Saltar al contenido
Volver

NVIDIA y Palantir arman un stack de IA soberana para cadenas de suministro (empezando por la propia NVIDIA)

La alianza mete modelos abiertos Nemotron dentro de Palantir Foundry y AIP para optimizar cadenas de suministro críticas, con el primer despliegue en la propia supply chain de NVIDIA.

Nauta Lab
2 min

NVIDIA y Palantir arman un stack de IA soberana para cadenas de suministro (empezando por la propia NVIDIA)

Este 10 de septiembre NVIDIA y Palantir anunciaron una colaboración para llevar IA soberana a cadenas de suministro críticas, y el primer cliente es nada menos que NVIDIA misma. La jugada mete los modelos abiertos Nemotron dentro de Palantir Foundry y AIP, todo anclado en la Ontology de Palantir para que la organización mantenga el control y la propiedad de sus datos.

De “wafer-out” a “first token”

NVIDIA describe su supply chain como una de las más complejas del mundo: 1,3 millones de piezas por rack Vera Rubin, miles de proveedores y una red global de fábricas. El equipo midió el rendimiento en dos relojes: time-to-rack (del silicio saliendo de la fábrica al sistema ensamblado) y time-to-token (energía, refrigeración, networking y software que hacen productiva la infra).

Cada semana hay que decidir cuánto material se asigna a cada planta de manufactura —un problema de asignación que los planificadores humanos rehacían a mano. La solución: un Digital Supply Chain Intelligence command center sobre Foundry, donde la Ontology conecta materiales, plantas, commits, capacidad, asignaciones y señales cualitativas en una sola capa de datos gobernada. Arriba corre cuOpt (optimización con GPU de NVIDIA) resolviendo la asignación como un programa lineal entero mixto.

El modelo que aprendió de los planificadores

El detalle técnico más jugoso está en el post del NVIDIA Technical Blog: hicieron post-training del modelo abierto Nemotron 3.5 Lightning (30B de parámetros, ~3B activos por forward pass) sobre las decisiones históricas de los planificadores, usando LoRA en dos GPUs B200.

¿Por qué no bastaba el solver? Porque los humanos le ganaban usando información que el modelo no veía: correos con socios, pronósticos de clima severo, eventos geopolíticos y años de experiencia acumulada. El resultado del fine-tuning:

  • 86,7% de precisión en decisiones de asignación el modelo post-entrenado.
  • 55,5% el Nemotron 3 Ultra (más grande) y 17,5% el Lightning base.

Los números crudos son honestos: las ganancias se concentran en el dominio entrenado, y la predicción de riesgos futuros sigue siendo difícil. Las recomendaciones aceptadas o corregidas se escriben de vuelta en la Ontology para futuros entrenamientos —el modelo nunca se reentrena solo en producción.

Dónde corre y hacia dónde va

El stack corre sobre arquitecturas de referencia de NVIDIA y la Palantir Sovereign AI Operating System Reference Architecture (SAIOS), con soporte de Dell y Cisco; se puede desplegar on-premise o en colo/cloud con Rackspace y Nebius.

Alex Karp (Palantir) lo resumió con su estilo habitual: “nuestro stack soberano, con Nemotron y Ontology, está entregando capacidades que superan la frontera”. Jensen Huang, más sobrio: “las cadenas de suministro son el sistema operativo de la economía física”. El plan es extender lo aprendido a manufactura, energía, salud, automotriz y aeroespacial, con debut público en la conferencia AIPCon 11.

Fuentes: NVIDIA Newsroom, NVIDIA Technical Blog, Securities.io.


Compartir artículo:

Sigue leyendo

Noticias relacionadas

Más en IA →

Buscar en Ping Diario