В январе 2026 года open-source проект OpenClaw преодолел отметку в 100 000 звёзд на GitHub, а к марту — 250 000, обогнав React и став самым быстро набравшим популярность репозиторием платформы за всё время. За одну неделю сайт проекта посетили более 2 миллионов человек. Автор OpenClaw — разработчик Питер Штайнбергер; его идея проста: ИИ-ассистент, который работает локально или на собственном сервере организации, без зависимости от облачных API.
Обычный ИИ-агент запускается по запросу, выполняет задачу и останавливается. Долгоживущий агент, или «claw», устроен иначе: он работает в фоне постоянно, проверяя список задач через равные промежутки времени — «сердцебиение». Агент либо действует самостоятельно, либо ждёт следующего цикла, а к человеку обращается только тогда, когда решение выходит за рамки его полномочий. Такая архитектура открывает сценарии, недоступные классическим чат-ботам: ночная итерация по тысячам конфигураций в инженерных расчётах, непрерывный мониторинг торговых систем в финансах, автоматическое обновление баз данных по новым научным публикациям в фармацевтике.
| Волна ИИ | Относительный рост потребления инференса |
|---|---|
| Предиктивный ИИ | базовый уровень |
| Генеративный ИИ | выше предиктивного |
| Reasoning-ИИ | ×100 к генеративному |
| Автономные агенты | ×1000 к reasoning-ИИ |
Рост OpenClaw сопровождался дискуссией о безопасности. Исследователи указывали на риски самостоятельного хостинга: уязвимые серверные инстансы, непроверенные форки сообщества, вопросы аутентификации и управления обновлениями моделей. NVIDIA вступила в сотрудничество со Штайнбергером и сообществом: компания вносит код и рекомендации по изоляции моделей, управлению локальным доступом к данным и верификации вкладов участников — сохраняя при этом независимое управление проектом.
NVIDIA выпустила NemoClaw: одна команда разворачивает OpenClaw, runtime OpenShell и модели Nemotron.
Параллельно NVIDIA представила NemoClaw — референсную реализацию для корпоративного развёртывания. Одна команда устанавливает OpenClaw, защищённый runtime OpenShell и открытые модели NVIDIA Nemotron с предустановленными ограничениями сети, доступа к данным и безопасности. OpenShell создаёт изолированную среду с чёткими границами разрешений: агент не может выйти за пределы того, что явно разрешено. Поскольку кодовая база OpenClaw лицензирована по MIT, организации получают полный контроль над каждым слоем системы — вплоть до возможности форкнуть и изменить любую часть.
За выбором между обычным генеративным ИИ и долгоживущим агентом стоит логика рабочего процесса. Если задача требует постоянного фонового мониторинга, управления тысячами итераций или перехода от «предложить» к «выполнить» — взаимодействия с API, записи в базы данных, управления файлами — архитектура «claw» даёт преимущество. Для ресурсоёмких задач локальный запуск на выделенном оборудовании, например NVIDIA DGX Spark, обеспечивает предсказуемые затраты и конфиденциальность данных без постоянных обращений к облачным API.
Контекст важен: каждая волна ИИ кратно увеличивает потребление инференса. Генеративный ИИ потреблял больше токенов, чем предиктивный. Reasoning-модели — в 100 раз больше, чем генеративные. Автономные агенты, работающие непрерывно и действующие на длинных горизонтах, требуют ещё в 1000 раз больше вычислений по сравнению с reasoning-ИИ. Это объясняет, почему NVIDIA заинтересована в формировании стандартов безопасного развёртывания агентов: спрос на инференс — прямой спрос на GPU.
Практические результаты уже есть. ServiceNow, используя модели Apriel и NVIDIA Nemotron, закрывает 90% обращений в поддержку без участия человека. В производстве агенты тестируют тысячи параметрических комбинаций за ночь и утром выдают ранжированный список конфигураций, достойных внимания инженера. В ИТ-операциях агенты диагностируют инциденты, применяют известные решения и эскалируют только нестандартные случаи — среднее время устранения сокращается с часов до минут.
