NVIDIA Nemotron：开放模型让企业拥有可信可控的AI

企业可选的强大模型不少，但真正的考验在于：构建的 AI 能否精准解决业务问题——优化工作流、利用领域知识、满足准确性和信任标准。

如今，AI 竞争力的关键越来越取决于组织如何用现有模型进行构建，而非选择哪个模型。

NVIDIA 的 Nemotron 这类开放模型，专为定制化而生——帮助企业乃至国家构建可控、可信、符合自身需求的 AI。

从使用 AI 到拥有智能

专业化 AI，例如自主智能体和应用，正是基于定制化的开放模型构建而成。这些智能体专注于做好特定任务，因为所用模型针对专业知识进行过调优，并依据真实业务结果进行评估。

这要求能直接访问模型本身。闭源模型推动了通用智能的边界，但也给企业检查、调优和改进设置了天花板。开放模型打破了这一障碍，带来完全的拥有权和控制权。

最高效的智能体 AI 应用是模型系统：开放模型与顶尖前沿模型协同工作，各司其职。高性能推理模型可处理复杂规划，而较小模型执行专门任务。这让企业能合理控制推理成本，提升特定任务准确率，并在工作流变化时保持灵活性。

开放模型赋予了闭源模型无法给予的东西：完全控制权来定制、检查和改进 AI，使之贴合业务需求。公共基准衡量通用能力，但业务专属评估让团队能用自己的数据、工作流和准确率定义来测试，并持续改进。

例如，在医疗和法律行业，错误答案的代价极高，团队处理敏感数据并面临严格准确率要求。这些组织必须能洞察模型的训练方式、表现如何，并在必要时改进。

借助开放模型，团队可以检查应用、运行针对自己标准的私有评估，并搭建适配自身工作流的强化学习环境。无需将专有数据经手第三方。

各行业公司已在利用 Nemotron 进行领域专业化：

Abridge 正在定制 Nemotron，构建首个专为临床对话设计的基础模型。
Glean 构建了 Waldo，一个将 Nemotron 与更大闭源模型结合的智能体搜索模型，以更低延迟和更少 Token 实现企业搜索。
H Company 通过在后训练中使用专有计算机使用数据，构建了 Holotron 3 Nano，在 OSWorld-Verified 基准上实现超过 76% 的准确率，以极低成本达到其他领先前沿模型的水平。
Harvey 在 Nemotron 3 Ultra 上针对法律基准进行后训练，达到了前沿级准确率，复杂法律任务每次运行成本至少降低 10 倍。
Heidi Health 在不使用前沿规模算力的情况下，在临床文档中实现了前沿质量水平。
YTL AI Labs 针对马来语后训练了 Nemotron 模型，将本地化 AI 交到马来西亚开发者社区手中，进一步推动其 AI 能力。