本文是 Nemotron Labs 系列博客文章，探討最新的開放模型、數(shù)據(jù)集和訓(xùn)練技術(shù)如何幫助企業(yè)在 NVIDIA 平臺上構(gòu)建專用的 AI 系統(tǒng)和應(yīng)用。每篇文章都強調(diào)了在生產(chǎn)中使用開放堆棧來提供價值的實際方法，涵蓋了從透明的研究 Copilot 到可擴展的 AI 智能體等領(lǐng)域。

截至 2026 年初，開源項目OpenClaw已成為一種現(xiàn)象級應(yīng)用。今年 1 月，隨著開發(fā)者興趣的激增，其 GitHub 星標數(shù)突破了 10 萬。據(jù)社區(qū)數(shù)據(jù)看板和流量分析顯示，其單周訪問量超過 200 萬。截至 3 月，OpenClaw 的星標數(shù)量已超過 25 萬，僅 60 天就超越 React，成為 GitHub 上星標數(shù)第一的軟件項目。

由 Peter Steinberger 創(chuàng)建的 OpenClaw，是一款自托管的持久性 AI 助手，專為在本地或私有服務(wù)器上運行而設(shè)計。該項目因其可達性和不受限制的自主性而受到關(guān)注：用戶可以在本地部署 AI 模型，而無需依賴云基礎(chǔ)設(shè)施或外部應(yīng)用程序編程接口 (API)。

如今的大多數(shù)AI 智能體都由提示詞 (Prompt) 觸發(fā)，完成特定任務(wù)后便停止運行。而長時間運行的自主智能體 (或稱為 “Claw”) 的工作方式則不同。這些智能體在后臺持續(xù)運行，自主完成任務(wù)，僅在需要人類決策時才進行提示。它們基于“心跳”機制運行：定期檢查任務(wù)列表，評估需要如何操作，然后執(zhí)行或等待下一個周期。

OpenClaw 的迅速普及也引發(fā)了爭議。安全研究人員對自托管 AI 工具如何管理敏感數(shù)據(jù)、身份驗證和模型更新表示擔憂。其他人則質(zhì)疑本地部署是否會將用戶暴露于新的風險中 —— 例如未打補丁的服務(wù)器實例或社區(qū)分支中的惡意代碼貢獻。隨著貢獻者和維護者努力解決這些問題，OpenClaw 的崛起促使整個 AI 生態(tài)系統(tǒng)就開放性、隱私性和安全性之間的權(quán)衡展開了更廣泛的討論。

為提升OpenClaw項目的安全性和穩(wěn)健性，NVIDIA 正在與Steinberger以及 OpenClaw 開發(fā)者社區(qū)合作，共同應(yīng)對潛在漏洞，OpenClaw 在近期發(fā)布的一篇博客對此進行了詳細介紹。

NVIDIA 提供的代碼和指導(dǎo)側(cè)重于改進模型隔離、更好地管理本地數(shù)據(jù)訪問以及加強社區(qū)代碼貢獻的驗證流程。目標是通過以開放、透明的方式貢獻其在安全和系統(tǒng)方面的專業(yè)知識來支持該項目的發(fā)展勢頭，從而在保持 OpenClaw 獨立治理的同時加強社區(qū)的工作。

為了讓長時間運行的智能體在企業(yè)環(huán)境中更加安全，NVIDIA 還推出了 NVIDIA NemoClaw，這是一個參考實現(xiàn)方案，使用單個命令即可安裝 OpenClaw、NVIDIA OpenShell 安全運行時和 NVIDIA Nemotron 開放模型，這些模型具有針對網(wǎng)絡(luò)、數(shù)據(jù)訪問和安全性的強化默認設(shè)置。NemoClaw 為組織更安全地部署 Claw 提供了一個藍圖。

每次 AI 浪潮都令推理需求成倍增長

AI 已經(jīng)歷四個階段，且每個階段間的間隔正在縮短。預(yù)測式 AI 花了數(shù)年才成為主流；生成式 AI普及速度更快；推理 AI的到來則更為迅速。OpenClaw 所代表的自主 AI 浪潮，正在以更快的速度向前推進。

伴隨每次浪潮而加劇的是推理需求。與預(yù)測式 AI 相比，生成式 AI 增加了Token 的使用量，推理 AI 則將其進一步提升了 100 倍。而持續(xù)運行并在長時間跨度內(nèi)執(zhí)行操作的自主智能體，將推理需求在推理 AI 的基礎(chǔ)上又提升了 1000 倍。每次浪潮都使所需的算力成倍增加。

Token 使用量的增加使組織能夠以數(shù)量級的方式提升生產(chǎn)效率。例如，長時間運行的智能體可以幫助研究人員在一夜之間解決問題、在數(shù)千種配置中迭代設(shè)計，或監(jiān)測系統(tǒng)并僅顯示需要人工判斷的異常情況 —— 從而解放研究人員的工作時間，讓他們專注于更高價值的任務(wù)。

選擇工具：何時部署 “Claw”

雖然生成式 AI 已經(jīng)成為按需任務(wù)的主力工具，但在某些特定場景中，Claw 持續(xù)的“心跳”具有顯著優(yōu)勢。何時從基于標準提示詞的 AI 轉(zhuǎn)向長時間運行的智能體通常取決于工作流的性質(zhì)：

從“按需啟動”到“始終在線”：雖然標準模型非常適合處理即時、人工觸發(fā)的查詢，但 Claw 通常更適合需要持續(xù)后臺監(jiān)測或定期系統(tǒng)檢查而無需手動啟動的任務(wù)。

管理高頻迭代循環(huán)：對于復(fù)雜問題，例如測試數(shù)千種化學(xué)組合或模擬基礎(chǔ)設(shè)施壓力測試，Claw 可以管理大量迭代，否則這些迭代可能會因人為干預(yù)而遭遇瓶頸。

從建議轉(zhuǎn)向行動：在許多工作流中，標準 AI 用于提供信息或生成草稿。當目標是讓 AI 進入執(zhí)行階段 —— 在較長時間跨度內(nèi)與 API 交互、更新數(shù)據(jù)庫或管理文件時，通常會考慮使用 Claw。

資源優(yōu)化：對于大規(guī)模、Token 高消耗的推理任務(wù)，與高頻調(diào)用云 API 相比，在NVIDIA DGX Spark個人 AI 超級計算機等專用硬件上部署本地 Claw，不僅成本更具可預(yù)測性，還能確保數(shù)據(jù)隱私安全。

組織如何應(yīng)用長時間運行的自主智能體？

長時間運行的自主智能體的實際應(yīng)用已遍布各個職能部門和行業(yè)領(lǐng)域。

在金融服務(wù)領(lǐng)域，智能體會持續(xù)監(jiān)測交易系統(tǒng)和監(jiān)管信息，在進行晨間審查之前標記重要事件。在藥物研發(fā)領(lǐng)域，智能體會掃描新的科學(xué)文獻，提取相關(guān)發(fā)現(xiàn)，并在沒有研究人員干預(yù)的情況下實時更新內(nèi)部數(shù)據(jù)庫 —— 而這一過程以前需要數(shù)周時間。

在工程和制造領(lǐng)域，智能體通過測試數(shù)千個參數(shù)組合、對結(jié)果進行排序并標記值得檢查的配置來加速問題分析 —— 而這些都可以在一夜之間完成。

在 IT 運維中，智能體可診斷基礎(chǔ)設(shè)施故障、應(yīng)用已知補救措施，并僅升級處理新出現(xiàn)的問題 ——將平均解決時間從數(shù)小時縮短至數(shù)分鐘。在 ServiceNow，借助 Apriel 和 NVIDIA Nemotron 模型的 AI 專家能夠自主解決 90% 的工單。

企業(yè)如何負責任地部署自主智能體？

自主智能體具備實際操作能力。它們可以發(fā)送通信、寫入文件、調(diào)用 API 和更新實時系統(tǒng)。當智能體執(zhí)行錯誤操作時，就會產(chǎn)生實際后果。從一開始就建立正確的問責框架至關(guān)重要，在生產(chǎn)環(huán)境中部署自主智能體的組織必須將治理視為首要需求。

組織需要了解它們的智能體正在做什么，檢查每個步驟的推理過程，檢查其行為并在必要時進行干預(yù)。

負責任地部署自主智能體的組織聚焦以下三個優(yōu)先事項：

開放、可審計的框架：NemoClaw 基于 OpenClaw 的 MIT 許可代碼庫構(gòu)建，這意味著組織擁有完整的智能體運行框架。他們可以讀取、分支并修改智能體構(gòu)建和部署的每一層。這種透明度使團隊能夠在代碼級別了解和控制系統(tǒng)。在本地運行如NVIDIA Nemotron這樣的開源模型，可以將包括患者記錄、法律文件、金融交易和專有研究在內(nèi)的敏感工作負載保存在組織自己的環(huán)境中，確保追蹤數(shù)據(jù)始終處于組織的控制之下。

保護運行時環(huán)境：NemoClaw在OpenShell中運行智能體，這個沙盒環(huán)境明確定義了智能體可以做什么和不能做什么，從一開始就強制執(zhí)行明確的權(quán)限邊界。

本地計算：NVIDIA DGX Spark 超級計算機以桌面級的外形尺寸提供數(shù)據(jù)中心級 GPU 性能，專為始終在線的本地推理而構(gòu)建，支持本地模型托管，并確保數(shù)據(jù)留在組織環(huán)境中。對于需要在復(fù)雜持續(xù)的工作負載，且同時運行多個智能體的團隊，NVIDIA DGX Station 系統(tǒng)能夠進一步擴展這種能力。

那些在實踐中定義自主智能體行為的組織正在積累有價值的東西：數(shù)月的實時運營經(jīng)驗、通過實際工作負載開發(fā)的治理框架，以及吸收了組織內(nèi)部背景知識從而變得真正實用的智能體。隨著時間的推移，這一基礎(chǔ)只會逐漸深化。

開始使用 NVIDIA NemoClaw

訪問分步教程，了解如何在 NVIDIA DGX Spark 上使用 NemoClaw 構(gòu)建更安全的 AI 智能體。探索 NemoClaw 如何通過單個命令部署更安全且始終在線的 AI 助手。

您可以在GitHub上體驗 NemoClaw，與大家一起在 DGX Spark 上使用 NVIDIA Nemotron 3 Super 和 Telegram 構(gòu)建 NemoClaw 應(yīng)用。