NVIDIA testuje s Palantirem AI pro svůj dodavatelský řetězec s 1,3 milionu dílů na rack

NVIDIA a Palantir představily společně vyvinutý AI stack pro kritické a složité dodavatelské řetězce, který označují jako suverénní AI. Jako první jej nenasazuje externí klient, ale přímo NVIDIA ve vlastních operacích. Firma tak funguje jako první zákazník i jako ostrý referenční případ pro další zájemce. 11

Podstatou není chatbot připojený k tabulkám. Jde o řízené prostředí, které propojuje provozní data, optimalizační software, AI modely a úsudek zkušených plánovačů — přičemž organizace si má ponechat kontrolu nad citlivými daty i inferencí.

Co firmy oznámily

Stack integruje otevřené modely NVIDIA Nemotron do platforem Palantir Foundry a Palantir Artificial Intelligence Platform (AIP). Základní provozní vrstvu tvoří Palantir Ontology, tedy model důležitých reálných objektů a jejich vztahů — například materiálů, výrobních závodů, kapacit, alokací, závazků vůči zákazníkům a výsledků výroby. 116

Prvním cílem NVIDIA je zkrátit cestu od polovodičového waferu po „first token“, okamžik, kdy je AI systém nasazený a začne vytvářet výstupy. Společnost chce do vlastního dodavatelského řetězce převést a průběžně doplňovat provozní know-how. 11

Proč začínají právě u NVIDIA

Rozsah problému dobře ukazuje infrastruktura NVIDIA Vera Rubin. Jeden rack zahrnuje zhruba 1,3 milionu komponent: výpočetní prvky, paměti, síťové prvky, napájení, chlazení i mechanické části. 37

V takto provázaném řetězci není rozdělování materiálu jen úloha pro tabulkový procesor. Plán může omezit výrobní kapacita, dostupnost konkrétní součástky, termín příchozí dodávky nebo dříve přislíbené dodávky odběratelům.

NVIDIA proto kombinuje Ontology a nástroj Command Center od Palantiru s knihovnou NVIDIA cuOpt. Cílem je vyhodnocovat scénáře a rozdělovat nedostatkové materiály mezi jednotlivé lokality. 16

Firma používá také metriku Time of Ownership — dobu, po kterou materiál zůstává pod kontrolou NVIDIA, než může přispět k dodání hotového systému. Systém má ukázat, které omezení právě brzdí průchodnost a které rozhodnutí o alokaci ho nejlépe řeší. 1

Jakou roli má jednotlivý software

Jednotlivé součásti mají odlišné funkce:

• Otevřené modely Nemotron dodávají vrstvu uvažování, kterou lze specializovat na rozhodování v dodavatelském řetězci.
• Palantir Foundry a AIP poskytují datové a aplikační prostředí pro práci modelů i provozních pracovních postupů.
• Palantir Ontology spojuje relevantní entity a vztahy z reálného provozu: materiály, lokality, kapacity, přidělení, závazky a výrobní výsledky. 116
• NVIDIA cuOpt slouží k optimalizaci a analýze scénářů, například při přidělování materiálu. 1

NVIDIA tento přístup popisuje jako jeden řízený celek, nikoli jako obecný model napojený na izolované datové zdroje. Podle vývojářského blogu NVIDIA zůstávají proprietární data dodavatelského řetězce, váhy modelů i inference v jediném řízeném prostředí. 1

Proč do tréninku vstoupili lidští plánovači

NVIDIA zjistila, že samotná matematická optimalizace nevystihne všechny souvislosti, s nimiž v praxi pracují zkušení plánovači. Rozhodnutí mohou záviset na rychle se měnících a nestrukturovaných informacích: e-mailech, předpovědi počasí, geopolitickém vývoji, poznatcích od dodavatelů nebo institucionální znalosti. 1

Firma proto využila rozhodnutí plánovačů o alokaci, jejich zdůvodnění i pozdější výsledky jako data pro dodatečné dotrénování specializovaného modelu Nemotron 3.5 Lightning. Model má celkem 30 miliard parametrů a používá architekturu mixture-of-experts; při jednom průchodu je aktivních zhruba 3 miliardy parametrů. 1

Na vlastním vývojovém benchmarku pro rozhodování o alokaci NVIDIA uvedla tyto výsledky:

Model	NVIDIA uváděná přesnost rozhodnutí o alokaci
Dotrénovaný Nemotron 3.5 Lightning	86,7 %
Nemotron 3 Ultra	55,5 %
Základní Nemotron 3.5 Lightning	17,5 %

Jde o čísla zveřejněná NVIDIA na jejím vlastním vývojovém benchmarku. Nejsou nezávislým měřením výkonu napříč všemi dodavatelskými řetězci ani zárukou výsledků v každém nasazení. 1

Lidé zůstávají součástí rozhodování

Firmy systém nepředstavují jako autonomní náhradu plánovačů. Rozdělování materiálu může mít významné provozní i obchodní důsledky a může se objevit nová informace, kterou model při tréninku neznal.

Lidští plánovači proto doporučení prověřují, upravují a pomáhají je zlepšovat. Jejich zásahy se mohou ukládat jako nové řízené záznamy o rozhodnutí, takže vzniká zpětnovazební smyčka pro další dotrénování i zlepšování provozních postupů. 1

Jak se má řešení nasazovat u dalších organizací

NVIDIA a Palantir uvádějí, že další organizace mohou stejnou architekturu využít ve vlastních řetězcích prostřednictvím Palantir Sovereign AI Operating System Reference Architecture. Nasazení je určeno pro cloud i infrastrukturu provozovanou přímo u zákazníka (on-premises), zejména pro složité obory a vládní prostředí, kde je důležité zachovat kontrolu nad proprietárními daty. 11

Související referenční architektura vychází z NVIDIA Enterprise Reference Architectures a je testována pro software Palantiru včetně AIP, Foundry, Apollo, Rubix a AIP Hub. 29

Do infrastrukturního ekosystému patří také Dell: jeho související architektura propojuje infrastrukturu Dell AI Factory — včetně PowerEdge, ObjectScale a PowerFlex — s technologiemi Palantiru a NVIDIA. 17 Zprávy o zářijovém oznámení dále uváděly Cisco, Rackspace a Nebius jako partnery pro hardwarové či cloudové možnosti nasazení. 25

Kde se novinka představila

Nasazení pro dodavatelský řetězec i širší použití suverénní AI byly prezentovány na akci AIPCon 11 pořádané Palantirem. 6

Význam oznámení spočívá hlavně v tom, že NVIDIA nejprve zkouší společný stack ve vlastním mimořádně omezeném a složitém řetězci. Jde tak o praktickou prověrku, zda dokážou oborově specializované modely, optimalizace a řízená provozní data zlepšit rozhodování v jednom z nejnáročnějších prostředí průmyslového plánování. 111