企业内容平台的竞争焦点，正在从“能不能搜到”转向“能不能让智能体直接拿去用”。Box 选择用英伟达的 Nemotron 模型重做检索层，是这个方向上一个值得注意的信号。
发生了什么
据 TechCrunch 报道，Box 发布了一套“智能体优先”（agent-first）的内容检索系统，底层采用英伟达的 Nemotron 模型。Box 方面给出的说法是：该系统回答查询的速度可达此前的 4 倍，错误率降低约 20%，token 消耗减少约 90%。
需要说明的是，这些数字来自 Box 自身的表述，报道中并未给出独立的基准测试细节，因此更适合理解为厂商对外的性能主张，而非可复现的第三方结论。
为什么重要
传统企业搜索的假设是“人坐在搜索框前”，于是优化目标集中在排序、召回和摘要呈现。但当调用方变成 AI 智能体，评价标准就变了：一次查询要消耗多少 token、返回结果是否结构清晰可直接使用、错误会不会被下游放大。token 消耗减少 90% 这一项尤其关键——对企业级智能体工作流来说，检索环节的 token 成本往往被低估，它直接决定了大规模部署是否算得过账。
选择英伟达 Nemotron 而非自研或直接调用通用大模型 API，也有其逻辑：企业内容涉及权限、合规与私有数据，模型的可控性和部署方式比单纯的榜单分数更重要。英伟达近年在开放模型和企业推理栈上持续投入，正好切中这类需求。
影响与看点
对行业而言，这进一步印证了“检索”正在被重新定义为“为智能体供料的基础设施”。过去 RAG 讨论多集中在向量库和切块策略，现在重心转向模型侧的效率与准确性——用更小的模型、更少的 token 完成同样的检索判断。
对开发者，值得关注的是接口形态：如果检索系统原生面向智能体设计，输出很可能不再是链接列表，而是带上下文的结构化结果，这会改变上层应用的提示词与工具调用设计。
对企业用户，短期看是成本与准确率的权衡，长期看则是内容平台会不会变成“智能体的数据底座”。一个独立判断是：这类系统的真正门槛不在模型本身，而在权限体系与数据治理——谁能把企业内部的访问控制和安全边界做扎实，谁才可能把性能数字转化为可落地的产品优势。Box 的这次发布，更像是把竞争从模型能力拉回到了它更熟悉的企业数据战场。
