همکاری انویدیا و پالانتیر: بهینه‌سازی زنجیره تأمین با مدل‌های نموترون

یک رک سخت‌افزاری NVIDIA Vera Rubin برای کار کردن به ۱.۳ میلیون قطعه مجزا نیاز دارد. مدیریت این حجم از پیچیدگی به‌صورت دستی دیگر ممکن نیست و به همین دلیل انویدیا و پالانتیر در ۱۰ سپتامبر ۲۰۲۶ همکاری خود را برای آوردن هوش مصنوعی حاکمیتی به زنجیره‌های تأمین حیاتی اعلام کردند. این پشته هوش مصنوعی که به‌طور مشترک ساخته شده است، ابتدا در عملیات زنجیره تأمین خود انویدیا مستقر می‌شود.

این اقدام در حالی رخ می‌دهد که غول‌های سخت‌افزاری جهان با چالش «زمان تا توکن» (time-to-token) دست‌وپنجه نرم می‌کنند؛ یعنی فاصله زمانی بین خروج تراشه از کارخانه تا بهره‌برداری از مرکز داده و تبدیل شدن آن به یک واحد تولیدکننده. همان‌طور که در پوشش پیشین ما از همکاری پالانتیر با فوجی‌تسو دیدیم، این همکاری اکنون از یک ادغام ساده به یک لایه هوش حاکمیتی کامل تبدیل شده است. جنسن هوانگ، مدیرعامل انویدیا، هدف این پروژه را تبدیل گراف عملیاتی زیرساخت‌های هوش مصنوعی به یک هوش حاکمیتی می‌داند که مسیر تولید ویفر تا خروجی توکن را هماهنگ می‌کند. این تلاش برای بهینه‌سازی تولید، در راستای استراتژی گسترده‌تر انویدیا برای کنترل زنجیره ارزش سخت‌افزاری است، مشابه سرمایه‌گذاری استراتژیک این شرکت در مدیاتک برای توسعه تراشه‌های اختصاصی.

تصور کنید یک مرکز فرماندهی دارید که هر پیچ، GPU و لوله خنک‌کننده را به‌صورت لحظه‌ای ردیابی می‌کند. این هدف پشته جدیدی است که مدل‌های باز نموترون (Nemotron) را در پالانتیر فاندری (Palantir Foundry) و پلتفرم هوش مصنوعی پالانتیر (AIP) ادغام کرده و همگی را بر پایه هستی‌شناسی پالانتیر (Palantir Ontology) بنا می‌کند. الکس کارپ، مدیرعامل پالانتیر، اشاره کرد که انویدیا احتمالاً پیچیده‌ترین زنجیره تأمین جهان را دارد و این پشته حاکمیتی، ویژگی‌های «محافظت از آلفا» (alpha protection qualities) را فراهم می‌کند که در جای دیگری یافت نمی‌شود.

معماری فنی

زنجیره تأمین انویدیا یکی از پیچیده‌ترین زنجیره‌های موجود است که میلیون‌ها قطعه و هزاران تأمین‌کننده را در بر می‌گیرد. برای تولید یک سیستم در مقیاس رک، باید محاسبات، حافظه، شبکه، برق، خنک‌کننده و قطعات مکانیکی به‌طور هماهنگ در دسترس باشند. برای مثال، پلتفرم‌های Grace Blackwell NVL72 به ده‌ها تولیدکننده تجهیزات اصلی (OEM) و تولیدکننده طراحی تجهیزات (ODM) برای مونتاژ نهایی نیاز دارند. یک سینی محاسباتی GB200 NVL72 — که یکی از هجده سینی در یک رک است — به دو CPU Grace، چهار GPU Blackwell و ۳۲ پشته حافظه HBM3e نیاز دارد. طبق اعلام انویدیا، زنجیره تأمین Vera Rubin دو برابر بزرگ‌تر از زنجیره پشت Grace Blackwell است.

برای مدیریت این وضعیت، یک مرکز فرماندهی هوش زنجیره تأمین دیجیتال ساخته شد:

• هستی‌شناسی (The Ontology): این لایه مواد، سایت‌های تولید، تعهدات، ظرفیت‌ها، تخصیص‌ها، خروجی‌های تولید و سیگنال‌های کیفی ساختارنیافته را به یک منبع داده واحد و تحت نظارت متصل می‌کند.
• بهینه‌سازی: کتابخانه NVIDIA cuOpt — که یک کتابخانه متن‌باز برای بهینه‌سازی تصمیمات با شتاب GPU است — مسئله تخصیص هفتگی مواد را به‌عنوان یک برنامه خطی عدد صحیح مختلط (mixed-integer linear program) حل می‌کند.
• هدف: سیستم به‌طور خاص قصد دارد «زمان مالکیت» (Time of Ownership) را به حداقل برساند؛ یعنی فاصله زمانی بین دریافت مواد در یک سایت تولید تا خروج آن مواد به‌عنوان بخشی از یک زیرمجموعه یا محصول نهایی.
• تست سناریو: cuOpt محدودیت‌های binding (محدودیت‌های اثرگذار) را شناسایی می‌کند تا برنامه‌ریزان بفهمند آیا تأمین حافظه یا ظرفیت تولید در یک هفته خاص باعث محدودیت شده است. برنامه‌ریزان می‌توانند سناریوهایی مانند فعال شدن یک سایت تولید جدید یا کاهش ۱۰ درصدی در تأمین حافظه را تست کنند.

حل شکاف انسانی با پس‌آموزش

در ابتدا تیم‌ها متوجه شدند برنامه‌ریزان انسانی بهتر از حل‌کننده هوش مصنوعی عمل می‌کنند. انسان‌ها به داده‌های «نامرئی» دسترسی داشتند: ایمیل‌های رد و بدل شده با شرکا، پیش‌بینی‌های شدید آب‌وهوایی برای مناطق کلیدی، وقایع ژئوپلیتیک و متن گزارش‌های جلسات با تأمین‌کنندگان، در کنار سال‌ها تجربه انباشته شده.

برای پر کردن این شکاف، تیم‌ها هر تصمیم تخصیص انسانی، منطق پشت آن، نتیجه مورد انتظار و نتیجه واقعی را در هستی‌شناسی ثبت کردند. این سوابق به مجموعه آموزش برای نموترون ۳.۵ لایتنینگ تبدیل شد؛ یک مدل Mixture-of-Experts با ۳۰ میلیارد پارامتر که در هر پاس پیشرو (forward pass) تقریباً ۳ میلیارد پارامتر فعال دارد. این مدل به این دلیل انتخاب شد که به‌طور خاص برای لایه اجرایی یک گردش کار عامل‌محور (agentic workflow) ساخته شده و می‌تواند در محدوده محاسباتی داخلی سازمان پس‌آموزش (post-train) شود.

خط لوله آموزش از ابزارهای تخصصی زیر استفاده کرد:

• NeMo Anonymizer: برای حذف اطلاعات شناسایی شخصی (PII) از داده‌ها.
• NeMo Data Designer: برای تولید و متوازن کردن نمونه‌های مصنوعی (synthetic examples).
• NeMo AutoModel: برای آموزش مجموعه کوچکی از پارامترهای آداپتور لورا (LoRA) در حالی که وزن‌های مدل پایه ثابت می‌مانند.
• Palantir Autopilot: مدیریت چرخه کامل از داده‌های هستی‌شناسی تا مدل مستقر شده.

نتایج خیره‌کننده بود: در بنچمارک توسعه، مدل پس‌آموزش‌دیده به صحت ۸۶.۷٪ در تصمیمات تخصیص رسید، در حالی که صحت مدل پایه نموترون ۳.۵ لایتنینگ تنها ۱۷.۵٪ و مدل بزرگ‌تر نموترون ۳ اولترا ۵۵.۵٪ بود. همچنین این مدل به صحت متوازن ۵۸.۶٪ (در مقابل ۴۲.۰٪ اولترا) و امتیاز Macro-F1 برابر با ۵۷.۵٪ (در مقابل ۳۹.۵٪) دست یافت. این معیارها حیاتی هستند زیرا برنامه‌ریزان بیشتر اوقات تخصیص‌ها را کاهش می‌دهند تا آن‌ها را افزایش دهند.

استقرار و زیرساخت

به‌دلیل حساسیت بالای داده‌های زنجیره تأمین، سیستم روی یک معماری حاکمیتی به نام SAIOS (Sovereign AI Operating System) اجرا می‌شود. این معماری مرجع توسط دل (Dell Technologies) و سیسکو (Cisco) پشتیبانی می‌شود. اجرای آموزش لورا بسیار بهینه بود و روی دو GPU B200 انویدیا در عرض چند دقیقه به پایان رسید، که تکرار آن را با جمع‌آوری بازخوردهای جدید آسان می‌کند.

برای مشتریان تجاری، این پشته می‌تواند به‌صورت درون‌سازمانی (on-premises) با تولیدکنندگانی مانند سیسکو و دل، یا در محیط‌های co-location و ابری با Rackspace و Nebius مستقر شود. در داخل Palantir AIP، ابزار cuOpt بهینه‌سازی و برنامه‌ریزی سناریو را مدیریت می‌کند، در حالی که کتابخانه‌های داده NeMo، مدل AutoModel و NeMo RL در یک حلقه یادگیری نظارت‌شده با Palantir Autopilot ادغام می‌شوند. این تمرکز بر زیرساخت‌های فیزیکی و تامین انرژی، مکمل سرمایه‌گذاری‌های انویدیا در حوزه زمین و برق مراکز داده است تا تداوم عملیاتی این سیستم‌های عظیم تضمین شود.

حفاظ انسانی در چرخه

با وجود صحت بالا، هوش مصنوعی تصمیم نهایی را نمی‌گیرد. مدل یک محدوده تخصیص را همراه با منطق دقیق و ارزیابی ریسک پیشنهاد می‌دهد. یک برنامه‌ریز انسانی هر پیشنهاد را بررسی کرده و تصمیم نهایی را می‌گیرد. هر پذیرش، ویرایش، لغو و نتیجه تولیدی دوباره در هستی‌شناسی نوشته می‌شود.

این ساختار یک حلقه یادگیری نظارت‌شده ایجاد می‌کند. مدل هرگز به‌طور خودکار در محیط تولید بازآموزی نمی‌شود تا از «انحراف» (drift) که اغلب در عامل‌های خودکار دیده می‌شود، جلوگیری شود. بازخوردهای جمع‌آوری شده قرار است در آینده از یادگیری تقویت‌شده (reinforcement learning) پشتیبانی کنند. با این حال، در گزارش‌ها هشدار داده شده که اگرچه دقت در دامنه تخصیص بهبود یافته، اما پیش‌بینی ریسک‌های تولید در آینده علی‌رغم تنظیم دقیق (fine-tuning)، همچنان دشوار است.

این تغییر نشان‌دهنده گذار از مدل‌های زبانی عمومی (generic LLMs) به «هوش حاکمیتی دامنه-محور» است. انویدیا اکنون با جفت کردن یک گراف عملیاتی عظیم (هستی‌شناسی) با یک مدل باز پس‌آموزش‌دیده، با زنجیره تأمین خود مانند یک دارایی برنامه‌پذیر برخورد می‌کند، نه یک سردرد لجستیکی.

برای کل صنعت، این ثابت می‌کند که ارزش واقعی هوش مصنوعی در تولید، نه در مدل پایه، بلکه در «مایل آخر» آموزش روی لاگ‌های تصمیم‌گیری خبرگان و اختصاصی است. این رویکرد زنجیره تأمین را از یک مرکز هزینه به یک تولیدکننده مزیت رقابتی (alpha-generator) تبدیل می‌کند. این شرکت‌ها قصد دارند این آموخته‌ها را به سازمان‌هایی در حوزه‌های کشاورزی، تولید، داروسازی، خرده‌فروشی، فناوری، دولت، انرژی، بهداشت، خودرو و هوافضا گسترش دهند. این روند بهینه‌سازی صنعتی، مشابه همکاری آرامکو دیجیتال و آواتون برای خودکارسازی عملیات در مقیاس جهانی است.

برای کل صنعت، این ثابت می‌کند که ارزش واقعی هوش مصنوعی در تولید، نه در مدل پایه، بلکه در «مایل آخر» آموزش روی لاگ‌های تصمیم‌گیری خبرگان و اختصاصی است. این رویکرد زنجیره تأمین را از یک مرکز هزینه به یک تولیدکننده مزیت رقابتی (alpha-generator) تبدیل می‌کند. این شرکت‌ها قصد دارند این آموخته‌ها را به سازمان‌هایی در حوزه‌های کشاورزی، تولید، داروسازی، خرده‌فروشی، فناوری، دولت، انرژی، بهداشت، خودرو و هوافضا گسترش دهند.

گام بعدی شما

• بررسی نحوه پیاده‌سازی لایه‌های LoRA برای تبدیل مدل‌های عمومی به مدل‌های تخصصی در داده‌های بسته سازمانی.
• مطالعه مستندات NVIDIA cuOpt برای بهینه‌سازی مسائل تخصیص منابع در مقیاس بزرگ.
• تحلیل اثر مدل‌های SLM در کاهش هزینه‌های استنتاج در زیرساخت‌های حساس.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell مراجعه کنید.