引擎盖下的模型：Nemotron 3 Ultra 解析

驱动这股全新 AI 代理浪潮的引擎是英伟达的 Nemotron 3 Ultra，它是其最新开源模型家族的旗舰产品。 它并非一个传统的单体大语言模型。它是一个拥有 5500 亿参数的混合专家（MoE）模型，基于混合 Mamba-Transformer 架构，对于任何给定的词元，只有大约 550 亿个参数处于激活状态。 这种稀疏激活正是其高速处理能力和处理超长上下文的关键。

核心技术规格一览

• 架构：混合 Mamba-Transformer 与混合专家（MoE）架构的结合，兼顾了状态空间模型在长上下文上的效率与 Transformer 的推理能力。
• 参数规模：总计 5500 亿，每个词元激活约 550 亿。
• 上下文窗口：原生支持 100 万个词元（Token），这意味着模型可以在单次处理中理解相当于几部长篇小说或海量企业代码库的内容。
• 关键创新一：LatentMoE。这项技术将词元表征压缩到一个低秩空间，然后再进行专家路由。英伟达表示，这能在相同的推理成本下容纳 4 倍的专家数量，从而提升每个计算浮点（FLOP）的准确性。
• 关键创新二：多词元预测（MTP）。模型能在单次前向传播中同时预测多个未来词元，这既提升了思维链的连贯性，也作为一种内建的推测性解码（speculative decoding）机制，显著加快了文本生成速度。
• 训练精度：在 Blackwell 架构上，使用英伟达超高效的 4 位 NVFP4 格式进行预训练。
• 性能表现：英伟达声称，其推理速度比上一代模型 快了 5 倍。

这些规格是专为“代理式 AI”量身定做的。100 万词元的上下文窗口和原生的多词元预测，并非为闲聊设计，而是为了让模型能够长期维持对复杂工作流程的内部记忆，对代码进行推理，监控数据管道，并规划多步骤的长期行动。 英伟达将 Ultra 版本特别定位为用于需要深度研究和战略规划的复杂 AI 应用的“大型推理引擎”。 该模型的开源权重计划于 2026 年 6 月 4 日通过 Hugging Face、OpenRouter 等平台公开发布。

Palantir 的 AI 代理平台：当 AI FDE 遇上 Ontology

Palantir 并非简单地将一个聊天机器人连接到其系统中。它是在将 Nemotron 系列模型集成到其 AI FDE（AI 前线部署工程师） 平台，一个在 Palantir Foundry 系统内运行的交互式代理。 AI FDE 的设计初衷是将自然语言指令转化为具体的业务操作：执行数据转换、管理代码仓库，以及构建和维护组织的中央本体（Ontology）。

此次集成的目标是让这些代理变得“长时运行”，这是英伟达和 Palantir 用来区分这一新浪潮与传统单轮大语言模型查询的术语。 在这个语境下，一个“长时运行”的代理能自主执行复杂、多步骤的任务——比如接收新的数据流、进行转换、更新本体，并在此基础上构建一个新的业务应用程序——而无需人在每一步都进行干预。 该代理旨在从这些交互中持续学习，从而构建出能够随时间推移不断加深其专业性的特定领域、物理隔离的企业系统。

这一能力的根基在于 Palantir 的核心差异化优势：它的 Ontology（本体）。本体是一个数字映射，它描绘了组织内所有的数据、逻辑和行动，使得 AI 代理不仅理解数据，更能理解业务的实际运作方式。 通过将英伟达的 Nemotron 模型与这张“语义地图”融合，两家公司正在构建一个专为实时运营决策而设计的堆栈。在这套系统里，AI 能理解一个行动在整个供应链、军事物流网络或网络安全态势中产生的连锁反应。

客户群体：从大型企业到政府国防

这项技术并非纸上谈兵。它的目标是全球最复杂、最关键的运行环境。Palantir 的客户群横跨两个广泛而深度交织的领域：

• 商业企业：更广泛的英伟达-Palantir AI 基础设施的早期采用者包括劳氏（Lowe's）、博思艾伦汉密尔顿（Booz Allen Hamilton）和 T-Mobile 等主要商业巨头。 该平台专为供应链、零售、医疗保健和金融服务等领域的运营决策而生。
• 政府与国防：通过其 Gotham 和 AIP 平台，Palantir 服务着庞大的国防和情报机构。该公司已结成战略联盟以加速这场 AI 推进，包括在 2025 年 6 月与埃森哲联邦服务公司（Accenture Federal Services）宣布合作，为联邦关键任务流程部署 AI；以及在 2026 年与德勤（Deloitte）联盟，共同构建一个“企业操作系统”，以解开困在政府机构数据孤岛中的信息。

在 Palantir 的 DevCon 大会上展示的最终愿景是：一个能在安全环境内管理整个工程生命周期的 AI 代理——从编写函数、创建评估到在分支感知循环中安全地调试代码——这一切都运行在完全与公共互联网断开的系统内。

筹划已久的战略布局

周一的公告是一个关键的产品里程碑，而非这段关系的起点。这一集成的战略框架早在 2025 年 10 月的英伟达 GTC 华盛顿大会上已经奠定。当时，英伟达和 Palantir 首次宣布，他们正在构建“一个史无前例的运营 AI 集成技术堆栈”。 那份初步协议承诺将英伟达的 Blackwell 架构、CUDA-X 库和 Nemotron 模型与 Palantir 的本体平台相结合。

与 Palantir 的消息同时，6 月 1 日的英伟达 GTC 台北大会也扮演了其企业代理战略的启动台角色。该公司推出了 NVIDIA Agent Toolkit，这是一个捆绑了 NemoClaw 蓝图、Nemotron 模型、OpenShell 安全运行时和 CUDA-X 库的平台，旨在帮助企业部署自主 AI 代理。Palantir 和 SAP 被指定为主要启动合作伙伴。 网络安全巨头 CrowdStrike 也宣布了一项并行的集成计划，将使用 Nemotron 模型驱动新的漏洞识别代理，这证实了“长时运行代理”范式是一次生态系统的整体推进，而非一次性的合作关系。

这意味着什么

Palantir 与英伟达的集成，标志着企业 AI 正从实验性的副驾驶角色，走向嵌入式、自主化的运营者角色。通过将最先进的、为长周期推理优化的开源模型，与一个已经能够代表组织运行方式的平台配对，两家公司正在押注：AI 代理的天然栖息地并非聊天窗口，而是企业自身的运营核心。此外，Nemotron 3 Ultra 的开源性质，为对安全性高度敏感的政府和企业客户提供了一条可行路径，使其能够在私有、物理隔离的基础设施上部署前沿推理能力，而无需将数据发送给第三方 API——这对于 Palantir 核心市场来说，是不容妥协的硬性要求。

引擎盖下的模型：Nemotron 3 Ultra 解析

驱动这股全新 AI 代理浪潮的引擎是英伟达的 Nemotron 3 Ultra，它是其最新开源模型家族的旗舰产品。 它并非一个传统的单体大语言模型。它是一个拥有 5500 亿参数的混合专家（MoE）模型，基于混合 Mamba-Transformer 架构，对于任何给定的词元，只有大约 550 亿个参数处于激活状态。 这种稀疏激活正是其高速处理能力和处理超长上下文的关键。

核心技术规格一览

• 架构：混合 Mamba-Transformer 与混合专家（MoE）架构的结合，兼顾了状态空间模型在长上下文上的效率与 Transformer 的推理能力。
• 参数规模：总计 5500 亿，每个词元激活约 550 亿。
• 上下文窗口：原生支持 100 万个词元（Token），这意味着模型可以在单次处理中理解相当于几部长篇小说或海量企业代码库的内容。
• 关键创新一：LatentMoE。这项技术将词元表征压缩到一个低秩空间，然后再进行专家路由。英伟达表示，这能在相同的推理成本下容纳 4 倍的专家数量，从而提升每个计算浮点（FLOP）的准确性。
• 关键创新二：多词元预测（MTP）。模型能在单次前向传播中同时预测多个未来词元，这既提升了思维链的连贯性，也作为一种内建的推测性解码（speculative decoding）机制，显著加快了文本生成速度。
• 训练精度：在 Blackwell 架构上，使用英伟达超高效的 4 位 NVFP4 格式进行预训练。
• 性能表现：英伟达声称，其推理速度比上一代模型 快了 5 倍。

这些规格是专为“代理式 AI”量身定做的。100 万词元的上下文窗口和原生的多词元预测，并非为闲聊设计，而是为了让模型能够长期维持对复杂工作流程的内部记忆，对代码进行推理，监控数据管道，并规划多步骤的长期行动。 英伟达将 Ultra 版本特别定位为用于需要深度研究和战略规划的复杂 AI 应用的“大型推理引擎”。 该模型的开源权重计划于 2026 年 6 月 4 日通过 Hugging Face、OpenRouter 等平台公开发布。

Palantir 的 AI 代理平台：当 AI FDE 遇上 Ontology

Palantir 并非简单地将一个聊天机器人连接到其系统中。它是在将 Nemotron 系列模型集成到其 AI FDE（AI 前线部署工程师） 平台，一个在 Palantir Foundry 系统内运行的交互式代理。 AI FDE 的设计初衷是将自然语言指令转化为具体的业务操作：执行数据转换、管理代码仓库，以及构建和维护组织的中央本体（Ontology）。

此次集成的目标是让这些代理变得“长时运行”，这是英伟达和 Palantir 用来区分这一新浪潮与传统单轮大语言模型查询的术语。 在这个语境下，一个“长时运行”的代理能自主执行复杂、多步骤的任务——比如接收新的数据流、进行转换、更新本体，并在此基础上构建一个新的业务应用程序——而无需人在每一步都进行干预。 该代理旨在从这些交互中持续学习，从而构建出能够随时间推移不断加深其专业性的特定领域、物理隔离的企业系统。

这一能力的根基在于 Palantir 的核心差异化优势：它的 Ontology（本体）。本体是一个数字映射，它描绘了组织内所有的数据、逻辑和行动，使得 AI 代理不仅理解数据，更能理解业务的实际运作方式。 通过将英伟达的 Nemotron 模型与这张“语义地图”融合，两家公司正在构建一个专为实时运营决策而设计的堆栈。在这套系统里，AI 能理解一个行动在整个供应链、军事物流网络或网络安全态势中产生的连锁反应。

客户群体：从大型企业到政府国防

这项技术并非纸上谈兵。它的目标是全球最复杂、最关键的运行环境。Palantir 的客户群横跨两个广泛而深度交织的领域：

• 商业企业：更广泛的英伟达-Palantir AI 基础设施的早期采用者包括劳氏（Lowe's）、博思艾伦汉密尔顿（Booz Allen Hamilton）和 T-Mobile 等主要商业巨头。 该平台专为供应链、零售、医疗保健和金融服务等领域的运营决策而生。
• 政府与国防：通过其 Gotham 和 AIP 平台，Palantir 服务着庞大的国防和情报机构。该公司已结成战略联盟以加速这场 AI 推进，包括在 2025 年 6 月与埃森哲联邦服务公司（Accenture Federal Services）宣布合作，为联邦关键任务流程部署 AI；以及在 2026 年与德勤（Deloitte）联盟，共同构建一个“企业操作系统”，以解开困在政府机构数据孤岛中的信息。

在 Palantir 的 DevCon 大会上展示的最终愿景是：一个能在安全环境内管理整个工程生命周期的 AI 代理——从编写函数、创建评估到在分支感知循环中安全地调试代码——这一切都运行在完全与公共互联网断开的系统内。

筹划已久的战略布局

周一的公告是一个关键的产品里程碑，而非这段关系的起点。这一集成的战略框架早在 2025 年 10 月的英伟达 GTC 华盛顿大会上已经奠定。当时，英伟达和 Palantir 首次宣布，他们正在构建“一个史无前例的运营 AI 集成技术堆栈”。 那份初步协议承诺将英伟达的 Blackwell 架构、CUDA-X 库和 Nemotron 模型与 Palantir 的本体平台相结合。

与 Palantir 的消息同时，6 月 1 日的英伟达 GTC 台北大会也扮演了其企业代理战略的启动台角色。该公司推出了 NVIDIA Agent Toolkit，这是一个捆绑了 NemoClaw 蓝图、Nemotron 模型、OpenShell 安全运行时和 CUDA-X 库的平台，旨在帮助企业部署自主 AI 代理。Palantir 和 SAP 被指定为主要启动合作伙伴。 网络安全巨头 CrowdStrike 也宣布了一项并行的集成计划，将使用 Nemotron 模型驱动新的漏洞识别代理，这证实了“长时运行代理”范式是一次生态系统的整体推进，而非一次性的合作关系。

这意味着什么

Palantir 与英伟达的集成，标志着企业 AI 正从实验性的副驾驶角色，走向嵌入式、自主化的运营者角色。通过将最先进的、为长周期推理优化的开源模型，与一个已经能够代表组织运行方式的平台配对，两家公司正在押注：AI 代理的天然栖息地并非聊天窗口，而是企业自身的运营核心。此外，Nemotron 3 Ultra 的开源性质，为对安全性高度敏感的政府和企业客户提供了一条可行路径，使其能够在私有、物理隔离的基础设施上部署前沿推理能力，而无需将数据发送给第三方 API——这对于 Palantir 核心市场来说，是不容妥协的硬性要求。