Nemotron Labs：开放模型如何为企业和国家提供可信任、控制和定制的人工智能

先说几个核心判断：如今企业面对的大模型选项多到让人眼花缭乱，但真正的考验，从来不是“选哪家模型”，而是你基于模型构建出来的人工智能系统，到底能不能真正解决业务问题——改进工作流、利用好领域知识，并且在准确性和信任上达到预期标准。

换句话说，人工智能的竞争优势，越来越取决于组织如何利用现有模型去搭建体系，而非纠结于选定了哪一款基础模型。

像NVIDIA Nemotron这样的开放模型，一开始就是为定制化而生的。企业和国家可以用它们来构建可控、可信、真正贴合自身需求的人工智能体系。

从使用人工智能到拥有智能

专业级的人工智能——比如自主智能体和行业应用——几乎都是用定制的开放模型搭出来的。这些智能体之所以能把一个定义清晰的任务做到位，正是因为它们所用的模型做了针对性调整，用的是专有知识，评估标准也是看实际业务产出。

要做到这一步，关键是能接触到模型本体。封闭模型当然推动了通用智能的边界，它们一直在往前跑，但也给企业划了一条上限：你能检查什么、调整什么、改进什么，都有限制。开放模型直接把这层天花板打破了——它把全部所有权和控制权都交到你手里。

话说回来，最有效的智能体式AI应用，往往是一个“模型系统”。开放模型和前沿封闭模型一起工作，各干各最擅长的活：高性能推理模型处理复杂的规划，规模小些的模型则执行专门任务。这样一来，企业既能灵活控制推理成本，又能提升特定场景下的准确性，同时还能随着工作流变化持续调整。

定制企业值得信赖

开放模型给了封闭模型给不了的东西：完全的控制权——按业务需求定制、检查、改进人工智能。公开基准测的是通用能力，但业务专属的评估，才能让团队基于自己的数据、工作流和准确性标准去做测试，并针对性优化。

举个例，医疗和法律这些行业，一个错误答案的代价太大了。它们处理的是敏感数据，对准确性要求极为苛刻。这些领域的组织，必须清楚模型是怎么训练的、运行表现如何，并且在必要时有能力去改进。

通过开放模型，团队可以审查自己的应用，按自己标准跑私有评估，建立适合自身工作流的强化学习环境。完全不需要把专有数据交给第三方去中转。

已经有不少公司在各自领域用Nemotron做专门定制了，这里列一些代表性的：

• Abridge正在用Nemotron定制第一个专为临床对话构建的基础模型。
• Glean用Waldo——一个智能体搜索模型——把Nemotron和更大的封闭模型配对，显著降低了延迟，用更少的令牌完成企业搜索。
• H Company在专有的计算机使用数据上对Nemotron 3 Nano Omni做后训练，构建了Holotron 3 Nano，在OSWorld-Verified基准上准确率超过76%，以极低成本追上其他领先前沿模型。
• Harvey在自己的法律基准上后训练Nemotron 3 Ultra，达到了前沿级的准确性——在复杂法律任务上匹敌领先封闭模型，但每次运行成本至少低10倍。
• Heidi Health在临床文档领域交付了前沿质量的结果，但完全没有用到前沿规模的计算资源。
• 杨忠礼人工智能实验室则针对马来西亚语言对Nemotron模型做后训练，把本地定制的人工智能交到马来西亚开发者社区手里，帮他们提升AI能力。

微调环境和最佳运行成本

定制化能直接提升准确性。而且，一旦模型针对特定场景或领域做了调整，运行效率也会更高。

除了智能体优化和治理层面，NVIDIA NeMo开放库套件能加速模型定制和评估。

像Prime Intellect和Unsloth这样的合作伙伴，已经在为基于Nemotron构建后训练管道的企业提供AI定制服务，让大规模运行专业AI成为现实。

LangChain针对Nemotron 3 Ultra调整了深度智能体工具——涉及提示词、工具和中间件的调优，无需重训模型——结果是在开放模型中实现了最高的智能体准确率，而每次运行的成本比领先的封闭替代方案便宜了大约10倍。

成本优势还延伸到基础设施层面，让扩展性达到最优。在NVIDIA Blackwell平台上后训练Nemotron，Arcee AI的推理成本约为每百万输出代币90美分——比同类封闭前沿模型便宜大约20倍，同时在PinchBench上还排到了第二，并且权重完全开放。

节省下来的成本意味着更大的实验空间、更多的部署机会、更快的迭代节奏。

建立在开放基础上的生态系统

从“使用AI”到“拥有AI”的转变，正在发生。NVIDIA Nemotron联盟做的是把开放模型开发变成一个生态系统工程：让模型构建者和开发者聚在一起，通过共享数据、评估和领域知识，共同改进Nemotron。此外，黑客马拉松的提交成果和社区贡献，也在各个行业积累了一大波可复用的证明资产。

越来越多构建者正在把Nemotron加入自己的AI系统，验证价值，并分享有效做法。这套框架是完全开放的。

• 人工智能
• Nemotron 实验室