在 AI 算力基础设施建立领先优势后，英伟达正将竞争重心进一步推向软件生态。

7 月 8 日，英伟达与 AI 开发框架 LangChain 联合发布 NVIDIA NeMoClaw Deep Agents 蓝图。该蓝图为企业提供一套开放、可定制、且具备治理能力的 AI 智能体参考架构，旨在破解企业在智能体部署中面临的可控性、治理与持续演进等核心难题。

相比单纯提升模型能力，这一蓝图更强调企业级 Agent 的软件工程能力。官方数据显示，该方案不仅在多项基准测试中取得领先表现，还可将 Agent 推理成本降低超过 10 倍，与 Blackwell 推理平台形成软硬件协同，进一步压缩 AI 应用部署成本。

对于市场而言，这意味着英伟达正进一步补齐 NeMo 软件生态最后一块拼图，从 AI 算力供应商向定义企业级 Agent 开发标准的生态平台延伸，为软件业务打开新的增长空间。

从 Agent" 执行 " 走向 Agent" 治理 "

随着生成式 AI 从内容生成迈向自主执行任务，Agent 正成为企业 AI 应用的核心形态，但企业部署过程中始终面临安全、可控和与业务流程融合困难等挑战。此次推出的蓝图，核心并非再打造一个 Agent 框架，而是提供一套完整的企业级参考架构。

基于与 LangChain 的合作，该蓝图采用开放架构设计，企业可以完全掌控底层系统，自定义 Agent 能力，并随着业务发展持续迭代，而不是依赖封闭平台。

相比强调 Agent" 能完成什么任务 "，该方案更关注 Agent 如何被治理、监控、审计和持续优化。这种能力对于金融、医疗、政府等强监管行业尤为关键，也降低了企业大规模部署 Agent 的门槛。

软件优化叠加 Blackwell，推理成本再降一个数量级

Agent 商业化的加速落地，关键瓶颈在于推理成本。

英伟达最新发布的 NeMo Claw Deep Agents 蓝图，在保持领先性能的同时，可将 Agent 推理成本降低超过 10 倍。这一降本能力与 Blackwell 平台形成明显的软硬协同效应。

据 LangChain 公布的评测结果，搭载 LangChain Deep Agents 后的 Nemotron 3 Ultra 综合得分达 0.86，推理成本仅为每任务 4.48 美元；而性能最接近的竞品模型成本高达 43.48 美元，降幅约 90%。官方指出，这一优势不仅来自模型本身，更得益于对工具调用、上下文管理和中间推理流程的联合优化。

在硬件层面，基于 Blackwell 的新一代推理系统已通过架构升级显著压低单 Token 推理成本，部分场景成本降至上一代平台的约 1/35，推理吞吐效率大幅提升。

此次蓝图则进一步从软件层面对 Agent 执行流程进行系统优化，覆盖任务规划、工具调用、上下文管理及推理路径精简等关键环节，使同样算力能承载更多 Agent 任务，充分释放底层 GPU 的潜在价值。

补齐 NeMo 软件生态，争夺 AI 应用入口

从产品布局看，NeMoClaw Deep Agents 蓝图补齐了 NeMo 体系在 Agent 开发层的短板，使英伟达软件生态更趋完整。近年来，英伟达围绕 CUDA、TensorRT、NIM、NeMo 持续构建 AI 软件栈，目标不仅是销售 GPU，更希望成为模型训练、推理部署和企业应用开发的全链路平台。

随着 Agent 成为 AI 应用的重要载体，开发框架正成为新的生态入口。与 LangChain 的合作，表明英伟达正借助主流框架将自身能力嵌入企业 AI 流程，在基础设施之外争夺 Agent 时代的话语权。

对资本市场而言，这同样具有战略意义。AI 基础设施竞争日趋成熟，单靠 GPU 销售难以持续支撑估值扩张，而软件和平台服务毛利率更高、黏性更强。

通过完善 NeMo 生态并向 Agent 标准延伸，英伟达正从基础设施提供商向全栈 AI 生态平台演进，为在 AI 应用爆发周期中获取更多软件收入和生态溢价奠定基础。