编者按：本文属于Nemotron Labs博客系列，聚焦最新开源模型、数据集与训练技术，助力企业在NVIDIA平台上搭建专业AI系统与应用。每篇文章都围绕开源技术栈在生产场景中的实际应用展开，分享如何通过透明的研究辅助工具、可扩展的AI智能体等方案创造真实价值。
2026年初，开源项目OpenClaw迅速蹿红。1月，它的GitHub星标数突破10万，开发者热情高涨，社区数据显示单周访问量超200万；到了3月，星标数已达25万，仅用60天就超过React，成为GitHub上星标最多的软件项目。
OpenClaw由Peter Steinberger创立，是一款支持自托管、持久运行的AI助手，可部署在本地或私有服务器上。它因易用性和高度自主性受到青睐——用户无需依赖云服务或外部API，就能在本地搭建AI模型。
目前多数AI智能体需要通过提示触发，完成指定任务后就停止运行。但长期运行的自主智能体（也叫“claw”）有所不同：它们在后台持续运转，能自主完成任务，只有在需要人类做决策时才会呈现结果。这类智能体按“心跳”周期工作——定期查看任务列表，评估该采取哪些行动，要么执行，要么等待下一个周期。
OpenClaw的快速流行也引发了争议。安全研究人员担心自托管AI工具在敏感数据管理、认证机制和模型更新方面存在隐患；还有人质疑本地部署可能带来新风险，比如未打补丁的服务器实例、社区分支中的恶意代码等。随着项目贡献者和维护者着手解决这些问题，OpenClaw的崛起也让AI生态系统开始更广泛地探讨开放性、隐私与安全之间的平衡。
为提升OpenClaw的安全性和稳定性，NVIDIA正与Steinberger及OpenClaw开发者社区合作，共同解决潜在漏洞（详情可查看OpenClaw近期博客）。NVIDIA不仅贡献代码，还提供技术指导，重点优化模型隔离机制、本地数据访问管理，以及加强社区代码贡献的验证流程。我们希望通过开放透明的方式，分享自身在安全和系统领域的专业经验，支持项目发展，同时尊重OpenClaw的独立治理模式。
为帮助企业更安全地部署长期运行的智能体，NVIDIA还推出了NemoClaw参考实现。只需一条命令，就能安装OpenClaw、NVIDIA OpenShell安全运行时和Nemotron开源模型，且默认配置已强化了网络、数据访问和安全防护。NemoClaw为企业提供了更安全部署claw的参考方案。
AI的每一次浪潮都让推理需求呈指数级增长。AI发展至今已历经四个阶段，且阶段间隔越来越短：预测AI花了数年才成为主流，生成AI的普及速度更快，推理AI更甚，而OpenClaw代表的自主AI节奏则更快。每一波浪潮都大幅提升了推理需求：生成AI的token使用量比预测AI多，推理AI又比生成AI多100倍，自主智能体（持续运行且跨长时间维度行动）则再比推理AI多1000倍，计算量也随之倍增。token使用量的增长让组织生产力提升了好几个数量级，比如长期运行的智能体可以在夜间帮研究人员解决问题、迭代数千种配置，或监控系统只呈现需要人类判断的异常情况。
虽然生成AI已成为处理按需任务的标配，但在某些场景下，claw的持续“心跳”机制有着明显优势。是否从标准提示型AI转向长期运行智能体，通常取决于工作流的性质：比如从“按需触发”到“始终在线”——标准模型适合人类即时发起的查询，而claw适合无需手动启动的持续后台监控或定期系统检查；处理高迭代循环任务，比如测试数千种化学组合或模拟基础设施压力测试，claw能高效完成大量迭代；从提供建议到直接行动——标准AI只能给出信息或草稿，claw却能执行API交互、更新数据库等操作；优化资源成本——在NVIDIA DGX Spark个人AI超级计算机这类专用硬件上部署本地claw，比频繁调用云API的成本更可控，数据隐私性也更好。
长期运行的自主智能体已在多个行业和职能场景中落地：金融服务领域，智能体持续监控交易系统和监管信息源，在早间审查前标记重大事件；药物发现中，智能体扫描最新科学文献，实时提取相关发现并更新内部数据库，无需研究人员干预（过去这项工作要花数周）；工程与制造行业，智能体通过测试数千种参数组合加速问题分析，排序结果并标记值得深入检查的配置（甚至能在夜间完成）；IT运营方面，智能体可诊断基础设施故障，应用已知修复方案，只将新问题升级（平均解决时间从小时级压缩到分钟级）。在ServiceNow中，基于Apriel和NVIDIA Nemotron模型的AI专家能自主解决90%的工单。
自主智能体是具备实操能力的——它们能发送消息、写入文件、调用API、更新实时系统。一旦智能体出现错误操作，就会带来实际影响。因此，从项目初期就建立清晰的问责框架至关重要，部署生产级自主智能体的企业必须把治理放在首位。负责任的部署需要关注三个核心方向：开放可审计的框架——NemoClaw基于OpenClaw的MIT许可代码库，企业拥有完整的智能体框架，可读取、分叉和修改各层代码，本地运行NVIDIA Nemotron等开源模型，确保敏感工作负载留在企业内部环境；安全的运行时环境——NemoClaw在OpenShell沙箱中运行智能体，明确界定其权限范围，从一开始就设置清晰的操作边界；本地计算能力——NVIDIA DGX Spark超级计算机提供数据中心级GPU性能，适合持续本地推理，DGX Station系统还能扩展，支持团队同时运行多个智能体。
你可以查看分步教程，了解如何在NVIDIA DGX Spark上用NemoClaw构建更安全的AI智能体；也能探索NemoClaw如何通过一条命令部署更安全、始终在线的AI助手。欢迎在GitHub上体验NemoClaw，或加入Discord社区与开发者交流。
想要了解智能体AI、NVIDIA Nemotron等最新动态，可以订阅NVIDIA AI新闻、加入社区，或关注我们在LinkedIn、Instagram、X和Facebook上的账号。也欢迎探索我们的自定进度视频教程和直播内容。
快报