NVIDIA、自社の130万部品規模サプライチェーンでPalantirとのAI基盤を先行導入

NVIDIAとPalantir Technologiesは、複雑で重要性の高いサプライチェーン向けに共同開発したソブリンAIスタックを発表しました。最初の導入先はNVIDIA自身です。つまり同社は、この製品の最初の実運用ユーザーでもあります。11

ここでいう「ソブリンAI」は、単にサプライチェーンのデータにチャットボットを接続することではありません。企業・組織が自ら管理する環境で、業務データ、最適化ソフトウェア、AIモデル、そして熟練者の判断を統合・統制するという考え方です。

発表されたAIスタックの中身

この仕組みは、NVIDIAのオープンモデル「Nemotron」を、Palantir FoundryおよびPalantir Artificial Intelligence Platform（AIP）へ組み込み、業務上の対象と関係性を表現する「Palantir Ontology」を基盤に据えます。両社によると、供給網の制約を見つけ、現場の知見を形式知化し、意思決定を支援する設計です。11

NVIDIAでの初期用途は、半導体のウエハーから「ファーストトークン」までの工程を速めることです。ファーストトークンとは、AIシステムが導入され、最初の出力を生成する段階を指します。NVIDIAはこの取り組みを、自社サプライチェーンにある業務知能を仕組みに組み込む手段と位置付けています。11

約130万部品のVera Rubinラックが最初の実証例に

NVIDIAのVera Rubinシステムでは、1ラックに約130万個の部品が使われます。計算装置、メモリー、ネットワーク、電源、冷却、機械部品まで、多数の要素が相互に依存します。37

この規模では、部材配分は表計算ソフトだけで完結する問題ではありません。製造能力、部品の在庫・調達可能性、入荷時期、すでに顧客に対して行った約束など、複数の制約が計画を左右します。NVIDIAはPalantir Ontologyとサプライチェーン用の「Command Center」、さらにNVIDIAの最適化ソフトウェア「cuOpt」を使い、拠点をまたぐシナリオ評価と希少部材の配分を進めています。16

NVIDIAが重視する指標は「Time of Ownership」です。これは、部材がNVIDIAの管理下にとどまり、納入されるシステムの価値につながるまでに要する時間を短縮するという考え方です。目的は、スループットを妨げる真の制約を特定し、それを最も効果的に解消する配分を選ぶことにあります。1

各コンポーネントの役割

• Nemotronのオープンモデル：サプライチェーンの判断に特化させる推論レイヤー
• Palantir FoundryとAIP：データ、モデル、業務ワークフローをチームが扱うためのアプリケーション環境
• Palantir Ontology：部材、拠点、能力、配分、顧客へのコミットメント、生産結果といった現実の業務対象・関係を表現するレイヤー 116
• NVIDIA cuOpt：部材配分などの最適化とシナリオ分析を担うソフトウェア 1

両社はこれを、個別データセットに汎用AIモデルをつないだだけの仕組みではなく、統制された業務運用環境として位置付けます。NVIDIAの開発者向け説明では、独自のサプライチェーンデータ、モデルの重み、推論処理を一つの統制環境に保持する点が強調されています。1

数理最適化だけでは足りない理由

NVIDIAは、数理最適化だけでは熟練プランナーが実際に参照する文脈をすべて捉えられないと判断しました。たとえばメール、天気予報、地政学的な動き、サプライヤーとの打ち合わせ内容、組織に蓄積された経験則など、非構造化かつ急速に変化する情報が判断を左右し得ます。1

そこでNVIDIAは、プランナーによる配分の選択、その理由、後から判明した結果を、特化型モデル「Nemotron 3.5 Lightning」の事後学習データとして利用しました。このモデルは総計300億パラメータのMixture of Experts（MoE）設計で、1回の推論時に有効となるパラメータは約30億です。1

NVIDIAが自社の開発用「配分判断」ベンチマークで公表した結果は次の通りです。

モデル	公表された配分判断精度
事後学習済み Nemotron 3.5 Lightning	86.7%
Nemotron 3 Ultra	55.5%
ベースモデル Nemotron 3.5 Lightning	17.5%

これらはNVIDIAが自社の開発用ベンチマークで報告した数値です。あらゆるサプライチェーンや導入環境での性能を独立して示す評価ではありません。1

AIの提案を人間が確認し続ける

両社は、このシステムをサプライチェーン担当者の自律的な代替として売り出しているわけではありません。部材配分には大きなトレードオフが伴い、学習データに存在しない新情報が生じることもあります。

このため、人間のプランナーが提案を確認し、必要に応じて修正し、改善する責任を持ちます。こうした介入は統制された意思決定の記録となり、追加の事後学習と業務運用の改善へつながるフィードバックループを形成します。1

他社・政府機関への展開

NVIDIAとPalantirによると、他の組織も「Palantir Sovereign AI Operating System Reference Architecture」を通じて、自社のサプライチェーンにこのアーキテクチャーを導入できます。クラウド環境とオンプレミス環境の双方での展開を想定し、独自データの管理を重視する複雑な産業や政府機関が対象です。11

関連する参照アーキテクチャーはNVIDIA Enterprise Reference Architecturesを基盤とし、AIP、Foundry、Apollo、Rubix、AIP Hubを含むPalantirのソフトウェア群を稼働させるよう設計されています。29

周辺インフラのエコシステムにはDellも加わります。関連アーキテクチャーでは、PowerEdge、ObjectScale、PowerFlexを含むDell AI Factoryの基盤と、PalantirおよびNVIDIAの技術を組み合わせます。17 また9月の報道では、ハードウェアまたはクラウドでの導入選択肢に関わるパートナーとしてCisco、Rackspace、Nebiusの名前も挙げられました。25

AIPCon 11で披露

このサプライチェーン向け導入と、より広いソブリンAIの活用例は、Palantirのイベント「AIPCon 11」で披露されました。6

注目点は、NVIDIAが極めて制約の多い自社の供給網で、このスタックを先に使うことです。領域特化型モデル、最適化、統制された業務データの組み合わせが、最も複雑な産業計画の一つで意思決定を改善できるかどうかを測る、実地での検証になります。111