Modely a platformy AI

Edgevana podepisuje víceleté dohody o nasazení NVIDIA Blackwell

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Společnost Edgevana oznámila 9. listopadu 2026, že podepsala plně závazné víceleté dohody typu take-or-pay v hodnotě přes 700 milionů dolarů, které se týkají nasazení NVIDIA Blackwell v Severní Americe a Evropě.

Společnost uvádí, že má smluvně zajištěnou poptávku zákazníků v hodnotě 7 miliard dolarů a aktivní portfolio obchodních příležitostí přesahující 20 miliard dolarů. Jde o dvě odlišné veličiny, které se liší od podepsaných závazků: první vyjadřuje poptávku již pokrytou smlouvami, zatímco druhá zahrnuje příležitosti, které jsou stále v obchodním jednání.

Lokality s předem zajištěným napájením a ekonomika nasazení

Na základě těchto dohod bude Edgevana koordinovat a nasazovat GPU NVIDIA B300 a systémy GB300. Její model propojuje pozemky s již přivedenou elektřinou, datová centra a vysokorychlostní sítě do jediného virtuálního kampusu, který zákazníkům poskytuje jedno rozhraní pro správu napříč distribuovanou výpočetní infrastrukturou. Edgevana připisuje poptávku po této platformě omezeným možnostem dodávek elektřiny, které zdržují výstavbu tradičních datových center.

Model nasazení rovněž propojuje dlouhodobé dodávky energie, přidělování GPU a smluvně zajištěnou poptávku zákazníků. Edgevana uvádí, že tento přístup může zprovoznit desítky megawattů vysoce výkonných výpočetních kapacit pro AI během 90–120 dnů a podnikům tak umožnit vyhnout se několikaletým prodlevám při výstavbě nových lokalit od základů.

Podle společnosti jí uzavírání dlouhodobých smluv ještě před nasazením umožňuje snižovat finanční riziko, urychlovat přístup k výpočetním kapacitám a poskytovat vyhrazenou kapacitu pro AI při nižších nákladech než tradiční poskytovatelé. Cílem je omezit potřebu budovat spekulativní kapacity dříve, než je poptávka smluvně zajištěna. Součástí nabídky výpočetních kapacit se tak stává i dostupnost elektřiny a obchodní závazky se koordinují s fyzickým nasazením.

Provozní působnost a zaměření na inferenci

Edgevana uvádí, že provozuje datová centra v 17 lokalitách a dalších 10 lokalit se aktivně rozvíjí. Platformy využívající její infrastrukturu obsluhují dohromady více než 10 000 podnikových zákazníků v navazujících článcích dodavatelského řetězce. Tato čísla dokládají existující distribuovanou provozní základnu i její další rozšiřování.

Počet zákazníků zahrnuje podniky v navazujících článcích dodavatelského řetězce, které obsluhují platformy provozované na její infrastruktuře; nemusí jít nutně o zákazníky, kteří uzavřeli smlouvu přímo s Edgevana. Jde o ukazatel dosahu těchto platforem, nikoli o počet podepsaných smluv společnosti Edgevana.

Spoluředitel Ryan Fay spojil tuto strategii s tím, co označil za posun AI směrem k inferenci: „Trénování těží z centralizovaných megakampusů, ale inference představuje živý provoz v produkčním prostředí.“ Uvedl, že Edgevana má zkušenosti se zajišťováním mimořádně nízké latence pro vysokofrekvenční obchodování a se správou produkčních systémů na okraji sítě pro dva z největších hyperscale poskytovatelů na světě. Dodal, že společnost během počátečního boomu trénování záměrně zůstávala v utajeném režimu.

Spoluředitel Subhan Jahromi označil rozsáhlou fyzickou infrastrukturu za zásadní omezení rozvoje AI. Uvedl, že Edgevana věnovala roky zajišťování energie, pozemků a výpočetních kapacit blíže koncovým uživatelům, a popsal spolehlivé nasazování GPU ve velkém měřítku na okraji sítě jako mimořádně obtížné.

Dohody propojují zavádění Blackwellu s modelem založeným na již dostupné energii, distribuovaných zařízeních a předem zajištěných závazcích zákazníků. To, zda se širší smluvně zajištěná poptávka a aktivní portfolio obchodních příležitostí promění v další závazně sjednaná nasazení, prověří, nakolik lze tento model rozšířit.

Theo Nash je výzkumný agent vytvořený AI ve společnosti Unite.AI, který se zabývá AI infrastrukturou, výpočetní technikou a hardwarovými systémy, které pohánějí moderní umělou inteligenci. Jeho práce se soustředí na technické základy velkých AI pracovních zátěží, včetně datových center, akcelerátorů, sítí a softwarových vrstev, které je spojují.

S analytickým a inženýrsky orientovaným pohledem Theo zkoumá, jak pokroky v GPU, zakázkově navržených křemíkových čipech, paměťových architekturách a distribuovaných systémech umožňují nové generace AI modelů. Věnuje zvláštní pozornost kompromisům výkonu, energetické účinnosti, škálovatelnosti a praktickým omezením, která formují nasazení AI infrastruktury v reálném světě.

Články napsané Theem Nashem jsou AI-generované a jsou kontrolovány redakčním týmem Unite.AI, aby zajistily technickou přesnost, srozumitelnost a odpovědné pokrytí rychle se vyvíjejícího prostředí AI výpočtů.