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

Palantir Technologies (PLTR ) y NVIDIA el 10 de septiembre de 2026, anunciaron una colaboración para llevar IA soberana a cadenas de suministro críticas, con la pila de IA desplegada inicialmente dentro de las propias operaciones de la cadena de suministro de NVIDIA. El despliegue crea una pila de IA que incorpora los modelos abiertos Nemotron de NVIDIA en Palantir Foundry y la Plataforma de Inteligencia Artificial (AIP), basada en la Ontología de Palantir.

Según el anuncio, la pila tiene como objetivo crear visibilidad de la cadena de suministro, identificar limitaciones, codificar continuamente la experiencia operativa y guiar decisiones a velocidad de máquina, mientras la organización mantiene el control y la propiedad de sus datos propietarios. Dentro de Palantir AIP, el software NVIDIA cuOpt respalda la optimización y la planificación de escenarios, permitiendo a los equipos modelar limitaciones de suministro, evaluar compensaciones y comprender el impacto operativo de las decisiones de asignación. Los modelos abiertos Nemotron, entrenados posteriormente, recomiendan acciones, explican compensaciones y señalan riesgos emergentes, mientras los expertos en cadena de suministro conservan el control de las decisiones finales.

NVIDIA afirma que opera una de las cadenas de suministro más complejas, abarcando millones de piezas, miles de proveedores y una red global de socios de fabricación. Llevar un sistema de IA a escala de rack a producción requiere la disponibilidad coordinada de cómputo, memoria, redes, energía, refrigeración y componentes mecánicos, y la compañía declara que colabora estrechamente con su ecosistema para asegurar el suministro de los 1,3 millones de piezas en cada rack Vera Rubin.

El despliegue de NVIDIA desde wafer-out hasta el primer token

Una entrada del Blog Técnico de NVIDIA, también fechada el 10 de septiembre de 2026 y escrita por los arquitectos de soluciones de NVIDIA Nell Barber, Rana Haber y Aastha Jhunjhunwala, detalla la mecánica del despliegue. NVIDIA mide el rendimiento de la cadena de suministro desde wafer-out hasta el primer token: el tiempo‑a‑rack va desde que el silicio sale de la fábrica hasta que un sistema ensamblado llega al piso de un centro de datos, y el tiempo‑a‑token cubre energía, refrigeración, redes y la pila de software que hace productiva la infraestructura. Una bandeja de cómputo Grace Blackwell NVL72, una de dieciocho en un solo rack, requiere dos CPUs Grace, cuatro GPUs Blackwell y treinta y dos pilas HBM3e. La cadena de suministro creada para Vera Rubin es el doble de grande que la de Grace Blackwell, según la publicación.

Los fabricantes bajo contrato no pueden iniciar el ensamblaje hasta que cada componente haya llegado de uno de tres grupos: piezas directamente de NVIDIA, piezas que NVIDIA mantiene en consignación y piezas de proveedores. NVIDIA ejecuta un reloj de Tiempo de Propiedad desde el momento en que un sitio de fabricación recibe el material hasta que sale como parte de una sub‑ensamblaje o producto. Cada semana debe decidir qué y cuánto material asignar a cada sitio de fabricación, un problema crítico de asignación de materiales que los planificadores re‑trabajan manualmente semanalmente, con la asignación extendiéndose a lo largo del trimestre actual y el siguiente.

El equipo de operaciones de la cadena de suministro de NVIDIA trabajó con Palantir para construir un centro de mando de Inteligencia Digital de la Cadena de Suministro en Palantir Foundry, donde la Ontología conecta materiales, sitios de fabricación, compromisos, capacidad, asignaciones, resultados de producción y señales cualitativas no estructuradas en una única capa de datos gobernada. NVIDIA cuOpt, una biblioteca de código abierto para optimización de decisiones acelerada por GPU, extrae sus entradas de la Ontología y resuelve la asignación semanal como un programa lineal de enteros mixtos cuyo objetivo minimiza el Tiempo de Propiedad. El solucionador también informa qué limitaciones son vinculantes y, dado que la solución es rápida, los planificadores pueden explorar escenarios alrededor de la respuesta, como un diez por ciento menos de memoria en un período o la puesta en marcha de un nuevo sitio de fabricación.

Las pruebas retrospectivas de decisiones de asignación históricas frente a los resultados reales mostraron que los planificadores humanos superaron al solucionador al trabajar con información que este no podía ver: correos electrónicos intercambiados con socios esa semana, pronósticos de clima severo para regiones clave, eventos geopolíticos en curso, transcripciones de informes de proveedores y años de experiencia acumulada. Por lo tanto, el flujo de trabajo captura cada decisión de asignación, la lógica detrás de ella, el resultado esperado y el resultado real.

NVIDIA entrenó posteriormente el modelo Nemotron 3.5 Lightning de peso abierto, que cuenta con 30 mil millones de parámetros con aproximadamente 3 mil millones activos por pasada, sobre las decisiones capturadas. La canalización utiliza NeMo Anonymizer para eliminar información de identificación personal y ofuscar campos sensibles, NeMo Data Designer para expandir y equilibrar ejemplos con datos sintéticos, y NeMo AutoModel para entrenar un pequeño conjunto de parámetros adaptadores LoRA mientras los pesos base permanecen congelados. Palantir Autopilot gestiona el ciclo de vida de extremo a extremo, lanzando cada trabajo a partir de los datos de la Ontología, supervisando el modelo desplegado y manteniendo la línea de procedencia intacta desde los datos hasta la versión del modelo y la recomendación.

Resultados de referencia reportados

En el benchmark de desarrollo de NVIDIA, el modelo Lightning entrenado posteriormente 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 modelo Lightning base, según informa el blog. En métricas que ponderan los tipos de decisión por igual en lugar de los ejemplos, el modelo entrenado posteriormente obtuvo un 58,6 % de precisión equilibrada frente al 42,0 % del Ultra, y un 57,5 % de Macro‑F1 frente al 39,5 % del Ultra. La ejecución de entrenamiento LoRA finalizó en minutos en dos GPUs NVIDIA B200. El blog indica que las mejoras del modelo se concentran en el dominio en el que se entrenó posteriormente, y que la previsión de riesgos de producción futura sigue siendo difícil a pesar del ajuste fino.

Las recomendaciones aceptadas, editadas y anuladas se vuelven a escribir en la Ontología, acumulándose hasta que haya suficientes datos representativos para justificar otra ejecución de entrenamiento gobernado. Las compañías planean usar esa retroalimentación para aprendizaje por refuerzo, con las recomendaciones aceptadas y anuladas formando pares de preferencia que cubren la corrección de la asignación, el cumplimiento de políticas y la fundamentación de evidencia; el modelo nunca se reentrena por sí mismo en producción.

El despliegue se ejecuta sobre arquitecturas de referencia de NVIDIA y la Arquitectura de Referencia del Sistema Operativo de IA Soberana de Palantir (SAIOS), desarrollada conjuntamente, la cual cuenta con el apoyo de Dell Technologies (DELL ) y Cisco. La pila de IA puede desplegarse en instalaciones locales con fabricantes de sistemas como Cisco y Dell, o en entornos de co‑ubicación y nube con Rackspace y Nebius.

«NVIDIA posee, indudablemente, 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 los límites mientras brinda cualidades de protección alfa que de otro modo no están disponibles», dijo Alex Karp, cofundador y CEO de Palantir Technologies.

«Las cadenas de suministro son el sistema operativo de la economía física, y las fábricas de IA están entre los sistemas más complejos jamás construidos», dijo Jensen Huang, fundador y CEO de NVIDIA.

Las compañías planean extender los aprendizajes del despliegue de NVIDIA a empresas de los sectores de manufactura, energía, salud, automoción y aeroespacial, y el anuncio menciona a organizaciones de agricultura, manufactura, farmacéutica, retail, tecnología y gobierno como capaces de usar la pila de IA para optimizar sus propias operaciones de cadena de suministro. La pila de IA y sus aplicaciones en diversas industrias se presentarán en la conferencia AIPCon 11 de Palantir.