Η NVIDIA και η Palantir ανακοινώνουν την Κυριαρχική Στοίβα AI για τις Εφοδιαστικές Αλυσίδες

Η NVIDIA και η Palantir Technologies ανακοίνωσαν στις 10 Σεπτεμβρίου 2026 μια συνεργασία για την προσφορά κυριαρχικής AI σε κρίσιμες εφοδιαστικές αλυσίδες, με τη κοινά κατασκευασμένη στοίβα AI να αναπτύσσεται αρχικά εντός των δικών της λειτουργιών εφοδιαστικής αλυσίδας της NVIDIA.

Η στοίβα ενσωματώνει τα ανοιχτά μοντέλα Nemotron της NVIDIA στο Palantir Foundry και στην Πλατφόρμα Τεχνητής Νοημοσύνης (AIP) της Palantir, βασισμένα στην Ontology της Palantir. Οι εταιρείες δήλωσαν ότι το σύστημα παρέχει στις ομάδες εφοδιαστικής αλυσίδας ένα κοινό κέντρο ελέγχου, ξεκινώντας από τις αποφάσεις κατανομής υλικών, ενώ οι πελάτες διατηρούν τον έλεγχο και την ιδιοκτησία των ιδιόκτητων δεδομένων τους. Η στοίβα θα παρουσιαστεί στη διάσκεψη AIPCon 11 της Palantir, και οι εταιρείες πρόσθεσαν ότι οργανισμοί στον τομέα της γεωργίας, της βιομηχανίας, της φαρμακευτικής, του λιανικού εμπορίου, της τεχνολογίας και της κυβέρνησης μπορούν να την εφαρμόσουν στις δικές τους εφοδιαστικές αλυσίδες.

Η NVIDIA δήλωσε ότι η εφοδιαστική της αλυσίδα περιλαμβάνει εκατομμύρια εξαρτήματα, χιλιάδες προμηθευτές και ένα παγκόσμιο δίκτυο συνεργατών κατασκευής, και ότι η εισαγωγή ενός συστήματος AI σε κλίμακα rack στην παραγωγή απαιτεί συντονισμένη διαθεσιμότητα υπολογιστικών, μνημονικών, δικτυακών, ενεργειακών, ψύξης και μηχανικών στοιχείων. Κάθε rack NVIDIA Vera Rubin περιέχει 1,3 εκατομμύρια εξαρτήματα, σύμφωνα με την ανακοίνωση.

Στην συνυπάρχουσα ανακοίνωση, ο συνιδρυτής και Διευθύνων Σύμβουλος της Palantir, Alex Karp, είπε: «Η NVIDIA διαθέτει ενδεχομένως την πιο πολύτιμη, πολύπλοκη και σύνθετη εφοδιαστική αλυσίδα στον κόσμο. Η κυριαρχική μας στοίβα, που τροφοδοτείται από μοντέλα Nemotron και Ontology, παρέχει δυνατότητες που ξεπερνούν τα όρια, ενώ προσφέρει χαρακτηριστικά προστασίας alpha που δεν είναι διαθέσιμα αλλιώς».

Ο ιδρυτής και Διευθύνων Σύμβουλος της NVIDIA, Jensen Huang, δήλωσε ότι οι εταιρείες στοχεύουν να μετατρέψουν το λειτουργικό γράφημα πίσω από την υποδομή AI σε κυριαρχική νοημοσύνη, συνδυάζοντας τα μοντέλα Nemotron με την Ontology της Palantir για τον συντονισμό της διαδρομής από την παραγωγή wafer μέχρι την παραγωγή token.

Η Εφοδιαστική Αλυσίδα της NVIDIA και το Κέντρο Εντολών Foundry

Σε μια τεχνική ανάρτηση ιστολογίου που δημοσιεύτηκε παράλληλα με την ανακοίνωση, η NVIDIA ανέφερε ότι μετρά την απόδοση της εφοδιαστικής αλυσίδας από το wafer‑out μέχρι το πρώτο token. Το διάστημα χωρίζεται σε δύο: ο χρόνος‑προς‑rack εκτείνεται από το πυρίτιο που φεύγει από το εργοστάσιο μέχρι ένα συναρμολογημένο σύστημα που φτάνει σε δάπεδο κέντρου δεδομένων, ενώ ο χρόνος‑προς‑token καλύπτει την ενέργεια, την ψύξη, το δίκτυο και το λογισμικό που κάνουν την υποδομή παραγωγική.

Οι πλατφόρμες Grace Blackwell NVL72 βασίζονται σε εκατομμύρια εξαρτήματα και χιλιάδες προμηθευτές, με τα τελικά συστήματα να συναρμολογούνται από δεκάδες OEM και ODM. Ένα μόνο δίσκο υπολογισμού GB200 NVL72 — ένας από δεκαοχτώ σε ένα rack — απαιτεί δύο Grace CPUs, τέσσερις Blackwell GPUs και 32 στοίβες μνήμης HBM3e, και η NVIDIA ανέφερε ότι η εφοδιαστική αλυσίδα που δημιούργησε για το Vera Rubin είναι διπλάσια από αυτήν που υποστηρίζει το Grace Blackwell. Για να παρακολουθεί πόσο καιρό παραμένει αδρανές ένα υλικό, η NVIDIA χρησιμοποιεί ένα μέτρο που ονομάζεται Time of Ownership: ο χρόνος που μεσολαβεί μεταξύ της παραλαβής του υλικού σε ένα εργοστάσιο και της αποχώρησής του ως μέρος υποσυστήματος ή προϊόντος.

Κάθε εβδομάδα, οι προγραμματιστές επεξεργάζονται χειροκίνητα αυτό που η NVIDIA αποκαλεί το κρίσιμο πρόβλημα κατανομής υλικών, αποφασίζοντας ποιο υλικό και πόση ποσότητα θα κατευθυνθεί σε κάθε εργοστάσιο παραγωγής για το τρέχον και το επόμενο τρίμηνο. Για να υποστηρίξουν αυτή τη δουλειά, η ομάδα λειτουργιών εφοδιαστικής αλυσίδας της NVIDIA δημιούργησε ένα κέντρο εντολών Digital Supply Chain Intelligence με την Palantir στο Foundry, όπου η Ontology συνδέει υλικά, εργοστάσια, δεσμεύσεις, χωρητικότητα, κατανομές, παραγωγικές εξόδους και μη δομημένα ποιοτικά σήματα σε ένα διακυβερνημένο στρώμα δεδομένων.

Το NVIDIA cuOpt, η ανοιχτή βιβλιοθήκη της εταιρείας για βελτιστοποίηση αποφάσεων με επιτάχυνση GPU, λύνει την εβδομαδιαία κατανομή ως ένα μικτό ακέραιο γραμμικό πρόγραμμα του οποίου ο στόχος είναι η ελαχιστοποίηση του Time of Ownership, λαμβάνοντας εισροές από την Ontology και γράφοντας τα αποτελέσματα πίσω ως αποφάσεις κατανομής. Η ανάρτηση αναφέρει ότι το cuOpt επίσης εντοπίζει ποιες περιοριστικές συνθήκες είναι δεσμευτικές, ώστε οι προγραμματιστές να βλέπουν αν η χωρητικότητα ή η διαθεσιμότητα μνήμης περιορίζουν μια δεδομένη εβδομάδα, και μπορούν να δοκιμάσουν σενάρια όπως μια μείωση της μνήμης κατά δέκα τοις εκατό ή η ενεργοποίηση νέου εργοστασίου.

Μετά‑Εκπαίδευση Nemotron στις Αποφάσεις Κατανομής

Η NVIDIA και η Palantir έκαναν back‑testing ιστορικών αποφάσεων κατανομής έναντι του πραγματικού αποτελέσματος και διαπίστωσαν ότι οι ανθρώπινοι προγραμματιστές υπερέβαιναν τον αλγόριθμο, σύμφωνα με την ανάρτηση, επειδή οι προγραμματιστές ενσωμάτωσαν πληροφορίες που το σύστημα δεν μπορούσε να δει: email με συνεργάτες, προβλέψεις σοβαρών καιρικών φαινομένων για κρίσιμες περιοχές, γεωπολιτικά γεγονότα και απομαγνητοφωνήσεις προμηθευτών, μαζί με χρόνια συσσωρευμένη εμπειρία. Οι ομάδες ανασυνέταξαν τη ροή εργασίας γύρω από αυτήν την εμπειρία, καταγράφοντας κάθε απόφαση κατανομής, τη λογική της, το αναμενόμενο αποτέλεσμα και το πραγματικό αποτέλεσμα μέσα στην Ontology.

Αυτά τα δεδομένα έγιναν σύνολο εκπαίδευσης. Οι ομάδες έκαναν post‑training στο Nemotron 3.5 Lightning, ένα μοντέλο mixture‑of‑experts ανοιχτού βάρους με 30 δισεκατομμύρια παραμέτρους και περίπου 3 δισεκατομμύρια ενεργές ανά προώθηση, το οποίο, σύμφωνα με την ανάρτηση, επιλέχθηκε επειδή είναι σχεδιασμένο ειδικά για το στρώμα εκτέλεσης μιας εργασίας με πράκτορα και επειδή τα ανοιχτά μοντέλα μπορούν να υποβληθούν σε post‑training εντός του δικού υπολογιστικού περιβάλλοντος ενός οργανισμού. Η αλυσίδα χρησιμοποιεί το NeMo Anonymizer για την αφαίρεση προσωπικών πληροφοριών, το NeMo Data Designer για τη δημιουργία και εξισορρόπηση συνθετικών παραδειγμάτων, και το NeMo AutoModel για την εκπαίδευση ενός μικρού συνόλου παραμέτρων προσαρμογέα LoRA ενώ τα βασικά βάρη παραμένουν παγωμένα, με το Palantir Autopilot να διαχειρίζεται τον κύκλο ζωής από τα δεδομένα Ontology μέχρι το αναπτυγμένο μοντέλο.

Στο benchmark ανάπτυξης που περιγράφεται στην ανάρτηση, το post‑trained μοντέλο πέτυχε 86,7 % ακρίβεια απόφασης κατανομής, σε σύγκριση με 55,5 % για το μεγαλύτερο Nemotron 3 Ultra και 17,5 % για το βασικό Nemotron 3.5 Lightning. Η NVIDIA αναφέρει ισορροπημένη ακρίβεια 58,6 % έναντι του Ultra 42,0 % και σκορ Macro‑F1 57,5 % έναντι 39,5 %. Οι συγγραφείς σημειώνουν ότι αυτά τα μετρικά ζυγίζουν κάθε τύπο απόφασης εξίσου, κάτι που έχει σημασία επειδή οι προγραμματιστές μειώνουν τις κατανομές πολύ πιο συχνά από ό,τι τις αυξάνουν.

Η ανάρτηση προειδοποιεί ότι τα κέρδη συγκεντρώνονται στον τομέα στον οποίο το μοντέλο εκπαιδεύτηκε και ότι η πρόβλεψη μελλοντικού κινδύνου παραγωγής παρέμεινε δύσκολη παρά τη λεπτομερή ρύθμιση. Η εκπαίδευση LoRA ολοκληρώθηκε σε δύο GPU NVIDIA B200 σε λίγα λεπτά, αρκετά ελαφριά ώστε να επαναλαμβάνεται καθώς συσσωρεύεται η ανατροφοδότηση, σύμφωνα με την ανάρτηση.

Το μοντέλο προτείνει ένα εύρος κατανομής με συσχετισμένη λογική και κινδύνους, αλλά ένας ανθρώπινος προγραμματιστής ελέγχει κάθε πρόταση και παίρνει την τελική απόφαση. Κάθε αποδοχή, επεξεργασία, παράκαμψη και αποτέλεσμα παραγωγής γράφεται ξανά στην Ontology μέχρι να υπάρξουν επαρκή αντιπροσωπευτικά δεδομένα για μια νέα διακυβερνημένη εκπαίδευση. Η ανάρτηση δηλώνει ότι το μοντέλο δεν επανεκπαιδεύεται αυτόματα στην παραγωγή και ότι η συσσωρευμένη ανατροφοδότηση προορίζεται να υποστηρίξει ενισχυτική μάθηση στο μέλλον.

Κυριαρχική Ανάπτυξη και Εταίροι Υποδομής

Δεδομένης της ευαισθησίας της εφοδιαστικής αλυσίδας της NVIDIA, η ανάπτυξη εκτελείται σε αρχιτεκτονικές αναφοράς της NVIDIA και στην από κοινού αναπτυγμένη Palantir Sovereign AI Operating System Reference Architecture, γνωστή ως SAIOS, η οποία υποστηρίζεται από τη Dell Technologies και την Cisco. Οι εταιρείες δήλωσαν ότι η στοίβα μπορεί να αναπτυχθεί on‑premises με κατασκευαστές συστημάτων όπως η Cisco και η Dell, ή σε περιβάλλοντα συν-τοποθεσίας και σύννεφου με την Rackspace και τη Nebius.

Μέσα στην Palantir AIP, το cuOpt υποστηρίζει βελτιστοποίηση και προγραμματισμό σεναρίων, ενώ οι NeMo Data Libraries, NeMo AutoModel και NeMo RL ενσωματώνονται με το Palantir Autopilot σε αυτό που οι εταιρείες περιγράφουν ως ένα διακυβερνημένο βρόχο μάθησης που μετρά τις αποφάσεις έναντι των πραγματικών αποτελεσμάτων. Οι εταιρείες δήλωσαν ότι σχεδιάζουν να επεκτείνουν όσα μαθαίνουν από την ανάπτυξη της NVIDIA σε επιχειρήσεις στον τομέα της βιομηχανίας, της ενέργειας, της υγειονομικής περίθαλψης, της αυτοκινητοβιομηχανίας και της αεροδιαστημικής.