關鍵技術規格

• 架構： 混合 Mamba-Transformer 的混合專家（MoE）模型，結合了狀態空間模型（State-Space Models, Mamba）在長上下文處理上的效率與 Transformer 的強大推理能力。
• 參數量： 總參數 5500 億，每個 token 活躍參數約 550 億。
• 上下文視窗： 原生支援高達 100 萬 tokens，這讓模型能在單次處理中，對相當於數本長篇小說或海量企業代碼庫的資訊進行推理。
• 關鍵創新 1：LatentMoE。 這項技術能在將 token 的表示（representation）路由到各個專家模組之前，將其壓縮到一個低維度的空間中。NVIDIA 表示，這使得在相同推理成本下，專家數量可提升 4 倍，從而提高每單位算力（FLOP）的準確度。
• 關鍵創新 2：多 Token 預測（MTP, Multi-Token Prediction）。 模型能在單次前向傳播中同時預測多個未來的 token，這不僅改善了思維鏈（Chain-of-Thought）的連貫性，更可作為一種內建的推測性解碼（Speculative Decoding）機制，加速文字生成速度。
• 訓練精度： 使用 NVIDIA 基於 Blackwell 架構的超高效率 4 位元 NVFP4 格式進行預訓練。
• 效能表現： NVIDIA 聲稱其推理速度比前一代模型快上 5 倍。

這些規格是專為「代理式人工智慧（Agentic AI）」量身打造的。100 萬 tokens 的上下文視窗和原生的多 token 預測功能，並非為了隨意的聊天而設計；它們是為了一個必須能維持對複雜工作流程的內部記憶、理解程式碼、監控數據管線，並在長時間內規劃多步驟行動的模型而生的。NVIDIA 將 Ultra 版本定位為一個專為需要深度研究和策略規劃的複雜 AI 應用而設計的「大型推理引擎」。此模型的開源權重已排定於 2026 年 6 月 4 日透過 Hugging Face、OpenRouter 等平台公開發布。

Palantir 的代理人平台：當 AI FDE 遇上本體論

Palantir 並非單純地將一個聊天機器人接入其系統。他們是將 Nemotron 模型整合進其名為 AI FDE（AI 前瞻部署工程師） 的平台中。這是一個能在 Palantir Foundry 作業系統內進行互動的代理人。AI FDE 的設計目的是將自然語言的指令轉化為具體的營運行動，例如：執行數據轉換、管理程式碼儲存庫，以及建構和維護組織的中央本體論。

這項整合的目標是讓這些代理人變得**「長週期運行」（long-running）**，這是 NVIDIA 和 Palantir 用來區分這波新技術與單輪式 LLM 查詢的術語。在此情境下，一個長週期的代理人可以自主執行複雜的多步驟任務——例如，接入一個新的數據串流、將其轉換、更新本體論，並在此基礎上建立一個新的營運應用程式——全程無需人類在每一步進行手把手指導。此類代理人被設計為能從這些互動中持續學習，從而建構出特定領域的、能在氣隙（Air-gapped）隔離環境中運作的企業系統，並隨著時間加深其專業化程度。

這項能力的基礎，是 Palantir 的核心差異化優勢：其本體論（Ontology）。本體論是一個數位化的表徵，它描繪了一個組織的所有數據、邏輯和行動，讓 AI 代理人不僅能理解數據本身，更能理解企業實際上是如何運作的。藉由將 NVIDIA 的 Nemotron 模型與這個語義地圖融合，兩家公司正在共同打造一個專為即時營運決策而設計的技術堆疊，AI 將能在其中理解一個行動在供應鏈、軍事後勤網路或網路安全防禦態勢中所引發的連鎖反應。

客戶群像：橫跨企業與政府機構

這項技術並非紙上談兵，它的目標客戶是世界上最複雜、最關鍵的任務環境。Palantir 的客戶群涵蓋了兩大緊密交織的領域：

• 企業客戶： NVIDIA 與 Palantir 共構的 AI 基礎設施，其早期採用者包括了 Lowe's、Booz Allen Hamilton 和 T-Mobile 等主要商業巨擘。此平台專為橫跨供應鏈、零售、醫療保健和金融服務等領域的營運決策而設計。
• 政府與國防： Palantir 透過其 Gotham 和 AIP（人工智慧平台） 為龐大的國防與情報體系提供服務。為加速此 AI 推進，該公司已建立了多項戰略合作關係，包括在 2025 年 6 月宣布與 Accenture Federal Services 合作，為聯邦政府的關鍵任務工作流程部署 AI；以及在 2026 年與 Deloitte 結盟，共同建立一個「企業作業系統」，以解鎖受困於政府機關數據孤島中的資料。

最終的願景，正如 Palantir 在 DevCon 開發者大會上所展示的，是一個能在安全環境內管理整個工程生命週期的 AI 代理人——從撰寫函式、製作評估，到能在分支感知的迴圈中安全地進行程式碼除錯——這一切都在那些時常與公共網路完全斷線的系統中進行。

一場籌劃數月的策略布局

2026 年 6 月 1 日的宣布是一個關鍵的產品里程碑，但並非這段合作關係的起點。這項整合的策略框架早在 2025 年 10 月的 GTC 華盛頓特區大會上就已奠定。當時，NVIDIA 與 Palantir 首次宣布，他們正在建構一個「針對營運 AI 的首創整合式技術堆疊」。當時的初步協議承諾將 NVIDIA 的 Blackwell 架構、CUDA-X 函式庫和 Nemotron 模型，與 Palantir 的本體論平台結合。

與 Palantir 的消息同步，NVIDIA 在 6 月 1 日的 GTC 台北大會也成為其企業代理人策略的更廣泛發布平台。該公司推出了 NVIDIA Agent Toolkit（代理人工具包），這是一個整合了 NemoClaw 藍圖、Nemotron 模型、OpenShell 安全執行環境和 CUDA-X 函式庫的平台，旨在幫助企業部署自主 AI 代理人。Palantir 和 SAP 被列名為主要的合作夥伴。與此同時，網路安全巨頭 CrowdStrike 也宣布了一項平行的整合計畫，將利用 Nemotron 模型驅動新的漏洞識別代理人，這證實了「長週期代理人」的典範轉移是整個生態系的全面推動，而非一次性的單一合作。

這一切意味著什麼？

Palantir 與 NVIDIA 的整合，標誌著企業 AI 正從實驗性的副駕駛（Copilot），走向能直接嵌入核心、自主運作的營運者。透過將一個專為長遠推理而優化的頂尖開源模型，與一個已經能描繪組織運作方式的平台配對，兩家公司正押注於一個未來：AI 代理人的自然棲息地並非聊天視窗，而是企業的營運核心本身。此外，Nemotron 3 Ultra 的開源特性，也為那些將安全放在首位的政府和企業客戶，提供了一條能在私有、氣隙隔離的基礎設施上部署尖端推理能力的途徑，而無需將數據發送到第三方 API，這正是 Palantir 核心市場一項不容妥協的要求。

關鍵技術規格

• 架構： 混合 Mamba-Transformer 的混合專家（MoE）模型，結合了狀態空間模型（State-Space Models, Mamba）在長上下文處理上的效率與 Transformer 的強大推理能力。
• 參數量： 總參數 5500 億，每個 token 活躍參數約 550 億。
• 上下文視窗： 原生支援高達 100 萬 tokens，這讓模型能在單次處理中，對相當於數本長篇小說或海量企業代碼庫的資訊進行推理。
• 關鍵創新 1：LatentMoE。 這項技術能在將 token 的表示（representation）路由到各個專家模組之前，將其壓縮到一個低維度的空間中。NVIDIA 表示，這使得在相同推理成本下，專家數量可提升 4 倍，從而提高每單位算力（FLOP）的準確度。
• 關鍵創新 2：多 Token 預測（MTP, Multi-Token Prediction）。 模型能在單次前向傳播中同時預測多個未來的 token，這不僅改善了思維鏈（Chain-of-Thought）的連貫性，更可作為一種內建的推測性解碼（Speculative Decoding）機制，加速文字生成速度。
• 訓練精度： 使用 NVIDIA 基於 Blackwell 架構的超高效率 4 位元 NVFP4 格式進行預訓練。
• 效能表現： NVIDIA 聲稱其推理速度比前一代模型快上 5 倍。

這些規格是專為「代理式人工智慧（Agentic AI）」量身打造的。100 萬 tokens 的上下文視窗和原生的多 token 預測功能，並非為了隨意的聊天而設計；它們是為了一個必須能維持對複雜工作流程的內部記憶、理解程式碼、監控數據管線，並在長時間內規劃多步驟行動的模型而生的。NVIDIA 將 Ultra 版本定位為一個專為需要深度研究和策略規劃的複雜 AI 應用而設計的「大型推理引擎」。此模型的開源權重已排定於 2026 年 6 月 4 日透過 Hugging Face、OpenRouter 等平台公開發布。

Palantir 的代理人平台：當 AI FDE 遇上本體論

Palantir 並非單純地將一個聊天機器人接入其系統。他們是將 Nemotron 模型整合進其名為 AI FDE（AI 前瞻部署工程師） 的平台中。這是一個能在 Palantir Foundry 作業系統內進行互動的代理人。AI FDE 的設計目的是將自然語言的指令轉化為具體的營運行動，例如：執行數據轉換、管理程式碼儲存庫，以及建構和維護組織的中央本體論。

這項整合的目標是讓這些代理人變得**「長週期運行」（long-running）**，這是 NVIDIA 和 Palantir 用來區分這波新技術與單輪式 LLM 查詢的術語。在此情境下，一個長週期的代理人可以自主執行複雜的多步驟任務——例如，接入一個新的數據串流、將其轉換、更新本體論，並在此基礎上建立一個新的營運應用程式——全程無需人類在每一步進行手把手指導。此類代理人被設計為能從這些互動中持續學習，從而建構出特定領域的、能在氣隙（Air-gapped）隔離環境中運作的企業系統，並隨著時間加深其專業化程度。

這項能力的基礎，是 Palantir 的核心差異化優勢：其本體論（Ontology）。本體論是一個數位化的表徵，它描繪了一個組織的所有數據、邏輯和行動，讓 AI 代理人不僅能理解數據本身，更能理解企業實際上是如何運作的。藉由將 NVIDIA 的 Nemotron 模型與這個語義地圖融合，兩家公司正在共同打造一個專為即時營運決策而設計的技術堆疊，AI 將能在其中理解一個行動在供應鏈、軍事後勤網路或網路安全防禦態勢中所引發的連鎖反應。

客戶群像：橫跨企業與政府機構

這項技術並非紙上談兵，它的目標客戶是世界上最複雜、最關鍵的任務環境。Palantir 的客戶群涵蓋了兩大緊密交織的領域：

• 企業客戶： NVIDIA 與 Palantir 共構的 AI 基礎設施，其早期採用者包括了 Lowe's、Booz Allen Hamilton 和 T-Mobile 等主要商業巨擘。此平台專為橫跨供應鏈、零售、醫療保健和金融服務等領域的營運決策而設計。
• 政府與國防： Palantir 透過其 Gotham 和 AIP（人工智慧平台） 為龐大的國防與情報體系提供服務。為加速此 AI 推進，該公司已建立了多項戰略合作關係，包括在 2025 年 6 月宣布與 Accenture Federal Services 合作，為聯邦政府的關鍵任務工作流程部署 AI；以及在 2026 年與 Deloitte 結盟，共同建立一個「企業作業系統」，以解鎖受困於政府機關數據孤島中的資料。

最終的願景，正如 Palantir 在 DevCon 開發者大會上所展示的，是一個能在安全環境內管理整個工程生命週期的 AI 代理人——從撰寫函式、製作評估，到能在分支感知的迴圈中安全地進行程式碼除錯——這一切都在那些時常與公共網路完全斷線的系統中進行。

一場籌劃數月的策略布局

2026 年 6 月 1 日的宣布是一個關鍵的產品里程碑，但並非這段合作關係的起點。這項整合的策略框架早在 2025 年 10 月的 GTC 華盛頓特區大會上就已奠定。當時，NVIDIA 與 Palantir 首次宣布，他們正在建構一個「針對營運 AI 的首創整合式技術堆疊」。當時的初步協議承諾將 NVIDIA 的 Blackwell 架構、CUDA-X 函式庫和 Nemotron 模型，與 Palantir 的本體論平台結合。

與 Palantir 的消息同步，NVIDIA 在 6 月 1 日的 GTC 台北大會也成為其企業代理人策略的更廣泛發布平台。該公司推出了 NVIDIA Agent Toolkit（代理人工具包），這是一個整合了 NemoClaw 藍圖、Nemotron 模型、OpenShell 安全執行環境和 CUDA-X 函式庫的平台，旨在幫助企業部署自主 AI 代理人。Palantir 和 SAP 被列名為主要的合作夥伴。與此同時，網路安全巨頭 CrowdStrike 也宣布了一項平行的整合計畫，將利用 Nemotron 模型驅動新的漏洞識別代理人，這證實了「長週期代理人」的典範轉移是整個生態系的全面推動，而非一次性的單一合作。

這一切意味著什麼？

Palantir 與 NVIDIA 的整合，標誌著企業 AI 正從實驗性的副駕駛（Copilot），走向能直接嵌入核心、自主運作的營運者。透過將一個專為長遠推理而優化的頂尖開源模型，與一個已經能描繪組織運作方式的平台配對，兩家公司正押注於一個未來：AI 代理人的自然棲息地並非聊天視窗，而是企業的營運核心本身。此外，Nemotron 3 Ultra 的開源特性，也為那些將安全放在首位的政府和企業客戶，提供了一條能在私有、氣隙隔離的基礎設施上部署尖端推理能力的途徑，而無需將數據發送到第三方 API，這正是 Palantir 核心市場一項不容妥協的要求。