LangChain 与 NVIDIA 联合发布 NemoClaw 深度智能体蓝图

在生产环境中部署智能体，模型选择只是提升性能的一个维度。团队还需要精细管控围绕模型构建的整套系统，包括智能体可调用的工具、所能感知的上下文、评估方式、运行位置以及每个动作所适用的策略。正是基于这一认知，LangChain 与 NVIDIA 共同推出了 NemoClaw for LangChain Deep Agents 蓝图，为企业提供一套开放、可治理的智能体构建路径。

该蓝图由三个核心层次构成。开放模型层采用 NVIDIA Nemotron 3 Ultra，企业可自主运行、定制并针对特定工作负载进行优化。调优执行框架层由 LangChain Deep Agents Code（dcode）提供，涵盖长时运行智能体所需的规划、工具调用、记忆管理与任务执行能力，并内置了专为 Nemotron 3 Ultra 调优的执行框架配置文件。治理运行时层则由 NVIDIA OpenShell 提供沙箱化的安全执行环境，对智能体与工具、系统及数据的交互行为实施策略管控。

在性能与成本层面，该蓝图展现出显著优势。LangChain 评估套件的测试结果显示，经过调优的 Nemotron 3 Ultra 以 4.48 美元的推理成本获得 0.86 的综合评分，而性能最接近的模型成本高达 43.48 美元，推理成本差距约达十倍。这一结果源于对智能体工具调用方式、上下文管理策略以及中间步骤评估逻辑的系统性调优，核心思路是将执行框架与模型自身的能力特点深度适配。

较低的推理成本不仅降低了服务费用，更从根本上改变了团队构建和迭代智能体的方式。当每次迭代成本高昂时，团队往往减少评估频次、压缩变体对比范围，并回避专用智能体的开发。而成本高效的开放技术栈使得在部署前后运行大规模评估套件、对比更多模型与工具组合、针对特定领域构建专用智能体成为切实可行的选择，从而在质量、成本、速度与治理之间实现整体最优。

该蓝图获得了来自 AI 基础设施与企业生态系统的广泛合作伙伴支持。EY 正围绕该技术栈构建专项实施实践，重点服务受监管行业客户，帮助其将智能体从孤立的概念验证推进至符合可审计性与风险管控标准的生产部署。Baseten、Fireworks、Nebius、Crusoe、DeepInfra 和 Together AI 等推理服务商则针对 Nemotron 模型进行了专项优化，为企业提供高吞吐、低延迟的生产级推理能力。

NVIDIA 创始人兼 CEO 黄仁勋表示，超级智能体时代已经到来，每家企业都可以借助开放模型、LangChain 执行框架、OpenShell 运行时以及自有数据，构建真正理解自身业务、调用专属工具并将知识转化为行动的定制化智能体。AI 的未来不会是千篇一律的通用方案，企业将基于专有数据、专业知识与工作流构建属于自己的 AI，并在任何运营环境中安全可靠地运行。

要点

• NemoClaw 蓝图将开放模型、调优执行框架与安全运行时整合为一体，帮助企业掌控智能体系统的全栈资产，避免被封闭生态锁定
• 经过系统调优后，Nemotron 3 Ultra 在 LangChain 评估套件中以约十分之一的推理成本达到接近最优的性能水平，为企业大规模部署提供经济可行性
• 较低的推理成本能够从根本上改变智能体的迭代模式，使团队得以运行更大规模的评估、对比更多变体并开发面向特定领域的专用智能体
• EY、Baseten、Fireworks 等合作伙伴的加入，为受监管行业的企业提供了从蓝图到生产落地的完整支持路径
• 智能体性能的提升依赖于模型、执行框架、评估体系与运行时的协同调优，单一维度的优化难以充分释放系统潜力