Intelligenza artificiale
NVIDIA e Palantir implementano stack AI sovrano per le catene di approvvigionamento
Aggiungi Securities.io alle tue fonti preferite su Google
Palantir Technologies (PLTR ) e NVIDIA il 10 settembre 2026, hanno annunciato una collaborazione per portare l’AI sovrana alle catene di approvvigionamento critiche, con lo stack AI prima distribuito all’interno delle operazioni della catena di approvvigionamento di NVIDIA. Il deployment crea uno stack AI che integra i modelli open Nemotron di NVIDIA in Palantir Foundry e nella Artificial Intelligence Platform (AIP), basato sull’Ontologia di Palantir.
Secondo l’annuncio, lo stack mira a creare visibilità sulla catena di approvvigionamento, identificare i vincoli, codificare continuamente l’expertise operativa e guidare le decisioni a velocità di macchina, mantenendo l’organizzazione il controllo e la proprietà dei propri dati proprietari. All’interno di Palantir AIP, il software NVIDIA cuOpt supporta l’ottimizzazione e la pianificazione di scenari, consentendo ai team di modellare i vincoli di approvvigionamento, valutare i trade‑off e comprendere l’impatto operativo delle decisioni di allocazione. I modelli open Nemotron post‑addestrati raccomandano azioni, spiegano i trade‑off e segnalano rischi emergenti, mentre gli esperti della catena di approvvigionamento mantengono il controllo delle decisioni finali.
NVIDIA afferma di gestire una delle catene di approvvigionamento più complesse al mondo, che comprende milioni di componenti, migliaia di fornitori e una rete globale di partner di produzione. Portare in produzione un sistema AI su scala rack richiede la disponibilità coordinata di calcolo, memoria, rete, energia, raffreddamento e componenti meccanici, e l’azienda dichiara di collaborare strettamente con il proprio ecosistema per garantire la fornitura dei 1,3 milioni di parti presenti in ogni rack Vera Rubin.
The NVIDIA Deployment From Wafer-Out to First Token
Un post del NVIDIA Technical Blog, anch’esso datato 10 settembre 2026 e scritto dagli architetti di soluzioni NVIDIA Nell Barber, Rana Haber e Aastha Jhunjhunwala, descrive i meccanismi del deployment. NVIDIA misura le prestazioni della catena di approvvigionamento dal wafer‑out al primo token: il tempo‑to‑rack va dal silicio che lascia la fabbrica al sistema assemblato che arriva sul pavimento di un data center, e il tempo‑to‑token copre energia, raffreddamento, rete e lo stack software che rende l’infrastruttura produttiva. Un vassoio di calcolo Grace Blackwell NVL72, uno dei diciotto presenti in un singolo rack, richiede due CPU Grace, quattro GPU Blackwell e trentadue stack HBM3e. La catena di approvvigionamento creata per Vera Rubin è il doppio della Grace Blackwell, secondo il post.
I produttori contrattuali non possono avviare l’assemblaggio finché ogni componente non è arrivato da uno dei tre pool: parti direttamente da NVIDIA, parti in conto deposito da NVIDIA e parti dai fornitori. NVIDIA avvia un orologio Time of Ownership dal momento in cui un sito di produzione riceve il materiale fino a quando lo stesso lascia il sito come parte di un sotto‑assemblaggio o prodotto. Ogni settimana deve decidere cosa e quanto materiale allocare a ciascun sito di produzione, un problema critico di allocazione che i pianificatori rielaborano manualmente settimanalmente, con l’allocazione che si estende al trimestre corrente e a quello successivo.
Il team operativo della catena di approvvigionamento di NVIDIA ha collaborato con Palantir per costruire un centro di comando Digital Supply Chain Intelligence su Palantir Foundry, dove l’Ontologia collega materiali, siti produttivi, impegni, capacità, allocazioni, output di produzione e segnali qualitativi non strutturati in un unico livello di dati governato. NVIDIA cuOpt, una libreria open‑source per l’ottimizzazione decisionale accelerata da GPU, preleva i suoi input dall’Ontologia e risolve l’allocazione settimanale come un programma lineare misto‑intero il cui obiettivo è minimizzare il Time of Ownership. Il risolutore segnala anche quali vincoli sono vincolanti e, poiché la soluzione è rapida, i pianificatori possono esplorare scenari intorno alla risposta, ad esempio dieci percento di meno di memoria in un periodo o l’arrivo di un nuovo sito produttivo.
Il back‑testing delle decisioni di allocazione storiche rispetto ai risultati reali ha mostrato che i pianificatori umani hanno superato il risolutore lavorando su informazioni che quest’ultimo non poteva vedere: email scambiate con i partner quella settimana, previsioni meteorologiche severe per regioni chiave, eventi geopolitici in corso, trascrizioni dei debrief dei fornitori e anni di expertise accumulata. Il flusso di lavoro quindi cattura ogni decisione di allocazione, la motivazione, il risultato atteso e l’esito reale.
NVIDIA ha post‑addestrato il modello open‑weight Nemotron 3.5 Lightning, che conta 30 miliardi di parametri con circa 3 miliardi attivi per passata forward, sulle decisioni catturate. Il pipeline utilizza NeMo Anonymizer per rimuovere le informazioni personalmente identificabili e offuscare i campi sensibili, NeMo Data Designer per espandere e bilanciare gli esempi con dati sintetici, e NeMo AutoModel per addestrare un piccolo set di parametri adattatori LoRA mantenendo i pesi di base congelati. Palantir Autopilot gestisce l’intero ciclo di vita, avviando ogni job dai dati dell’Ontologia, monitorando il modello distribuito e mantenendo intatta la lineage dai dati alla versione del modello alla raccomandazione.
Reported Benchmark Results
Nel benchmark di sviluppo di NVIDIA, il modello Lightning post‑addestrato ha raggiunto un’accuratezza decisionale del 86,7 %, rispetto al 55,5 % del più grande Nemotron 3 Ultra e al 17,5 % del modello Lightning di base, riporta il blog. Su metriche che pesano tutti i tipi di decisione in modo uniforme anziché gli esempi, il modello post‑addestrato ha segnato una accuratezza bilanciata del 58,6 % contro il 42,0 % dell’Ultra, e un Macro‑F1 del 57,5 % contro il 39,5 % dell’Ultra. L’addestramento LoRA è terminato su due GPU NVIDIA B200 in pochi minuti. Il blog afferma che i guadagni del modello sono concentrati nel dominio su cui è stato post‑addestrato e che la previsione dei rischi di produzione rimane difficile nonostante il fine‑tuning.
Raccomandazioni accettate, modificate e sovrascritte vengono scritte nuovamente nell’Ontologia, accumulandosi finché non si dispone di dati rappresentativi sufficienti a giustificare un nuovo ciclo di addestramento governato. Le aziende prevedono di utilizzare questo feedback per l’apprendimento per rinforzo, con raccomandazioni accettate e sovrascritte che formano coppie di preferenza coprendo correttezza dell’allocazione, conformità alle policy e fondamento delle evidenze; il modello non si riaddestra mai in produzione.
Il deployment gira su architetture di riferimento NVIDIA e sull’Architettura di Riferimento del Sistema Operativo AI Sovrano di Palantir (SAIOS), sviluppata congiuntamente e supportata da Dell Technologies (DELL ) e Cisco. Lo stack AI può essere distribuito on‑premise con produttori di sistemi tra cui Cisco e Dell, o in ambienti di co‑location e cloud con Rackspace e Nebius.
“NVIDIA ha probabilmente la catena di approvvigionamento più preziosa, intricata e complessa al mondo. Il nostro stack sovrano, alimentato dai modelli Nemotron e dall’Ontologia, sta fornendo capacità che superano il confine offrendo al contempo qualità di protezione alpha non disponibili altrimenti”, ha dichiarato Alex Karp, co‑fondatore e CEO di Palantir Technologies.
“Le catene di approvvigionamento sono il sistema operativo dell’economia fisica, e le fabbriche AI sono tra i sistemi più complessi mai costruiti”, ha affermato Jensen Huang, fondatore e CEO di NVIDIA.
Le aziende intendono estendere le conoscenze derivanti dal deployment di NVIDIA alle imprese dei settori manifatturiero, energetico, sanitario, automobilistico e aerospaziale, e l’annuncio cita agricoltura, manifattura, farmaceutica, retail, tecnologia e organizzazioni governative come potenziali utilizzatrici dello stack AI per ottimizzare le proprie operazioni di supply chain. Lo stack AI e le sue applicazioni trasversali ai vari settori saranno presentati alla conferenza AIPCon 11 di Palantir.
