Nvidia押注开源模型，为企业AI智能体补齐缺失的上下文

当前，每一家企业都在努力让自己的AI工具能够理解并运用公司数据。与此同时，所有与这些企业合作的主要企业软件厂商（例如SAP、微软、Salesforce、Workday等）都在争夺成为管理和保护这些数据的中心枢纽。

但那些希望自己完成这项工作的企业又该怎么办？

周三，Nvidia宣布了其方案：为企业AI智能体提供理解公司数据所需的信息，同时不与那些已经存储这些数据的数据平台形成竞争。

在周三的GTC柏林大会上，该公司在其智能体工具包中新增了Agent Knowledge Foundation（智能体知识基础）。这一全新的开源组件集合整合了公司的Nemotron Retriever模型、全新的Auto-Ontology（自动本体）库、面向结构化数据的Kumo系列模型，以及CUDA-X数据处理库。

Nvidia表示，借助这一系统，数据可以保留在原地，继续遵循这些企业已有的访问权限规则进行管理。

Nvidia智能体AI产品副总裁阿德尔·哈拉克（Adel El Hallak）向The New Stack表示，如今企业或许能够将智能体连接到像Snowflake这样的供应商，但这并不能帮助智能体理解整体的企业上下文。

“我倒希望事情能简单到只需连接我的Snowflake系统、连接我的邮件系统、连接我的知识库，然后AI就能神奇地理解所有数据。但现实并非如此，”他说。

哈拉克认为，大语言模型“非常擅长预测下一个Token”，但当面对一张包含“一大堆标签页”的单一电子表格时，智能体很难找到具体信息。“它会很吃力，”他说。

更好的检索，更少的查找

“在智能体的世界里，你需要最精确的嵌入模型或重排序模型，”哈拉克说，即便这会给每次查找增加一点延迟。这样智能体就能获得“更相关的信息。所以最终的查找次数减少了，整体延迟实际上反而降低了。”

Nvidia表示，其Nemotron Retriever嵌入模型在基于开源OpenSearch环境的测试中，将搜索相关性提高了65%，所需的搜索步骤更少，且几乎不增加延迟。Nvidia表示，SAP经过微调的重排序版本运行速度快了近三倍，而ServiceNow在重排序质量提升的同时，延迟降低了近25%。

从RAG到本体

“RAG很棒，但它够用吗？”哈拉克问道。他表示，知识图谱比检索增强生成（RAG，基于相似性拉取文本片段）更能准确表示概念及其相互关系。

Nvidia的Auto-Ontology库能够基于企业自身的数据表构建这类图谱，将原始数据映射为客户、产品、订单等业务概念。该库在Nvidia的NGC软件目录中的介绍显示，它提供了一个REST API和一个模型上下文协议（MCP）服务器，供智能体查询使用。

“对你我来说，理解这一点很容易。当你在看一个移动运营商的套餐时，‘层级’和‘计划’其实是同一个意思，”哈拉克说，但大语言模型“经常把这些搞混”。

今年2月，Nvidia收购了以色列初创公司Illumex，据报道收购金额约为7500万美元，该公司专注于自动化构建企业数据的语义层和本体。当时，Nvidia的一位发言人告诉Globes，该团队的本体构建专长将有助于公司打造“能够推动智能体AI在企业中落地应用的库和模型”。

从数据表中进行预测

Kumo是Nvidia今年6月收购的另一家初创公司，据The Information报道，该交易估值超过4亿美元，专注于为关系型数据构建基础模型。此后，Nvidia已经在Hugging Face上以开放权重的形式发布了多个Kumo模型，其中包括9月发布的Kumo Tabular。

哈拉克表示，这些模型取代了数据团队过去为“每一个分类任务、每一个流失预测、每一个情感分析”单独搭建的处理流程。

“本体的整个意义……在于在构建这些知识图谱的过程中实现统一标准，从而确保各数据表之间保持[一致性]，然后你就可以利用Kumo来驱动预测分析，”他说。

是伙伴，而非对手

“我并不打算与例如Snowflake这样的公司竞争。恰恰相反，我想与它们合作，”哈拉克说。

Nvidia自己的供应链团队就是通过Palantir的Foundry平台使用Agent Knowledge Foundation的，这建立在两家公司此前合作的基础之上。Databricks正将一个Kumo异常检测模型与其今年6月推出的上下文层Genie Ontology搭配使用，而Snowflake的客户则可以在Snowflake Notebooks中运行Kumo模型。

“我不需要去考虑访问控制列表、数据访问权限之类的问题。这正是我需要合作伙伴的原因，”哈拉克说，这里他指的是其企业合作伙伴提供的访问控制列表及其他安全功能。

掌控整个技术栈

并非所有供应商都选择这条路线。SAP在今年7月完成了对Prior Labs的收购，后者是表格模型TabPFN的开发公司，SAP承诺未来四年将为其投入超过10亿欧元。目前，SAP已在其SAP AI Core中提供TabPFN-3.5 Plus，与自家的RPT模型并列。

与此同时，Nvidia则通过Hugging Face来分发其模型，该公司今年9月同意以129亿美元收购Hugging Face。“我们只是构建一些小型的权重和模型，然后发布到Hugging Face上，”哈拉克说。

这样一来，Nvidia专注于构建模型，而Snowflake、Databricks等公司则继续掌控数据本身以及围绕数据的权限管理。