Palantir ยกระดับความร่วมมือด้าน AI กับ Nvidia: Sovereign AI กำลังพลิกโฉมการจัดการห่วงโซ่อุปทานอย่างไร?

ระบบ AI ของอินวิเดียได้วิวัฒนาการจากการเป็น GPU แบบสแตนด์อโลนไปสู่ผลิตภัณฑ์ระดับแร็คเต็มรูปแบบ และความซับซ้อนของห่วงโซ่อุปทานก็เพิ่มขึ้นตามไปด้วย โดยแร็ค Vera Rubin หนึ่งแร็คประกอบด้วยชิ้นส่วนประมาณ 1.3 ล้านชิ้น ซึ่งครอบคลุมถึงเวเฟอร์ หน่วยความจำ ระบบเครือข่าย พลังงาน การจัดการความร้อน และชุดประกอบทางกล อีกทั้งยังต้องอาศัยการประสานงานระหว่างซัพพลายเออร์และพันธมิตรการผลิตหลายพันราย

การขาดแคลนเพียงข้อต่อเดียวในห่วงโซ่อุปทานสามารถส่งผลกระทบต่อการผลิตและการส่งมอบระบบทั้งหมดได้ ตัวอย่างเช่น ปริมาณการผลิต GPU ที่เพียงพอไม่ได้หมายความว่าจะสามารถจัดส่งแร็คได้ตามกำหนดเวลา เนื่องจากการขาดแคลนส่วนประกอบใดส่วนประกอบหนึ่ง ไม่ว่าจะเป็น HBM, ชิปสวิตช์, อุปกรณ์ออปติก, โมดูลพลังงาน หรืออุปกรณ์ระบายความร้อนด้วยของเหลว ก็อาจกลายเป็นปัจจัยจำกัดใหม่ได้เช่นกัน

ระบบที่พัฒนาขึ้นโดยพาลันเทียร์และอินวิเดียทำหน้าที่รวบรวมข้อมูลที่กระจายอยู่ตามแผนกต่าง ๆ และซัพพลายเออร์หลายรายเข้าสู่สภาพแวดล้อมเดียวกัน โดยใช้ Palantir Ontology ในการสร้างแบบจำลองความสัมพันธ์ระหว่างชิ้นส่วน ซัพพลายเออร์ โรงงาน คำสั่งซื้อ และกรอบเวลาการจัดส่ง ส่งผลให้โมเดล AI ไม่เพียงแต่สามารถอ่านข้อมูลได้เท่านั้น แต่ยังเข้าใจได้ว่าการปรับเปลี่ยนวัตถุดิบเฉพาะอย่างจะส่งผลกระทบต่อการผลิตขั้นปลายอย่างไร

อินวิเดียเลือกที่จะเริ่มต้นด้วยการจัดสรรวัตถุดิบ เมื่ออุปทานเริ่มตึงตัว ระบบสามารถเปรียบเทียบการกำหนดค่า คำสั่งซื้อของลูกค้า และแผนการผลิตที่แตกต่างกัน เพื่อระบุคอขวดในการจัดส่งที่อาจเกิดขึ้นล่วงหน้า พร้อมทั้งจำลองสถานการณ์การจัดสรรในรูปแบบต่าง ๆ โดย AI มีหน้าที่ให้คำแนะนำ อธิบายข้อดีข้อเสีย และแจ้งเตือนความเสี่ยง ขณะที่การตัดสินใจขั้นสุดท้ายยังคงทำโดยทีมห่วงโซ่อุปทาน

การใช้ห่วงโซ่อุปทานของอินวิเดียเองเป็นสถานการณ์ประยุกต์ใช้งานเริ่มต้นยังทำหน้าที่เป็นเกณฑ์มาตรฐานอีกด้วย หากระบบสามารถจัดการกับกระบวนการผลิตที่ซับซ้อนของแร็ค Vera Rubin ได้ ทั้งสองบริษัทก็สามารถนำเสนอกรณีศึกษาการดำเนินงานที่เป็นรูปธรรมมากขึ้น เมื่อนำระบบนี้ไปส่งเสริมการใช้งานแก่ภาคธุรกิจการผลิตขนาดใหญ่อื่น ๆ ในอนาคต

ในสถาปัตยกรรมนี้ Palantir Foundry มีหน้าที่รวมข้อมูลจากการจัดซื้อ สินค้าคงคลัง การผลิต ลอจิสติกส์ และส่วนอื่น ๆ เข้าด้วยกัน ขณะที่ Ontology จะแปลงข้อมูลเหล่านี้ให้เป็นโมเดลที่สะท้อนถึงความสัมพันธ์ทางธุรกิจจริง บนพื้นฐานนี้ AIP จะเชื่อมต่อโมเดล AI เข้ากับกระบวนการทำงานขององค์กร ทำให้ข้อเสนอแนะที่สร้างขึ้นโดยโมเดลสามารถนำไปใช้ในการปฏิบัติงานจริงได้ภายใต้กลไกการได้รับอนุญาตและการตรวจสอบ

โมเดลแบบเปิด Nvidia Nemotron ให้ความสามารถด้านการใช้เหตุผลและการวางแผน โดยองค์กรสามารถนำโมเดลไปฝึกฝนเพิ่มเติม (post-train) ด้วยข้อมูลห่วงโซ่อุปทานของตนเอง ทำให้โมเดลเข้าใจเครือข่ายซัพพลายเออร์ กฎการผลิต และมาตรฐานความเสี่ยงเฉพาะขององค์กร แทนที่จะพึ่งพาคำตอบจากโมเดลทั่วไปเพียงอย่างเดียว

ซอฟต์แวร์ Nvidia cuOpt มีหน้าที่หลักในการปรับประสิทธิภาพสูงสุด (optimization) และการจำลองสถานการณ์ เมื่อชิ้นส่วนเกิดภาวะขาดแคลน ระบบสามารถคำนวณตัวเลือกการจัดสรรที่แตกต่างกัน และเปรียบเทียบผลกระทบที่อาจเกิดขึ้นจากการปรับแผนการผลิต การเปลี่ยนซัพพลายเออร์ หรือการจัดลำดับความสำคัญของคำสั่งซื้อบางรายการ จากนั้นโมเดล Nemotron จะแปลงผลการคำนวณเหล่านี้เป็นข้อเสนอแนะที่เข้าใจง่าย พร้อมระบุข้อดีและข้อเสียของแต่ละตัวเลือก

นอกจากนี้ Palantir Autopilot ยังทำงานร่วมกับ Nvidia NeMo AutoModel และ NeMo RL เพื่อป้อนผลลัพธ์การผลิตจริงกลับเข้าสู่โมเดล หากการจัดสรรวัตถุดิบช่วยปรับปรุงประสิทธิภาพการส่งมอบ หรือนำไปสู่ปัญหาที่ไม่คาดคิดในท้ายที่สุด ระบบจะสามารถปรับปรุงข้อเสนอแนะในครั้งถัดไปตามผลลัพธ์ที่ได้ ซึ่งเป็นการสร้างกระบวนการเรียนรู้ที่ได้รับการอัปเดตอย่างต่อเนื่อง

ระบบนี้แตกต่างจากการตัดสินใจแบบอัตโนมัติเต็มรูปแบบตรงที่ยังคงการตรวจสอบโดยมนุษย์ไว้ แม้ว่า AI จะช่วยเร่งการจัดระเบียบข้อมูลและการเปรียบเทียบตัวเลือกให้เร็วขึ้น แต่ผู้เชี่ยวชาญด้านห่วงโซ่อุปทานยังคงเป็นผู้ทำการตัดสินใจขั้นสุดท้าย ซึ่งมีความสำคัญอย่างยิ่งในสถานการณ์ที่เกี่ยวข้องกับลำดับความสำคัญของลูกค้า วัตถุดิบสำคัญ และความสัมพันธ์ระยะยาวกับซัพพลายเออร์

บริษัทต่าง ๆ มีการสะสมข้อมูลที่มีความอ่อนไหวจำนวนมหาศาลภายในห่วงโซ่อุปทานของตน รวมถึงโครงสร้างผลิตภัณฑ์ ราคาจัดซื้อจัดจ้าง รายชื่อซัพพลายเออร์ ตารางกำลังการผลิต และความต้องการของลูกค้า การส่งข้อมูลเหล่านี้โดยตรงไปยังโมเดลสาธารณะภายนอกอาจก่อให้เกิดความเสี่ยงด้านข้อมูลรั่วไหล ทรัพย์สินทางปัญญา และการปฏิบัติตามกฎระเบียบ

พาลานเทียร์และอินวิเดียกำลังเน้นย้ำถึง Sovereign AI เพื่อช่วยให้องค์กรต่าง ๆ สามารถเลือกวิธีการปรับใช้ระบบตามความต้องการเฉพาะของตน โดยระบบสามารถทำงานภายในองค์กร (On-premises) ผ่านอุปกรณ์ของเดลล์และซิสโก้ หรือปรับใช้ในสภาพแวดล้อมคลาวด์หรือโฮสติ้ง เช่น แร็คสเปซและเนบิอุส ทั้งนี้ องค์กรสามารถตัดสินใจเลือกสถานที่จัดเก็บโมเดลและข้อมูลตามระดับความอ่อนไหวของข้อมูล ข้อกำหนดด้านการปฏิบัติตามกฎระเบียบ และสถาปัตยกรรมไอทีที่มีอยู่

การปรับใช้นี้ใช้ประโยชน์จากสถาปัตยกรรมอ้างอิงของอินวิเดียและสถาปัตยกรรมอ้างอิงระบบปฏิบัติการ Sovereign AI ของพาลานเทียร์ โดยได้รับการสนับสนุนจากเดลล์และซิสโก้ ทั้งนี้ วัตถุประสงค์ไม่ใช่การสร้างซอฟต์แวร์ห่วงโซ่อุปทานแบบตายตัวสำหรับทุกคน แต่เป็นการจัดหาโครงสร้างพื้นฐานที่สามารถปรับเปลี่ยนให้สอดคล้องกับอุตสาหกรรมและกฎเกณฑ์การดำเนินงานที่แตกต่างกัน

ในมุมมองเชิงพาณิชย์ ความร่วมมือนี้ช่วยขยายขอบเขตการใช้งาน Palantir AIP แม้ว่าก่อนหน้านี้พาลานเทียร์จะมุ่งเน้นโครงการบูรณาการข้อมูลสำหรับภาครัฐ กลาโหม และองค์กรขนาดใหญ่เป็นหลัก แต่ในปัจจุบันบริษัทสามารถขยายการเข้าถึงห่วงโซ่อุปทานของภาคการผลิตและศูนย์ข้อมูล AI ผ่านโมเดลและโครงสร้างพื้นฐานของอินวิเดีย ขณะเดียวกัน อินวิเดียก็ใช้ซอฟต์แวร์ของพาลานเทียร์ในการต่อยอด Nemotron จากโมเดลพื้นฐานไปสู่สถานการณ์การตัดสินใจในองค์กรจริง

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด