英偉達推開源多模態AI模型Nemotron-3 Nano Omni　搶攻企業AI代理應用市場

半導體巨擘英偉達NVIDIA（美：NVDA）近日發布全新開源多模態人工智能模型「Nemotron-3 Nano Omni」，旨在為企業級AI代理（AI Agents）提供一套整合性的底層架構。該模型主打「原生全模態理解」及「高效推理」兩大核心優勢，期望革新企業AI應用的開發模式。市場消息指，此模型已成功吸引鴻海Foxconn（美： FIGF）、Palantir（美： PLTR）以及甲骨文（美： ORCL）等多家跨國企業納入其合作夥伴生態系，顯示其在業界的廣泛潛力。 Nemotron-3 Nano Omni的核心技術突破，在於能將視覺、音頻、圖像及文字等多種感知功能統整於單一系統中。過往AI系統在處理不同類型資訊時，往往需要串聯多個獨立模型，導致推理時延增加及運算複雜度提升。英偉達強調，新模型具備從視訊及文件中精確提取資訊的能力，並支援複雜場景下的跨模態推理，例如能透過語音轉錄技術增強對視訊內容的理解，或結合光學字元辨識（OCR）功能有效解析視覺文本資訊，大幅提升了AI代理處理真實世界數據的效率。 在架構設計上，Nemotron-3 Nano Omni 採用了 30B-A3B 的「混合專家模型」（Mixture-of-Experts，MoE），此架構僅在需要時啟動特定的專家模組，顯著優化了運算資源分配，體現了高效能運算的理念。據英偉達公佈的數據，相較於其他具備類似互動性的開放式模型，Nemotron-3 Nano Omni 在影片推理任務中的系統吞吐量高出約 9.2 倍。此外，該模型配備了 256K 的上下文窗口，並支援 FP8 及 NVFP4 量化技術，能與旗下Blackwell等新一代GPU進行深度適配，確保其在高性能計算環境中的卓越表現。 在性能表現方面，Nemotron-3 Nano Omni已在多項全球基準測試中脱穎而出。在文件智能（OCRBenchV2）、視訊及音頻理解等六項評測中均位居榜首，印證了其技術領先性。除了富士康與Palantir已率先採用外，包括戴爾（美： DELL）、甲骨文（美： ORCL）及 DocuSign（美： DOCU）等科技龍頭企業亦正對該模型進行評估與技術測試，反映業界對其應用潛力的濃厚興趣。 H Company首席執行官Gautier Cloix表示，Nemotron-3 Nano Omni模型能有效使AI代理快速解讀高畫質屏幕內容，極具實用價值。他指出，在OSWorld基準測試中，由該模型驅動的電腦代理程序已成功實現 1920×1080 像素的原生視覺推理，這不僅展現了其在自動化辦公室環境中的巨大潛力，更為複雜作業系統環境下的智能應用開啟了新的可能性。 英偉達目前已公開Nemotron-3 Nano Omni的開放權重、數據集及訓練技術，提供廣泛的開源支持，企業可透過NVIDIA NeMo等開發工具進行自定義調整，促進創新應用。數據顯示，英偉達Nemotron系列模型在過去一年的累計下載量已超過5000萬次，反映市場對其AI解決方案的強勁需求。市場分析普遍認為，英偉達透過持續強化其軟件開發套件與基礎模型，將進一步鞏固其在AI算力基礎設施與應用端開發的雙重領先地位，為其長期發展注入新動力。