AI 时代，软件已死？以后需要什么功能，让 Agent 现场生成就行，还要什么软件公司？
6月1日，黄仁勋在中国台北 GTC 甩出一张图，狠狠打碎了这个流行谎言。
这张图表上，GitHub 的代码提交量呈现出恐怖的指数级增长：2023 年 3 亿次，2024 年 4 亿次，2025 年 5 亿次。而 2026 年仅上半年，14 亿次。
几乎是前一年全年的三倍。
演讲看下来，Vera Rubin 架构的升级、因为 Agent（智能体）需求而加入的 256 个 Vera CPU，这些都是常规操作，影响的也只是 AMD 和 Intel 的 B 端市场。真正让笔者印象深刻的是，NVIDIA 开始进入 Windows PC 系统，联手微软支持 ARM CPU。这件事对未来的影响最为深远。
因为黄仁勋在这两个小时里，同时拆掉了 Windows 生态的三堵旧墙：x86 架构对 PC 芯片的垄断、操作系统 40 年不变的交互范式、以及 “AI 会消灭软件”的流行恐慌。
三堵墙，一场演讲，逐个击破。
01. 第一堵墙：x86 的 40 年护城河RTX Spark 给所有 ARM 芯片厂打了个样
黄仁勋在台上掏出了一块芯片，叫 RTX Spark。
20 核 ARM CPU，联发科联合设计。Blackwell 架构 GPU，6144 个 CUDA 核心。128GB 统一内存。台积电 3nm 工艺，700 亿晶体管。一颗芯片，1 PFLOPS 的 AI 算力。
这些参数的意义浓缩成一句话：这是第一颗能完整运行 NVIDIA CUDA 软件栈的 ARM Windows 芯片。
过去，大量行业软件只支持 x86 架构的 CPU。Autodesk 全家桶（AutoCAD、Inventor）至今无法在 ARM 设备上原生安装，SolidWorks 只支持 x86/x64，MATLAB 和工程仿真软件 ABAQUS 同样如此。专业领域的 CAD、EDA（电子设计自动化）、科学计算、视频编辑，整个专业软件生态都绑在 Intel 和 AMD 的 x86 指令集上。这道护城河守了 40 年。
虽然 Windows 11 的 Prism 模拟层已经能翻译大部分 x86 应用，日常使用中 93% 的应用已有原生 ARM 版本。但涉及内核驱动、反作弊系统、硬件加密狗的专业软件，模拟层无能为力。这也是为什么买了高通 Snapdragon X 笔记本的工程师，经常还得备一台 x86 机器。
现在，黄仁勋要彻底解决这个问题。
RTX Spark 发布当天，微软宣布了搭载该芯片的 Surface Laptop Ultra。Dell、HP、ASUS、Lenovo、MSI 全部跟进，预计秋季上市超过 30 款笔记本和 10 款桌面设备。Adobe 正在为 RTX Spark 重写 Photoshop 和 Premiere Pro 的原生 ARM 版本。
高通联手 Windows 是探路，NVIDIA 这次和 Windows 合作，基本等于盖章认证：未来的 Windows AI PC，ARM 架构才是主流。
这件事对国内芯片厂商意味着什么？
RTX Spark 相当于给所有 ARM CPU 厂商打了个样：联发科的 ARM CPU 技术配合 NVIDIA 的 GPU，照样能跑 Windows 全家桶。其他厂商虽然没法集成 NVIDIA 的 GPU，但好在端侧 AI 推理对 NVIDIA GPU 的依赖度并不高，NPU（神经网络处理单元）就够用了。
国内的此芯科技已经在做这件事。他们的 P1 处理器基于 Arm V9.2 架构，直接瞄准 Windows on Arm 生态，2026 年 3 月刚完成近 10 亿元 B 轮融资。更值得关注的是，此芯科技联合微软、Arm、Linaro 发起了 Project ARP 计划，推动 ARM PC 参考平台的标准化。
瑞芯微的下一代旗舰 RK3688 也在路上。4-5nm 工艺，12 核，16-32 TOPS NPU 算力，虽然主攻 AIoT 场景，但技术路径同样是 ARM。
x86 坐山吃老本的好日子，可能要到头了。
如果 NVIDIA 证明了 ARM 更适合跑个人 AI 操作系统，那么未来的 PC 市场，将出现 ARM 版的新龙头公司，类似现在的 Intel 和 AMD 的地位。
当然，Agent 对 CPU 的确定性需求，已经让 AMD 和 Intel 的股价大涨。但 Agent 适配的操作系统，ARM 还是 x86 会成为主流，犹未可知。英伟达押注的是 ARM。
02. 第二堵墙：操作系统的 40 年范式LLM 是现代版的 DirectX
黄仁勋在演讲中做了一个类比，笔者认为这是整场演讲最有价值的一句话。
他说：40 年前，Windows 做了几件事。系统 BIOS、开放芯片组、驱动程序运行时加载、还有一个多媒体抽象层叫 DirectX。这几件事让 PC 从企业工具变成了个人电脑。
40 年后，操作系统的新一层，是 LLM（大语言模型）。
这个类比值得拆开讲。
DirectX 当年解决了什么问题
1995 年之前，PC 游戏开发是一场噩梦。每张显卡有自己的指令集，每个声卡有自己的驱动协议。开发者要为几十种硬件组合分别写代码。绝大多数游戏开发者因此拒绝 Windows，坚守 DOS，因为 DOS 允许直接访问硬件。
微软的解法是 DirectX：一套统一的 API（应用程序接口），把图形、声音、输入设备全部抽象成标准接口。开发者只需要面对 DirectX，不需要关心底层是什么显卡。
DirectX 不是一个应用程序，它是操作系统的一部分。它把"硬件能力"翻译成了"开发者可以调用的标准能力"。
1996 年 DOOM95 发布，成为第一款 DirectX 游戏。1997 年 id Software 把 Quake II 移植到 Windows。从那以后，PC 游戏再也没有回到 DOS。
LLM 正在扮演同样的角色
今天的 AI 处在一个类似 1995 年的位置。
每个模型有自己的 API 格式、自己的上下文窗口、自己的工具调用协议。开发者要为 Claude、GPT、Gemini、DeepSeek 分别适配。这很像当年每张显卡都有自己指令集的混乱时期。
黄仁勋的判断是：LLM 会成为操作系统的标准层。就像 DirectX 把“图形渲染能力”变成了操作系统的标准能力一样，LLM 会把“理解、推理、规划、工具调用”变成操作系统的标准能力。
说人话就是：未来买电脑，开机就有一个本地模型。它不是你装的一个 APP，而是操作系统自带的基础设施。
这不是预测，已经在发生了。
微软的 Copilot+ PC 要求每台设备内置 NPU 和本地模型。NVIDIA 这次发布的 OpenShell 是一个开源的 Agent 运行时，基于微软新的安全原语构建，给每个 Agent 创建独立沙盒，在系统层面执行隐私和权限策略。Red Hat、Canonical、微软全部接入。
RTX Spark 的 128GB 统一内存，可以本地运行 1200 亿参数的模型，支持 100 万 token 上下文。演讲中那个建筑设计 Agent 的演示，用 Rhino 建模、Blender 渲染、Flux 2 生成效果图，全程跑在本地。
过渡阶段与终局
笔者判断，这个演变会分两步走。
过渡阶段（现在 – 未来 2-3 年）：Windows + 本地模型。操作系统还是 Windows，但内置一个本地 LLM 作为底层服务。就像 Windows 内置了 DirectX 一样，未来的 Windows 会内置一个推理引擎。DeepSeek、Gemma、Nemotron 这些开源模型会成为“预装”选项。你依然打开 APP、点击、输入，但 AI 在后台持续辅助。
终局（3-5 年后）：全新的 Agent 化操作系统。你不再“启动 Photoshop → 打开文件 → 选择滤镜 → 导出”。你说：“把这张照片修成电影色调，裁成 16:9，加上水印，发到公众号后台。”Agent 自己调用 Photoshop、裁剪工具、上传接口，完成整个链路。
过去 40 年，操作系统管理的是硬件资源：CPU 时间片、内存分配、文件系统。未来，操作系统管理的是 AI 的记忆、工具权限和安全边界。
这对软件公司意味着什么
很多人的直觉是：如果 AI 能直接完成任务，那软件工具还有什么用？
黄仁勋在演讲中反复回应这个问题。他的原话是：“很多人说，Agent 来了，软件公司要倒闭了。我说恰恰相反。因为 Agent 越多，世界就不再受限于人的数量，Agent 会比人类使用更多的工具。”
这个逻辑其实不难理解。DirectX 出现后，游戏公司倒闭了吗？恰恰相反，DirectX 统一了接口，降低了开发门槛，游戏产业因此爆发，从 1995 年的小众市场，成长为今天规模超过电影和音乐总和的娱乐产业。
同样的逻辑，LLM 成为操作系统标准层之后，Agent 需要调用工具来完成任务。工具越标准化、越易于被 Agent 调用，使用量就越大。 Adobe 已经在重写 Photoshop 和 Premiere 的架构，不仅为了适配 ARM，更是为了通过 MCP Server（模型上下文协议服务）让 Agent 能直接调用。
软件工具的价值不会消失，但价值的衡量标准会变。从"人用起来顺不顺手"变成"Agent 调用起来快不快、准不准"。
这是一个巨大的重新洗牌的机会。过去 GUI（图形界面）做得好的软件占优，未来 CLI 和 API 做得好的软件 占优。任何软件厂商，只要能让自己的工具被 Agent 高效调用，都会迎来增长。
03. 第三堵墙：软件产业的增长上限AI 不是来消灭软件的，是来引爆软件的
黄仁勋亮出 GitHub 数据的时候，台下很安静。
2023 年，3 亿次代码提交。2024 年，4 亿次。2025 年，5 亿次。2026 年上半年，14 亿次。
他接着说了一句话：“AI 会减少工作岗位？Complete nonsense。”
这不是客套。他给出了一个很硬的经济学论证：全球约 3000 万软件工程师，创造约 3 万亿美元的 GDP。现在，同样这批人，借助 AI 工具产出了将近 3 倍的代码量。等效于 3 万亿美元的薪资创造了 9 万亿美元的产出。
ROI 翻了三倍，雇主的理性选择不是裁员，而是加码招聘。
这不只是黄仁勋的观点。摩根士丹利的研究报告得出了相同结论：“与市场担忧相反，AI 不会取代开发者，而是会提升生产力并带来更多招聘。”美国劳工统计局预测，2024 到 2034 年软件开发岗位将增长 15%，AI 被明确列为需求驱动因素。
GitHub 的数据只是冰山一角。
OpenRouter 的 token 调用量讲的是同一个故事：2025 年底周处理量约 5 万亿 token，到 2026 年 5 月已飙升至每周 25 万亿 token，半年翻了 5 倍。其中最大的驱动力就是编程类 workload。Agentic 工作流把单次请求的 token 消耗从几千拉到了 10 万甚至 100 万。
软件不是在被 AI 消灭，而是在被 AI 催化出更大的需求。
B 端：Agent 接管重复流程
黄仁勋在演讲中演示了一个案例：NVIDIA 和 Cadence 联合打造的芯片设计 Agent。
传统的芯片验证流程：写 RTL（寄存器传输级）代码、编写测试用例、跑仿真、debug、回归测试。数千名工程师，每年数十亿计算小时，一个验证周期动辄数周。
ChipStack AI Super Agent 接管后：Codex 做编排，Nemotron 模型做推理，自动调用 Cadence 的 Xcelium 仿真器和 JasperGold 形式化验证工具。跑几百次仿真，自动发现 bug，自动修复。
验证周期从 5 周压缩到不到 1 天。40 倍加速。
黄仁勋说，NVIDIA 有数千名芯片设计师，他们打算“雇佣”数十万个 Cadence 超级 Agent 来协同工作。注意用词，不是“替换”工程师，而是给每个工程师配几十个 AI 同事。
这个模式会扩展到每一个有复杂流程的 B 端行业。CrowdStrike 用 Agent 做安全运维，ServiceNow 用 Agent 做 IT 服务管理，SAP 用 Agent 做企业资源规划。每一个企业软件公司都会成为 Agent 公司。
C 端：个性化软件的爆发
B 端是流程自动化提效，C 端的变化方向不同，它在创造全新需求。
当一个人可以用自然语言描述需求，Agent 自动生成代码、调用工具、输出结果，“做软件”的门槛降到了接近零。黄仁勋在演讲中演示的那些例子就是证据：一段 prompt 生成一个 GIF 动画，一张照片生成一个 3D 打印文件，一段描述生成一栋房子的建筑设计方案。
“如果 1 块钱做个 APP 的时代到来，那么整个世界的商业体系会发生什么变化？”
答案是：软件的总量会爆炸。不是更少的人写更少的软件，而是更多的人（甚至非程序员）创造更多的软件。全自动化生产线需要定制软件，个体商户需要定制软件，每个人的工作流都可能需要一个只属于自己的工具。
经济学上有个概念叫 Jevons 悖论，当某种生产要素变得更高效、更便宜时，总消耗量不会减少，反而会增加。蒸汽机效率提高后，煤炭消耗反而增长了。ATM 普及后，银行柜员反而变多了。AI 让软件开发变便宜之后，软件的总量只会更多。
3 万亿美元的程序员薪资，现在产出了 9 万亿美元的价值。这不是效率提升的故事，这是一个全新产业规模的诞生。
last. 三堵墙倒了，然后呢旧护城河拆掉的地方，新机会就在那里
黄仁勋用两个小时拆了三堵墙，但他其实只做了一件事：把旧世界的封闭环节逐一打开。
x86 垄断了 PC CPU 40 年，先有 Mac 倒戈 ARM，现在英伟达又带着 Windows 迈向 ARM 阵营。操作系统的图形交互 40 年没变过，现在 LLM 和 Agent 正在塑造新的对话交互逻辑。“AI 消灭软件”的恐慌流传了半年，GitHub 用数据证明软件产业不仅没有萎缩，反而进入了历史上最大的扩张期。
三个判断，留给各位参考：
一，ARM 芯片进入桌面市场不可逆。 关注国产 ARM 芯片在政企、教育市场的落地窗口。
二，未来的操作系统，可能不再是 Windows 和 macOS 这样的复杂图形界面。 操作过程会大幅简化，图形界面的重心会从“操作流程”转向“输入和输出”。从软件到操作系统，中美两国都有机会。现在相当于 80 年代初，Windows 和 Mac 的图形界面还没诞生的时期。
三，软件服务的逻辑变了。 以前是做一个功能强大、交互复杂的软件，用户再花大量时间学习怎么用。未来是软件把工作流做好，甚至把上游数据输入的 API、下游对接的厂商都串通，用户只需要购买服务、描述需求，就能把整条工作链跑起来。无需额外的学习成本，付钱就能得到更好的结果。
上一个 40 年，Windows 和 Mac 定义了个人电脑。下一个 40 年的操作系统，还没有名字。