英伟达与 Palantir 联手将 Nemotron 开放模型、Palantir Foundry、AIP 与 Ontology 组合成面向关键供应链的“主权 AI”堆栈，首批部署在英伟达自身供应链以优化材料分配与产能协调。双方强调企业可在本地或云端保留对数据与模型的控制，并通过可审计的决策与回写数据建立反馈闭环，但实际推广效果和独立验证仍有待观察。
英伟达与 Palantir 于 2026 年 9 月 10 日宣布合作，将 NVIDIA Nemotron 开放模型、Palantir Foundry 与人工智能平台 AIP，以及支撑业务语义建模的 Ontology 结合起来，构建面向关键供应链的“主权 AI”堆栈。双方表示，这套系统将首先部署在英伟达自身的供应链运营中，之后再面向制造、能源、医疗、汽车和航空航天等行业推广。
这项合作的重点，不是推出一个新的通用聊天机器人，而是让模型参与材料分配、产能协调和供应风险判断等具体运营决策。企业可以在本地、托管环境或云端运行相应架构，并保留对数据、模型和部署环境的控制。
从晶圆到“第一枚 token”的供应链
英伟达的 AI 基础设施供应链横跨数千家供应商和全球制造网络。公司说，每个 Vera Rubin 机架约涉及 130 万个零部件，涵盖计算、内存、网络、电源、冷却和机械组件。任何一个环节的短缺或交付延迟，都可能阻塞后续组装和部署。
NVIDIA 的技术博客将这一过程描述为从“晶圆出厂”到“第一枚 token”之间的连续链路。供应链团队不仅要知道某种材料是否可用，还要决定有限材料应分配给哪些制造地点、在何时分配，以及某一项短缺会如何影响最终生产交付。
双方称，Palantir Foundry 提供运营数据层，Ontology 则把材料、制造地点、供应商承诺、库存、产能、分配结果和生产产出连接成统一的业务对象与关系网络。这样一来，规划人员可以看到分散在不同系统中的约束，并对不同分配方案进行情景推演。
NVIDIA cuOpt 则负责处理其中的定量优化问题。根据技术博客，材料分配可以被表述为混合整数线性规划，目标之一是减少材料在制造网络中的占用时间。cuOpt 不仅返回一个分配结果，也会显示哪些约束正在限制产出，例如某个制造地点的产能、内存供应或运输时间。
让模型学习供应链专家的判断
单靠优化器并不能覆盖所有供应链信息。英伟达表示，规划人员还会参考供应商沟通、天气、地缘政治事件以及过去积累的经验。这些信息往往不会整齐地出现在结构化数据库中，却可能改变一项材料分配决定。
因此，英伟达与 Palantir 记录的不只是“分配了多少材料”，还包括作出决定时所依据的理由、预期结果和最终实际结果。双方再利用这些经过治理的历史记录，对 NVIDIA Nemotron 3.5 Lightning 进行定制训练，使模型能够根据当时可获得的运营信息提出建议，并解释建议背后的风险和取舍。
AIFlux 此前对 Nemotron 3.5 Lightning 的报道显示，该模型总参数量为 300 亿，每个 token 约激活 30 亿参数，定位是长时间运行的 Agent 工作流中的高频执行模型。对于供应链场景而言，这类模型并不需要取代规划人员，而是可以承担大量重复判断、风险标注和方案比较工作。
英伟达技术博客披露，在其开发基准上，经过定制训练的 Nemotron 3.5 Lightning 达到 86.7% 的材料分配决策准确率；作为比较，Nemotron 3 Ultra 为 55.5%，未定制训练的 Lightning 为 17.5%。该结果来自 NVIDIA 与 Palantir 设计的开发评测和历史回放，并非独立第三方 benchmark，也不能直接推导出整个供应链的效率提升。
双方还披露，经过 LoRA 训练的模型使用两块 NVIDIA B200 GPU，在数分钟内完成训练。系统上线后，规划人员仍负责最终决定，接受、修改或否决建议以及实际生产结果会被写回 Ontology，作为下一轮受控训练和评估的数据。
“主权 AI”意味着什么
NVIDIA 与 Palantir 的官方公告将这一架构称为主权 AI 堆栈。这里的“主权”主要指企业能够在自己的计算边界内使用专有数据定制模型，并控制模型权重、推理环境和运营数据，而不是把所有敏感信息交给外部通用模型服务。
Palantir 的主权 AI 操作系统参考架构进一步把 NVIDIA AI 基础设施、Palantir 的计算与管理层、AIP、Foundry 以及部署和生命周期管理工具组合在一起。官方资料称，这套架构可以运行在本地数据中心、边缘环境、托管设施或云端，并由 Dell、Cisco、Rackspace 和 Nebius 等合作方提供不同的基础设施选项。
这一方向也与英伟达近期把 Vera Rubin 从单一 GPU 产品扩展为完整 AI 工厂平台的路线相呼应。AIFlux 对 Vera Rubin 量产的报道指出，英伟达正在把计算、网络、存储、电力、冷却和软件运维视为一个系统工程。此次供应链合作则把这种系统化思路延伸到了 AI 基础设施的生产和交付环节。
部署承诺与实际成效之间仍有距离
目前公开信息确认的是双方的合作关系，以及这套系统首先在英伟达供应链中部署的计划。公告没有说明所有客户已经完成落地，也没有披露统一价格、已确认收入或经过独立审计的供应链效率数据。
此外，86.7% 的决策准确率只对应双方定义的材料分配任务和开发数据。它不能代表模型在所有供应链预测、突发事件或长期生产风险判断中同样有效。供应链的实际收益还取决于数据质量、系统接入范围、人员是否采纳建议，以及模型能否在不同工厂和供应商网络中持续运行。
这项合作真正值得观察的地方，在于企业 AI 是否会从“查询业务资料”进一步转向“参与受约束的运营决策”。如果模型建议能够被记录、解释、审核，并与真实生产结果形成反馈闭环，开放模型就可能成为企业专有流程的一部分。但在大规模推广之前，部署范围、成本收益、错误处理和独立验证仍是需要回答的问题。