英伟达给出智能体落地五要素：模型之外，知识和沙箱才是瓶颈

一、模型之外，英伟达给出了五要素框架

在 GTC Berlin 2026 上，英伟达把智能体拆成五件事：模型负责感知、推理与规划，编排外壳（harness）协调工作，知识层提供企业上下文，工具让智能体能模拟、实验与行动，沙箱控制它能访问与执行什么。这个框架的价值在于，它把“智能体不好用”从笼统抱怨拆成可逐项排查的清单：答案往往不在换更大的模型，而在后三项是否到位。

二、知识底座：从元数据长出语义层

Agent Knowledge Foundation 的第一块是 Auto-Ontology：从企业既有元数据生成知识图谱，把客户、产品、订单这类业务概念跨系统映射对齐，再通过 MCP、CLI 与 API 把这层语义暴露出来。关键在于数据不搬家、治理不打穿——这正是 RAG 解决不了的那一半：RAG 能找到相关段落，但定不了“客户”在财务口径和市场口径里哪个才是权威定义。另一块是面向结构化数据的 Kumo 四模型家族，处理预测、风险评分、异常检测这类表格任务；Kumo Tabular 已在 Hugging Face 开源，Databricks 与 Snowflake 侧均已有对接路径。

三、沙箱层与生态：17 家伙伴与迁移时间表

第三块是 OpenShell：Apache 2.0 授权的智能体安全运行时沙箱，默认拒绝策略、策略可热更新、留有完整审计轨迹，每个智能体跑在独立沙箱中、无直连网络路径，出站请求经沙箱外的监督进程放行。首发出炉即有 17 家伙伴：Adobe、Salesforce、SAP、ServiceNow、Siemens、CrowdStrike、Atlassian、Palantir、Box、Red Hat、Cisco、Amdocs 等，LangChain 也把 Agent Toolkit 组件并入其库。同时需注意迁移：旧版 NeMo Agent Toolkit 将于 2026 年底停止支持，迁移路径是 NeMo Relay（可观测与治理）、NeMo Helix（评测与优化）与 NeMo Fabric（编排外壳接口）三条。

四、企业该怎么排优先级

一组数据比任何框架都更能说明瓶颈所在：46% 的组织把与既有系统集成列为智能体的首要障碍，另有 58% 的企业连续五年把数据准备度列为首要障碍。这两项都指向同一个结论——智能体项目卡住，多半不是因为模型不够强，而是因为它读不懂企业自己的数据、也不敢被授予行动权限。

对企业而言，可落地的顺序是：先治理元数据与业务口径，让智能体读得准；再把工具调用放进默认拒绝的沙箱，让它敢做但可控；最后才是持续评测与编排优化。一道科技在AI 大模型定制与数据挖掘项目中做的正是前两步——私有化部署把数据留在域内，语义层与权限规则让每个动作可追溯；智能制造方向则把这条链路接到产线设备数据上。框架是英伟达给的，落地取决于企业自己的数据基础。