NVIDIA扩展Agent工具包，让企业智能体扎根公司数据

英伟达正在把企业智能体从“会聊天”推向“能干活且不越界”，核心抓手是让智能体直接扎根于企业自有数据，同时用安全运行时划定行为边界。2026年10月21日，英伟达在GTC柏林期间宣布扩展NVIDIA Agent Toolkit，新增Agent Knowledge Foundation、Nemotron Retriever与Kumo系列开放模型、OpenShell安全运行时以及NemoClaw安全智能体蓝图。这套组合的真正意图不是再发几个模型，而是把企业数据、模型、运行时和治理打包成一条可落地的智能体生产线。

智能体的有用程度取决于它知道什么，可信程度取决于它运行在什么边界之内。

这句话是整篇公告的题眼。英伟达没有把重点放在“模型多强”上，而是放在“数据怎么变成企业智能”和“智能体被允许做什么”这两个企业采购时最卡脖子的问题上。

Agent Knowledge Foundation：不搬数据，把数据变成“业务概念”

Agent Knowledge Foundation是这次扩展的核心。它的定位是帮企业把原始数据转成智能体能理解、能推理的“公司智能”。关键在于三个“不”：不移动数据、不重建现有工作流、不改动治理控制。这对金融、医疗、制造这类数据不能出域、合规链条极长的行业来说，几乎是准入门槛级别的设计。

技术上它靠CUDA-X库撑底，包括cuDF（数据帧处理）、cuGraph（图计算）、cuML（机器学习）、cuOpt（优化）、cuVS（向量检索），外加一个新的Auto-Ontology库。Auto-Ontology的作用值得单独拎出来说：它把原始企业数据翻译成“客户、产品、订单”这类业务人员熟悉的实体，并映射它们之间的关系。换句话说，它自动构建企业本体（ontology），让智能体不需要理解底层表结构，而是直接面对业务语义。这一步做不好，智能体就永远停留在“查表机器人”的层次。

配套的模型层包括Nemotron Retriever和Kumo Structured开放模型家族，后者细分为Kumo Tabular、Kumo Relational、Kumo Time Series和Kumo Forecast。这个命名本身就说明了英伟达的判断：企业数据的大头是表格、关系型数据、时间序列，而不是纯文本。智能体要预测结果、辅助决策，就必须啃下结构化数据这块硬骨头，而不是只做文档问答。

OpenShell与NemoClaw：把“能做什么”写进运行时

数据打通之后，下一个问题是权限。OpenShell提供安全运行时边界，让企业控制智能体能访问什么、能执行什么。这不是事后审计，而是运行时层面的约束。NemoClaw蓝图则给出安全、专用智能体的参考设计，最新一版专门针对“智能体优化”，提供逐步提升智能体能力的起点，让智能体随着时间推移越干越好。

企业真正买的不是智能体，而是“智能体不会乱来”这件事的确定性。

OpenShell和NemoClaw的组合，本质上是把治理从“政策文档”变成“运行时强制”。对从业者来说，这意味着智能体项目的架构设计里，权限边界和安全沙箱不再是上线前补的作业，而是第一天就要画进图里的东西。

落地名单里的信号：数据平台是渠道，不是对手

公告列出的采用方值得逐个看。Palantir这条线最具体：英伟达自己的供应链组织通过Palantir Foundry、Ontology和AIP使用Agent Knowledge Foundation，部署专用智能体、从专有数据生成可执行情报、预测结果并优化决策。这是“自己吃自己的狗粮”，也是给企业客户看的样板。

Databricks把NVIDIA Kumo Anomaly与Databricks Genie Ontology配对，做上下文感知智能体；Snowflake让客户在Snowflake Notebook环境里使用Kumo Engine和Kumo Relational开放模型。这两家的动作说明一件事：数据平台厂商没有把英伟达当替代者，而是当能力补丁。英伟达的聪明之处在于，它不试图取代数据平台，而是把Knowledge Foundation做成能嵌进Foundry、Databricks、Snowflake的中间层。

检索模型那边的数据更硬。Amazon OpenSearch Service用Nemotron Retriever的嵌入模型，在几乎不增加延迟的前提下用更少的检索步骤提升了相关性；SAP微调后的重排器（reranker）运行速度提升近3倍；ServiceNow在提升重排质量的同时把延迟降低近四分之一；Zoom用它改善文档理解、搜索相关性和上下文检索。这些数字说明Nemotron Retriever不是实验室产物，而是已经在搜索和RAG链路上跑出效率收益的组件。

生态名单还拉得很长：AWS、ClickHouse、Cloudera、Cohesity、Dassault Systèmes、Dell、Elastic、Exa、IBM、NetApp、Oracle、Perplexity、Starburst、VAST Data。这份名单覆盖了云、数据库、数据湖、存储、搜索和企业软件，基本把企业数据栈的主要入口都占了一遍。

所以呢：智能体竞争的重心正在从模型转向“数据接地+运行时治理”

对行业来说，这次扩展释放的判断很明确：企业智能体的瓶颈不在推理能力，而在两件事——能不能安全地读到正确的企业数据，以及能不能被约束在允许的边界内行动。英伟达用Agent Knowledge Foundation解决前者，用OpenShell和NemoClaw解决后者，中间用Nemotron Retriever和Kumo系列模型填上检索与结构化预测的能力缺口。

对从业者来说，有几个直接含义。第一，本体（ontology）自动构建会成为企业智能体项目的关键路径，Auto-Ontology这类工具的价值会快速上升，懂业务语义建模的人比只会调prompt的人更稀缺。第二，结构化数据的智能体化是下一个战场，Kumo Tabular/Relational/Time Series/Forecast的拆分说明英伟达在押注“智能体读懂表格和时间序列”，而不是只读文档。第三，安全运行时会从加分项变成必选项，OpenShell这类边界控制能力将进入采购清单。第四，数据平台厂商与模型/工具厂商的分工在固化——平台管数据和治理入口，英伟达管智能体的“知识底座+运行时”，谁想通吃都会撞墙。

对趋势而言，英伟达这次没有发布更大的基础模型，而是把筹码压在“企业数据接地”和“运行时治理”这两个脏活累活上。这恰恰说明智能体竞赛进入了第二阶段：演示视频不再值钱，能在合规边界内稳定跑通业务流程才值钱。GTC柏林这场发布，本质上是英伟达在告诉企业——别自己从零搭智能体的数据层和安全层，我这里有一套开放的工具链，你可以不搬数据、不改治理地接上去。至于这套工具链能不能真的让智能体“越干越好”，NemoClaw的优化蓝图和Palantir供应链那个样板案例，会是接下来最值得盯的两个验证点。