英伟达开源 Nemotron 3.5：Super VL 企业智能体 + Bolt 端侧本地模型

10 月 20 日，英伟达发布三款开放权重模型 Nemotron 3.5 Super VL（1200 亿参数，面向常驻企业智能体）与两款 Bolt 边缘模型，覆盖从数据中心到本地 AI PC 的全场景智能体部署。

新闻原文

10 月 20 日，英伟达（NVIDIA）发布三款开放权重模型，进一步扩展 Nemotron 智能体系列：Nemotron 3.5 Super VL 为 1200 亿参数的大模型，面向专用且常驻运行的企业级智能体；与之同发的还有两款轻量化 Bolt 边缘模型。

Super VL 与 Nemotron 3 Ultra 相比参数约为其五分之一，英伟达称其在指令遵循、工具调用、多步骤业务工作流与视觉理解等多模态智能体任务上可达到相近的准确率，且是同级别中速度领先的开放智能体模型，完成任务速度较次优模型快约 5 倍。

两款 Bolt 模型面向本地部署：Bolt 74B-A9B 24GB 通过原生 2-bit 量化塞进 24GB 显存，可在搭载 RTX Spark 芯片的新一代 AI PC 与 DGX Spark 工作站上本地运行；更小的 Bolt E4B 4GB 面向快速响应的对话式智能体。Super VL 与 Bolt 74B-A9B 现已可用，Bolt E4B 将于 10 月 23 日发布。

英伟达开源模型与软件副总裁 Kari Briski 表示，任何希望在英伟达基础设施上运行智能体的机构，现在都能按自身层级获得开放且经过优化的模型，不必在能力与可部署性之间取舍。英伟达列出已在使用 Super VL 的企业，包括 Skydance、EY、Ramp、CrowdStrike、Perplexity 与 Salesforce。

企服观察

英伟达这步棋的本质，是把“卖铲子”的逻辑延伸到智能体时代。过去它卖 GPU，现在借开放权重模型把企业和开发者更深地绑在自己的 CUDA 与硬件栈上——你用我的模型、跑在我的芯片上、部署在我的基础设施里，生态黏性由此而来。

开放权重（open-weight）是这则新闻里最关键的变量。相比闭源 API，企业可以拿 Super VL 在自己的数据上做后训练、部署在自己的机房、并保留对成果的所有权。对于金融、医疗理赔、政府工作流这类对数据主权极度敏感的客户，这是一记精准的安心丸。

Super VL 主打“常驻运行的智能体”，这点很抓企业痛点。真正消耗算力的不是单次问答，而是一个要跑几天几周、反复调用模型数十上百次的长工作流；把吞吐量做到同级 5 倍，直接压缩总任务时长，等于把智能体的电费与延迟同时打下来。

Bolt 把智能体搬到本地设备，切中了隐私与离线两条刚需。当模型在员工自己的 RTX PC 上跑，敏感文档、家庭与健康数据不必上传云端，既满足合规，又消除了云调用延迟。英伟达借 RTX Spark 把“本地 AI 助手”做成硬件卖点，思路很清晰。

但必须冷静看待“5 倍更快、可对标 Ultra”这类表述。它们主要来自英伟达自身在 Agentic 任务上的后训练对比，且点名 Opus 5、GPT-6.1 Sol 等竞品——属标准发布会话术。企业落地前，最好用自家真实工作流做一轮独立基准。

从竞争格局看，英伟达的开放模型战略正在对冲风险。当 OpenAI、Anthropic 等前沿实验室开始自研芯片或拥抱 Trainium、Cerebras，英伟达用“在你自己数据中心跑开源模型”牢牢抓住不愿上云的企业客户，防御与进攻一并完成。

对企业服务商，Super VL 降低了“把 AI 嵌进产品”的门槛。Atlassian、CrowdStrike、Dassault、Salesforce 等已被列为部署参考，意味着 Jira/Confluence 智能搜索、企业安全蓝队、工程仿真等场景会更快出现开箱即用的智能体方案。

一个值得玩味的细节是 2-bit 量化。Bolt 74B-A9B 用原生 2-bit 把 740 亿参数压进 24GB，让小团队用一台已有的工作站就能跑智能体，无需再付云 API 账单。这把“本地智能体”从概念推到了可触摸的成本区间。

风险同样存在。开放权重意味着企业要对模型行为负全责，后训练与安全护栏都得自己做；且模型表现高度依赖“在你的数据上后训练”这一前提，没能力的团队可能拿到一个平庸的开源模型而非宣传里的强者。

总体判断：Nemotron 3.5 不是又一个炫技大模型，而是英伟达用开放权重把数据中心到桌面全线串起来的生态落子。它让企业既能私有部署又能本地运行，若能守住安全与落地实效，会进一步把智能体的默认运行环境推向英伟达栈。