إنفيديا وبالانتير تنشران مجموعة الذكاء الاصطناعي السيادية لسلاسل الإمداد

أعلنت Palantir Technologies (PLTR ) وNVIDIA في 10 سبتمبر 2026، عن تعاون لجلب الذكاء الاصطناعي السيادي إلى سلاسل الإمداد الحرجة، حيث يتم نشر مجموعة الذكاء الاصطناعي أولاً داخل عمليات سلسلة إمداد NVIDIA نفسها. يخلق النشر مجموعة ذكاء اصطناعي تُدخل نماذج NVIDIA Nemotron المفتوحة إلى Palantir Foundry ومنصة الذكاء الاصطناعي (AIP)، مستندة إلى أونتولوجيا Palantir.

وفقًا للإعلان، تهدف المجموعة إلى إنشاء رؤية لسلسلة الإمداد، وتحديد القيود، وترميز الخبرة التشغيلية باستمرار وتوجيه القرارات بسرعة الآلة بينما تحتفظ المنظمة بالتحكم وملكية بياناتها الخاصة. داخل Palantir AIP، يدعم برنامج NVIDIA cuOpt التحسين وتخطيط السيناريوهات، مما يمكّن الفرق من نمذجة قيود الإمداد، وتقييم المقايضات وفهم الأثر التشغيلي لقرارات التخصيص. تُوصي نماذج Nemotron المفتوحة بعد التدريب بإجراءات، وتشرح المقايضات وتُشير إلى المخاطر الناشئة، بينما يحتفظ خبراء سلسلة الإمداد بالتحكم في القرارات النهائية.

تُصرّح NVIDIA بأنها تدير واحدة من أكثر سلاسل الإمداد تعقيدًا، تمتد إلى ملايين الأجزاء، وآلاف الموردين، وشبكة عالمية من شركاء التصنيع. يتطلب نشر نظام ذكاء اصطناعي على مستوى الرف إلى الإنتاج توفرًا منسقًا للمعالجة، والذاكرة، والشبكات، والطاقة، والتبريد، والمكونات الميكانيكية، وتُفيد الشركة بأنها تعمل عن كثب مع نظامها البيئي لضمان إمداد 1.3 مليون جزء في كل رف Vera Rubin.

نشر NVIDIA من مرحلة الخروج من الرقاقة إلى أول رمز

تُفصّل مقالة مدونة NVIDIA التقنية، المؤرخة أيضًا في 10 سبتمبر 2026، والمكتوبة بواسطة مهندسي حلول NVIDIA نيل باربر، رنا هابر، وآسثا جونجهونوالا، آليات النشر. تقيس NVIDIA أداء سلسلة الإمداد من مرحلة الخروج من الرقاقة إلى أول رمز: يُقاس وقت الوصول إلى الرف من خروج السيليكون من المصنع إلى وصول نظام مُجمّع إلى طابق مركز البيانات، ويغطي وقت الوصول إلى الرمز الطاقة، والتبريد، والشبكات، ومجموعة البرمجيات التي تجعل البنية التحتية منتجة. صينية حوسبة Grace Blackwell NVL72 واحدة، من بين ثمانية عشر صينية في رف واحد، تتطلب معالجين Grace CPU، وأربعة معالجات رسومية Blackwell GPU، وثلاثين وثلاثة مجموعة HBM3e. وفقًا للمقالة، فإن سلسلة الإمداد التي تم إنشاؤها لـ Vera Rubin هي ضعف حجم سلسلة Grace Blackwell.

لا يمكن للمصنعين المتعاقدين بدء التجميع حتى تصل جميع المكونات من أحد ثلاث مجموعات: أجزاء من NVIDIA مباشرةً، وأجزاء تحتفظ بها NVIDIA على أساس الاستلام، وأجزاء من الموردين. تُشغّل NVIDIA ساعة زمن الملكية منذ لحظة استلام موقع التصنيع للمواد حتى خروجها كجزء من تجميع فرعي أو منتج. كل أسبوع يجب عليها تحديد ما هي الكمية التي ستُخصص لكل موقع تصنيع، وهي مشكلة تخصيص مواد حرجة يعيد المخططون تعديلها يدويًا أسبوعيًا، مع استمرار التخصيص عبر الربع الحالي والربع التالي.

عمل فريق عمليات سلسلة إمداد NVIDIA مع Palantir لبناء مركز قيادة للذكاء الرقمي لسلسلة الإمداد على Palantir Foundry، حيث تربط الأونتولوجيا المواد، ومواقع التصنيع، والالتزامات، والسعة، والتخصيصات، ومخرجات الإنتاج والإشارات النوعية غير المهيكلة في طبقة بيانات مُحكومة واحدة. يُعد NVIDIA cuOpt، مكتبة مفتوحة المصدر لتحسين القرارات باستخدام تسريع GPU، مستمدًا مدخلاته من الأونتولوجيا ويحلّ التخصيص الأسبوعي كبرنامج خطي مختلط صحيح الهدف منه تقليل زمن الملكية. كما يُبلغ المحلّل عن القيود المربوطة، وبما أن الحل سريع، يمكن للمخططين استكشاف سيناريوهات حول النتيجة، مثل تقليل الذاكرة بنسبة عشرة في المئة في فترة معينة أو تشغيل موقع تصنيع جديد.

أظهر اختبار الرجوع للقرارات التاريخية للتخصيص مقابل النتائج الفعلية أن المخططين البشريين تفوقوا على المحلّل من خلال الاعتماد على معلومات لا يستطيع رؤيتها: رسائل البريد الإلكتروني المتبادلة مع الشركاء في ذلك الأسبوع، وتوقعات الطقس القاسي للمناطق الرئيسية، والأحداث الجيوسياسية المستمرة، ونصوص ملخصات الموردين، وسنوات من الخبرة المتراكمة. وبالتالي يلتقط سير العمل كل قرار تخصيص، والأساس المنطقي وراءه، والنتيجة المتوقعة والنتيجة الفعلية.

قامت NVIDIA بعد التدريب على نموذج Nemotron 3.5 Lightning المفتوح الوزن، الذي يحتوي على 30 مليار معامل مع حوالي 3 مليارات نشطة في كل تمريرة أمامية، باستخدام القرارات الملتقطة. يستخدم خط الأنابيب NeMo Anonymizer لإزالة المعلومات الشخصية القابلة للتحديد وإخفاء الحقول الحساسة، وNeMo Data Designer لتوسيع وتوازن الأمثلة باستخدام بيانات صناعية، وNeMo AutoModel لتدريب مجموعة صغيرة من معلمات موصل LoRA بينما تظل الأوزان الأساسية مجمدة. يدير Palantir Autopilot دورة الحياة من البداية إلى النهاية، مُطلقًا كل مهمة من بيانات الأونتولوجيا، ومراقبًا النموذج المُنشر ومُحافظًا على سلالة البيانات من البيانات إلى نسخة النموذج إلى التوصية.

نتائج المعايير المبلغ عنها

في معيار التطوير الخاص بـ NVIDIA، وصل نموذج Lightning بعد التدريب إلى دقة قرار التخصيص بنسبة 86.7٪، مقارنةً بـ 55.5٪ للنموذج الأكبر Nemotron 3 Ultra و17.5٪ للنموذج الأساسي Lightning، وفقًا للمدونة. بالنسبة للمقاييس التي تُوزن أنواع القرارات بالتساوي بدلاً من الأمثلة، سجل النموذج بعد التدريب دقة متوازنة بنسبة 58.6٪ مقابل 42.0٪ لـ Ultra، و57.5٪ للماكرو‑F1 مقابل 39.5٪ لـ Ultra. انتهى تشغيل تدريب LoRA على بطاقتي NVIDIA B200 GPU خلال دقائق. تشير المدونة إلى أن مكاسب النموذج مركزة في المجال الذي تم تدريبه فيه، وأن توقع مخاطر الإنتاج المستقبلية ظل صعبًا رغم الضبط الدقيق.

تُكتب التوصيات المقبولة، والمُعدَّلة، والمُتجاوزة مرة أخرى إلى الأونتولوجيا، متراكمةً حتى يتوفر ما يكفي من البيانات التمثيلية لتبرير تشغيل تدريب مُحكم آخر. تخطط الشركتان لاستخدام هذه الملاحظات في التعلم التعزيزي، حيث تُشكل التوصيات المقبولة والمُتجاوزة أزواج تفضيل تغطي صحة التخصيص، والامتثال للسياسات، وتأسيس الأدلة؛ ولا يُعيد النموذج تدريب نفسه في الإنتاج.

يعمل النشر على بنى NVIDIA المرجعية وعلى بنية نظام تشغيل الذكاء الاصطناعي السيادي المشترك التي طوّرتها Palantir (SAIOS)، والتي تدعمها Dell Technologies (DELL ) وCisco. يمكن نشر مجموعة الذكاء الاصطناعي في المواقع الداخلية مع مصنعي الأنظمة بما في ذلك Cisco وDell، أو في بيئات الاستضافة المشتركة والسحابة مع Rackspace وNebius.

“إن NVIDIA تمتلك على الأرجح أكثر سلسلة إمداد قيمةً ومعقدةً في العالم. مجموعتنا السيادية، المدعومة بنماذج Nemotron والأونتولوجيا، تقدم قدرات تتجاوز الحدود مع توفير خصائص حماية ألفا غير متوفرة بخلاف ذلك،” قال Alex Karp، المؤسس المشارك والرئيس التنفيذي لشركة Palantir Technologies.

“سلاسل الإمداد هي نظام التشغيل للاقتصاد المادي، ومصانع الذكاء الاصطناعي هي من بين أكثر الأنظمة تعقيدًا التي تم بناؤها على الإطلاق،” قال Jensen Huang، المؤسس والرئيس التنفيذي لـ NVIDIA.

تخطط الشركتان لتوسيع الدروس المستفادة من نشر NVIDIA إلى المؤسسات عبر التصنيع، والطاقة، والرعاية الصحية، والسيارات والفضاء، وتشير الإعلان إلى أن قطاعات الزراعة، والتصنيع، والصناعات الصيدلانية، والتجزئة، والتكنولوجيا، والحكومية يمكنها استخدام مجموعة الذكاء الاصطناعي لتحسين عمليات سلاسل الإمداد الخاصة بها. ستُعرض مجموعة الذكاء الاصطناعي وتطبيقاتها عبر الصناعات في مؤتمر Palantir AIPCon 11.