NVIDIA 悄悄做了一件大事：把 AI 開放從口號變成法律

5 月 28 號，Linux Foundation 發了一份新聞稿，NVIDIA 簽了名——把旗下四個模型家族的授權框架，全部換成 OpenMDW-1.1。同一週，GitHub 上的 NemoClaw 悄悄累積到 2 萬星、OpenShell 破 6 千。

這三件事放在一起，說的是同一件事：NVIDIA 把「AI 開放」從品牌詞，轉成了開發者可以實際依賴的工程選擇。

這篇的具體收穫：你會知道這三個 repo 各自解決什麼問題、能不能今天就用，以及 OpenMDW-1.1 對你手上的模型選擇有什麼影響。

這週 NVIDIA 開源動作一覽

NemoClaw：讓 OpenClaw 跑得更安全的參考架構

GitHub： NVIDIA/NemoClaw

20,707 stars（2026 年 3 月 15 日開源，不到三個月）。

OpenClaw 是今年成長最快的自主 AI 助理框架，1 月衝破 10 萬星，3 月底超過 25 萬——超越 React，成為 GitHub 史上六十天內最多星的專案。問題是，OpenClaw 的設計是讓 agent 自主在背景執行、持續操作你的系統，這件事本身就很危險。

NemoClaw 是 NVIDIA 給的答案：一個把 OpenClaw 包進 OpenShell 沙盒、加上 Nemotron 模型路由的參考棧。一行指令安裝，硬化的安全預設值開箱即用，不用自己研究怎麼把自主 agent 限制在合理邊界內。

目前是 alpha，NVIDIA 明確說「不是生產就緒」，但架構已經包含：引導式 onboarding、OpenShell 管控的訊息頻道、分層保護策略、以及本地 Nemotron 推理路由。

支援平台：Linux（Docker）、macOS Apple Silicon（Colima/Docker Desktop）、DGX Spark、Windows WSL2。

npm install -g nemoclaw
nemoclaw onboard

最值得看的點：不是功能，是設計決策。NemoClaw 把「agent 可以做什麼」和「agent 不能碰什麼」用 YAML policy 寫死，意思是你不需要信任 LLM 的自我節制，你信任的是規則。

OpenShell：給自主 AI Agent 的沙盒 runtime

GitHub： NVIDIA/OpenShell

6,320 stars（2026 年 2 月 24 日開源）。

OpenShell 是 NemoClaw 底下的那層地基——也可以單獨用。它的設計目標只有一個：讓你的 AI agent 在一個隔離環境裡執行，不管你跑的是 Claude Code、Codex、Copilot 還是 OpenClaw，都用同一個 runtime 包起來。

沙盒靠宣告式 YAML policy 控制：哪些目錄可以讀寫、哪些網路位址可以連、credentials 怎麼管。agent 做不到 policy 沒允許的事，不是靠 LLM 的「自我提醒」，而是靠 runtime 強制攔截。

openshell sandbox create -- claude

openshell sandbox create -- opencode

安裝方式：

curl -LsSf https://raw.githubusercontent.com/NVIDIA/OpenShell/main/install.sh | sh

也支援 Helm chart 部署到 Kubernetes（標記 experimental）。

現在是 alpha，NVIDIA 自己說是「single-player mode」——一個開發者、一個環境、一個 gateway。方向是往多租戶企業部署走，但出發點是「先讓你自己的環境跑起來」。

graph TD
    A[你的 AI Agent] -->|所有操作| B[OpenShell Gateway]
    B -->|YAML Policy 審查| C{允許？}
    C -->|是| D[沙盒執行環境]
    C -->|否| E[攔截 + 記錄]
    D --> F[File System / Network / Credentials]
    F -->|限制在 policy 範圍內| G[安全執行]

NeMo DataDesigner：不用真實資料也能生成高品質訓練集

GitHub： NVIDIA-NeMo/DataDesigner

1,930 stars（2025 年 10 月開源，持續活躍）。

訓練自己的模型，卡關最常發生在資料品質——真實資料不夠、標注太貴、隱私法規擋路。DataDesigner 的切入點是合成資料生成：從零開始或從 seed data 出發，生成高品質的訓練資料集。

DataDesigner 在 2026 年 YTD（1/1–5/1）的使用統計顯示，最常被用來生成資料的模型以 Nemotron 系列為主，反映 NVIDIA 在把自家模型和工具鏈整合成一個完整飛輪。

Apache 2.0 授權，支援自訂 pipeline、多模型後端。如果你在做垂直領域微調、但苦於缺乏標注資料，DataDesigner 值得認真看一下。

本地跑 Nemotron 模型做微調，VRAM 是第一道門檻——麗臺 RTX PRO 4000 Blackwell 24GB 是目前台灣市場上 24GB 消費/工作站卡中性價比最清楚的選項。

OpenMDW-1.1：讓「開源模型」真的算開源

這是這週最不轟動、但長期影響最大的動作。

5 月 28 號，Linux Foundation 發布 OpenMDW-1.1，同日宣布 NVIDIA 將把這個授權框架套用到四個開源模型家族的未來版本：

OpenMDW-1.1 給開發者的具體權利：訓練、修改、貢獻、再分發、部署。比大多數企業的「開放」模型授權乾淨很多——很多所謂開源模型，商用就要另談，或者禁止用來訓練競品。

NVIDIA 生成式 AI 副總裁 Kari Briski 的原話：「開放創新是 AI 進步的基礎，廣泛取得模型、資料和工具，是加速突破的關鍵。」

這對你的技術選型意味著什麼：如果你的應用需要微調、需要把模型打包進產品、或者需要在法律上確認你有再分發的權利，現在 Nemotron 系列比以前更值得考慮。

快速連結

這三件事加在一起說什麼

NemoClaw 給你跑 agent 的安全方法，OpenShell 給你隔離執行環境，DataDesigner 給你建訓練資料的工具，OpenMDW-1.1 給你使用模型的法律依據。

這不是四個獨立產品，是 NVIDIA 在一個週期內把 AI infra 的四個不同層次（安全、runtime、資料、授權）全部補上了開源選項。

問題留給你想：一個公司同時開源 runtime、工具鏈和授權框架，它的商業模式依賴的是什麼？答案不是賣軟體，是賣 GPU 和推理服務——所以開放這些東西，對 NVIDIA 沒有損失，對開發者是免費的基礎設施。這才是真正值得警覺的地方：免費的東西，通常都有更深的邏輯。