NVIDIA και Palantir αναπτύσσουν Σουβερίν AI Στοίβα για Εφοδιαστικές Αλυσίδες

Η Palantir Technologies (PLTR ) και η NVIDIA στις 10 Σεπτεμβρίου 2026, ανακοίνωσαν μια συνεργασία για την εισαγωγή σουβερίν AI σε κρίσιμες εφοδιαστικές αλυσίδες, με τη Στοίβα AI να αναπτύσσεται αρχικά στις δικές της λειτουργίες εφοδιαστικής αλυσίδας της NVIDIA. Η υλοποίηση δημιουργεί μια Στοίβα AI που ενσωματώνει τα ανοιχτά μοντέλα NVIDIA Nemotron στο Palantir Foundry και στην Πλατφόρμα Τεχνητής Νοημοσύνης (AIP), βασισμένη στην Οντολογία Palantir.

Σύμφωνα με την ανακοίνωση, η στοίβα στοχεύει στη δημιουργία ορατότητας της εφοδιαστικής αλυσίδας, στην αναγνώριση περιορισμών, στη συνεχή κωδικοποίηση της επιχειρησιακής εξειδίκευσης και στην καθοδήγηση αποφάσεων με ταχύτητα μηχανής, ενώ ο οργανισμός διατηρεί τον έλεγχο και την ιδιοκτησία των ιδιόκτητων δεδομένων του. Στο πλαίσιο του Palantir AIP, το λογισμικό NVIDIA cuOpt υποστηρίζει τη βελτιστοποίηση και τον προγραμματισμό σεναρίων, επιτρέποντας στις ομάδες να μοντελοποιούν περιορισμούς εφοδιασμού, να αξιολογούν ανταλλαγές και να κατανοούν τον επιχειρησιακό αντίκτυπο των αποφάσεων κατανομής. Τα μετα‑εκπαιδευμένα ανοιχτά μοντέλα Nemotron προτείνουν ενέργειες, εξηγούν ανταλλαγές και επισημαίνουν αναδυόμενους κινδύνους, ενώ οι ειδικοί εφοδιαστικής αλυσίδας διατηρούν τον έλεγχο των τελικών αποφάσεων.

Η NVIDIA δηλώνει ότι λειτουργεί μία από τις πιο πολύπλοκες εφοδιαστικές αλυσίδες, που καλύπτει εκατομμύρια εξαρτήματα, χιλιάδες προμηθευτές και ένα παγκόσμιο δίκτυο κατασκευαστικών συνεργατών. Η εισαγωγή ενός AI συστήματος κλίμακας ραφής στην παραγωγή απαιτεί τον συντονισμένο διαθέσιμο υπολογιστικό δυναμικό, μνήμη, δικτύωση, ενέργεια, ψύξη και μηχανικά εξαρτήματα, και η εταιρεία αναφέρει ότι συνεργάζεται στενά με το οικοσύστημά της για να εξασφαλίσει την προμήθεια των 1,3 εκατομμυρίων εξαρτημάτων σε κάθε ράφι Vera Rubin.

Η Υλοποίηση της NVIDIA από το Wafer-Out έως το Πρώτο Token

Μια ανάρτηση στο τεχνικό blog της NVIDIA, επίσης ημερομηνίας 10 Σεπτεμβρίου 2026, γραμμένη από τους αρχιτέκτονες λύσεων της NVIDIA Nell Barber, Rana Haber και Aastha Jhunjhunwala, περιγράφει τη μηχανική της υλοποίησης. Η NVIDIA μετρά την απόδοση της εφοδιαστικής αλυσίδας από το wafer-out έως το πρώτο token: ο χρόνος‑to‑rack εκτείνεται από το σίλικον που φεύγει από τη φάμπρικα μέχρι ένα συναρμολογημένο σύστημα που φθάνει στο πάτωμα ενός κέντρου δεδομένων, και ο χρόνος‑to‑token καλύπτει την ενέργεια, την ψύξη, τη δικτύωση και τη στοίβα λογισμικού που κάνει την υποδομή παραγωγική. Ένα υπολογιστικό δίσκο Grace Blackwell NVL72, ένα από τα δεκαοκτώ σε ένα μόνο ράφι, απαιτεί δύο επεξεργαστές Grace, τέσσερις GPU Blackwell και τριάντα δύο στοίβες HBM3e. Η εφοδιαστική αλυσίδα που δημιουργήθηκε για το Vera Rubin είναι δυο φορές μεγαλύτερη από αυτή της Grace Blackwell, σύμφωνα με την ανάρτηση.

Οι κατασκευαστές σύμβασης δεν μπορούν να ξεκινήσουν τη συναρμολόγηση μέχρι να φτάσουν όλα τα εξαρτήματα από ένα από τρία αποθέματα: εξαρτήματα απευθείας από τη NVIDIA, εξαρτήματα που η NVIDIA διατηρεί σε αποθήκη κατά παραγγελία, και εξαρτήματα από προμηθευτές. Η NVIDIA εκτελεί ένα χρονόμετρο Time of Ownership από τη στιγμή που ένας κατασκευαστικός χώρος λαμβάνει υλικό μέχρι να φύγει ως μέρος μιας υποσυναρμολόγησης ή προϊόντος. Κάθε εβδομάδα πρέπει να αποφασίσει ποιο και πόσο υλικό θα κατανεμηθεί σε κάθε κατασκευαστικό χώρο, ένα κρίσιμο πρόβλημα κατανομής υλικών που οι προγραμματιστές επεξεργάζονται χειροκίνητα εβδομαδιαία, με την κατανομή να καλύπτει το τρέχον τρίμηνο και το επόμενο.

Η ομάδα λειτουργιών εφοδιαστικής αλυσίδας της NVIDIA συνεργάστηκε με την Palantir για να δημιουργήσει ένα κέντρο εντολών Digital Supply Chain Intelligence στο Palantir Foundry, όπου η Οντολογία συνδέει υλικά, κατασκευαστικούς χώρους, δεσμεύσεις, χωρητικότητα, κατανομές, παραγωγικές εξόδους και αδόμητα ποιοτικά σήματα σε ένα ελεγχόμενο στρώμα δεδομένων. Το NVIDIA cuOpt, μια ανοιχτού κώδικα βιβλιοθήκη για βελτιστοποίηση αποφάσεων με επιτάχυνση GPU, αντλεί τις εισόδους του από την Οντολογία και λύνει την εβδομαδιαία κατανομή ως ένα μίγμα ακέραιων γραμμικών προγραμμάτων του οποίου ο στόχος ελαχιστοποιεί το Time of Ownership. Ο αλγόριθμος επίσης αναφέρει ποιες περιορισμοί είναι δεσμευτικοί, και επειδή η λύση είναι γρήγορη, οι προγραμματιστές μπορούν να εξερευνήσουν σενάρια γύρω από την απάντηση, όπως δέκα τοις εκατό λιγότερη μνήμη σε μια περίοδο ή η έναρξη λειτουργίας νέου κατασκευαστικού χώρου.

Η δοκιμή ιστορικών αποφάσεων κατανομής έναντι των πραγματικών αποτελεσμάτων έδειξε ότι οι ανθρώπινοι προγραμματιστές ξεπέρασαν τον αλγόριθμο, χρησιμοποιώντας πληροφορίες που αυτό δεν μπορούσε να δει: email που ανταλλάχθηκαν με συνεργάτες εκείνη την εβδομάδα, προβλέψεις σοβαρών καιρικών συνθηκών για κρίσιμες περιοχές, τρέχοντα γεωπολιτικά γεγονότα, απομαγνητοφωνίες απολογισμών προμηθευτών και χρόνια συσσωρευμένη εμπειρία. Η ροή εργασίας επομένως καταγράφει κάθε απόφαση κατανομής, τη λογική πίσω από αυτή, το αναμενόμενο αποτέλεσμα και το πραγματικό αποτέλεσμα.

Η NVIDIA μετα‑εκπαιδεύει το ανοιχτό βάρος του μοντέλου Nemotron 3.5 Lightning, το οποίο διαθέτει 30 δισεκατομμύρια παραμέτρους με περίπου 3 δισεκατομμύρια ενεργές ανά προώθηση, με βάση τις καταγεγραμμένες αποφάσεις. Η αλυσίδα επεξεργασίας χρησιμοποιεί το NeMo Anonymizer για την αφαίρεση προσωπικών δεδομένων και την απόκρυψη ευαίσθητων πεδίων, το NeMo Data Designer για την επέκταση και εξισορρόπηση παραδειγμάτων με συνθετικά δεδομένα, και το NeMo AutoModel για την εκπαίδευση ενός μικρού συνόλου παραμέτρων προσαρμογέα LoRA ενώ τα βασικά βάρη παραμένουν παγωμένα. Το Palantir Autopilot διαχειρίζεται τον κύκλο ζωής από άκρη σε άκρη, εκκινώντας κάθε εργασία από τα δεδομένα της Οντολογίας, παρακολουθώντας το αναπτυγμένο μοντέλο και διατηρώντας την αλυσίδα προέλευσης αμετάβλητη από τα δεδομένα μέχρι την έκδοση του μοντέλου και τη σύσταση.

Αναφερθέντα Αποτελέσματα Benchmark

Στο benchmark ανάπτυξης της NVIDIA, το μετα‑εκπαιδευμένο μοντέλο Lightning πέτυχε 86,7% ακρίβεια απόφασης κατανομής, σε σύγκριση με 55,5% για το μεγαλύτερο Nemotron 3 Ultra και 17,5% για το βασικό μοντέλο Lightning, όπως αναφέρει το blog. Σε μετρικές που ζυγίζουν ίσα τους τύπους αποφάσεων αντί για παραδείγματα, το μετα‑εκπαιδευμένο μοντέλο σημείωσε 58,6% ισορροπημένη ακρίβεια έναντι του Ultra 42,0%, και 57,5% Macro‑F1 έναντι του Ultra 39,5%. Η εκπαίδευση LoRA ολοκληρώθηκε σε δύο GPU NVIDIA B200 σε λίγα λεπτά. Το blog δηλώνει ότι τα κέρδη του μοντέλου συγκεντρώνονται στον τομέα που μετα‑εκπαιδεύτηκε, και ότι η προοπτική πρόβλεψης κινδύνων παραγωγής παραμένει δύσκολη παρά τη λεπτομερή ρύθμιση.

Οι αποδεκτές, επεξεργασμένες και αντικατεστημένες συστάσεις γράφονται ξανά στην Οντολογία, συσσωρεύοντας μέχρι να υπάρχει επαρκής αντιπροσωπευτικό δεδομένο για να δικαιολογηθεί μια νέα ελεγχόμενη εκπαίδευση. Οι εταιρείες σχεδιάζουν να χρησιμοποιήσουν αυτή την ανάδραση για ενίσχυση μάθησης, με τις αποδεκτές και αντικατεστημένες συστάσεις να σχηματίζουν ζεύγη προτιμήσεων που καλύπτουν την ορθότητα της κατανομής, τη συμμόρφωση με πολιτικές και τη θεμελίωση αποδείξεων· το μοντέλο ποτέ δεν επαναεκπαιδεύεται στην παραγωγή.

Η υλοποίηση λειτουργεί σε αρχιτεκτονικές αναφοράς της NVIDIA και στην από κοινού αναπτυγμένη Αρχιτεκτονική Αναφοράς Λειτουργικού Συστήματος Σουβερίν AI της Palantir (SAIOS), η οποία υποστηρίζεται από την Dell Technologies (DELL ) και την Cisco. Η Στοίβα AI μπορεί να αναπτυχθεί εντός εγκαταστάσεων με κατασκευαστές συστημάτων όπως η Cisco και η Dell, ή σε περιβάλλοντα συν‑τοποθέτησης και cloud με την Rackspace και την Nebius.

«Η NVIDIA διαθέτει ίσως την πιο πολύτιμη, πολύπλοκη και σύνθετη εφοδιαστική αλυσίδα στον κόσμο. Η σουβερίν στοίβα μας, που τροφοδοτείται από μοντέλα Nemotron και την Οντολογία, παρέχει δυνατότητες που ξεπερνούν τα όρια ενώ προσφέρει χαρακτηριστικά προστασίας alpha που δεν είναι διαθέσιμα αλλιώς», δήλωσε ο Alex Karp, συνιδρυτής και Διευθύνων Σύμβουλος της Palantir Technologies.

«Οι εφοδιαστικές αλυσίδες είναι το λειτουργικό σύστημα της φυσικής οικονομίας, και τα εργοστάσια AI είναι μεταξύ των πιο σύνθετων συστημάτων που έχουν κατασκευαστεί ποτέ», δήλωσε ο Jensen Huang, ιδρυτής και Διευθύνων Σύμβουλος της NVIDIA.

Οι εταιρείες σχεδιάζουν να επεκτείνουν τα μαθήματα από την υλοποίηση της NVIDIA σε επιχειρήσεις σε όλο το φάσμα της παραγωγής, της ενέργειας, της υγειονομικής περίθαλψης, της αυτοκινητοβιομηχανίας και της αεροδιαστημικής, και η ανακοίνωση αναφέρει ότι ο κλάδος της γεωργίας, της παραγωγής, της φαρμακευτικής, του λιανικού εμπορίου, της τεχνολογίας και των κυβερνητικών οργανισμών μπορεί να χρησιμοποιήσει τη Στοίβα AI για τη βελτιστοποίηση των δικών τους λειτουργιών εφοδιαστικής αλυσίδας. Η Στοίβα AI και οι εφαρμογές της σε διάφορους κλάδους θα παρουσιαστούν στο συνέδριο AIPCon 11 της Palantir.