NVIDIA Agent Toolkit utvides med et nytt fundament for å koble bedriftsagenter til selskapets data, sammen med modeller og verktøy for å kontrollere deres aktivitet. I sin rapport fra 201. oktober 2026 beskrev NVIDIA utrullinger på tvers av sin egen forsyningskjede og bedriftsprogramvareplattformer, og satte forretningsdatatilgang i sentrum for den nyeste utvidelsen av det åpne verktøysettet.
Viktige punkter
- Den nye Agent Knowledge Foundation kobler selskapsinformasjon med forretningskonsepter slik at agenter kan hente kontekst og støtte prediksjoner.
- NVIDIA identifiserte distribusjoner som involverer Palantir, Databricks og Snowflake, selv om implementasjonene varierer fra plattform til plattform.
- NVIDIA viste også til forbedringer i henting hos Amazon OpenSearch Service, SAP og ServiceNow; disse resultatene gjelder individuelle modellbruk, ikke verktøykassen som helhet.
Innholdsfortegnelse
- Hva NVIDIA Agent Toolkit legger til for selskapsdata
- Hvor bedriftsimplementeringer står
- Hva uthentingsresultatene fastslår
- Hvordan tilgang og agentforbedring kontrolleres
- Konklusjon
Hva NVIDIA Agent Toolkit legger til for selskapsdata
Det sentrale tilskuddet er NVIDIA Agent Knowledge Foundation, som kombinerer databehandlingsbiblioteker med hentings- og strukturerte datamodeller. NVIDIA sier at selskaper kan bruke det samtidig som de beholder sine eksisterende datalokasjoner, arbeidsflyter og styringskontroller.
Det nye Auto-Ontology-biblioteket gir agenter en forretningsorientert tolkning av råinformasjon. I stedet for å behandle poster kun som isolerte datapunkter, identifiserer det konsepter som kunder, produkter og bestillinger og etablerer forbindelser mellom dem. Den konteksten er ment å hjelpe agenter med å besvare forretningsspørsmål og støtte beslutninger.
Stiftelsen inkluderer CUDA-X-biblioteker inkludert cuDF, cuGraph, cuML, cuOpt og cuVS. Modellutvalget inkluderer Nemotron Retriever og Kumo-strukturerte familie: Kumo Tabular, Kumo Relational, Kumo Time Series og Kumo Forecast.
| Gjenstand | Detaljer |
|---|---|
| NVIDIA OpenShell | Sikker kjøretid som lar bedrifter begrense agenttilgang og handlinger. |
| NVIDIA NemoClaw-blåkopier | Referansedesign for bygging av sikre agenter tilpasset spesialisert arbeid. |
| Nyeste NemoClaw-optimaliseringsplan | Steg-for-steg startrammeverk for å forbedre agentintelligens. |
Hvor bedriftsimplementeringer står
NVIDIAs forsyningskjedeorganisasjon bruker fundamentet med Palantirs Foundry, Ontology og AIP. Ifølge NVIDIA støtter denne implementeringen spesialiserte agenter som arbeider med proprietær informasjon for prediksjon og beslutningsoptimalisering. Det er en intern implementering beskrevet i rapporten, ikke bare en foreslått applikasjon.
Databricks kombinerer sin Genie Ontology med NVIDIA Kumo Anomaly for agenter som bruker kontekstuell informasjon. Snowflakes tilnærming plasserer Kumo Engine og Kumo Relational-modeller i Snowflake Notebook-miljøer, slik at kundene kan legge til prediktive funksjoner der.
Disse eksemplene viser ulike veier inn i bedriftsbruk: en operasjonell utrulling hos NVIDIA, en Databricks-integrasjon og kundevendt tilgang gjennom Snowflakes notebook-miljø. De bør ikke leses som identiske implementasjoner eller bevis på tilsvarende resultater.
Hva uthentingsresultatene fastslår
NVIDIA viste til flere resultater for Nemotron Retriever, som skilte forbedringer i søk og rerangering fra det bredere løftet fra bedriftsagenter. Hos Amazon OpenSearch Service forbedret embedding-modellen relevansen samtidig som søkestegene ble redusert, med praktisk talt ingen ekstra forsinkelse, ifølge NVIDIA.
Selskapet sa at SAPs finjusterte reranker opererte nesten tre ganger raskere. De sa også at ServiceNow forbedret reranking-kvaliteten samtidig som latenstiden ble redusert med nesten en fjerdedel. Rapporten gir ikke en felles referanse som gjør disse resultatene direkte sammenlignbare.
Zoom bruker Nemotron Retriever for dokumentforståelse, søkerelevans og konteksthenting i Zoom AI Services. NVIDIA la ikke ved et kvantifisert ytelsesresultat til den distribusjonen.
Hvordan tilgang og agentforbedring kontrolleres
Utvidelsen er ikke begrenset til å gi agenter mer informasjon. De tilhørende komponentene omhandler utførelsesgrenser, design og optimalisering av spesialiserte agenter, med distinkte ansvarsområder oppsummert nedenfor.
NVIDIA beskriver den nyeste NemoClaw-optimaliseringsplanen som et utgangspunkt for å forbedre agentintelligens over tid. Dette er et referansedesign for byggere, ikke bevis på at hver bedriftsimplementering allerede har oppnådd en forbedring. Rapporten lister også opp NeMo Relay og NeMo Compass blant verktøykassens verktøy og ferdigheter, uten å detaljere deres roller.
Konklusjon
Utvidelsen samler selskapets datatolkning, henting og utførelseskontroller i samme verktøykasse. Det sterkeste konkrete beviset er settet av navngitte implementasjoner og modellnivåresultater; disse eksemplene etablerer ikke et enkelt ytelsesresultat for hele agentstakken.
Les flere nyheter
Ansvarsfraskrivelse
Denne FinanceVelix artikkelen gir generell informasjon, ikke personlig finansiell, investerings-, juridisk eller skatterådgivning. Markedspriser, rentesatser og økonomiske forhold kan endres; investeringer innebærer en risiko for tap. Fakta gjenspeiler materialet som er tilgjengelig når det publiseres og kan endres. Sjekk viktig informasjon uavhengig og rådfør deg med en kvalifisert fagperson når det er nødvendig. Å nevne en eiendel, et selskap eller en tjeneste er ikke en anbefaling.
