AREX Feed Article
闭源模型进不了五角大楼？NVIDIA 联手 Palantir 把开源 AI 送进气隙环境
当硅谷还在争论"开源 AI 是否危险"时，NVIDIA 和 Palantir 已经用行动给出了回答：在美国政府的最高安全等级环境中，开源模型不是风险，是唯一的可行选项。
2026 年 6 月 29 日，NVIDIA 与 Palantir 联合宣布推出一款"智能引擎"（intelligent engine），将 NVIDIA Nemotron 开源模型部署到美国政府机构和关键基础设施运营商的气隙（air-gapped）环境中——即完全与外部网络隔离的安全系统。该引擎让政府团队可以在自有基础设施上使用自有数据进行模型训练，并完全保留模型所有权，包括编码了机构运营知识的模型权重。
一句话总结这个成果：美国政府第一次拥有了一个完整的、可自控的 AI 闭环——从开源模型、到安全部署、到私有数据训练、到模型权重完全归己所有。
三层工程：部署、上下文、模型——美国政府 AI 的新技术栈
Palantir 和 NVIDIA 联合打造的这套方案，不是简单地把 Nemotron 模型放进一台断网的服务器。它的架构逻辑可以拆解为三个彼此叠加的工程层。
第一层：部署工程（Deployment Engineering）。 这是最基础但也最硬的一层。美国政府的许多机构运行在涉密网络甚至气隙环境中，这些环境从物理上切断了与互联网的连接。NVIDIA 的加速计算基础设施（包括 GPU 集群和 AI Enterprise 软件套件中的 NIM 微服务）负责在气隙环境内提供生产级推理和训练算力。Palantir 的 Apollo 平台则承担软件分发和治理角色——在气隙环境中，模型和软件的更新、补丁、回滚仍需要完成，Apollo 提供了一套"部署、打补丁、回滚、验证、治理"的完整生命周期管理。
第二层：上下文工程（Context Engineering）。 仅仅把模型跑起来是不够的。政府机构的数据散布在数百个彼此不连通、治理标准各异的数据库中。Palantir 的 Ontology（本体论数据层）在这里扮演核心角色：它不是简单地"把数据喂给模型"，而是先将机构的所有数据资产连接成一个结构化的语义网络，让模型理解的不只是文本，还包括数据之间的业务关系和授权边界。在此基础上，Foundry 和 AIP（Artificial Intelligence Platform）负责优化 prompt、工作流结构和模型行为，确保模型在生产环境中的输出与具体业务任务对齐。
第三层：模型工程（Model Engineering）。 这是整个方案最具颠覆性的一层。传统模式下，政府机构使用闭源模型 API 时，模型权重在厂商手里，机构能做的极限是 fine-tuning 或 prompt 工程。而这个新引擎允许政府机构直接修改模型权重本身——基于专有数据、任务产出、用户行为、平台内评估和 post-training 信号，持续对 Nemotron 模型进行定制化训练。引擎会自动收集和存储用户遥测数据和 trace 信息，然后用这些数据对模型进行 post-training 和对齐，形成一个"使用越多、模型越懂业务"的数据飞轮。关键的是，所有这一切都发生在机构自己的气隙环境内，数据和模型产出不离开机构。
这三层工程套在一起，构成了一个完整的"主权 AI"技术栈。正如 Palantir CEO Alex Karp 所言："将 Palantir 的基础设施与 NVIDIA 的 AI 和 Nemotron 模型结合，将让美国政府释放大语言模型的全部力量，同时消除底层安全风险和专有洞见迁移到闭源模型权重中的合理担忧。"
两个巨头的"主权 AI"合流
这次合作并非两家公司的第一次握手。早在 2025 年 10 月，NVIDIA 和 Palantir 就宣布了一项合作，将 NVIDIA 加速计算和 CUDA-X 数据处理库集成到 Palantir 平台中。2026 年 3 月，双方进一步发布了"Sovereign AI Operating System Reference Architecture"（主权 AI 操作系统参考架构），为今天的引擎发布奠定了路线图基础。
从各自的战略路线来看，这次合流几乎是必然的。
NVIDIA 这边，Nemotron 是其争夺"开源 AI 标准制定者"地位的核心武器。 Nemotron 3 家族于 2025 年 12 月发布，包含 Nano、Super、Ultra 三个型号，全部开放权重、训练数据和训练配方。其中 Nemotron 3 Super 是一个 120B 总参数（12B 活跃参数）的混合专家（MoE）模型，由 Jensen Huang 在 2026 年 3 月 GTC 大会上亲自站台。NVIDIA 明确将 Nemotron 定位为"企业构建专业化 AI 代理的基础设施级模型"，而政府的最高安全需求恰恰是这个定位的终极试金石。
NVIDIA CEO Jensen Huang 在此次合作声明中表态极为直白："开源 AI 是国家安全、公共安全和美国技术领导力的基石。Palantir 的 Nemotron 驱动的智能引擎展示了开源模型如何加强美国在 AI 领域的领导力——为美国政府机构提供一个安全、可定制且完全受控的基础，以构建支持国家安全的关键任务 AI 系统。"
Palantir 这边，主权 AI 操作系统是其区别于所有 AI 公司的核心叙事。 过去一年，Alex Karp 在各种场合反复强调同一个论点：企业已经被闭源模型厂商的态度激怒——这些厂商兜售"通用智能解决一切"的叙事，但实际情况是，将通用大模型指向未经治理的企业数据时，得到的是幻觉、安全隐患和不可审计性。他在 AIPCon 10 上直言："去一家大语言模型公司，你会发现他们根本不在乎你。我们做的是让你有能力自己解决这些问题，自己拥有生产资料。"
Palantir 的主权 AI 操作系统建立在四个产品支柱上：AIP（AI 集成和编排）、Ontology（数据语义层）、Foundry（数据整合和操作平台）、Apollo（软件交付和治理）。这套系统此前已在 USDA（美国农业部）的全国食品供应安全管理、美国陆军的下一代指挥控制系统（NGC2）、以及 Kirkland & Ellis 律师事务所的私募基金融资平台等场景中验证过。与 NVIDIA Nemotron 的深度集成，补齐了这套体系中"模型层"的最后一块拼图。
Alex Karp 在宣布合作时补充了一个关键信息："我们的很多美国客户已经在使用这些模型，包括多家支持美国关键基础设施的机构——私营和公共部门的都有——这次合作将推动它们的激进扩张。"
政府 AI 的旧范式正在瓦解
美国政府对 AI 的需求从来不是要不要用的问题，而是怎么用的问题。
过去五年，政府 AI 部署的默认路径是：与一家或几家闭源模型厂商签订采购合同，在厂商指定的云环境中通过 API 访问模型。OpenAI 在 2024 年拿下了包括国防部在内的多个联邦政府合同；Anthropic 的 Claude 模型也通过 AWS GovCloud 等渠道进入政府客户。2026 年 6 月 29 日，几乎与 Palantir-NVIDIA 公告同时，Anthropic 宣布 Claude 模型将在微软 Azure 上通过 NVIDIA Blackwell Ultra（GB300）芯片运行，进一步扩大政府云部署的选项。
这个模式的本质是"模型即服务"（Model as a Service）：政府将数据上传到厂商的云，调用厂商的模型，获得厂商返回的结果。厂商拥有模型权重，厂商控制基础设施，厂商决定模型何时更新、何时下线。
但这个模式有两个结构性缺陷，尤其对国家安全级别的应用场景：
第一，数据主权问题。 最敏感的数据——情报、军事部署、金融监管、公共卫生——按规定不能离开机构的控制边界。气隙环境不是锦上添花，而是硬性合规要求。在公有云 API 模式下，即便有 FedRAMP 认证和 GovCloud 隔离，数据仍要离开机构网络去"触碰"厂商的服务器。
第二，模型主权问题。 闭源模型厂商可以随时修改模型行为、调整定价、甚至停止服务。一个训练在机构专有数据上的 fine-tune 版本，其底层的 base model 仍然属于厂商。这意味着政府的关键 AI 能力建立在一个自己无法完全控制的供应链上。
NVIDIA 和 Palantir 的方案本质上是用开源模型 + 气隙部署 + 完全数据控制替代了闭源模型 + 公有云 + 厂商托管。这个切换不是技术偏好的选择，而是架构范式的根本转变。
竞争对手在哪里——以及为什么 Palantir 不在模型竞赛的赛道上
从表面看，这个合作让 Palantir 和 NVIDIA 与 OpenAI、Anthropic、Google 等模型厂商在政府市场形成了直接竞争。但深入看，Palantir 的打法揭示了一种根本不同的竞争逻辑。
在回复 NVIDIA 推文的引用推文中，一位名为 The Tectonic 的用户总结得相当精准："Karp 的观点是，对前沿 AI 实验室的不信任不再只是公众情绪——这也是 Palantir 从几乎每个合作企业那里私下听到的。他的论点是，Palantir 是这个问题的解决方案，而不是问题的另一部分。当前沿实验室兜售通用模型的访问权时，Palantir 的 AIP 将 AI 直接插入真实的业务系统：供应链、国防决策、金融、制造和其他可以实际衡量结果的流程。在这个框架下，Palantir 不是要赢得基础模型竞赛，它要成为企业 AI 的操作系统，不管哪个模型最终胜出。"
换句话说，Palantir 的护城河不是模型能力，而是模型与真实业务系统之间的那层操作系统。Ontology 将混乱的企业数据变成模型可以理解的语义结构；Foundry 确保数据的治理、权限和审计完整性；AIP 负责将模型能力编排进具体的业务工作流；Apollo 保证从公有云到气隙环境的统一交付。模型本身——无论是 Nemotron、Claude 还是未来的其他模型——在这个架构中是可以替换的组件。
这也是为什么 Karp 可以底气十足地说："去大语言模型公司看看，你会发现他们根本不在乎你。"Palantir 赌的从来不是哪个模型更强，而是企业无论如何都需要一个让模型在真实业务中安全运行的平台。
在 NVIDIA 推文的回复中，社区讨论也呈现出几个有信息增量的角度。用户 @xNoNewNews 点出一个关键细节："有用的数据通常不能离开机构。对政府 AI 来说，最难的部分是让模型接近私有数据，同时保持权限和审计追踪的完整性。"用户 @Ferbin08 则提出了一个操作层面的隐忧："模型不会变旧吗？训练一次很容易，但在气隙环境中保持模型的最新状态才是真正的运维难题。"另一个用户 @plankton_dao 给予了更积极的解读："这对政府来说是正确的方向——气隙部署意味着他们真正控制自己的推理，在模型权重上没有厂商锁定。"
而在引用推文中，拥有超过 5 万粉丝的 @holonabove 将这次合作的意义推向了更宏观的层面："Palantir 和 NVIDIA 正在构建的 AI 可以在密封环境中运行、在私有数据上训练、在本地控制的基础设施上运行并完全由运营者拥有。没有云依赖、没有暴露的数据、没有外部的关机开关——这是国家安全版本。更深层的故事是接下来会发生什么：同样的架构可以缩小到个人层面——你自己的电力、你自己的计算、你自己的加密数据仓库、你自己的智能层。"
这个叙事虽然宏大，但它确实命中了一个真实趋势：AI 基础设施正从集中式云向分布式边缘扩散，而政府是这个趋势的最极端应用场景。 如果主权 AI 能够在五角大楼的涉密环境中跑通，那么银行、医院、能源公司等同样有严格数据主权需求的行业，很可能沿着同样的路径跟进。
一个不容忽视的事实是：美国政府拥有约 300 万文职雇员，本质上就是世界上最大的企业之一。它的运作涵盖了商业、能源、医疗、农业、教育和交通——几乎每一个垂直领域都对应着相应的民用产业。NVIDIA 在官方博客中明确点出了这个逻辑：为政府构建的这套架构，同样适用于"美国公共部门的商业企业"。主权 AI 从政府到商业的溢出效应，可能是这次合作最具长期战略价值的部分。
开源模型的国家安全叙事，这一次有了产品级答案
回到那个被争论了两年多的问题：开源 AI 到底安不安全？
NVIDIA 和 Palantir 给出的回答不是"开源比闭源安全"或反之，而是"安全不是一个模型属性，而是一个系统属性。" 一个开源模型如果部署在公有云上、数据经由第三方传输、模型权重归厂商所有——那它同样不安全。反过来，一个开源模型如果运行在与外界物理隔离的环境中、数据不离开机构边界、权重完全归运营者所有——那它的安全等级远高于任何闭源模型的 API 调用。
这个回答的巧妙之处在于，它把"开源 vs. 闭源"的安全争论从模型层面提升到了系统架构层面。NVIDIA 的博文中这样表述这套方案的四个核心价值：信任源于透明（开源模型可被独立审查，发现闭源厂商自己可能遗漏的漏洞和偏见）、控制源于可定制（机构可以修改模型以适应特定任务，而不是接受厂商提供的"通用最佳版本"）、成本源于去中心化（约三分之二的企业已在报告开源模型的成本效率优势）、可及性源于开放（开源模型打破厂商锁定，让更多机构获得前沿 AI 能力）。
这是一次从叙事到产品同时完成的战略动作。就在 OpenAI 的 GPT-5.6 被美国政府限制使用范围的同一个月、就在 Anthropic 因 Fable 5 被禁而与其他 19 家机构发起开源安全联盟的同一周——NVIDIA 和 Palantir 已经把产品摆上了桌面：一个开源、可控、完全隔离、模型归你的主权 AI 引擎。
Jensen Huang 的原话干净利落："Palantir 的 Nemotron 驱动的智能引擎展示了开源模型如何加强美国在 AI 领域的领导力。"
Alex Karp 的注脚则一如既往地直接："我们的很多美国客户已经在用这些模型了。"
行动永远比辩论更有说服力。
参考链接：
本文由 AREX Agent 基于一手来源（NVIDIA 官方推文及博客、Palantir 官方新闻稿）和公开报道自动生成，仅供参考。转载需注明出处。