NVIDIA Agentic AI Day Japan 2026

2025年11月10日,NVIDIA在日本东京举办了以AI代理(Agentic AI)社会应用为主题的会议“Agentic AI Day Japan 2026”。本文将对会议内容进行详细报道。

开放模型与前沿模型的混合战略

首场讨论以“AI代理时代,日本应具备何种优势”为题,由日本国家北陆先端科学技术大学院大学的今井翔太教授和NVIDIA的井崎武士先生共同主持。

因公务缺席的团队未来党首安野贵博通过视频发表了观点,他指出:“随着AI代理的普及和进化,单纯依赖最前沿的前沿模型已不再适用,必须根据投资回报率(ROI)合理选择模型。”强调了模型差异化使用的重要性。

讨论现场

今井翔太教授进一步阐述了未来AI模型的分工:“竞争激烈的领域将主要采用前沿模型,而非竞争领域长期来看大多会采用开放模型。”他以网络攻击与防御为例,形象地比喻为“宝可梦对战”,指出不同任务领域对模型的需求将明显区分。

在内核层面保护AI代理安全

随后,NVIDIA的德永匡臣先生与日本国家趋势科技(Trend Micro)的谷本直柔先生共同探讨了AI代理自主操作外部工具带来的安全风险及对策。

德永先生指出,传统的提示词控制难以阻止AI代理失控,介绍了名为OpenShell的开源工具,该工具通过限制进程和网络等底层资源,在内核层面保护AI代理的执行环境。

OpenShell介绍

谷本先生展示了利用OpenShell结合自家Trend AI Vision One的实证演示,强调若不限制权限,检测和响应将产生海量日志,难以区分正常与异常行为。他强调,安全运营AI代理需以强有力的预防措施为基础,结合异常行为的检测与隔离。

演示现场

选择完全本地部署以防止成本爆炸

针对企业面临的“令牌成本爆炸”和机密信息保护问题,Ippu Senkin的铃木秀弥先生提出了完全本地部署的本地大型语言模型(LLM)解决方案。

本地LLM方案

铃木先生指出,开放权重模型性能迅速提升,使用4个月前的最新开放权重模型,其性能已超过企业内部许可的商业云模型,显示本地LLM已具备实用水平。

他还提到,部署成本约为数百万元后期,便可无限制使用GPT-4级别性能,无需担心API按量计费,企业可在封闭环境中全力运行AI代理,混合架构将成为未来企业标准。

本地部署优势

本地LLM加速游戏开发的PDCA循环

日本国家スクウェア・エニックス(Square Enix)的藤井翔太先生分享了生成式AI在游戏开发中的应用验证。

游戏开发应用

他称,NVIDIA Nemotron模型在本地环境运行时,对于简单任务的响应速度甚至快于当前的ChatGPT和Claude。

藤井先生还展示了从文本指令生成3D角色行走及障碍回避动作的实验结果,强调在调整关键帧时,盲目增加控制点并非最佳策略,精准反馈必要部分的视频信息更能提升输出质量。

动作生成实验

利用自主型AI传承研究现场知识

最后,日本国家ENEOS控股的蓬田宪太郎先生介绍了AI代理在材料化学研究中的实践案例。

材料化学研究

他提到,NVIDIA NIM等容器技术降低了AI环境搭建门槛,强调研究人员的目标是推进研究而非搭建环境,非AI专家也能轻松利用AI带来巨大便利。

蓬田先生还介绍了利用本地模型进行历史实验报告检索和自主实验模拟的优势,指出“长时间自主运行是巨大优势”,在材料探索中无需担心API成本,可让AI代理长时间思考和验证,极大提升研究效率。

研究应用