OneRail lança OmniSTAR com Nvidia cuOpt para decisões em…
A plataforma afirma uma otimização até 10x mais rápida e cita implantações iniciais em empresas, além de uma meta de GMV para o quarto trimestre de 2026 acima de $6 bilhões.
A OneRail lançou o OmniSTAR, uma plataforma de otimização de entrega de última milha acelerada por GPU, construída sobre o cuOpt e cuDF da Nvidia. A empresa afirma que o aumento de velocidade é suficiente para mudar o roteamento e a seleção do modo de entrega do planejamento em lote para a execução ao vivo, pedido a pedido.
OmniSTAR estreia como uma "Camada de Decisão" Acelerada por GPU para Entregas de Última Milha
O OmniSTAR da OneRail é posicionado como um sistema de decisão que se insere no cumprimento da última milha, a etapa final de um hub local até o cliente, onde os custos e falhas de serviço tendem a se concentrar. A principal função do produto não é apenas mapear uma rota. É escolher como cada pedido deve ser executado em vários modos de cumprimento.
Mecanicamente, o OmniSTAR avalia opções incluindo frotas próprias, correios, transportadoras de pacotes e outros modos de entrega, e então seleciona a opção de menor custo que ainda atende ao nível de serviço requerido, disse a OneRail. Essa restrição de "nível de serviço" é o que transforma isso em um problema de otimização em vez de um simples minimizador de custos, porque o modo mais barato é frequentemente aquele que perde a janela prometida.
Sob o capô, o OmniSTAR combina o motor de otimização de decisão cuOpt da Nvidia e o software de processamento de dados cuDF com os dados de preços e desempenho de entrega da OneRail. Os cálculos de roteamento e modo de entrega são executados em infraestrutura de computação acelerada pela Nvidia, segundo a OneRail.
A empresa enquadrou a construção como uma integração mais profunda do que uma parceria de nível de logotipo, dizendo que se envolveu diretamente com a equipe de engenharia cuOpt da Nvidia e participou do programa Nvidia Inception. O projeto levou três anos de trabalho com a Nvidia antes do lançamento, informou a CNBC.
A OneRail também vinculou o produto a um conjunto mais amplo que mistura previsão e otimização. A empresa disse que seus modelos de aprendizado de máquina estimam o tempo de serviço, risco de atraso, probabilidade de sucesso na entrega na primeira tentativa e faixas de preços esperadas, e que essas previsões alimentam sistemas de otimização que decidem como um pedido deve ser executado.
De Planejamento em Lote a Otimização Ao Vivo: A Afirmativa de Velocidade 10x e Enquadramento de Margem
A afirmação que está fazendo o trabalho aqui é a latência. A OneRail disse que o OmniSTAR pode reduzir os tempos de computação em até 10x, com exemplos incluindo um cálculo que anteriormente levava 20 minutos concluído em menos de dois minutos, e um cálculo que levava uma semana reduzido para cerca de dois dias.
O argumento da empresa é que essa é a diferença entre otimização como um exercício de planejamento e otimização como um loop de controle operacional.
Na prática, o planejamento em lote tende a travar decisões cedo porque recalcular é muito lento para ser feito repetidamente à medida que as condições mudam. O OmniSTAR é apresentado como rápido o suficiente para operar "dentro das operações de entrega ao vivo", onde várias opções de cumprimento podem ser comparadas antes que um pedido seja atribuído, disse a OneRail.
Esse é um padrão de uso diferente: em vez de produzir um plano para o dia, o sistema continua resolvendo o problema de roteamento de veículos (VRP), uma classe de problemas de otimização que busca rotas eficientes sob restrições como janelas de tempo, capacidade e custos.
A própria descrição da Nvidia sobre o cuOpt é importante porque define a troca. A Nvidia descreve o cuOpt como uma biblioteca de otimização de código aberto, acelerada por GPU, para roteamento de veículos e outros problemas de otimização matemática, e diz que utiliza heurísticas em vez de testar exaustivamente todas as rotas possíveis.
O solucionador gera soluções candidatas e as melhora iterativamente para produzir resultados de alta qualidade dentro de um tempo de computação definido, disse a Nvidia.
Essa abordagem com limite de tempo se encaixa nas operações de última milha, onde a pergunta muitas vezes é "bom o suficiente, agora", e não "perfeito, depois". O CEO da OneRail, Bill Catania, destacou a consequência comercial diretamente em uma entrevista à CNBC: "Se você não tem a capacidade de tomar decisões rápidas como um raio, está abrindo mão da margem", e acrescentou: "A realização na última milha é cara."
A OneRail disse que o OmniSTAR já está implantado com clientes empresariais selecionados e citou a US Foods como exemplo.
Nessa implantação, a OneRail afirmou que o sistema sinalizou configurações de entrega que estavam reduzindo as margens, incluindo produtos de baixa margem transportados por longas distâncias usando equipamentos de maior custo, e que a US Foods ajustou os preços e reestruturou alguns padrões de entrega com base nessas descobertas.
Os números maiores de ROI são mais difíceis de garantir apenas com o pacote. A OneRail disse à CNBC que um grande distribuidor de pneus não identificado alcançou $40 milhões em economia de taxa de execução ao longo de três anos usando a plataforma. O cliente não foi identificado, e nenhuma metodologia ou verificação de terceiros foi fornecida junto com o número.
A OneRail também disse à CNBC que espera que o OmniSTAR exceda $6 bilhões em volume bruto de mercadorias (GMV) durante o quarto trimestre de 2026. Esse é um alvo prospectivo, e as suposições por trás dele não foram divulgadas no material fornecido.
Sinais a serem observados para o lançamento da OneRail com tecnologia da Nvidia na última milha.
O primeiro ponto de confirmação é a nomeação do cliente e a qualidade do estudo de caso. A US Foods é uma referência concreta de implantação, mas a maior reivindicação de economia no pacote está ligada a um distribuidor de pneus não identificado.
Se a OneRail começar a publicar estudos de caso verificáveis de forma independente, a reivindicação de "até 10x" no tempo de computação e o número de $40 milhões em economia de taxa de execução se tornam mais do que uma narrativa de vendas.
O segundo é o benchmarking que separa a velocidade da qualidade da decisão. O design do cuOpt é entregar soluções de alta qualidade dentro de um orçamento de computação fixo, não garantindo otimalidade.
O que importa operacionalmente é se a menor latência do OmniSTAR se mantém em escala, enquanto ainda atende às restrições de serviço e produz melhores resultados de custo sob eventos de re-otimização, como tráfego, bloqueios de estrada, ausências de motoristas ou novos pedidos de alta prioridade, que a Nvidia lista como gatilhos para re-otimização dinâmica.
O terceiro é se a OneRail pode substanciar sua ambição de volume. A expectativa declarada da empresa de exceder $6 bilhões em GMV no quarto trimestre de 2026 é um marco claro, mas precisa de divulgações intermediárias ou volume relatado por terceiros para ser negociável como um sinal de adoção, em vez de uma projeção.
O quarto é a expansão da distribuição que aumenta a rede de entrega alcançável. Em março de 2026, a FedEx lançou o FedEx SameDay Local em colaboração com a OneRail, conectando clientes a uma rede nacional de mais de 1.000 provedores de entrega. Mais parcerias desse tipo ampliariam o conjunto de modos de realização que o OmniSTAR pode comparar realisticamente para um determinado pedido.
Minha opinião: Este é um sinal de adoção de IA empresarial, não um catalisador de criptomoedas—ainda.
O mecanismo que decide se o OmniSTAR é relevante não é "IA em logística". É se a otimização acelerada por GPU realmente se move de execuções de planejamento periódicas para atribuição de pedidos ao vivo, porque é aí que a seleção de modo se torna uma alavanca de margem em vez de uma ferramenta de relatório.
Se o exemplo de 20 minutos para menos de dois minutos se mantiver em produção, a proposta da OneRail de que você pode comparar frotas, correios e opções de pacotes por pedido começa a parecer operacionalmente plausível.
O problema é que os maiores números do pacote são fornecidos pela empresa e levemente especificados. O limiar que importa é a evidência verificável de forma independente de que a aceleração e as economias persistem em escala empresarial, além do progresso credível do GMV em direção à meta do Q4 de 2026, porque isso é o que transformaria isso de uma história de fornecedor em um sinal de adoção durável.
