NVIDIA OpenShell：安全模型构建参考架构
NVIDIA builds tools to enable safe agents across the stack. The NVIDIA OpenShell Reference Architecture, announced today, is part of NVIDIA’s growing portfolio of technologies that
本文は SEO 深度のため主に中国語です。上記は要点のローカライズ。言語切替と深リンクで国際ナビできます。
# NVIDIA OpenShell：安全模型构建参考架构
NVIDIA OpenShell 是 NVIDIA 在 2026 年 10 月 21 日宣布的参考架构，旨在为构建和部署安全 AI 代理提供完整基础设施支持。它将模型推理放在 NVIDIA Vera Rubin GPU 系统上，代理操作放在 Vera CPU 上，由 BlueField-4 DPU 通过 NVIDIA Sentry 实现硬件级监控和执行控制。
这个架构特别适合需要强隔离和合规的模型构建者、AI 代理开发者，以及在企业或边缘环境中运行长期自进化代理的组织。它允许构建者保留对模型和数据的完全控制，同时在第三方云、neo-cloud 或企业基础设施上安全扩展。
对于正在构建或部署 AI 代理的团队来说，决策重点在于是否需要硬件根信任隔离和连续监控——而非依赖提示或应用层策略。
## NVIDIA OpenShell 是什么
NVIDIA OpenShell Reference Architecture 是一个全栈参考蓝图，结合 NVIDIA Vera Rubin 基础设施（用于模型预训练、微调和推理）、Vera CPU（用于代理 harness 和工具调用）以及 BlueField-4 数据处理单元（DPU）运行的 NVIDIA Sentry 安全框架。
它基于 NVIDIA OpenShell 安全运行时软件，扩展到工业级规模，支持构建、包含、观察和执行安全代理。架构支持主流企业操作系统，包括 Canonical、Red Hat 和 Microsoft Windows 下的 Microsoft Execution Containers。
核心优势在于安全策略不在代理应用层，而是在基础设施层强制执行。这意味着即使代理被入侵，也无法绕过边界访问主机资源或泄露凭据。这为模型构建者提供了硬件级隔离，保护敏感模型和训练数据在执行过程中的完整性。
## NVIDIA OpenShell 适用于哪些场景
NVIDIA OpenShell Reference Architecture 特别适合以下情况：
- 在全球基础设施上扩展前沿模型构建，覆盖云、neo-cloud 和企业环境。
- 部署企业级 AI 代理（coding agents、研究助手或长生命周期代理），需要强合规性。
- 使用 NVIDIA Grace Blackwell 或 Rubin 系统作为基础硬件，实现 30 倍每兆瓦吞吐量提升。
- 在边缘设备（如 RTX Spark、DGX Spark 或 DGX Station）上运行受限代理。
它特别适用于需要硬件根信任隔离的组织，例如银行、制造、医疗或电信行业，构建者可通过合作伙伴（如 Google Cloud、CoreWeave、Microsoft）访问专用实例。
## OpenShell 如何集成 NVIDIA 平台安全与模型构建
OpenShell 通过三层安全架构实现：
- 基础设施隔离：模型在 Vera Rubin NVL72 上运行，代理 harness 在 Vera CPU 上执行。
- DPU 监控：BlueField-4 运行 NVIDIA Sentry，提供毫秒级安全执行和行为监控。
- 代理沙箱：每个代理运行独立沙箱，策略更新实时生效，并保留完整审计日志。
该架构支持 NVIDIA Confidential Bare Metal、Confidential Containers 和 Confidential Virtual Machines 三种部署选项。模型构建者可匹配自身信任边界和运营需求，选择合适选项。合作伙伴包括 Anthropic、OpenAI、Google Cloud 和 Cohere 等，已集成 OpenShell 到其平台。
## 实际部署与构建流程参考
部署流程聚焦于基础设施匹配和安全边界定义，而非具体补丁或修改步骤：
- 选择支持 OpenShell 的云或企业基础设施（如 Google Cloud A4X Max 实例或 CoreWeave）。
- 在 Vera Rubin 系统上部署模型推理服务。
- 使用 Vera CPU 构建代理 harness，并通过 NVIDIA Sentry 配置安全策略。
- 启用硬件级访问控制和数据传输保护。
- 在边缘设备上测试受限代理运行。
这些步骤基于官方参考架构，可通过 NVIDIA 合作伙伴系统实现。更多工程细节请参考 本地部署工具页 和 模型天梯 提供的相关资源。
## NVIDIA OpenShell 与其他安全架构的对比
| 架构 | 核心安全层 | 模型支持 | 部署灵活性 | 典型适用场景 |
|---|---|---|---|---|
| NVIDIA OpenShell | 硬件根 + DPU 监控 | Vera Rubin 推理 | 全栈企业/边缘 | 企业 AI 代理合规 |
| Confidential Computing | 容器/虚拟机隔离 | Grace Blackwell | 云/企业 | 训练数据保护 |
| 传统容器安全 | 应用层策略 | 通用 GPU | Kubernetes | 标准 Web 应用 |
对比显示，OpenShell 在硬件级强制执行上更强，适合需要长期监控的自进化代理场景。
## 风险与边界
NVIDIA OpenShell Reference Architecture 并非法律意见，仅供信息参考。实际部署前请咨询专业安全顾问，并核实最新合作伙伴支持和硬件兼容性。以官方/挂牌页当日数据为准。
## 延伸阅读
## English summary
NVIDIA OpenShell Reference Architecture, announced on October 21, 2026, provides a full-stack blueprint for building and deploying secure AI agents. It integrates Vera Rubin GPUs for model inference, Vera CPUs for agent operations, and BlueField-4 DPUs with NVIDIA Sentry for hardware-level monitoring and enforcement. Designed for enterprise infrastructure and edge systems, it supports major OSes and cloud providers while protecting models and data with hardware-rooted isolation. Ideal for organizations building long-running autonomous agents that require strong compliance and control. The reference includes three deployment modes—Bare Metal, Containers, and VMs—to match specific trust boundaries. Partners like OpenAI, Google Cloud, and ServiceNow are already integrating it into production workflows. For model builders focused on safe scaling, it offers a practical path to industrial-scale agent governance without compromising performance or data privacy.
适用于 GrokCode 倍率榜。信息仅供参考，不构成购买、投资或法律意见。