NVIDIA y Palantir anuncian pila de IA soberana para cadenas de suministro

NVIDIA y Palantir Technologies anunciaron el 10 de septiembre de 2026 una colaboración para llevar IA soberana a cadenas de suministro críticas, con la pila de IA construida conjuntamente desplegada inicialmente dentro de las propias operaciones de la cadena de suministro de NVIDIA.

La pila incorpora los modelos abiertos Nemotron de NVIDIA en Palantir Foundry y en la Plataforma de Inteligencia Artificial (AIP) de Palantir, basados en la Ontología de Palantir. Las empresas dijeron que el sistema brinda a los equipos de la cadena de suministro un centro de mando compartido, comenzando con decisiones de asignación de materiales, mientras los clientes conservan el control y la propiedad de sus datos propietarios. La pila se presentará en la conferencia AIPCon 11 de Palantir, y las compañías señalaron que organizaciones de los sectores agrícola, manufacturero, farmacéutico, minorista, tecnológico y gubernamental pueden aplicarla a sus propias cadenas de suministro.

NVIDIA afirmó que su cadena de suministro abarca millones de piezas, miles de proveedores y una red global de socios de fabricación, y que llevar a producción un sistema de IA a escala de rack requiere la disponibilidad coordinada de cómputo, memoria, redes, energía, refrigeración y componentes mecánicos. Cada rack NVIDIA Vera Rubin contiene 1,3 millones de piezas, según el anuncio.

En el anuncio conjunto, el cofundador y CEO de Palantir, Alex Karp, dijo: “NVIDIA posee, sin duda, la cadena de suministro más valiosa, intrincada y compleja del mundo. Nuestra pila soberana, impulsada por los modelos Nemotron y la Ontología, está ofreciendo capacidades que superan la frontera mientras brinda cualidades de protección alfa que de otro modo no están disponibles.”

El fundador y CEO de NVIDIA, Jensen Huang, dijo que las compañías buscan convertir el grafo operativo detrás de la infraestructura de IA en inteligencia soberana, combinando los modelos Nemotron con la Ontología de Palantir para coordinar el camino desde la producción de obleas hasta la generación de tokens.

Cadena de suministro de NVIDIA y el centro de mando de Foundry

En una publicación técnica en el blog publicada junto al anuncio, NVIDIA dijo que mide el rendimiento de la cadena de suministro desde la salida de la oblea hasta el primer token. El intervalo se divide en dos: el tiempo hasta el rack abarca desde que el silicio sale de la fábrica hasta que un sistema ensamblado llega al piso de un centro de datos, y el tiempo hasta el token cubre el trabajo de energía, refrigeración, redes y software que hace productiva la infraestructura.

Las plataformas Grace Blackwell NVL72 se basan en millones de piezas y miles de proveedores, con los sistemas finales ensamblados por decenas de OEM y ODM. Una sola bandeja de cómputo GB200 NVL72 — una de dieciocho en un rack — requiere dos CPUs Grace, cuatro GPU Blackwell y 32 pilas de memoria HBM3e, y NVIDIA afirmó que la cadena de suministro que creó para Vera Rubin es el doble de grande que la que respalda a Grace Blackwell. Para rastrear cuánto tiempo permanece inactivo un material, NVIDIA utiliza una métrica llamada Tiempo de Propiedad: el tiempo transcurrido entre que un sitio de fabricación recibe el material y que ese material sale como parte de una sub‑ensambladura o producto.

Cada semana, los planificadores reformulan manualmente lo que NVIDIA denomina el problema de asignación crítica de materiales, decidiendo qué material y cuánta cantidad se envía a cada sitio de fabricación durante el trimestre actual y el siguiente. Para respaldar ese trabajo, el equipo de operaciones de la cadena de suministro de NVIDIA construyó un centro de mando de Inteligencia Digital de la Cadena de Suministro con Palantir en Foundry, donde la Ontología conecta materiales, sitios de fabricación, compromisos, capacidad, asignaciones, resultados de producción y señales cualitativas no estructuradas en una capa de datos gobernada.

NVIDIA cuOpt, la biblioteca de código abierto de la compañía para la optimización de decisiones acelerada por GPU, resuelve la asignación semanal como un programa lineal mixto entero cuyo objetivo es minimizar el Tiempo de Propiedad, tomando entradas de la Ontología y escribiendo los resultados como decisiones de asignación. El artículo informa que cuOpt también identifica qué restricciones son vinculantes, de modo que los planificadores pueden ver si la capacidad o el suministro de memoria limitaron una semana determinada, y pueden probar escenarios como una reducción del diez por ciento en el suministro de memoria o la puesta en marcha de un nuevo sitio de fabricación.

Nemotron post‑entrenado en decisiones de asignación

NVIDIA y Palantir probaron retrospectivamente decisiones de asignación históricas frente a lo que realmente ocurrió y descubrieron que los planificadores humanos superaron al solucionador, según informa el artículo, porque los planificadores actuaron sobre información que este no podía ver: correos electrónicos intercambiados con socios, pronósticos de clima severo para regiones clave, eventos geopolíticos y transcripciones de informes de proveedores, junto con años de experiencia acumulada. Los equipos reconstruyeron el flujo de trabajo alrededor de esa experiencia, capturando cada decisión de asignación, su justificación, el resultado esperado y el resultado real dentro de la Ontología.

Ese registro se convirtió en datos de entrenamiento. Los equipos post‑entrenaron Nemotron 3.5 Lightning, un modelo de mezcla de expertos de peso abierto con 30 mil millones de parámetros y aproximadamente 3 mil millones activos por pasada, que, según el artículo, se seleccionó porque está diseñado específicamente para la capa de ejecución de un flujo de trabajo agente y porque los modelos abiertos pueden post‑entrenarse dentro del propio perímetro de cómputo de una organización. La canalización utiliza NeMo Anonymizer para eliminar la información de identificación personal, NeMo Data Designer para generar y equilibrar ejemplos sintéticos, y NeMo AutoModel para entrenar un pequeño conjunto de parámetros adaptadores LoRA mientras los pesos base permanecen congelados, con Palantir Autopilot gestionando el ciclo de vida desde los datos de la Ontología hasta el modelo desplegado.

En el benchmark de desarrollo descrito en el artículo, el modelo post‑entrenado alcanzó un 86,7 % de precisión en decisiones de asignación, comparado con un 55,5 % para el Nemotron 3 Ultra más grande y un 17,5 % para el Nemotron 3.5 Lightning base. NVIDIA informa una precisión equilibrada del 58,6 % frente al 42,0 % de Ultra y una puntuación Macro‑F1 de 57,5 % frente a 39,5 %. Los autores afirman que esas métricas ponderan cada tipo de decisión por igual, lo que es importante porque los planificadores reducen asignaciones con mucho más frecuencia de la que las aumentan.

El artículo advierte que los beneficios se concentran en el dominio en el que el modelo fue post‑entrenado y que predecir el riesgo de producción futura sigue siendo difícil a pesar del ajuste fino. La ejecución de entrenamiento LoRA se completó en dos GPU NVIDIA B200 en minutos, lo suficientemente ligera como para repetirse a medida que se acumula retroalimentación, según el artículo.

El modelo recomienda un rango de asignación con la justificación y los riesgos adjuntos, pero un planificador humano revisa cada recomendación y toma la decisión final. Cada aceptación, edición, anulación y resultado de producción se escribe de nuevo en la Ontología hasta que exista suficiente datos representativos para otra ejecución de entrenamiento gobernado. El artículo indica que el modelo nunca se reentrena en producción y que la retroalimentación acumulada está destinada a respaldar el aprendizaje por refuerzo en el futuro.

Despliegue soberano y socios de infraestructura

Dada la sensibilidad de la cadena de suministro de NVIDIA, el despliegue se ejecuta sobre arquitecturas de referencia de NVIDIA y la Arquitectura de Referencia del Sistema Operativo de IA Soberana de Palantir, conocida como SAIOS, que cuenta con el respaldo de Dell Technologies y Cisco. Las compañías dijeron que la pila puede desplegarse en instalaciones locales con fabricantes de sistemas como Cisco y Dell, o en entornos de colocation y nube con Rackspace y Nebius.

Dentro de Palantir AIP, cuOpt soporta la optimización y la planificación de escenarios, mientras que NeMo Data Libraries, NeMo AutoModel y NeMo RL se integran con Palantir Autopilot en lo que las compañías describen como un bucle de aprendizaje gobernado que mide las decisiones frente a resultados del mundo real. Las empresas dijeron que planean extender lo que aprenden del despliegue de NVIDIA a empresas de los sectores manufacturero, energético, de salud, automotriz y aeroespacial.