NVIDIA NemoClaw: säkerhet i företagsklass för OpenClaw

NemoClaw: NVIDIA ger OpenClaw säkerhet i företagsklass
Den 16 mars 2026 presenterade NVIDIA:s vd Jensen Huang NemoClaw på GTC 2026. Det är en säkerhets- och integritetsstack med öppen källkod, byggd specifikt för OpenClaw. Det är det första stora tillägget till OpenClaw-ekosystemet som riktar sig till företag, och det tar sig an den största oron organisationer har när de inför AI-assistenter: att ha kontroll över känsliga data.
NemoClaw finns redan i dag på GitHub under Apache 2.0-licens.
NVIDIA:s AI-ekosystem
För att förstå varför NemoClaw är viktigt hjälper det att se var det passar in i NVIDIA:s större programvarustack för AI.
NeMo Framework är NVIDIA:s heltäckande plattform för att träna, finjustera och driftsätta stora språkmodeller. NemoClaw bygger direkt på två NeMo-komponenter:
- NeMo Guardrails är det programmerbara säkerhetslagret där utvecklare kan sätta gränser för konversationer, begränsa ämnen och validera svar. NemoClaw bygger ut Guardrails med OpenClaw-specifika regler för verktygskörning och filåtkomst.
- TensorRT-LLM är NVIDIA:s motor för optimerad inferens, som ger 2–4 gånger högre genomströmning än vanlig PyTorch-servering. NemoClaws lokala inferens använder TensorRT-LLM i botten. Därför går Nemotron-modellerna betydligt snabbare på NVIDIA-hårdvara än generiska GGUF-kvantiseringar.
NGC Catalog är distributionskanalen för Nemotron-modellerna. NemoClaw hämtar föroptimerade modellkonfigurationer direkt från NGC, inklusive TensorRT-LLM-motorfiler som är anpassade för specifika GPU-arkitekturer. Det betyder att nemoclaw init automatiskt väljer den modellvariant som passar din hårdvara bäst, helt utan manuell optimering.
GTC 2026: den större bilden
Det övergripande temat för GTC 2026 var ”AI in Production”: steget från prototyper till AI-system i stor skala, med företagens krav på driftsäkerhet, säkerhet och styrning.
NemoClaw presenterades i open source-delen av Jensen Huangs keynote, tillsammans med flera andra nyheter som formar det hård- och mjukvarulandskap NemoClaw riktar sig mot:
- DGX Spark och DGX Station är AI-system i skrivbordsformat med Grace Blackwell-hårdvara. De gör lokal inferens med större Nemotron-modeller praktiskt möjlig utanför datacentret.
- AI Enterprise 6.0 är NVIDIA:s kommersiella AI-plattform, som nu omfattar livscykelhantering, support med SLA och verktyg för regelefterlevnad i produktion.
- Förhandsvisningen av Blackwell Ultra och Vera Rubin visar nästa generations GPU- och CPU-arkitekturer, som kommer att flytta gränserna för vad lokala AI-arbetslaster klarar.
Att NemoClaw presenterades i open source-delen och inte i företagsdelen var en medveten signal: NVIDIA satsar på det öppna ekosystemet för AI-assistenter, inte bara på egna, slutna lösningar.
Vad är NemoClaw?
NemoClaw är en samling verktyg med öppen källkod som läggs runt en befintlig OpenClaw-installation. De lägger till integritetsrouting, körning i sandlåda och lokal inferens i företagsklass. NVIDIA:s språkmodeller Nemotron kombineras med en härdad körmiljö som heter OpenShell, och tillsammans bildar de ett säkerhetslager mellan din OpenClaw-gateway och omvärlden.
Hela stacken installeras med ett enda kommando:
nemoclaw init --config enterprise.yaml
Kommandot sätter upp Privacy Router, OpenShell Runtime, lokal Nemotron-inferens (om hårdvara som stöds hittas) och den deklarativa regelmotorn. Allt konfigureras från en och samma YAML-mall.
Viktigaste funktionerna
Privacy Router
Privacy Router är kärnan i NemoClaw. Den fungerar som en intelligent proxy mellan din OpenClaw-gateway och LLM-leverantörer i molnet, och avgör i realtid var varje förfrågan ska behandlas:
- Hybridrouting: känsliga frågor skickas automatiskt till lokala Nemotron-modeller, medan vanliga förfrågningar går till den molnleverantör du har valt (Anthropic, OpenAI).
- Borttagning av personuppgifter: personuppgifter upptäcks och maskeras innan några data lämnar ditt nätverk.
- Klassificeringsmotor: varje meddelande får ett känslighetsvärde från en lättviktig lokal klassificerare, med gränsvärden som går att ställa in.
User Message
↓
Privacy Router (sensitivity classification)
↓ ↓
Local Nemotron Cloud LLM (PII stripped)
↓ ↓
OpenClaw Gateway (merged response)
Organisationer kan definiera egna regler för vad som är känsligt. Du kan till exempel styra alla meddelanden som innehåller finansiella data, journaluppgifter eller interna projektnamn till enbart lokal inferens.
OpenShell Runtime
OpenShell ersätter OpenClaws vanliga skalkörning med en sandlådemiljö på kärnnivå. Varje verktygsanrop, skriptkörning och filoperation körs i en härdad container med:
- Namespace-isolering: varje körning får egna namespaces för processer, nätverk och filsystem.
- Regelbaserad åtkomstkontroll: detaljerade regler styr vilka verktyg som får komma åt vilka resurser.
- Granskningsloggar: varje åtgärd loggas med fullständig kontext för granskning av regelefterlevnad.
- Nätverksfiltrering: utgående anslutningar begränsas till uttryckligen tillåtna adresser.
Även om en skill eller ett verktyg beter sig oväntat kan det alltså inte komma åt filer, nätverk eller processer utanför sitt tillåtna område.
Lokal inferens med Nemotron
NemoClaw levereras med optimerade konfigurationer för NVIDIA:s modellfamilj Nemotron, så att känsliga arbetslaster kan köras helt lokalt:
- Inga tokenkostnader för frågor som behandlas lokalt. Inga API-anrop, inga användningsavgifter.
- Drift utan nätanslutning (air-gapped) gör att känsliga data aldrig lämnar det lokala nätverket.
- Kvantiserade modeller i INT4- och INT8-varianter är optimerade för GPU:er i skrivbordsklass.
- Strömning ger tokengenerering i realtid med samma upplevelse som molnmodellerna.
Nemotron-familjen har fyra nivåer för olika hårdvaruprofiler:
| Modell | Parametrar | Målhårdvara | Användning |
|---|---|---|---|
| Nemotron-Mini | 8B | GeForce RTX 4090/5090 | Klassificering, korta frågor och svar |
| Nemotron-22B | 22B | RTX PRO 6000 | Allmänna assistentuppgifter, sammanfattningar |
| Nemotron-49B | 49B | DGX Spark | Avancerade resonemang, kodgenerering |
| Nemotron-70B | 70B | DGX Station | Lokal inferens med full kapacitet |
NemoClaw använder två kvantiseringsstrategier för att få plats med modellerna på olika hårdvara:
- AWQ (INT4) använder Activation-aware Weight Quantization för konsument-GPU:er. Nemotron-Mini INT4 ryms i cirka 6 GB VRAM och behåller ändå hög träffsäkerhet i klassificering.
- SmoothQuant (INT8) balanserar kvalitet och hastighet för professionella GPU:er. Nemotron-22B INT8 på ett RTX PRO 6000 når ungefär 45 token/s, vilket räcker för strömmade svar i realtid.
De lokala modellerna sköter klassificering, sammanfattningar och allmänna frågor och svar. Avancerade resonemang kan fortfarande skickas till molnleverantörer (med personuppgifterna borttagna) när det behövs.
Deklarativ regelmotor
All säkerhetskonfiguration ligger i versionshanterade YAML-mallar som beskriver hela säkerhetsupplägget för din installation:
# nemoclaw-policy.yaml
privacy:
pii_detection: strict
routing:
sensitive: local
default: cloud
runtime:
sandbox: openshell
network:
allow:
- "api.anthropic.com"
- "api.openai.com"
deny: ["*"]
filesystem:
read: ["/data/knowledge-base"]
write: ["/tmp/openclaw"]
audit:
level: full
retention: 90d
export: siem
Reglerna versionshanteras, går att granska och kan återanvändas som mallar i flera installationer. Ändringar i regelfilen valideras och tillämpas utan att OpenClaw-gatewayen behöver startas om.
Hårdvarukrav
NemoClaws lokala inferens kräver ett NVIDIA-grafikkort. Privacy Router och OpenShell Runtime fungerar på all hårdvara, men lokala Nemotron-modeller kräver:
| Hårdvara | Lokal inferens | Privacy Router | OpenShell |
|---|---|---|---|
| GeForce RTX 4090/5090 | Nemotron-Mini (INT4) | Ja | Ja |
| RTX PRO 6000 | Nemotron-22B (INT8) | Ja | Ja |
| DGX Spark | Nemotron-49B (FP8) | Ja | Ja |
| DGX Station | Full Nemotron-70B | Ja | Ja |
| Ingen NVIDIA-GPU | Endast molnrouting | Ja | Ja |
Utan en GPU som stöds får du ändå Privacy Router (borttagning av personuppgifter före molnanrop) och sandlådan i OpenShell, bara utan lokal inferens.
Jämförelse med andra lösningar
NemoClaw är inte det enda verktyget för säkerhet och integritet i AI. Så här står det sig mot andra lösningar:
| Funktion | NemoClaw | Azure AI Content Safety | NeMo Guardrails | Presidio | Egen proxy |
|---|---|---|---|---|---|
| Upptäckt/maskering av personuppgifter | Ja (lokalt) | Ja (moln) | Nej | Ja (lokalt) | Manuellt |
| Hybridrouting (lokalt/moln) | Ja | Nej | Nej | Nej | Manuellt |
| Körning i sandlåda | Ja (OpenShell) | Nej | Nej | Nej | Varierar |
| Lokal inferens | Ja (Nemotron) | Nej | Nej | Nej | Varierar |
| Deklarativa regler | Ja (YAML) | Portal/API | Ja (Colang) | Konfiguration | Egen lösning |
| OpenClaw-integration | Inbyggd | Kräver adapter | Kräver adapter | Kräver adapter | Egen lösning |
| Öppen källkod | Ja (Apache 2.0) | Nej | Ja (Apache 2.0) | Ja (MIT) | Ej tillämpligt |
| Granskningsloggar | Inbyggt | Inbyggt | Begränsat | Nej | Egen lösning |
Alla verktyg har sina styrkor. Azure AI Content Safety ger skalbarhet som tjänst, NeMo Guardrails ger detaljerad kontroll över konversationer och Presidio är bäst på fristående upptäckt av personuppgifter på flera språk. Det som skiljer NemoClaw från resten är att integritetsrouting, sandlåda och lokal inferens samlas i en enda stack, byggd specifikt för OpenClaw-ekosystemet.
Varför det här spelar roll för OpenClaw-användare
Det största hindret för OpenClaw i företag har varit säkerhetsfrågan: hur ger man en AI-assistent tillgång till filer, mejl och verktyg utan att riskera dataläckor? NemoClaw svarar direkt på den frågan.
Som Jensen Huang uttryckte det under GTC-keynoten:
"AI assistants need to be as secure as they are capable. NemoClaw makes OpenClaw enterprise-ready. Privacy by default, not privacy as an afterthought."
På svenska ungefär: AI-assistenter måste vara lika säkra som de är kapabla. NemoClaw gör OpenClaw redo för företag. Integritet som standard, inte integritet i efterhand.
Det här betyder i praktiken:
- Reglerade branscher (vård, finans, juridik) kan nu införa OpenClaw med säkerhetskontroller som går att granska.
- IT-avdelningar i företag får den regelbaserade styrning de behöver för att godkänna OpenClaw-installationer.
- Open source-ekosystemet gynnas av NVIDIA:s satsning på härdade verktyg.
- Den som driftar själv får ett säkerhetslager som bara är att koppla in, utan att bygga egna lösningar.
Gensvaret från communityn har varit stort. Inom 24 timmar efter lanseringen fick NemoClaw-repot över 2 000 stjärnor på GitHub. Diskussionerna i OpenClaw-communityn handlar redan om integrationsmönster, särskilt om hur NemoClaws Privacy Router kan kombineras med befintliga ekosystem av OpenClaw-skills. Flera bidragsgivare har börjat bygga adaptrar för andra modeller än Nemotron, vilket tyder på att den modulära arkitekturen faller utvecklarna i smaken.
Vad händer härnäst med NemoClaw?
NemoClaw är fortfarande i alfa, men NVIDIA har lagt fram en tydlig plan:
- NemoClaw 1.0 (väntas Q3 2026) ska ge stabila API:er, en produktionsklar OpenShell med SELinux- och AppArmor-profiler samt regelmallar för SOC 2, HIPAA och GDPR. Enligt NVIDIA:s offentliga färdplan väntas version 1.0 markera steget från experiment till produktion med support.
- Stöd för fler modeller väntas i version 1.0, med GGUF- och TensorRT-LLM-kompatibla modeller utöver Nemotron-familjen. Det stämmer med NVIDIA:s uttalade mål att NemoClaw ska vara modelloberoende för lokal inferens.
- Integration med NVIDIA AI Enterprise är ett logiskt nästa steg. Den skulle ge kommersiell support och SLA via AI Enterprise-plattformen, inklusive livscykelhantering av modeller via NGC för organisationer som behöver garantier från leverantören.
Observera att det här är framåtblickande punkter baserade på NVIDIA:s offentliga kommunikation. Eftersom projektet har öppen källkod kommer bidrag från communityn sannolikt att forma färdplanen vid sidan av NVIDIA:s egna planer.
Vad det betyder för ClawNest-användare
På ClawNest följer vi utvecklingen av NemoClaw noga. Så här passar det in i vår plattform för hanterad drift:
- Ett komplement, inte en konkurrent. NemoClaw sköter säkerhetsregler och lokal inferens. ClawNest sköter drifttid, säkerhetskopior och enkel driftsättning. De två fungerar bra tillsammans.
- Kompatibelt med Privacy Router. ClawNest-instanser kan konfigureras att gå via en NemoClaw Privacy Router i ditt eget nätverk. Då tas personuppgifterna bort innan data når våra servrar.
- Företagsabonnemang. Vi utvärderar en NemoClaw-integration för framtida företagsnivåer hos ClawNest, med bland annat hanterad OpenShell-sandlåda och regelmallar.
Om du redan kör OpenClaw på ClawNest och vill lägga NemoClaw ovanpå för extra säkerhetskontroller kan Privacy Router placeras mellan dina meddelandekanaler och din ClawNest-instans som en lokal proxy.
Kom igång med NemoClaw
NemoClaw finns nu i alfa på GitHub:
- Krav: Node.js 22+, OpenClaw 0.9+, NVIDIA-GPU (valfritt, för lokal inferens)
- Installera:
npm install -g nemoclaw@alpha - Initiera:
nemoclaw initskapar din första regelmall - Anslut: peka NemoClaw mot din befintliga OpenClaw-gateway
Tänk på att NemoClaw är i tidig alfa. Räkna med ändringar som bryter bakåtkompatibiliteten och begränsat modellstöd. NVIDIA har lovat en stabil version 1.0 senast Q3 2026.
Fullständig dokumentation och källkod finns i NemoClaws GitHub-repo.
Vill du köra OpenClaw utan krånglet med egen drift? ClawNest ger dig helt hanterade OpenClaw-instanser med automatiska säkerhetskopior, en webbpanel och driftsättning på några minuter. Starta din kostnadsfria provperiod i dag.