NVIDIA और Palantir ने आपूर्ति श्रृंखलाओं के लिए सार्वभौमिक AI स्टैक तैनात किया

Palantir Technologies (PLTR ) और NVIDIA ने 10 सितंबर 2026 को एक सहयोग की घोषणा की, जिससे प्रमुख आपूर्ति श्रृंखलाओं में सार्वभौमिक AI लाया जा सके, और AI स्टैक पहली बार NVIDIA की अपनी आपूर्ति श्रृंखला संचालन में लागू किया गया। यह कार्यान्वयन एक AI स्टैक बनाता है जो NVIDIA Nemotron ओपन मॉडल को Palantir Foundry और Artificial Intelligence Platform (AIP) में लाता है, जो Palantir Ontology पर आधारित है।

घोषणा के अनुसार, यह स्टैक आपूर्ति श्रृंखला की दृश्यता बनाने, बाधाओं की पहचान करने, संचालन विशेषज्ञता को निरंतर कोडिफ़ाई करने और मशीन गति पर निर्णयों का मार्गदर्शन करने का लक्ष्य रखता है, जबकि संगठन अपने स्वामित्व डेटा पर नियंत्रण और स्वामित्व बनाए रखता है। Palantir AIP के भीतर, NVIDIA cuOpt सॉफ़्टवेयर अनुकूलन और परिदृश्य योजना का समर्थन करता है, जिससे टीमें आपूर्ति बाधाओं का मॉडल बना सकें, समझौते का मूल्यांकन कर सकें और आवंटन निर्णयों के संचालनात्मक प्रभाव को समझ सकें। पोस्ट‑ट्रेन किए गए Nemotron ओपन मॉडल कार्यों की सिफ़ारिश करते हैं, समझौतों को समझाते हैं और उभरते जोखिमों को चिन्हित करते हैं, जबकि आपूर्ति श्रृंखला विशेषज्ञ अंतिम निर्णयों पर नियंत्रण बनाए रखते हैं।

NVIDIA का कहना है कि वह सबसे जटिल आपूर्ति श्रृंखलाओं में से एक संचालित करता है, जिसमें लाखों भाग, हजारों आपूर्तिकर्ता और वैश्विक विनिर्माण साझेदार नेटवर्क शामिल हैं। रैक‑स्केल AI सिस्टम को उत्पादन में लाने के लिए कंप्यूट, मेमोरी, नेटवर्किंग, पावर, कूलिंग और मैकेनिकल घटकों की समन्वित उपलब्धता आवश्यक है, और कंपनी बताती है कि वह अपने इकोसिस्टम के साथ मिलकर प्रत्येक Vera Rubin रैक में 1.3 मिलियन भागों की आपूर्ति सुरक्षित करता है।

NVIDIA तैनाती वेफ़र‑आउट से प्रथम टोकन तक

एक NVIDIA तकनीकी ब्लॉग पोस्ट, जो 10 सितंबर 2026 को प्रकाशित हुआ और NVIDIA सॉल्यूशन आर्किटेक्ट्स Nell Barber, Rana Haber और Aastha Jhunjhunwala द्वारा लिखा गया, तैनाती की यांत्रिकी का विवरण देता है। NVIDIA वेफ़र‑आउट से प्रथम टोकन तक आपूर्ति श्रृंखला प्रदर्शन को मापता है: time-to-rack वह समय है जो सिलिकॉन के फैब से निकलने से लेकर असेंबल्ड सिस्टम के डेटा सेंटर फ़्लोर पर पहुँचने तक लेता है, और time-to-token पावर, कूलिंग, नेटवर्किंग और सॉफ़्टवेयर स्टैक को कवर करता है जो बुनियादी ढाँचे को उत्पादक बनाता है। एक Grace Blackwell NVL72 कंप्यूट ट्रे, जो एक रैक में अठारह में से एक है, को दो Grace CPU, चार Blackwell GPU और बत्तीस HBM3e स्टैक की आवश्यकता होती है। पोस्ट के अनुसार, Vera Rubin के लिए बनाई गई आपूर्ति श्रृंखला Grace Blackwell की तुलना में दो गुना बड़ी है।

संविदा निर्माताओं को असेंबली तब तक शुरू नहीं कर सकते जब तक सभी घटक तीन पूलों में से किसी एक से नहीं आ जाते: NVIDIA से सीधे भाग, NVIDIA द्वारा कंसाइनमेंट पर स्टॉक किए गए भाग, और आपूर्तिकर्ताओं से भाग। NVIDIA एक Time of Ownership घड़ी चलाता है, जो उस क्षण से शुरू होती है जब किसी विनिर्माण साइट को सामग्री प्राप्त होती है और तब तक चलती है जब वह उप‑असेंबली या उत्पाद के हिस्से के रूप में बाहर निकलती है। हर सप्ताह इसे तय करना पड़ता है कि प्रत्येक विनिर्माण साइट को कितना और कौन सा सामग्री आवंटित की जाए, जो एक महत्वपूर्ण सामग्री आवंटन समस्या है जिसे योजनाकार मैन्युअल रूप से साप्ताहिक पुनः कार्य करते हैं, और आवंटन वर्तमान तिमाही और अगली तिमाही तक चलता रहता है।

NVIDIA आपूर्ति श्रृंखला संचालन टीम ने Palantir के साथ मिलकर Palantir Foundry पर एक Digital Supply Chain Intelligence कमांड सेंटर बनाया, जहाँ Ontology सामग्री, विनिर्माण साइटों, कमिट्स, क्षमता, आवंटन, उत्पादन आउटपुट और असंरचित गुणात्मक संकेतों को एक नियंत्रित डेटा लेयर में जोड़ता है। NVIDIA cuOpt, GPU‑त्वरित निर्णय अनुकूलन के लिए एक ओपन‑सोर्स लाइब्रेरी, अपने इनपुट Ontology से लेती है और साप्ताहिक आवंटन को एक मिश्रित‑पूर्णांक रैखिक प्रोग्राम के रूप में हल करती है, जिसका उद्देश्य Time of Ownership को न्यूनतम करना है। सॉल्वर यह भी रिपोर्ट करता है कि कौन सी बाधाएँ बाइंडिंग हैं, और चूँकि समाधान तेज़ है, योजनाकार उत्तर के आसपास परिदृश्य का अन्वेषण कर सकते हैं, जैसे किसी अवधि में दस प्रतिशत कम मेमोरी या नया विनिर्माण साइट ऑनलाइन आना।

ऐतिहासिक आवंटन निर्णयों को वास्तविक परिणामों के विरुद्ध बैकटेस्ट करने से पता चला कि मानव योजनाकार सॉल्वर से बेहतर प्रदर्शन करते हैं क्योंकि वे उन सूचनाओं से काम करते हैं जो सॉल्वर नहीं देख सकता था: उस सप्ताह भागीदारों के साथ किए गए ई‑मेल, प्रमुख क्षेत्रों के लिए गंभीर मौसम पूर्वानुमान, चल रहे भू‑राजनीतिक घटनाक्रम, आपूर्तिकर्ता डिब्रीफ़ ट्रांसक्रिप्ट और वर्षों की संचित विशेषज्ञता। इस कार्यप्रवाह में प्रत्येक आवंटन निर्णय, उसके पीछे का तर्क, अपेक्षित परिणाम और वास्तविक परिणाम को कैप्चर किया जाता है।

NVIDIA ने पोस्ट‑ट्रेन किए गए ओपन‑वेट Nemotron 3.5 Lightning मॉडल को, जिसमें 30 बिलियन पैरामीटर हैं और प्रत्येक फॉरवर्ड पास में लगभग 3 बिलियन सक्रिय होते हैं, कैप्चर किए गए निर्णयों पर प्रशिक्षित किया। पाइपलाइन NeMo Anonymizer का उपयोग करके व्यक्तिगत पहचान योग्य जानकारी को हटाती है और संवेदनशील फ़ील्ड को अस्पष्ट करती है, NeMo Data Designer से सिंथेटिक डेटा के साथ उदाहरणों का विस्तार और संतुलन करती है, और NeMo AutoModel से छोटे LoRA एडाप्टर पैरामीटर को प्रशिक्षित करती है जबकि बेस वेट्स फ्रीज़ रहते हैं। Palantir Autopilot जीवन‑चक्र को अंत‑से‑अंत प्रबंधित करता है, Ontology डेटा से प्रत्येक जॉब लॉन्च करता है, तैनात मॉडल की निगरानी करता है और डेटा से मॉडल संस्करण से सिफ़ारिश तक लाइनएज को बनाए रखता है।

रिपोर्टेड बेंचमार्क परिणाम

NVIDIA के विकास बेंचमार्क पर, पोस्ट‑ट्रेन किए गए Lightning मॉडल ने 86.7% आवंटन‑निर्णय सटीकता हासिल की, जबकि बड़े Nemotron 3 Ultra ने 55.5% और बेस Lightning मॉडल ने 17.5% हासिल किया, जैसा कि ब्लॉग में बताया गया है। उन मेट्रिक्स पर जो निर्णय प्रकारों को समान रूप से वज़न देते हैं न कि उदाहरणों को, पोस्ट‑ट्रेन मॉडल ने Ultra के 42.0% के मुकाबले 58.6% संतुलित सटीकता और 57.5% Macro‑F1 स्कोर हासिल किया, जबकि Ultra ने 39.5% प्राप्त किया। LoRA प्रशिक्षण दो NVIDIA B200 GPU पर कुछ मिनटों में समाप्त हुआ। ब्लॉग बताता है कि मॉडल की प्रगति उस डोमेन में केंद्रित है जिस पर इसे पोस्ट‑ट्रेन किया गया था, और भविष्य की उत्पादन जोखिम भविष्यवाणी फाइन‑ट्यूनिंग के बावजूद कठिन बनी हुई है।

स्वीकार किए गए, संपादित किए गए और ओवरराइड किए गए सिफ़ारिशें Ontology में वापस लिखी जाती हैं, और तब तक जमा होती रहती हैं जब तक पर्याप्त प्रतिनिधि डेटा न मिल जाए जो एक और नियंत्रित प्रशिक्षण रन को उचित ठहराए। कंपनियां इस फीडबैक का उपयोग रिइन्फोर्समेंट लर्निंग के लिए करने की योजना बना रही हैं, जहाँ स्वीकृत और ओवरराइड सिफ़ारिशें आवंटन शुद्धता, नीति अनुपालन और साक्ष्य आधार को कवर करने वाले प्रेफ़रेंस पेयर्स बनाती हैं; मॉडल उत्पादन में कभी स्वयं को पुनः‑प्रशिक्षित नहीं करता।

यह तैनाती NVIDIA रेफ़रेंस आर्किटेक्चर और संयुक्त रूप से विकसित Palantir Sovereign AI Operating System Reference Architecture (SAIOS) पर चलती है, जिसे Dell Technologies (DELL ) और Cisco समर्थन देते हैं। AI स्टैक को Cisco और Dell सहित सिस्टम निर्माताओं के साथ ऑन‑प्रेमाइसेस तैनात किया जा सकता है, या Rackspace और Nebius के साथ को‑लोकेशन और क्लाउड वातावरण में।

“NVIDIA के पास संभवतः दुनिया की सबसे मूल्यवान, जटिल और जटिल आपूर्ति श्रृंखला है। हमारा सार्वभौमिक स्टैक, जो Nemotron मॉडल और Ontology द्वारा संचालित है, ऐसी क्षमताएँ प्रदान कर रहा है जो सीमाओं से आगे हैं और साथ ही अल्फा प्रोटेक्शन गुण प्रदान करता है जो अन्यथा उपलब्ध नहीं हैं,” Alex Karp, Palantir Technologies के सह‑संस्थापक और CEO ने कहा।

“आपूर्ति श्रृंखलाएँ भौतिक अर्थव्यवस्था का ऑपरेटिंग सिस्टम हैं, और AI फैक्ट्रीज़ अब तक निर्मित सबसे जटिल सिस्टमों में से हैं,” Jensen Huang, NVIDIA के संस्थापक और CEO ने कहा।

कंपनियां NVIDIA की तैनाती से प्राप्त सीख को विनिर्माण, ऊर्जा, स्वास्थ्य‑सेवा, ऑटोमोटिव और एयरोस्पेस सहित विभिन्न उद्यमों में विस्तारित करने की योजना बना रही हैं, और घोषणा में कृषि, विनिर्माण, फार्मास्यूटिकल, रिटेल, प्रौद्योगिकी और सरकारी संगठनों को उल्लेख किया गया है जो AI स्टैक का उपयोग करके अपनी आपूर्ति श्रृंखला संचालन को अनुकूलित कर सकते हैं। AI स्टैक और इसके विभिन्न उद्योगों में अनुप्रयोग Palantir के AIPCon 11 सम्मेलन में प्रदर्शित किए जाएंगे।