Il 10 settembre 2026 NVIDIA e Palantir hanno annunciato l'impiego congiunto dell'intelligenza artificiale sulle catene di fornitura critiche. Non è un pilota di laboratorio: il primo cliente è NVIDIA stessa, che usa lo stack per decidere come allocare materiali, capacità produttiva e componenti scarsamente disponibili lungo una filiera che l'azienda definisce una delle più complesse al mondo, con milioni di parti e migliaia di fornitori. L'annuncio arriva mentre la corsa all'AI entra in una fase in cui il vincolo competitivo si sposta dalla potenza del singolo chip alla capacità di produrlo, distribuirlo e alimentarlo.
Dal wafer al token: cosa fa davvero lo stack
L'architettura porta i modelli aperti NVIDIA Nemotron dentro Palantir Foundry e AIP, la piattaforma di intelligenza artificiale di Palantir, ancorati all'Ontology: il livello che organizza dati e logiche sparse in oggetti, collegamenti e azioni che rappresentano il mondo reale. L'obiettivo dichiarato è creare visibilità sulla catena di fornitura, identificare i vincoli in anticipo, codificare in modo continuo l'esperienza operativa e guidare le decisioni a velocità di macchina, mantenendo il controllo e la proprietà dei dati proprietari. I modelli post-addestrati raccomandano azioni, spiegano i compromessi e segnalano i rischi emergenti, ma la decisione finale resta agli esperti di supply chain. Dentro AIP, il software di ottimizzazione NVIDIA cuOpt abilita scenari e pianificazione, permettendo di modellare i vincoli di fornitura e di valutare l'impatto operativo delle scelte di allocazione.
La matematica dell'allocazione: cuOpt e il Time of Ownership
Secondo la documentazione tecnica NVIDIA, la catena si misura da wafer-out a first token, e si divide in due tratti: il time-to-rack, dal silicio che esce dalla fab al sistema assemblato sul pavimento di un data center, e il time-to-token, cioè tutto ciò che segue, alimentazione, raffreddamento, networking e software compresi. Il team supply chain di NVIDIA ha costruito con Palantir un centro di comando, il Digital Supply Chain Intelligence, che unifica in Foundry ogni input della decisione di allocazione. La parte quantitativa è affidata a cuOpt, che risolve con cadenza settimanale un programma lineare misto intero minimizzando il Time of Ownership, il tempo in cui un sito produttivo detiene materiale prima che esca come sotto-assieme o prodotto. La formulazione mappa anche il grafo delle dipendenze: un compute tray è bloccato dal suo input più scarso, non dalla media degli input, e il vincolo che morde cambia di settimana in settimana.
Un dato rende l'idea della complessità fisica: per un compute tray GB200 NVL72 servono due CPU Grace, quattro GPU Blackwell e trentadue stack HBM3e. Un rack Vera Rubin, la piattaforma di nuova generazione, arriva a 1,3 milioni di parti tra compute, memoria, networking, alimentazione, raffreddamento e componenti meccaniche.
Il dettaglio più interessante, e più onesto, della documentazione tecnica è un altro: i pianificatori umani battevano sistematicamente il modello quantitativo, perché incorporavano email, previsioni meteo, eventi geopolitici e confronti con i fornitori che il solver non vede. È esattamente la ragione per cui il progetto non punta a sostituire le persone, ma a codificarne l'esperienza.
Nemotron post-addestrato: 86,7% sulle decisioni di allocazione
NVIDIA ha quindi fatto post-training di Nemotron 3.5 Lightning, un modello da 30 miliardi di parametri, sulle decisioni di allocazione catturate, sulle motivazioni e sugli esiti, utilizzando NeMo Anonymizer, Data Designer e AutoModel dentro un ciclo di vita governato su Palantir Autopilot. Il modello specializzato ha raggiunto l'86,7% di accuratezza decisionale sul benchmark di sviluppo: 31,2 punti percentuali in più rispetto a Nemotron 3 Ultra, che è più grande, e 69,2 punti in più rispetto al proprio modello di base. Le raccomandazioni accettate, modificate o scavalcate dagli esperti tornano nell'Ontology e alimentano nuove sessioni di riaddestramento governato: la conoscenza istituzionale diventa un patrimonio che si accumula e accorcia i tempi di inserimento delle nuove persone.
Non è la prima tappa
La collaborazione non nasce adesso. Il 28 ottobre 2025 le due società avevano annunciato un primo stack tecnologico integrato per l'AI operativa, con Lowe's tra i primi utilizzatori, impegnata a costruire un gemello digitale della propria rete logistica globale. Da allora il perimetro si è allargato: la nuova architettura di riferimento, il Palantir Sovereign AI Operating System sostenuto da Dell Technologies e Cisco, è pensata per deployment sovrani e on-premise, e il modello viene proposto a manifattura, energia, sanità, automotive e aerospazio.
Il mercato non fa sconti
Wall Street ha reagito con indifferenza. Secondo 24/7 Wall St., nelle contrattazioni pre-mercato NVIDIA cedeva l'1,35% e Palantir l'1,88%; Giocare in Borsa riportava il titolo NVIDIA a 218,92 dollari, in calo del 2,12% sulle 24 ore. Il motivo è che l'accordo non cambia i numeri che contano adesso. La spedizione di Vera Rubin è iniziata ad agosto 2026 e la piattaforma dovrebbe valere circa il 20% dei ricavi data center nel trimestre in corso, con un'opportunità di ricavo per gigawatt salita a 40 miliardi di dollari dai 25 miliardi della generazione Blackwell. Nel secondo trimestre i ricavi data center hanno toccato 89,02 miliardi di dollari, in crescita del 117% anno su anno, e la guidance per il trimestre in corso è di 108 miliardi. Ma la società ha indicato per il quarto trimestre un margine lordo non-GAAP del 71-72%, compresso dalle condizioni di prezzo estreme della memoria, e ha a bilancio 279 miliardi di dollari di obblighi di fornitura legati in gran parte all'approvvigionamento di memoria per Vera Rubin. Palantir ha chiuso il secondo trimestre con ricavi a 1,94 miliardi di dollari, in crescita del 92,8%, commerciale statunitense a 764 milioni, in crescita del 149%, una guidance annuale di circa 8,15 miliardi e un Rule of 40 del 155%. Le valutazioni restano tese: NVIDIA capitalizza intorno ai 5.400 miliardi di dollari, Palantir circa 390 miliardi.
Il vero collo di bottiglia: chip, energia o infrastruttura?
Le tre risposte non sono alternative: si spostano. Sul fronte della memoria, una nota di KB Securities ripresa da TechRadar indica per il 2027 una carenza di offerta severa, mentre gli investimenti in infrastruttura sono cresciuti del 60% anno su anno fino a 1.300 miliardi di dollari, bruciando memoria come combustibile. Sul fronte elettrico il problema non è la generazione nazionale ma la sua concentrazione locale. TechRepublic riporta le stime dell'Agenzia internazionale dell'energia: la domanda elettrica dei data center è cresciuta del 17% nel 2025, con un balzo del 50% nei siti dedicati all'intelligenza artificiale, e il consumo complessivo dovrebbe passare dai 485 terawattora del 2025 ai 950 nel 2030. RAND calcola che i piani statunitensi per il 2030, 151 gigawatt di capacità dichiarata davanti al contatore più 149 gigawatt dietro, si traducano in circa 82 gigawatt di capacità netta effettivamente disponibile, concentrata soprattutto in Texas. Un episodio del luglio 2024 in Virginia settentrionale, ricorda il Belfer Center di Harvard, scollegò sessanta data center in un colpo solo, creando un surplus di 1.500 megawatt che richiese manovre d'emergenza sulla rete: un problema di stabilità dei carichi concentrati, non di generazione insufficiente. E il conto della puntualità è già salato: Goldman Sachs stima che solo il 50-60% della capacità programmata negli Stati Uniti aprirà nei tempi previsti, per ritardi di rete e carenza di apparecchiature. Il collo di bottiglia, in altre parole, si sta spostando dal silicio al layer che organizza e alimenta il silicio. Ed è esattamente il terreno su cui si gioca la partita annunciata il 10 settembre.
Fonti
