‏همکاری انویدیا و پلنتیر؛ هوش مصنوعی حاکمیتی وارد زنجیره تأمین می‌شه

انویدیا و پلنتیر اعلام کردن که یه پلتفرم هوش مصنوعی مشترک برای زنجیره تأمین ساختن، و اولین جایی که اجراش می‌کنن خود زنجیره تأمین انویدیاست. این سیستم مدل‌های متن‌باز NVIDIA Nemotron رو داخل پلتفرم پلنتیر یعنی Foundry و AIP (که روی چیزی به اسم Ontology یعنی یه نقشه از تمام اشیا و رابطه‌های سازمان کار می‌کنه) قرار می‌ده تا محدودیت‌های زنجیره تأمین زودتر پیدا بشه و تجربه عملیاتی تیم‌ها به‌صورت مداوم ثبت و استفاده بشه.

زنجیره تأمین انویدیا خیلی پیچیده‌ست: میلیون‌ها قطعه، هزاران تأمین‌کننده، و هماهنگی کلی شرکای ساخت برای هر رَک هوش مصنوعی. هر رک از سری جدید NVIDIA Vera Rubin حدود ۱.۳ میلیون قطعه داره. تو این پلتفرم، ابزار NVIDIA cuOpt برای بهینه‌سازی و شبیه‌سازی سناریو استفاده می‌شه تا تیم‌ها بتونن محدودیت‌ها رو بسنجن و تاثیر هر تصمیم تخصیص مواد رو روی کل زنجیره ببینن.

مدل‌های Nemotron بعد از آموزش دیدن با داده‌های خود سازمان، پیشنهاد می‌دن و ریسک‌ها رو گوشزد می‌کنن، ولی تصمیم نهایی همچنان دست کارشناسای انسانیه. نکته مهمی که هر دو شرکت روش تاکید دارن اینه که مدل‌ها متن‌بازن و هر سازمان می‌تونه با داده‌های خودش (از طریق ابزار NeMo Data Libraries) آموزششون بده، بدون اینکه کنترل داده و مدل رو از دست بده؛ همین بخشیه که اسمشو «هوش مصنوعی حاکمیتی» (sovereign AI) گذاشتن.

بازخورد هر تصمیم و نتیجه واقعی هم از طریق Palantir Autopilot و کتابخونه‌های NeMo AutoModel و NeMo RL برمی‌گرده تو چرخه آموزش تا مدل‌ها هی بهتر بشن. این معماری، که Palantir Sovereign AI Operating System Reference Architecture نام داره، قراره برای صنایعی مثل کشاورزی، تولید، دارو، خرده‌فروشی و حتی دولت‌ها هم در دسترس باشه.

Dell و سیسکو ازش روی زیرساخت داخلی (on-premises) پشتیبانی می‌کنن، و Rackspace و Nebius هم نسخه ابری‌شو ارائه می‌دن؛ یعنی هر سازمان بسته به نیازش می‌تونه این سیستم رو هرجایی که داده‌ها و الزاماتش ایجاب می‌کنه اجرا کنه.

نکات کلیدی:

• انویدیا و پلنتیر مدل Nemotron رو با Foundry/AIP و Ontology ترکیب کردن تا زنجیره تأمین رو مدیریت کنن.
• هر رک NVIDIA Vera Rubin حدود ۱.۳ میلیون قطعه داره؛ این پلتفرم اول تو خود انویدیا اجرا شده.
• ابزار NVIDIA cuOpt برای بهینه‌سازی و شبیه‌سازی سناریوهای تخصیص مواد استفاده می‌شه.
• سازمان‌ها می‌تونن مدل‌ها رو با داده خودشون آموزش بدن و کنترل داده و مدل رو نگه دارن.
• این معماری با پشتیبانی Dell، سیسکو (داخلی) و Rackspace، Nebius (ابری) قابل اجراست.