01 触发事件

2026 年 7 月 4 日，All-In 这期节目把两件事放在同一条叙事线上：一是 Palantir-Nvidia 的 open source deal，二是 AI sovereignty wars。节目说明里还直接挂了 Nvidia 博客链接，标题可见对象是面向 US agencies 的 secure AI 与 Nemotron open models。

我没直接看到那篇博客全文，也没在内部跑过这套 stack，所以这里能确认的硬事实只有三层：时间是 2026 年 7 月 4 日；公司是 Palantir 和 Nvidia；叙事关键词是 open source、secure AI、US agencies、AI sovereignty。仅凭这些，其实已经够判断方向。

单独看，这像一次典型 BD 新闻。

放到 2026 的时间点看，这不是。

Palantir-Nvidia open source deal

真正值得盯住的不是 deal 本身，而是 deal 的对象：主权场景下的 AI 基础设施采购。当 open models 被明确包装进 secure、agency、sovereignty 这套语言体系时，模型已经不再只是 API 商品，而是国家级 IT 资产。

02 这事的真正含义

这才是这件事在说的事：政府与受监管行业，正在把 AI 的购买单位从“最好模型”切换成“可控整栈”。

为什么这很关键？

因为 consumer 或 startup 会先问 benchmark、price per million tokens、latency、context window。政府不会。政府先问的是数据边界、deployment topology、审计链路、access control、air-gapped 可行性、供应连续性，以及出问题后谁负责。

这会直接改变价值分配。

过去一年，模型公司争夺的是 intelligence premium。谁更强，谁更贵，谁拿走更多毛利。可一旦进入 sovereignty 采购，那个真正会被定价的不是单次输出质量，而是 可信交付能力：模型能不能替换、权重能不能驻留本地、日志能不能审计、推理能不能跑在指定硬件、系统能不能长期维护。

我可能误判的一点是，节目标题里的 open source deal 未必等于真正的开放许可，也可能只是更宽松的部署口径。但即便如此，叙事重心已经从 closed frontier model 的神秘感，转向 open-enough model 的可治理性。这会让 Nvidia 拿到硬件与 reference stack 的锚点，让 Palantir 拿到 workflow、security 和 procurement interface 的锚点。

问题不在于 Palantir 会不会自己做基础模型。

问题在于它根本不需要。

只要政府客户最终买的是 outcome，而不是 leaderboard 第一名，那么最强 moat 就未必在 model lab，而在 distribution、integration、switching cost。Palantir 占的是后两者；Nvidia 占的是前面的算力与生态默认值。二者拼起来，正好补上 open model 缺少的最后一公里商业化能力。

03 历史类比 / 结构对照

最像的历史，不是 2022 年 ChatGPT。

更像 2014 年前后的 AWS 企业化拐点。

那一轮云计算竞争，技术上最性感的是虚拟化、分布式系统、弹性调度；商业上真正赢下来的，却是 谁把复杂技术封装成企业可买、可审、可持续采购的标准件。开发者先采用，企业后标准化，政府最后制度化。AI 现在也在走这条路。

我没法证明 Palantir-Nvidia 这次合作会成为那个 AWS 时刻，但它至少暴露了同样的结构：底层能力 commoditize 得越快，上层“被组织采购”的能力越值钱。

这也是 open vs closed 博弈最容易被看错的地方。

很多人把 open source 理解成价格战。

这太浅了。

在 sovereignty 语境里，open 的意义首先不是便宜，而是 可替换。可替换带来议价权；议价权带来采购安全感；采购安全感再反过来放大部署规模。Closed model 当然仍可能在 intelligence 上领先，但在主权场景里，领先 10 分不一定比 controllability 多 1 分更重要。

如果一定要找更早的类比，我会想到 iPhone 之后的移动互联网。真正改变行业的不是某个芯片参数，而是整套 distribution 机制被 App Store 重写。今天政府 AI 的 distribution 机制，可能正从“直接买模型”改写成“买合规 stack + 可控模型 + 长期运维”。

04 对 AI builder 意味着什么

对 AI builder，尤其是卖 API、做 agent、做行业应用的人，这周和这个月该调的不是口号，而是路线图。

第一，别再把模型选择写成单变量优化。

如果客户里有 regulated vertical，routing 层现在就该支持 closed/open 混合编排，至少要能清楚回答：哪些请求可以走外部 API，哪些必须 on-prem，哪些可以做 prompt caching，哪些需要本地 KV cache 策略。这里我可能看得太偏 infra，但采购的人会先问这个。

第二，重新评估 open model 的商业位置。

以前很多团队把 open model 当 fallback，或者当压价工具。现在它更像进入大客户的门票。不是因为它一定更强，而是因为它更容易嵌进客户已有的 security 与 governance 结构。对 token gateway 来说，这意味着 model access 不该只卖“多模型”，而该卖“多部署形态 + 多合规边界”。

第三，把 developer tooling 视角往后移一层。

MCP、agent framework、workflow orchestration 当然重要，但在 sovereignty 订单里，最后签单的常常不是最会写 agent loop 的团队，而是最能证明 system boundary 的团队。我没在内部看过这些政府项目的招标文本，不过经验上，审计、权限、日志、身份集成，往往比 demo 更决定成败。

第四，定价策略要变。

如果行业进入“整栈可控性”竞赛，单纯按 token 加价的空间会被压缩。更容易守住毛利的，可能是 deployment premium、SLA premium、data residency premium、governance premium。换句话说，被定价的开始不是模型本身，而是模型被组织消费的方式。

05 反方观点 / 风险

最强的反方观点其实很直接：我可能把一次节目里的合作讨论，过度上升成行业拐点了。

这是完全可能的。

第一，open source 叙事不一定等于真实采用。很多政府与大企业会拿 open model 做 PoC，真正上生产时还是回到 closed vendor，因为后者更新快、效果稳、责任更集中。若是这样，Palantir-Nvidia 的象征意义会大于实际吞吐量。

第二，主权 AI 可能只是少数高预算买家的特殊市场，而不是行业主流。多数 builder 面对的仍是普通企业，他们更在乎价格、速度与现成能力，而不是 sovereignty。那这篇判断就会对大多数应用层创业者过于宏大。

第三，Nvidia 的位置也可能被高估。它在训练与推理侧当然仍强，但若未来 inference stack 被 cloud provider 深度封装，或者专用 ASIC 把一部分工作负载吸走，Nvidia 在主权 stack 里的 capture rate 未必像今天想象的这么高。我没法从节目简介里验证这一层。

第四，也是最不舒服的一点：Palantir 这类公司擅长把复杂采购叙事产品化，但擅长卖，不等于擅长建立开放生态。如果最后形成的是少数大承包商控制入口，所谓 open model 也可能只是被包在新的封闭集成层里。那对 builder 来说，新增的不是自由，而是新的 distribution gatekeeper。

所以我的结论不是“open 赢了”或“closed 输了”。

我的结论更窄，也更硬：2026 年中开始，至少在政府与高合规行业，AI 竞争单位正在从 model 变成 stack；从 benchmark 变成 procurement；从 intelligence race 变成 controllability race。

谁先看懂这一点，谁就不会只拿一张模型价目表去打下一阶段的仗。