把智能体搬回企业自建机房，正在从少数人的执念变成 NVIDIA 的产品方向。10 月 19 日，NVIDIA 推出 Nemotron 3.5 Super VL——一个 1200 亿参数、专门为「自建机房里的企业智能体」设计的模型，并配套两款可在设备本地跑的 Bolt 模型。公司没有把它讲成「又强了一点」的模型发布，而是反复强调一个词：主权。对受监管行业来说，数据不出域、推理可留痕、模型可自训自拥，不是加分项，而是采购门槛。
云端很强，但不是所有负载都敢上云
Super VL 的卖点不在绝对性能，而在部署形态：它整台跑在企业自己的数据中心里，公司可以拿自己的数据做后续训练、在自己的基础设施上部署、并拥有自己构建的东西。NVIDIA 副总裁在公告里写的就是「企业主权」那套话术，而不是云布道。早期采用者名单读起来像一份合规敏感行业的花名册——Skydance、EY、Ramp、CrowdStrike、Perplexity、Salesforce，把它们用在文档智能、财务核算、安全韧性和医疗理赔这类「数据一出公司就成合规噩梦」的工作负载上。两款 Bolt 模型则瞄准更轻的场景，在带 RTX Spark 芯片的 PC 上本地运行，个人数据不必再绕一圈上云。
主权压过峰值，是这一轮的真实逻辑
这一举动背后有一层清晰的商业算计：Amazon 的 Trainium、Cerebras 正在蚕食 NVIDIA 的云基本盘，而 OpenAI、Anthropic、Google 一边是它的客户、一边又在自建推理基础设施。当最大买家开始自己造芯片，NVIDIA 的回应是把货直接卖给不想被云锁死的企业。参数上 Super VL 比自家的 Ultra 略少，却在指令遵循和工具使用上靠专门的后训练追平，换来的可控与可审计，对银行、医院、安全厂商恰恰是硬要求。代价也直白：略弱于封闭前沿模型，但对它们而言这不是妥协，而是前提。
给企业智能体落地的一条旁注
这篇的增量认知是：智能体赛道的竞争维度，正从「谁的模型更强」外溢到「谁能把模型安稳放进客户的机房」。它对正在评估智能体部署架构的团队有个提醒——云与自建不是非此即彼，而是按工作负载的敏感度分层：边缘的、轻的、个人的，留在本地；重型的、涉密的、受监管的，回到自己手里。要清醒的是，NVIDIA 给出的性能多为自家基准，跨模型、跨任务的真实表现仍需独立验证；且「自托管」意味着客户要自己扛运维、合规与模型更新的责任，不是买个模型就万事大吉。把这次发布和站内此前覆盖的「企业智能体部署」「模型主权」放在一条线上，智能体的下一程，很可能不在谁的云更大，而在谁能让客户把钥匙握在自己手里。
目前官方及行业暂未披露更多细节，包括各早期采用者的具体部署规模、真实吞吐与在受监管场景的合规认证进展，后续将持续跟进迭代动态。这篇把「自建机房智能体」从边缘诉求推进成了头部芯片厂的正式产品线。