從晶圓出廠到首個 Token：利用 Nemotron 與 Palantir Foundry 數位化供應鏈專才知識
為何重要
這案例標示著 AI 整合已從終端使用者應用向下滲透至關鍵的後端營運基礎設施──供應鏈，透過將隱性知識數位化來降低數位化資料無法捕捉的「人為判斷」風險。此外，它證明瞭 30B 引數的專用模型若針對特定推理協作進行最佳化，其效能與脈絡適應性優於一般性大型模型，這為企業自建私有模型與松耦合 workflow 提供了可行性藍圖。
NVIDIA 旨在縮短從晶圓出廠到系統上線的「時間到 Token（Time-to-Token）」，藉由建立數位供應鏈智慧指揮中心，結合定量最佳化與人類經驗。文內量化模型 cuOpt 負責求解每週的分配問題，而專用的 30B 模型 Nemotron 3.5 Lightning 則用來模擬人類判斷，大幅提升了決策準確率。
- NVIDIA 建立 Digital Supply Chain Intelligence command center，使用 Palantir Foundry 的 Ontology 將材料、容量及定性訊號統整為一個治理的資料層，避免決策訊息孤立在不同的來源。
- cuOpt 作為 GPU 加速的開源決策最佳化庫，負責求解混合整數線性規劃，目標是 minimized Time of Ownership (TOO)，從大量變數與限制中找出每週的瓶頸約束。
- 30B 引數的 Nemotron 3.5 Lightning 模型在接受 NeMo Anonymizer、Data Designer 等工具後訓練後，在開發基準測試中達到 86.7% 的分配決策準確率，領先該公司較大的模型 Nemotron 3 Ultra 31.2 個百分點。
- 被修改或覆蓋的決策回饋至 Ontology，讓未來的自駕車訓練執行能累積機構知識並縮短員工的進入門檻。