在皮克斯动画《玩具总动员》中,三个绿色小外星人解释说:"爪子选择谁去谁留。"在那个情境中,爪子是售货机里的机械抓手。
在英伟达的技术叙述中,爪子选择它将用来执行数据处理指令和网络遍历的工具。英伟达指的是软件智能体的流行简称,这些是被赋予访问软件工具和服务权限的AI模型。在周一于加利福尼亚州圣何塞举行的GTC大会上,该公司发布了NemoClaw,这是一套旨在帮助企业客户使用OpenClaw平台的软件工具。
"Claw是能够自主规划、行动、执行任务的自主智能体,它们已经从仅仅思考和执行任务发展到完成整个任务使命,"英伟达企业生成式AI软件副总裁Kari Briski在大会前的周日媒体简报中表示。"我们过去用什么、如何或为什么来提示,但现在对于claw,我们用构建、创建或制作来提示。"
Claw术语可以追溯到1月底OpenClaw的首次亮相,这是一个开放平台,用于将软件智能体连接到各种应用程序,几乎没有约束。(它之前被称为Clawd,然后是Moltbot。)OpenClaw因展示人们启用自动化是多么容易而在社交媒体上声名鹊起,尽管结果不确定且存在多重安全问题。此后不久,OpenAI"收购雇佣"了OpenClaw创始人Peter Steinberger,并表示该项目最终将由一个基金会管理。
现在英伟达正在寻求用OpenClaw武装自己,英伟达首席执行官黄仁勋将其描述为"个人AI的操作系统"。
Briski更加直言不讳。"Claw是AI的新应用层,它们正在推动对计算需求的数量级增长。"
作为AI繁荣时期镐头铲子供应商的英伟达,希望利用这种需求。但是让AI智能体在企业数据库、个人通信和企业网络中乱搞的兴奋往往对避免诉讼的公司来说有点太过了。正如Briski所观察到的,"Claw令人兴奋,但它们也很危险,因为它们可能访问敏感数据、滥用连接的工具或自主升级权限。"
正如NanoClaw已经在Docker沙盒中安家一样,英伟达的目标是将兴奋程度降低到企业兼容的水平。
英伟达的NemoClaw堆栈让OpenClaw用户通过英伟达智能体工具包使用单个命令安装英伟达的Nemotron模型和OpenShell运行时,这是一个包含模型、运行时和蓝图的集合,用于更安全、长期运行的智能体。
Briski将OpenShell描述为智能体的开源安全运行时。它对OpenClaw智能体进行沙盒化,限制它们对敏感数据的访问并减少不当行为的机会。
"OpenShell在条款下方提供了缺失的基础设施层,给予它们生产所需的访问权限,同时执行基于策略的安全、网络和隐私护栏,"她解释说。
适用于OpenClaw的NemoClaw支持在配备英伟达GeForce RTX的PC、配备英伟达RTX Pro的工作站、英伟达DGX Station和DGX Spark超级计算机上进行AI智能体的本地计算。
Q&A
Q1:NemoClaw是什么?它有什么作用?
A:NemoClaw是英伟达推出的一套软件工具,旨在帮助企业客户安全地使用OpenClaw平台。它让用户能够通过英伟达智能体工具包,使用单个命令安装英伟达的Nemotron模型和OpenShell运行时,为智能体提供更安全、长期运行的环境。
Q2:OpenClaw平台存在什么安全风险?
A:OpenClaw智能体可能访问敏感数据、滥用连接的工具或自主升级权限,这些风险对于避免诉讼的企业来说是令人担忧的。智能体在企业数据库、个人通信和企业网络中的自主行为可能带来不确定的结果和多重安全问题。
Q3:OpenShell运行时如何保障智能体安全?
A:OpenShell是一个开源的安全运行时,它通过沙盒化技术对OpenClaw智能体进行隔离,限制它们对敏感数据的访问并减少不当行为的机会。同时执行基于策略的安全、网络和隐私护栏,在给予智能体生产所需访问权限的同时确保安全。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。