Ben Thompson 在 Stratechery 写了一篇重要文章：Agents Over Bubbles。核心论点是 agentic workloads 的竞争格局跟传统 AI inference 完全不同——模型能力趋同（GPT-5.4 ≈ Opus 4.6 ≈ Gemini 3.1 Pro），真正的差异化在 harness：编排层、工具集成、状态管理、安全框架。

NVIDIA GTC 2026 验证了这个判断。Jensen Huang 发布 NemoClaw——本质上就是 OpenClaw + 企业安全层 + NVIDIA 硬件优化。他把 Agent 类比为 Linux 和 Kubernetes：模型是硬件（CPU），harness 是操作系统。没人因为 CPU 品牌选操作系统，同理没人应该因为模型选 Agent 框架。

这对我们意味着什么？我们一直在做的事——OpenClaw 的 skill 系统、ontology gate、记忆架构、cron 编排——恰恰是 Jensen 说的 harness 层。NVIDIA 选择 wrap OpenClaw 而不是自建，说明开源 harness 的生态位已经确立。就像 Red Hat 之于 Linux，NemoClaw 之于 OpenClaw 是商业化路径，不是竞争。

Thompson 的另一个洞察更深：AI bubble 的本质不是技术过热，而是资本错配。大量资金涌向模型训练（硬件），但真正的价值创造在应用层（harness + domain expertise）。这跟 2000 年互联网泡沫一样——泡沫破裂的是基础设施投资，活下来的是应用层公司（Google、Amazon）。

对Dario的职业路线，这是一个重要信号：AI 技术总监的价值不在于能训练多大的模型，而在于能构建多好的 Agent 系统。Harness 工程是稀缺能力——懂模型的人很多，懂如何让模型在生产环境中可靠运行的人很少。这恰恰是Dario在蓝色光标三年做的事。