Palantir與輝達深化AI合作：主權AI如何改變供應鏈管理？

輝達的 AI 系統已經從單顆 GPU 發展至完整的機架級產品，供應鏈複雜程度也隨之提高。一套 Vera Rubin 機架包含約 130 萬個零組件，涉及晶圓、記憶體、網路、電源、散熱和機械組件，並需要數千家供應商及製造合作夥伴協調配合。

只要其中一個環節出現短缺，整套系統的生產和交付都可能受到影響。例如，GPU 產量充足並不意味著機架可以按期出貨，HBM、交換晶片、光學元件、電源模組或液冷設備中的任何一項不足，都可能成為新的限制因素。

Palantir 與輝達開發的系統將分散在不同部門和供應商中的資料彙整至統一環境，並利用 Palantir Ontology 描述零組件、供應商、工廠、訂單與交付時間之間的關係。如此一來，AI 模型不僅可以讀取資料，還能理解某項物料調整會對後續生產產生哪些影響。

輝達選擇從物料分配著手，當供應吃緊時，系統可以比較不同配置、客戶訂單和生產計畫，提前發現可能影響交付的環節，並模擬不同分配方案。AI 負責提出建議、解釋取捨和提示風險，最終決定仍由供應鏈團隊做出。

以輝達自身供應鏈作為首個應用場景也具有示範意義，如果這套系統能夠因應 Vera Rubin 機架的複雜生產流程，雙方未來向其他大型製造企業推廣時，就能提供更具體的營運案例。

在這套架構中，Palantir Foundry 負責整合來自採購、庫存、生產與物流等環節的資料，Ontology 則將這些資料轉化為能反映實際業務關係的模型。AIP 在此基礎上連接 AI 模型與企業工作流程，使模型產生的建議能在權限和審核機制下用於實際營運。

輝達 Nemotron 開放模型提供推理與規劃能力，企業可以使用自身的供應鏈資料對模型進行後訓練，使其瞭解特定的供應商網路、生產規則和風險標準，而不是完全依賴通用模型給出的答案。

輝達 cuOpt 軟體則主要負責最佳化和情境模擬。當某種零組件供應不足時，系統可以計算不同分配方式，比較調整生產計畫、切換供應商或優先滿足部分訂單可能產生的影響。Nemotron 模型隨後可以把這些計算結果轉化為較容易理解的建議，並說明不同選擇之間的利弊。

Palantir Autopilot 還將與輝達 NeMo AutoModel 和 NeMo RL 結合，把實際生產結果回饋至模型。如果某項物料分配最終提高了交付效率，或產生了預期之外的問題，系統可以根據結果調整後續建議，從而形成持續更新的學習過程。

與完全自動化決策不同，這套系統仍保留人工審核。AI 可以加快資訊整理和方案比較，但供應鏈專家繼續掌握最終決定。這對於涉及客戶優先級、關鍵物料和長期供應商關係的情境尤為重要。

企業在供應鏈中累積了大量敏感資料，包括產品結構、採購價格、供應商名單、產能安排和客戶需求。若這些資訊被直接傳送至外部公共模型，可能帶來資料外洩、智慧財產權和監管風險。

Palantir 與輝達強調主權 AI，是希望讓企業根據自身要求選擇部署方式，相關系統既可以透過戴爾和思科設備在企業內部運作，也可以部署在 Rackspace、Nebius 等雲端或託管環境中。企業可以按照資料敏感程度、合規要求和現有 IT 架構決定模型及資料的存放位置。

本次部署採用輝達參考架構和 Palantir 主權 AI 作業系統參考架構，戴爾與思科提供相關支援。其目標並不是建立一套適用於所有企業的固定供應鏈軟體，而是提供可以根據不同產業和營運規則調整的基礎架構。

從商業角度看，這項合作擴大了 Palantir AIP 的應用範圍，Palantir 過去較多參與政府、國防和大型企業的資料整合專案，如今透過輝達的模型與基礎設施，可以進一步進入製造和 AI 資料中心供應鏈。輝達則藉助 Palantir 的軟體，將 Nemotron 從基礎模型延伸至企業實際決策場景。

本內容經由 AI 翻譯並經人工審閱，僅供參考與一般資訊用途，不構成投資建議。