AI-modeller og platforme

Exowatt redesigner P3-solvarmesystem til AI-datacentre

mm
Føj Unite.AI til dine foretrukne kilder på Google

Exowatt annoncerede P3 Gen 2 den 12. november 2026 og redesignede dermed sit modulære solvarmesystem til forsyningsprojekter og store energiforbrugere, herunder AI-datacentre. Virksomheden introducerede også Exobloc, en standardiseret valideringsenhed på 1 MW, og fremlagde detaljerede planer for Athena, et datacenterprojekt på 2,4 GW i det vestlige Texas.

Exowatt oplyser, at P3 Gen 2 bygger på erfaringer fra udrulningen af P3 Gen 1 og mere end 7.000 timers test. Den reviderede arkitektur skal forbedre ydeevnen, gøre installation og vedligeholdelse enklere og lette produktionen. Den højere kapacitetsfaktor øger den mængde fast effekt, systemet kan levere.

P3 opsamler sollys som varme, lagrer varmen i langtidsholdbar termisk lagring og omdanner den til elektricitet efter behov. Solopsamling, lagring og elproduktion er integreret i en standardiseret arkitektur, der kan produceres i stor skala og samles til større systemer, så de matcher kundernes behov. Exowatt kalder denne metode neo-termisk og skelner dermed mellem dens tilførsel af solvarme og behovsstyrede levering fra lagring på den ene side og konventionel termisk elproduktion på den anden.

Administrerende direktør og medstifter Hannan Happi sagde: »AI skaber efterspørgsel efter strøm hurtigere, end elnettet kan udbygges. Vi mener, at løsningen er at gøre energiinfrastruktur til standardiserede produkter: gøre den standardiseret, reproducerbar og billigere i takt med, at produktionen skaleres.« Det fremstiller Gen 2 som en del af en bredere strategi for produktion og udrulning af AI-energiinfrastruktur.

Exobloc og software til energistyring

Exobloc-enheden er udviklet, så kunderne kan afprøve P3’s ydeevne og drift sammen med andre energiressourcer under virkelige forhold, inden de går videre med større installationer. Exowatts erklærede mål er at mindske risikoen ved udrulning og fremskynde skaleringen gennem denne valideringsproces.

Exowatt udvikler også et AI-drevet energistyringssystem, der skal koordinere P3 med andre produktions- og lagringsressourcer, så de fungerer som ét regulerbart kraftværk. Løsningen kombinerer overvågning og styring i realtid, prognoser og automatisk regulering, så softwaren kan tilpasse energiproduktion, lagring og levering, når forholdene ændrer sig.

Kritiske styringsfunktioner skal afvikles lokalt i en edge-first-arkitektur, uafhængigt af cloudforbindelse, mens standardprotokoller fra branchen skal understøtte integration med eksisterende energiinfrastruktur. Løsningen kombinerer dermed lokal kontinuitet for de vigtigste styringsfunktioner med koordinering på tværs af en sammensætning af energiressourcer, der ændrer sig over tid.

Athena-planen for det vestlige Texas

Exowatt oplyser, at Athena er det første anlæg under ExoRise, virksomhedens afdeling for datacenterudvikling, som blev lanceret i januar 2026. Projektet i det vestlige Texas indgår i virksomhedens Frontier Land-strategi, der sigter mod at udvikle AI-infrastruktur i områder med rigelig jord og mange vedvarende energiressourcer samt mulighed for at opbygge energiforsyning i stor skala.

Exowatt oplyser, at anlægget er designet til at køre på 80 % vedvarende energi. Den foreslåede sammensætning af energiressourcer kombinerer mere end 800 MW solenergi på og ved anlægget med vindkraft med høj kapacitetsfaktor og elproduktion fra P3 samt 2,4 GWh lagring. En separat forbindelse til ERCOT’s elnet er planlagt som en del af Batch Zero med 1.200 MW fordelt på to faser.

De tre annonceringer præsenterer en sammenhængende strategi: at redesigne hardwaren, validere den i standardiserede enheder og koordinere den med andre energiressourcer via software. Athena er et konkret projekt, der følger denne tilgang, selvom energisammensætningen og nettilslutningen stadig er planer. For Exowatts ambitioner om opskalering er Exobloc det praktiske valideringstrin: Større udrulninger af strømforsyning til AI kræver dokumentation for, at P3 fungerer og integreres som tilsigtet under virkelige forhold.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.