Η NVIDIA αξιοποιεί την τεχνολογία για την αυτοματοποίηση των αποφάσεων κατανομής της αλυσίδας εφοδιασμού υλικού
Η NVIDIA χρησιμοποιεί προηγμένες τεχνολογίες για να αυτοματοποιήσει τις αποφάσεις κατανομής της αλυσίδας εφοδιασμού υλικού σε παγκόσμια κλίμακα. Η εταιρεία μετρά την επιχειρησιακή παράδοση από την παραγωγή του wafer έως την πρώτη ενεργοποίηση. Αυτή η διαδικασία χωρίζεται σε δύο φάσεις: τον χρόνο μέχρι την τοποθέτηση στο ράφι (η μεταφορά από την έξοδο του εργοστασίου έως το συναρμολογημένο σύστημα κέντρου δεδομένων) και τον χρόνο μέχρι την ενεργοποίηση (που περιλαμβάνει την παροχή ενέργειας, την ψύξη, τη δικτύωση και την ετοιμότητα του λογισμικού από την πρώτη ημέρα).
Διαχείριση των ροών εξαρτημάτων NVL72 και Vera Rubin
Η κλιμάκωση του υλικού έχει επιδεινώσει τους περιορισμούς στην προμήθεια. Ένα ράφι NVIDIA Grace Blackwell NVL72 περιέχει 18 δίσκους υπολογιστών, με κάθε δίσκο να απαιτεί δύο επεξεργαστές Grace, τέσσερις GPU Blackwell και 32 πακέτα μνήμης HBM3e που προέρχονται από χιλιάδες προμηθευτές, OEMs και συνεργάτες σχεδιασμού συμβολαίων. Η επερχόμενη αλυσίδα εφοδιασμού που κατασκευάζεται για την αρχιτεκτονική Vera Rubin της NVIDIA είναι διπλάσια σε μέγεθος από το δίκτυο που υποστηρίζει το Grace Blackwell. Η συναρμολόγηση δεν μπορεί να προχωρήσει έως ότου φτάσουν τα εξαρτήματα από τρία καθορισμένα κανάλια: άμεσο απόθεμα, αποθέματα παρακαταθήκης και εξωτερικοί προμηθευτές. Οι πρώιμες αποστολές πρέπει να περιμένουν καθυστερημένα εξαρτήματα, επεκτείνοντας τον δείκτη που η NVIDIA ονομάζει ‘Χρόνος Ιδιοκτησίας’ (η διάρκεια από τη στιγμή που μια εγκατάσταση λαμβάνει υλικά έως ότου τα τελικά υποσυστήματα αναχωρήσουν).
Μικτός ακέραιος γραμμικός προγραμματισμός μέσω cuOpt
Για να συντονίσει αυτές τις εξαρτήσεις, η ομάδα επιχειρήσεων της NVIDIA δημιούργησε το κέντρο εντολών ‘Digital Supply Chain Intelligence’ χρησιμοποιώντας το Palantir Foundry. Τα Οντολογικά μοντέλα του Foundry μοντελοποιούν εγκαταστάσεις, δεσμεύσεις προμηθευτών, αποθέματα εξαρτημάτων και στόχους παραγωγής ως διασυνδεδεμένα αντικείμενα και συνδέσεις. Το NVIDIA cuOpt, μια βιβλιοθήκη ανοιχτού κώδικα για την επιτάχυνση της λήψης αποφάσεων μέσω GPU, διαβάζει αυτό το επιχειρησιακό επίπεδο άμεσα. Διαμορφώνοντας τη διανομή ως ένα μικτό ακέραιο γραμμικό πρόγραμμα σχεδιασμένο να ελαχιστοποιεί τον TOO, ο λύτης αξιολογεί τους περιορισμούς εξαρτημάτων σε κάθε επίπεδο του καταλόγου υλικών. Πέρα από την παραγωγή εβδομαδιαίων προγραμμάτων παράδοσης, το cuOpt εντοπίζει ενεργά όρια εργοστασίων, όπως οι περιφερειακές ικανότητες συναρμολόγησης έναντι της διαθεσιμότητας πρώτης ύλης μνήμης.
Εκπαίδευση του Nemotron σε ποιοτικά επιχειρησιακά αρχεία
Η μαθηματική βελτιστοποίηση από μόνη της δεν κατάφερε να αποτυπώσει τις μη δομημένες επιχειρησιακές μεταβλητές που παρατηρούνται από τους ανθρώπινους σχεδιαστές, συμπεριλαμβανομένων των μεταγραφών κλήσεων προμηθευτών, των περιφερειακών προβλέψεων καιρού, των ανταλλαγών email με συνεργάτες και των γεωπολιτικών γεγονότων. Η NVIDIA αντιμετώπισε αυτό το πρόβλημα εκπαιδεύοντας εκ νέου το , ένα μοντέλο μίγματος ειδικών με 30 δισεκατομμύρια συνολικά παραμέτρους και περίπου τρία δισεκατομμύρια ενεργές παραμέτρους ανά προώθηση. Η μηχανική διαδικασία επεξεργάζεται ιστορικά αρχεία μέσω του για την απόκρυψη ευαίσθητων επιχειρησιακών πεδίων, του για την εξισορρόπηση παραδειγμάτων εκπαίδευσης με συνθετικά σενάρια διακοπής δυναμικότητας και του για την εφαρμογή παραμέτρων χαμηλής τάξης προσαρμογής (LoRA) ενώ διατηρούνται σταθερά τα βάρη του βασικού μοντέλου. Το διαχειρίζεται τη γραμμή δεδομένων, την παρακολούθηση μοντέλων και την παράδοση συστάσεων.
Δείκτες παραγωγής και μελλοντική ενίσχυση μάθησης
Αξιολογημένο με βάση τα ιστορικά αρχεία κατανομής, το εκ νέου εκπαιδευμένο μοντέλο Nemotron 3.5 Lightning πέτυχε ακρίβεια απόφασης 86.7 τοις εκατό, σε σύγκριση με το 55.5 τοις εκατό του μεγαλύτερου μοντέλου Nemotron 3 Ultra και το 17.5 τοις εκατό του μη ρυθμισμένου βασικού μοντέλου Lightning. Το εκ νέου εκπαιδευμένο μοντέλο πέτυχε ισορροπημένη ακρίβεια 58.6 τοις εκατό και μακρο-F1 σκορ 57.5 τοις εκατό, υπερβαίνοντας την ισορροπημένη ακρίβεια 42 τοις εκατό και το μακρο-F1 σκορ 39.5 τοις εκατό του Nemotron 3 Ultra. Η λεπτομερής ρύθμιση ολοκληρώθηκε σε δύο NVIDIA B200 GPUs μέσα σε λίγα λεπτά. Η λεπτομερής ρύθμιση στον τομέα βελτίωσε τις αποφάσεις κατανομής, αν και η πρόβλεψη κινδύνου παραγωγής στο μέλλον παρέμεινε δύσκολη. Οι επιχειρησιακές επιλογές, οι αναθεωρήσεις σχεδιαστών, οι παρακάμψεις και τα παρατηρούμενα αποτελέσματα εργοστασίων καταγράφονται συνεχώς πίσω στην Οντολογία Palantir. Η NVIDIA επιβεβαίωσε ότι αυτό το σύνολο δεδομένων θα σχηματίσει ζεύγη προτιμήσεων για ρουτίνες ενίσχυσης μάθησης – αξιολογώντας τις συστάσεις με βάση την ακρίβεια κατανομής, τη συμμόρφωση με τις πολιτικές και την τεκμηρίωση – με τα παραγωγικά μοντέλα να παραμένουν αυστηρά απομονωμένα από ζωντανή και μη παρακολουθούμενη εκπαίδευση.
