編註：本文是 Nemotron Labs 部落格系列的一部分，此系列探討最新的開放模型、資料集與訓練技術，如何協助企業在 NVIDIA 平台上打造專用 AI 系統與應用。每篇文章都聚焦於使用開放式技術堆疊，在正式環境中創造實際價值的務實方法，範圍涵蓋透明的研究副駕駛 (copilot) 到可擴展的 AI 代理程式。
2026 年初，開放原始碼專案 OpenClaw 已成為一股現象。1 月時，隨著開發者興趣快速升溫，其 GitHub 星標數突破 100,000。社群儀表板與流量分析顯示，單週訪客超過 200 萬人次。到了 3 月，OpenClaw 星標數突破 250,000，超越 React，在短短 60 天內成為 GitHub 上星標數最高的軟體專案。
OpenClaw 由 Peter Steinberger 建立，是一款可自行託管、持續運作的 AI 助理，設計目標是在本機或私人伺服器上執行。這個專案因其易用性與不受限制的自主性而受到關注：使用者可以在本機部署 AI 模型，而不必依賴雲端基礎架構或外部應用程式介面 (API)。
目前多數 AI 代理程式都是由提示觸發，完成一項明確任務後便停止運作。長時間運作的自主代理程式，也就是「claw」，則以不同方式運作。這類代理程式會在背景中持續執行，自行完成任務，只在需要人類決策時才浮現提示。它們以類似心跳的節奏運作：在固定間隔檢查任務清單，評估哪些事項需要處理，然後採取行動或等待下一個週期。
OpenClaw 的快速普及也引發了討論。安全研究人員對自行託管的 AI 工具如何管理敏感資料、身分驗證與模型更新提出疑慮。也有人質疑，本機部署是否可能讓使用者面臨新的風險，例如未修補的伺服器執行個體，或社群分支中的惡意貢獻。隨著貢獻者與維護者著手處理這些問題，OpenClaw 的崛起也促使整個 AI 生態系更廣泛地討論開放性、隱私與安全之間的取捨。
為了協助提升 OpenClaw 專案的安全性與穩健性，NVIDIA 正與 Steinberger 及 OpenClaw 開發者社群合作，處理潛在漏洞；OpenClaw 近期的一篇部落格文章中也對此有詳細說明。
NVIDIA 貢獻程式碼與指引，重點包括改善模型隔離、更妥善管理本機資料存取，以及強化社群程式碼貢獻的驗證流程。其目標是在開放且透明的方式下，以 NVIDIA 的安全與系統專業支持專案動能，強化社群成果，同時維持 OpenClaw 的獨立治理。
為了協助企業更安全地使用長時間運作的代理程式，NVIDIA 也推出 NVIDIA NemoClaw，這是一個參考實作，可透過單一命令安裝 OpenClaw、NVIDIA OpenShell 安全執行環境，以及 NVIDIA Nemotron 開放模型，並針對網路、資料存取與安全採用強化的預設設定。NemoClaw 可作為組織更安全部署 claws 的藍圖。
每一波 AI 浪潮都讓推論需求倍增
AI 已經歷四個階段，而每個階段之間的間隔正在縮短。預測式 AI 花了多年才成為主流。生成式 AI 推進得更快。推理式 AI 的到來又更快。自主式 AI，也就是 OpenClaw 所代表的這波浪潮，正在以更快的速度發展。
每一波浪潮共同疊加的是推論需求。相較於預測式 AI，生成式 AI 提高了 token 使用量。推理式 AI 又將其提高 100 倍。持續運作並能跨越長時間範圍採取行動的自主代理程式，則讓推論需求在推理式 AI 的基礎上再增加 1,000 倍。每一波都使所需運算量倍增。
token 使用量的增加，正在協助組織大幅提升生產力。例如，長時間運作的代理程式可以協助研究人員在一夜之間處理問題、在數千種設定中反覆調整設計，或監控系統並只呈現需要人類判斷的異常，讓研究人員的工作日能投入更高價值的任務。
選擇工具：何時部署「Claw」
雖然生成式 AI 已成為隨任務所需的常用工具，但在某些特定情境中，claw 持續「心跳」式的運作方式具有明顯優勢。判斷何時應從標準提示型 AI 轉向長時間運作的代理程式，通常取決於工作流程的性質：
- 從「隨需啟動」到「隨時在線」：標準模型很擅長處理即時、由人類觸發的查詢；但對於需要持續背景監控，或不需手動啟動即可定期檢查系統的任務，claws 往往更適合。
- 管理高反覆運算迴圈：對於複雜問題，例如測試數千種化學組合，或模擬基礎架構壓力測試，claw 可以管理龐大的反覆運算量，避免流程受限於人為介入。
- 從建議轉向行動：在許多工作流程中，標準 AI 用於提供資訊或草稿。當目標是讓 AI 進入執行階段，例如與 API 互動、更新資料庫，或在長時間範圍內管理檔案時，通常就會考慮使用 claw。
- 資源最佳化：對於大規模、token 用量龐大的推理任務，在 NVIDIA DGX Spark 個人 AI 超級電腦等專用硬體上部署本機 claw，相較於高頻率呼叫雲端 API，可帶來更可預測的成本與資料隱私。
組織如何使用長時間運作的自主代理程式？
長時間運作的自主代理程式，其實際應用橫跨各種職能與產業。
在金融服務領域，代理程式會持續監控交易系統與法規資訊來源，在早晨檢視前標記重大事件。在藥物探索領域，代理程式會掃描最新科學文獻，擷取相關發現並即時更新內部資料庫，無需研究人員介入；這項流程過去可能需要數週時間。
在工程與製造領域，代理程式透過測試數千種參數組合、排列結果並標記值得檢視的設定，加速問題分析，而且這一切都可以在一夜之間完成。
在 IT 營運中，代理程式會診斷基礎架構事件、套用已知修復方式，並只將新穎問題升級處理，將平均解決時間從數小時壓縮到數分鐘。在 ServiceNow，運用 Apriel 與 NVIDIA Nemotron 模型的 AI 專家可自主解決 90% 的工單。
企業如何負責任地部署自主代理程式？
自主代理程式會實際動手執行。它們可以傳送通訊、寫入檔案、呼叫 API 並更新線上系統。當代理程式做出錯誤行動時，會產生真實後果。因此，一開始就建立正確的問責框架至關重要；在實際環境中部署自主代理程式的組織，必須將治理視為首要要求。
組織需要看見代理程式正在做什麼，檢視其每一步推理，稽核其行動，並在必要時介入。
負責任地部署自主代理程式的組織，正聚焦於三項優先事項：
- 開放且可稽核的框架：NemoClaw 建構於 OpenClaw 採用 MIT 授權的程式碼庫，這表示組織擁有完整的代理程式框架。他們可以閱讀、分支並修改代理程式建置與部署方式的每一層。這種透明度讓團隊能在程式碼層級理解並控制系統。在本機執行 NVIDIA Nemotron 等開放原始碼模型，可將包含病歷、法律文件、金融交易與專有研究在內的敏感工作負載保留在組織自身環境中，確保追蹤資料仍由組織掌控。
- 保護執行環境：NemoClaw 在 OpenShell 內執行代理程式；OpenShell 是一個沙盒化環境，能精確定義代理程式可以與不可以做什麼，從一開始就強制執行清楚的權限邊界。
- 本機運算：NVIDIA DGX Spark 超級電腦以桌邊機型提供資料中心等級的 GPU 效能，專為持續、本機、隨時在線的推論而打造，並支援本機模型託管與留存在組織環境內的資料。NVIDIA DGX Station 系統則可為同時在複雜且持續性工作負載中執行多個代理程式的團隊，擴展這項能力。
正在定義自主代理程式實務用途的組織，正在累積一項寶貴資產：數月的即時營運學習、透過真實工作負載發展出的治理框架，以及已吸收機構脈絡、因而真正有用的代理程式。這個基礎只會隨時間持續深化。
開始使用 NVIDIA NemoClaw
查看逐步教學，了解如何在 NVIDIA DGX Spark 上使用 NemoClaw 建置更安全的 AI 代理程式。探索 NemoClaw 如何透過單一命令，部署更安全、隨時在線的 AI 助理。
在 GitHub 上試用 NemoClaw，並加入 Discord 開發者社群，與大家一同在 DGX Spark 上使用 NVIDIA Nemotron 3 Super 與 Telegram 建置 NemoClaw。
訂閱 NVIDIA AI 新聞、加入社群，並在 LinkedIn、Instagram、X 和 Facebook 追蹤 NVIDIA AI，掌握代理 AI、NVIDIA Nemotron 等最新資訊。
探索自學影片教學與直播內容。