NVIDIA 携手 Meta 扩大 Muse 模型合作 软硬件协同优化智能体算力

NVIDIA 与 Meta 正式官宣扩大 Muse 系列模型的技术合作，整套合作围绕 Muse 智能体的训练与推理场景展开，通过部署新一代算力硬件、优化模型运行软件栈、搭建全链路安全监控体系，全方位提升 Muse 模型运行速度、降低算力成本，同时匹配 Muse 智能体快速增长的用户规模，保障多步骤任务、工具调用等高负载场景稳定运行，形成从硬件集群、网络传输到模型调度的端到端系统优化，充分满足 AI 智能体规模化落地的算力需求，为 Muse 系列模型持续迭代提供坚实技术底座。

一、本次合作核心内容清单

1. 算力硬件扩容部署

表格

2. 模型软件联合优化

1. 推理性能调优：双方针对 Muse Glimmer、Muse Spark 等版本，基于 NVIDIA NIM 推理容器做深度适配，把单卡 token 吞吐能力进一步拉高，满足本地智能体连续运行需求。

2. 长上下文适配：优化 131K 超长上下文窗口的资源占用，让 Muse 模型处理长文档、多轮任务时不会出现算力过载。

3. 本地部署方案：共同完善 Muse 模型在消费级硬件上的运行方案，支持单张 GPU 完成本地 AI 智能体任务，不用全程依赖云端算力。

3. 智能体安全体系搭建

1. 引入 OpenShell 参考架构，完善 Muse 智能体的权限管控机制，避免越权调用外部工具。

2. 接入 NVIDIA Sentry 监控工具，对 Muse 模型每一步推理、工具调用行为做全链路追踪，保障运行合规可控。

二、扩大合作的基础条件

1.Muse 模型市场热度持续走高，Muse 智能体上线一周就跻身热门应用榜单，用户快速增长带来海量推理算力缺口，需要扩充算力集群支撑业务扩张。

2.AI 智能体不同于传统对话模型，需要连续执行多步骤任务，对时延、稳定性、资源调度能力要求更高，单一芯片优化已经无法满足需求，必须做软硬件一体化协同改造。

3. 前期双方已经完成 Muse 模型在 NVIDIA 算力平台上的基础适配，技术磨合成熟，具备进一步深化联合研发的条件。

三、合作落地执行步骤

1. 硬件扩容阶段：Meta 分批上线 Vera Rubin 算力集群、Vera CPU 与高速网络设备，完成现有数据中心算力升级，优先保障 Muse 模型推理业务算力供给。

2. 模型调优阶段：研发团队联合完成 Muse 全系列模型的 NIM 容器适配，优化模型权重压缩策略，把模型内存占用控制在合理范围，提升本地运行效率。

3. 安全能力落地阶段：在 Muse 智能体程序中嵌入 OpenShell 权限框架与 Sentry 行为监控模块，完成全场景安全测试。

4. 规模化上线阶段：把优化完成的 Muse 模型部署到云端集群与本地硬件环境，面向企业与个人开发者开放调用服务。

四、整体总结

本次 NVIDIA 与 Meta 扩大 Muse 模型合作，是软硬件一体化协同的深度技术绑定。硬件端扩容新一代 AI 算力集群与高速网络，补齐 Muse 智能体爆发式增长带来的算力短板；软件端针对 Muse 系列模型做推理优化、长上下文调优与本地部署适配，兼顾云端大规模训练与终端本地运行两种场景；同时搭建完整的智能体安全管控体系，保障模型稳定合规运行。整套合作方案精准匹配 Muse 智能体的业务特性，既可以持续提升模型运行效率、控制算力成本，也能支撑 Muse 产品持续扩大用户规模，保障 AI 智能体业务稳步落地。

【相关 FAQ】

问题 1：NVIDIA 与 Meta 扩大 Muse 模型合作，主要优化哪些环节？

回答 1：NVIDIA 与 Meta 扩大 Muse 模型合作，重点优化三大环节：一是扩容 Vera Rubin 等新一代算力硬件，补齐 Muse 智能体训练与推理算力；二是基于 NIM 容器对 Muse 系列模型做推理调优，提升长上下文处理能力；三是搭建 OpenShell+Sentry 安全体系，实现 Muse 智能体行为全链路监控。

问题 2：Muse Glimmer 模型在本次合作里获得了哪些技术优化？

回答 2：Muse Glimmer 模型在合作中完成 NVIDIA NIM 推理容器深度适配，优化 131K 超长上下文的资源占用，同时完善消费级硬件本地运行方案，单 GPU 即可稳定运行本地 AI 智能体任务，token 吞吐效率得到明显提升。

问题 3：Meta 为什么要扩大 NVIDIA 算力基础设施来支撑 Muse 模型？

回答 3：Muse 智能体用户快速增长，AI 智能体多步骤任务、工具调用带来持续高负载推理需求，传统算力方案无法满足时延与稳定性要求；扩大部署 Vera Rubin 平台、高速网络设备，能够实现端到端系统优化，充分承接 Muse 模型规模化运行的算力压力。

问题 4：本次合作除了算力优化，还针对 Muse 智能体增加了哪些安全保障？

回答 4：双方依托 NVIDIA OpenShell 架构完善 Muse 智能体权限管理，同时接入 Sentry 工具实现全链路行为监控，对 Muse 模型每一次推理、工具调用都进行追踪，全面强化 Muse 智能体运行安全性。

【数据来源】

[2026-10-27] NVIDIA 与 Meta 宣布将扩大在 Muse 及其系列模型上的合作 界面新闻

[2026-10-27] 英伟达与 Meta 扩大 Muse 模型合作，加码 AI 智能体算力 36 氪

[2026-10-27] 英伟达 30 亿美元入股 Meta，全面升级 AI 算力基础设施 腾讯新闻

[2026-10-27] 聚焦 AI 智能体需求，NVIDIA 与 Meta 深化 Muse 模型技术合作 新浪财经

[2026-08-12] 在 NVIDIA 硬件上运行 Meta Muse 本地智能体 NVIDIA 技术博客

免责声明：本文中硬件部署方案、模型性能参数、安全技术框架均来自企业公开联合声明与官方技术文档；Muse 模型运行效率、硬件扩容进度会受研发进度、供应链条件影响存在浮动；本文仅为产业技术资讯分享，不构成技术采购与项目投资建议。