英伟达上线企业知识基础 智能体接入公司数据

时间：2026年10月21日，北京时间18时前后（美东夏令时上午10时），英伟达在 GTC Berlin 2026 大会（10月20—22日，德国柏林）期间同步更新官方技术博客，宣布开源 Agent Toolkit 组件扩容，正式上线面向企业数据的智能体知识基础。 地点：英伟达总部（美国加州圣克拉拉）与德国柏林 GTC Berlin 2026 会场，同步发布于 NVIDIA 技术博客与开发者社区。 人物：英伟达（黄仁勋领衔）；企业侧首批接入方包括 Palantir、Databricks、Snowflake、Amazon OpenSearch、SAP、ServiceNow、Zoom，以及 AWS、ClickHouse、Cloudera、Dell、Elastic、Exa、IBM、NetApp、Oracle、Perplexity、Starburst、VAST Data 等。 事件详情：本次扩容的核心是新增的 NVIDIA Agent Knowledge Foundation（智能体知识基础）。官方强调，企业无需搬迁数据、无需重建既有工作流、无需改动现有治理控制，即可把公司内部数据转成智能体可直接调用的“公司知识”。该基础包含两类资产：一类是 CUDA-X 库族（cuDF、cuGraph、cuML、cuOpt、cuVS），另一类是全新开源库 Auto-Ontology。Auto-Ontology 的作用是把原始企业数据翻译成“客户、产品、订单”这类业务概念，并映射它们之间的关系，其工作流分为四步：Discover 从元数据自动生成本体并连接既有语义模型；Ground 为指标、实体、关系提供可信业务含义并跨系统对齐口径；Validate 拿认证定义和数据血缘校验生成的查询、每次回答都返回出处；Expose 通过 MCP、CLI 和 API 把上下文暴露给任意智能体框架。该库以 Apache-2.0 协议开源，语义目录存放在 Postgres，提供 Web UI 与 Kubernetes Helm 部署，并附带 ontology-sql-eval 仓库用于 BIRD 等 text-to-SQL 基准验证。 模型侧同步扩容：新增 Nemotron Retriever 系列（覆盖 embedding、reranking 与文档解析）以及全新的 Kumo 家族开源权重基础模型——Kumo Tabular、Kumo Relational、Kumo Time Series、Kumo Forecast，用于结构化业务数据上的预测、欺诈评分与行动推荐，并配套 Kumo Engine 开源库栈。此前已上线的 OpenShell 安全智能体运行时提供策略与隐私边界，NemoClaw 安全智能体蓝图新增“智能体优化”参考设计，另有 NeMo Relay、NeMo Compass 等工具与技能。 官方公布的落地效果（均为英伟达与合作方口径）：Palantir 通过 Foundry、Ontology 与 AIP 使用 Agent Knowledge Foundation，为英伟达自身供应链部署专用智能体；Databricks 将 Kumo Anomaly 与 Genie Ontology 结合做上下文感知智能体；Snowflake 允许客户在 Notebook 环境中直接使用 Kumo Engine 与 Kumo Relational。检索侧，Amazon OpenSearch 引入 Nemotron 嵌入模型后相关性提升、检索步数减少且几乎无额外延迟；SAP 的微调重排器速度接近 3 倍；ServiceNow 重排质量提升的同时延迟降低近四分之一；Zoom 用该系列模型改进文档理解与上下文检索。 同日（美东10时）英伟达还发布了欧洲主权智能体方向的开放模型进展：新增 Nemotron 3.5 Super VL 与 Nemotron 3.5 Bolt、Cosmos 3.5 世界模型、面向自动驾驶的 Alpamayo 2 Edge、面向医疗科学的 BioNeMo，以及量子计算方向的 Ising。Nemotron 生态的联盟成员包含欧洲伙伴 Black Forest Labs、H-Company 与 Mistral；后训练伙伴涵盖 AfterQuery、CoreWeave、Fireworks、Google Cloud、Scale AI、Trajectory 等。Kumo 首批合作方包括 Cognite、Coinbase、Databricks、DoorDash、Revolut 与 Tubi。 背景：NVIDIA Agent Toolkit 于 2026 年 5 月 31 日 GTC Taipei 首次发布，当时由 Nemotron 开放模型、NemoClaw 蓝图、OpenShell 安全运行时和 CUDA-X 技能四部分组成，解决了“模型变智能体”的问题，但企业侧最大瓶颈仍是智能体拿不到可信、可治理的内部数据。此次扩容正是补上这一层，把语义层、检索模型和结构化数据预测模型一并纳入官方栈。 影响：第一，企业智能体的竞争焦点正从模型能力转向数据上下文层，Auto-Ontology 这类语义层库成为新的基础设施争夺点。第二，NVIDIA 与 Palantir Foundry、Databricks、Snowflake 形成正面竞争，把知识图谱与语义层直接做进官方开源栈，削弱云厂商的数据平台护城河。第三，Nemotron Retriever 直接对标云厂商内置 RAG 检索栈，官方主打“几乎不增加延迟”以降低替换成本。第四，开放权重加可自托管部署的组合，正面回应欧洲数据主权诉求，与本次柏林会场主题一致。第五需要说明的是，上述所有性能与效率数字均来自英伟达官方博客及合作方表述，目前尚无第三方独立复现，实际收益取决于企业自身数据治理成熟度。 总结：英伟达借 GTC Berlin 把 Agent Toolkit 从“模型 + harness + 运行时”补齐到“模型 + 运行时 + 数据语义层”，试图在企业智能体全栈上确立事实标准，把智能体的胜负手重新拉回企业数据本身。 参考来源： 1. NVIDIA 技术博客（主源，Agent Toolkit 扩容）：https://blogs.nvidia.com/blog/enterprise-platforms-agent-toolkit/ 2. NVIDIA 技术博客（欧洲主权智能体开放模型）：https://blogs.nvidia.com/blog/open-models-europe-industry/ 3. NVIDIA GTC Berlin 2026 黄仁勋主题演讲直播页：https://blogs.nvidia.com/blog/gtc-berlin-2026-keynote/ 4. NVIDIA GTC Berlin 2026 官方会站：https://www.nvidia.com/en-eu/gtc/ 5. Auto-Ontology 开源仓库（Apache-2.0）：https://github.com/NVIDIA/auto-ontology 6. Kumo Engine 开源库栈仓库：https://github.com/NVIDIA/kumo-engine 7. Kumo Structured 模型集合（Hugging Face）：https://huggingface.co/collections/nvidia/nvidia-kumo-structured 8. Nemotron 开发者专页：https://developer.nvidia.com/topics/ai/nemotron 9. 英伟达中文站 Nemotron 页面：https://www.nvidia.cn/ai-data-science/foundation-models/nemotron/ 10. OpenShell 安全运行时参考架构新闻稿：https://nvidianews.nvidia.com/news/openshell-reference-architecture 11. NemoClaw 智能体优化蓝图：https://build.nvidia.com/nvidia/nemoclaw-for-agent-optimization 12. 英伟达与 Palantir 主权智能体供应链合作稿：https://nvidianews.nvidia.com/news/nvidia-and-palantir-bring-sovereign-intelligence-to-critical-supply-chains 13. Elastic 与 CUDA-X cuVS 集成博客：https://www.elastic.co/blog/elastic-nvidia-cuvs-integration 14. Cognite 与英伟达合作页：https://www.cognite.com/en/partners/nvidia 15. CUDA-X 库族官方页：https://www.nvidia.com/en-us/technologies/cuda-x/