NVIDIA 和 ServiceNow 在 Knowledge 2026 上发布了 Project Arc，推出了一款安全、开源权重的 AI 桌面智能体，可直接在开发人员和 IT 员工的工作站上运行。此举将重心从聊天机器人转向了能够进行思考、编码和执行任务，且无需预设工作流的自主助手。

为什么现在桌面智能体至关重要

企业级 AI 工具大多是基于 Web 的聊天界面，它们要么将任务移交给人工，要么依赖于僵化的脚本。Project Arc 通过在用户桌面上嵌入 AI“智能体”颠覆了这一模式，使其能够直接访问本地文件、命令行工具以及组织现有的应用程序。遇到 Bug 的开发人员可以让智能体分析问题、生成补丁并执行；管理员可以让它启动新的虚拟机、调整权限并验证合规性——所有这些操作都无需提交工单。

安全性是如何构建的

NVIDIA 的 OpenShell 运行时将智能体隔离在沙箱中，执行严格的文件系统和网络策略。ServiceNow 的 AI Control Tower 位于其上层，记录每一次文件读取、命令发布和 API 调用。组合后的日志创建了一条审计追踪，安全团队可以进行实时检查，旨在阻止此前困扰早期 AI 试点项目的失控代码执行问题。

开源权重与模型栈

Project Arc 运行在 NVIDIA 的 Nemotron 开源模型上，该公司提供这些模型且不附带专有许可限制。在 NVIDIA 的 EnterpriseOps-Gym 基准测试中，Nemotron 3 Super 变体的表现优于其他开源权重模型，证明其能够处理典型的企业桌面工作负载——包括代码生成、自然语言推理和命令合成。

谁获益，谁关注

开发人员得到了一个“解放双手”的编程伙伴；IT 部门则获得了更快捷的常规配置与修复路径。ServiceNow 将其 AI 产品组合从工作流编排扩展到了直接执行，从而将其定位为自主运营平台。另一方面，智能体的任何失误都可能立即影响生产系统，因此企业在权衡便利性的同时，也会考量异常命令绕过沙箱所带来的风险。

开源权重模型 vs. 专有模型

开源权重模型可以避免供应商锁定，并且可以针对偏见进行检查，但它们可能缺乏闭源替代方案中经过微调的安全层。批评人士警告称，如果没有这些安全层，沙箱化的智能体可能会继承未经检查的“幻觉”或生成不安全的代码。尽管 NVIDIA 的基准测试声称处于领先地位，但现实世界的部署才是衡量可靠性的真正考验。

后续关注点

  • 集成深度：ServiceNow 的 AI Control Tower 能多快地摄取来自异构 IT 技术栈的日志。
  • 企业采用率：早期试点将揭示生产力的提升是否能抵消监控带来的运维开销。
  • 模型更新：NVIDIA 关于新版 Nemotron 的路线图可能会加强安全性或扩展功能，从而重塑其价值主张。

Project Arc 将自主 AI 推向了日常工作的最前线，将“询问机器人”转变为“让智能体去做”。其成功将取决于安全护栏能否承受住现实世界企业工作负载的压力。