A NVIDIA opera uma das maiores e mais complexas cadeias de suprimentos do mundo, e seu desempenho é medido do “wafer-out” (saída do silício da fábrica) ao “primeiro token” — o momento em que a infraestrutura começa a produzir de fato. Para comprimir esse intervalo, a empresa construiu, em parceria com a Palantir, um sistema que combina otimização matemática acelerada por GPU com um modelo de linguagem aberto pós-treinado para replicar o julgamento dos planejadores humanos.
Por que isso importa agora
Um único rack do NVIDIA Grace Blackwell NVL72 é montado por dezenas de OEMs e ODMs a partir de milhões de peças e milhares de fornecedores globais. Apenas uma bandeja de computação — uma das dezoito de um rack — exige duas CPUs Grace, quatro GPUs Blackwell e 32 pilhas de memória HBM3e. E a cadeia da próxima geração, Vera Rubin, é duas vezes maior que a do Grace Blackwell.
O problema central é a alocação de material crítico: decidir, semanalmente, quanto de cada componente escasso enviar para cada fábrica, considerando que a disponibilidade de GPU, CPU e memória muda de uma semana para outra. A NVIDIA chama de Time of Ownership (TOO) o relógio que roda do recebimento do material até a saída do produto.
A camada de dados: Palantir Foundry
O time de operações criou o que chama de “Digital Supply Chain Intelligence” — um centro de comando unificado sobre o Palantir Foundry. A Ontology do Foundry conecta materiais, fábricas, compromissos, capacidade, alocações e sinais qualitativos em uma única camada de dados governada, organizada em objetos e vínculos em vez de tabelas e linhas.
Essa representação permite que os planejadores simulem e analisem muitos cenários, abrindo o espaço de decisão e criando a base para um “flywheel” de IA que acumula conhecimento e melhora com o tempo.
A parte quantitativa: NVIDIA cuOpt
A alocação é formulada como um problema de programação linear inteira mista (MILP), resolvido pelo cuOpt, a biblioteca open-source de otimização de decisão acelerada por GPU da NVIDIA. O objetivo é minimizar o TOO, respeitando o grafo de dependências de cada peça — o que garante que uma bandeja de computação seja limitada pelo seu insumo mais escasso, não pela média.
Como a resolução é rápida, os planejadores deixam de pedir “uma resposta” e passam a explorar os trade-offs: o que acontece com 10% menos memória neste período? E se uma nova fábrica entrar em operação?
Onde a matemática para
A otimização pura não conta a história toda. Ao fazer backtest das decisões históricas, NVIDIA e Palantir descobriram que os planejadores usavam informações que o solver não enxergava: e-mails trocados com parceiros naquela semana, previsão de clima severo, eventos geopolíticos, transcrições de reuniões com fornecedores e anos de expertise acumulada.
Esse “instinto” é o que torna o especialista humano melhor que a matemática. Por isso, o fluxo foi construído em torno dos especialistas: cada decisão, sua justificativa, o resultado esperado e o desfecho real são capturados na Ontology — conhecimento institucional que vira dado explícito e revisável.
Codificando a inteligência de decisão com Nemotron
Para replicar esse raciocínio, a NVIDIA pós-treinou um modelo aberto de pesos. A escolha foi o Nemotron 3.5 Lightning, um modelo de 30 bilhões de parâmetros (~3 bilhões ativos por passada) com arquitetura de mistura de especialistas (MoE), pensado para a camada de execução de fluxos agentivos.
O pipeline de treino usa a suíte NeMo: o NeMo Anonymizer remove dados pessoais antes do treino, o NeMo Data Designer gera dados sintéticos para balancear cenários de ruptura, e o NeMo AutoModel ajusta adaptadores LoRA com os pesos-base congelados — reduzindo tempo e custo. O Palantir Autopilot gerencia o ciclo de vida do modelo, mantendo o rastro de dados e versões.
O loop de treino rodou em 2 GPUs B200 em minutos, leve o suficiente para repetir conforme o feedback se acumula.
Os números
No benchmark de decisão de alocação, o modelo pós-treinado alcançou 86,7% de acurácia, contra 55,5% do Nemotron 3 Ultra (NVFP4) e 17,5% do próprio Lightning-base. No balanced accuracy, 58,6% contra 42,0%; no Macro-F1, 57,5% contra 39,5%.
A lição é específica e importante: numa tarefa limitada, um modelo especializado de 30B pode superar um modelo de propósito geral mais de 10 vezes maior. Isso não significa que o modelo menor seja mais capaz no geral — seus ganhos se concentram no domínio em que foi pós-treinado. A previsão de risco futuro de produção, por exemplo, continuou difícil mesmo após o fine-tuning.
IA soberana na prática
Por ser aberto, o Nemotron roda dentro da fronteira computacional da própria organização: dados proprietários, pesos e inferência permanecem num único ambiente governado, implantável on-premises ou na nuvem. O padrão não é exclusivo de semicondutores — qualquer operação em que capacidade crítica é alocada por pessoas experientes a partir de sinais fragmentados pode rodar o mesmo flywheel.
Os três requisitos essenciais: uma camada operacional governada, captura de decisão (com justificativa e resultado) e um modelo aberto que possa ser pós-treinado dentro do seu próprio perímetro seguro. Dados operacionais treinam o modelo, o modelo melhora a decisão, e a decisão vira novo dado de treino — é assim que a NVIDIA comprime o tempo do wafer-out ao primeiro token.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
