Palantir与英伟达深化AI合作：主权AI如何改变供应链管理？

TradingKey - 9月10日，Palantir（PLTR）与英伟达（NVDA）宣布扩大合作，将英伟达Nemotron开放模型接入Palantir Foundry和人工智能平台AIP，首先应用于英伟达自身的供应链管理。

这项合作并非简单地在企业系统中增加一个聊天机器人，而是希望让AI参与物料分配、产能评估和生产规划。Palantir提供Foundry、AIP和Ontology等企业软件基础设施，英伟达则提供Nemotron模型、cuOpt等AI与优化技术，双方共同构建面向供应链的AI技术栈。双方计划先在英伟达内部验证相关能力，再向制造、能源、医疗、汽车和航空航天等行业推广。

这里所说的“主权AI”，主要是指企业能够控制自身的数据、模型和部署环境。敏感的供应商资料和生产信息不需要完全交给外部模型提供商，企业也可以决定AI在哪里运行，以及哪些建议可以进入实际业务流程。

为什么首先应用于英伟达供应链？

英伟达的AI系统已经从单颗GPU发展至完整的机架级产品，供应链复杂程度也随之提高。一套Vera Rubin机架包含约130万个零部件，涉及晶圆、存储、网络、电源、散热和机械组件，并需要数千家供应商及制造合作伙伴协调配合。

只要其中一个环节出现短缺，整套系统的生产和交付都可能受到影响。例如，GPU产量充足并不意味着机架可以按期出货，HBM、交换芯片、光学器件、电源模块或液冷设备中的任何一项不足，都可能成为新的限制因素。

Palantir与英伟达开发的系统将分散在不同部门和供应商中的数据汇集到统一环境，并利用Palantir Ontology描述零部件、供应商、工厂、订单与交付时间之间的关系。这样一来，AI模型不仅可以读取数据，还能理解某项物料调整会对后续生产产生哪些影响。

英伟达选择从物料分配入手，当供应出现紧张时，系统可以比较不同配置、客户订单和生产计划，提前发现可能影响交付的环节，并模拟不同分配方案。AI负责给出建议、解释取舍和提示风险，最终决定仍由供应链团队作出。

以英伟达自身供应链作为首个应用场景也具有示范意义，如果这套系统能够应对Vera Rubin机架的复杂生产流程，双方未来向其他大型制造企业推广时，就能提供更具体的运营案例。

Nemotron与Palantir AIP如何配合？

在这套架构中，Palantir Foundry负责整合来自采购、库存、生产和物流等环节的数据，Ontology则将这些数据转化为能够反映实际业务关系的模型。AIP在此基础上连接AI模型与企业工作流程，使模型生成的建议可以在权限和审核机制下用于实际运营。

英伟达Nemotron开放模型提供推理与规划能力，企业可以使用自身的供应链数据对模型进行后训练，使其了解特定的供应商网络、生产规则和风险标准，而不是完全依赖通用模型给出的答案。

英伟达cuOpt软件则主要负责优化和场景模拟。当某种零部件供应不足时，系统可以计算不同分配方式，比较调整生产计划、切换供应商或优先满足部分订单可能产生的影响。Nemotron模型随后可以把这些计算结果转化为较容易理解的建议，并说明不同选择之间的利弊。

Palantir Autopilot还将与英伟达NeMo AutoModel和NeMo RL结合，把实际生产结果反馈至模型。如果某项物料分配最终提高了交付效率，或产生了预期之外的问题，系统可以根据结果调整后续建议，从而形成持续更新的学习过程。

与完全自动化决策不同，这套系统仍保留人工审核。AI可以加快信息整理和方案比较，但供应链专家继续掌握最终决定。这对于涉及客户优先级、关键物料和长期供应商关系的场景尤为重要。

主权AI为何成为双方合作重点？

企业在供应链中积累了大量敏感数据，包括产品结构、采购价格、供应商名单、产能安排和客户需求。如果这些信息被直接传送至外部公共模型，可能带来数据泄露、知识产权和监管风险。

Palantir与英伟达强调主权AI，是希望让企业根据自身要求选择部署方式，相关系统既可以通过戴尔和思科设备在企业内部运行，也可以部署在Rackspace、Nebius等云端或托管环境中。企业可以按照数据敏感程度、合规要求和现有IT架构决定模型及数据的存放位置。

本次部署采用英伟达参考架构和Palantir主权AI操作系统参考架构，戴尔与思科提供相关支持。其目标并不是建立一套适用于所有企业的固定供应链软件，而是提供可以根据不同行业和运营规则调整的基础架构。

从商业角度看，这项合作扩大了Palantir AIP的应用范围，Palantir过去较多参与政府、国防和大型企业的数据整合项目，如今通过英伟达的模型与基础设施，可以进一步进入制造和AI数据中心供应链。英伟达则借助Palantir的软件，将Nemotron从基础模型延伸至企业实际决策场景。