英伟达押注开放模型能为企业AI智能体补足缺失的上下文
内容提要
英伟达在GTC柏林大会推出Agent Knowledge Foundation，整合Nemotron检索模型、Auto-Ontology库、Kumo结构化数据模型及CUDA-X库，帮助AI智能体理解企业数据。数据保留在原平台并遵循原有权限，英伟达不与Snowflake等数据平台竞争而是合作，该方案已用于Palantir、Databricks和Snowflake。
延伸解读
开放模型补的是“上下文”而非数据存储
英伟达的Agent Knowledge Foundation并不取代Snowflake等数据平台，而是通过Nemotron检索模型、Auto-Ontology库和Kumo模型，帮助AI智能体理解企业数据中的业务概念与关系。数据保留在原平台并遵循原有权限，这解决了智能体“连得上却读不懂”的痛点，尤其适合希望自建AI能力又不愿迁移数据的企业。
知识图谱与检索模型的取舍
英伟达认为，传统RAG按相似度拉取文本块，难以处理多标签表格或“套餐”与“资费”这类同义概念。Auto-Ontology从企业表结构自动构建知识图谱，把原始数据映射到客户、产品、订单等业务概念，再配合更精准的嵌入与重排序模型，可减少无效查找次数，整体延迟反而可能下降。
合作边界：做模型，不碰权限
英伟达明确不与Snowflake等数据平台竞争，而是通过Palantir、Databricks、Snowflake等伙伴落地。其产品负责人直言不处理ACL和数据访问控制，这些由合作伙伴负责。这种分工让英伟达专注模型权重与开源发布，但也意味着企业若想采用该方案，仍需依赖现有数据平台的安全与治理能力。
与SAP路线的差异
SAP选择收购Prior Labs并投入超10亿欧元，将TabPFN等表格模型深度集成到自家AI Core中，走的是垂直整合路线。英伟达则把Kumo等模型以开放权重发布在Hugging Face上，供各方调用。两条路径反映不同策略：前者强化自有平台闭环，后者试图成为跨平台的模型供应商，企业需根据自身数据架构选择。
Q&A
英伟达在GTC柏林大会上发布了什么新工具来帮助企业AI智能体？
英伟达发布了Agent Knowledge Foundation，并将其加入Agent Toolkit。该工具集成了Nemotron检索模型、Auto-Ontology库、Kumo结构化数据模型和CUDA-X数据处理库，旨在让AI智能体更好地理解企业数据。
Agent Knowledge Foundation如何解决AI智能体理解企业数据上下文的问题？
它通过提供高质量的嵌入和重排序模型（Nemotron Retriever）来提升检索准确性，并利用Auto-Ontology库构建知识图谱，将原始数据映射到业务概念（如客户、产品、订单），从而弥补传统RAG仅基于文本相似度的不足。
英伟达的Agent Knowledge Foundation与Snowflake等数据平台是竞争关系吗？
不是竞争关系。英伟达明确表示希望与Snowflake等数据平台合作，数据保留在原平台并遵循原有权限。英伟达提供模型和工具，而数据平台负责数据存储和访问控制。
Agent Knowledge Foundation目前有哪些实际应用案例？
英伟达内部供应链团队通过Palantir的Foundry平台使用该工具；Databricks将Kumo异常检测模型与Genie Ontology结合；Snowflake客户可以在Snowflake Notebooks中运行Kumo模型。
英伟达的Nemotron Retriever模型在性能上有哪些提升？
在开源OpenSearch测试中，搜索相关性提升了65%，且几乎不增加延迟；SAP微调后的重排序模型运行速度提升近三倍；ServiceNow使用后重排序质量更好，延迟降低近25%。
英伟达通过收购哪些公司来增强其Agent Knowledge Foundation的能力？
英伟达收购了Illumex（自动化语义层和本体创建）和Kumo（关系数据基础模型），分别增强了本体构建和结构化数据处理能力。
