NVIDIA用Palantir Foundry与cuOpt优化全球硬件供应链分配

数字指挥中心：Foundry构建统一运营图谱

NVIDIA已部署Palantir Foundry作为其‘数字供应链智能’指挥中心的核心平台。Foundry的本体（Ontology）模型将全球工厂、供应商承诺、组件库存及生产目标建模为相互关联的对象与关系链，形成覆盖全链条的动态运营知识图谱。这一结构化层为后续决策引擎提供了统一、实时的数据底座。

cuOpt驱动混合整数线性规划优化

在Foundry构建的数据层之上，NVIDIA调用自研开源库cuOpt——一款专为GPU加速设计的决策优化工具。cuOpt将供应链分配问题形式化为以最小化‘所有权时间’（Time of Ownership, TOO）为目标的混合整数线性规划（MILP）问题。TOO定义为从工厂接收物料到完成子装配体交付的全过程耗时。cuOpt不仅输出周度交付计划，还能识别瓶颈环节，例如特定区域的组装产能上限与HBM3e内存实际可供应量之间的不匹配。

Nemotron 3.5 Lightning补足非结构化变量盲区

纯数学优化难以捕捉人类计划员依赖的非结构化信号，如供应商电话纪要、区域天气预报、合作伙伴邮件往来及地缘政治事件。为此，NVIDIA对开源MoE大模型Nemotron 3.5 Lightning（总参数300亿，单次前向激活约30亿）开展领域后训练。工程流程包括：使用NeMo Anonymizer脱敏敏感字段；通过NeMo Data Designer平衡真实历史样本与合成产能中断场景；采用NeMo AutoModel实施LoRA微调，冻结基座权重。Palantir Autopilot负责端到端的数据溯源、模型版本追踪与推荐结果分发。

实测性能与持续演进路径

在历史分配记录测试中，后训练版Nemotron 3.5 Lightning决策准确率达86.7%，显著高于未调优的Lightning基座模型（17.5%）和更大参数量的Nemotron 3 Ultra（55.5%）；其平衡准确率（58.6%）与宏F1分数（57.5%）亦全面超越Nemotron 3 Ultra（42% / 39.5%）。全部微调仅需两块NVIDIA B200 GPU，耗时数分钟。当前模型已提升日常分配质量，但对更长期运营风险的预测能力仍有限。所有实际操作记录——包括人工修订、策略覆盖与产线实绩——均实时回写至Foundry本体。NVIDIA确认，这些带反馈的闭环数据将用于构建强化学习所需的偏好对（preference pairs），评估标准涵盖分配精度、政策合规性与证据支撑强度；而生产模型严格隔离于任何未经监控的再训练流程之外。