插座裡就有的東西，你對手也插得到同一條電。沒有人會因為「你有電」就跟你買東西。

AI 模型現在就在變成那條電。ChatGPT、Claude、Gemini，你租得到的，你對手也租得到，租金還一直往下掉。

那你的護城河在哪？

在你灌進 harness 裡的那些東西。你的客戶資料、你的選品邏輯、你的客服話術、你的退換貨 SOP。這些是「只有你有」的專屬知識，是你插座後面那個發光的保險庫。

這就是黃仁勳說的「不能外包你的智慧」。

問題來了，我看到太多台灣電商，正在做剛好相反的事。

你把選品外包給代營運，把客服外包給接案團隊，把廣告投放外包給代理商。這些外包本身沒錯，人手不夠嘛，我懂。可是合作結束那天，那些 know-how 全部跟著人走了，你手上什麼都沒留下。

你等於把唯一的護城河，親手外包出去了。

以前你外包，至少對手也一樣土法煉鋼，大家半斤八兩。現在，當每一家店都能用同一顆聰明的模型，那個「有把自家 know-how 沉澱下來」跟「什麼都用公版」的店，差距會被拉開成兩個量級。

那沒沉澱的店，最後只剩一條路可以拼：比誰廣告燒得凶。

這條路，你我都知道有多苦。

這不是空談：Harvey 的例子

你可能會想，「把專屬知識灌進 AI」聽起來很虛，真的有用嗎？

有一個很硬的例子。法律 AI 公司 Harvey，拿 Nemotron 3 Ultra 這顆開放模型，用自家的法律資料去做後訓練（post-training），結果在複雜法律任務上，做到了跟頂尖閉源模型同一等級的準確率，成本卻低了十倍以上。（來源：NVIDIA 官方部落格與相關報導，屬廠商揭露的案例）

看懂這個案例的重點：贏的不是模型本身，是 Harvey 那套「只有他們有」的法律 know-how。模型是公版的，資料和專業是他們的。那才是護城河。

第三層：電商的 harness，到底長什麼樣

你可能會問：我一個中小電商，我的「專屬知識」到底是什麼？

我把大公司的黑話，翻成你倉庫裡就有的東西：

► 資料層：GA4（Google Analytics 4）跟 CDP（顧客數據平台）裡的第一方資料，誰買過什麼、多久回購一次、哪一群是你的 VIP。這是別人偷不走的。

► 客服層：LINE 官方帳號跟客服對話的歷史紀錄。哪些問題最常被問、哪句話最能安撫奧客、哪個時間點推播最容易成交。

► 營運層：你的選品邏輯、定價策略、退換貨 SOP、檔期操作的節奏。這些是你踩過無數坑換來的。

這些，就是你的「皇冠珠寶」。把它們整理成 AI 調得動的資產，你就開始有護城河了。

那第一步怎麼走？黃仁勳給了答案，這一段我完全同意。

他說，他所有工作都「從前沿模型（frontier model）起步」，先用 Claude Code、Codex 這些最強的現成工具，用到不能用為止。很多任務你根本永遠不用換掉它。等到某個環節你摸熟了、量也夠大了，才針對它做專門化。

翻成電商版就是：先拿現成的 Claude、ChatGPT 這種頂規工具，把日常的文案、客服、報表做起來。但同一時間，你要開始有意識地把上面那些 SOP、話術、選品邏輯「寫下來、存起來」。

黃仁勳有個比喻我很喜歡：導入 AI agent，跟公司請一個新員工一模一樣。你要給他權限（access control）、給他工具、還要給他一份「工作說明書（skills file）」，告訴他任務是什麼、以前都怎麼做。把團隊 SOP 變成 AI 讀得懂的技能包，這件事我單獨寫過，可以參考 Agent Skills 怎麼寫。

而這整個「模型變公版、專屬資料變護城河」的趨勢，跟不久前 Salesforce 把整個平台變成 agent 基礎設施是同一個故事，可以對照著看：Salesforce 的 agent 基礎設施。

你現在可以做的三件事

這三件事，你這週就能開始。

► 第一，盤點你的「皇冠珠寶」。拿一張紙，寫下你公司裡「只有你懂、別人拿不走」的三件事。寫不出來，就是警訊，代表你的護城河比你想的還淺。

► 第二，把外包的 know-how 拿回來一部分。下次跟代營運、代理商合作，合約裡加一條：過程中的操作邏輯、成效數據、決策依據，要留一份給你。別讓智慧跟著人走。

► 第三，先用現成頂規工具，同步做知識沉澱。今天就拿 Claude 或 ChatGPT，把 10 個最常被問的客服問題、5 篇最常寫的商品文案，整理成一份「工作說明書」。這份文件，就是你未來 harness 的第一塊磚。

常見問題

Q：開放模型真的追上 GPT、Claude，又便宜十倍了嗎？
在特定評測、特定硬體條件下，差距確實很接近了。但別過度樂觀。那個「便宜十倍」是 LangChain 評測搭配 NVIDIA 硬體的結果，不是「你隨便跑都會這樣」。而且 Nemotron 也不是最強的開放模型，它贏在效率，不是贏在天花板。

Q：我是中小電商，需要自己養模型、搭 agent 系統嗎？
不用。這場訪談是講給大企業聽的。你該做的是先用現成的頂規工具（Claude、ChatGPT、Codex），把專屬知識系統化，而不是去碰自建模型那條路。

Q：「不能外包你的智慧」對電商實際是什麼意思？
你的護城河不是你用哪顆模型，而是你灌進系統的專屬 know-how：客戶資料、選品邏輯、客服話術。這些外包出去卻不留底，等於把競爭優勢送人。

Q：那我第一步該做什麼？
挑一條你最常重複的營運工作，把它的做法、判斷依據完整寫下來，變成一份 AI 讀得懂的文件。從一條 SOP 開始，不用貪多。

最後講一句

黃仁勳訪談裡還有一句話很反常識：我們用越多 AI，反而要請越多人。因為工程師從「寫程式」變成「建 agent、寫評測、設護欄」，這是全新的工作。這個「agent 元年」對每個人的職務代表什麼，我在 王董週刊 #6 聊過。

回到你我身上。

以前，你的競爭力藏在老師傅的腦袋裡，人走了就沒了。現在，你有機會把它變成一套可以重複使用、還會隨著你餵進更多資料而越來越準的資產。

我做雨傘產業那七年，最深的體會就是這個：工廠的機器、通路的架子，對手花錢都買得到；真正買不走的，是你對這門生意的理解。以前那叫「經驗」，很難傳承。現在，AI 給了你一個把經驗變成資產的機會。

模型是租來的，know-how 才是你的。

這句話，你今天就可以開始當真。

協作聲明與免責

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。