Übernahmen

Nscale kauft Anyscale, um im AI-Computestapel aufzusteigen

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Nscale, der AI-Cloud-Betreiber, der seine eigenen Rechenzentren baut und seine eigene Energie erzeugt, hat sich mit Anyscale, dem Unternehmen hinter dem Ray-Verteilungscomputing-Framework, auf einen Kauf geeinigt. Der Kauf, der am 30. Juli 2026 angekündigt wurde, fügt eine Workload-Orchestrierungsebene auf Nscales GPU-Flotte hinzu und überträgt Anyscales etwa 200 Mitarbeiter in den Vereinigten Staaten, Europa und Indien in das in London ansässige Unternehmen. Der Kauf soll im zweiten Halbjahr 2026 abgeschlossen werden, vorbehaltlich der Erfüllung der Abschlussbedingungen und der regulatorischen Genehmigungen.

Anyscale verkauft die verwaltete Plattform, die von Machine-Learning-Teams verwendet wird, um einen Job auf Tausende von Beschleunigern gleichzeitig zu verteilen: multimodale Datenpräparation, Vorabtraining, Feinabstimmung, Verstärkungslernen und Inferenzdienste. Anyscale behält seine Marke und seine bestehenden Kunden, die Nscales Ankündigung als Coinbase, Runway und Bedrock Robotics auflistet. Diese Kunden bleiben frei, auf jeder Infrastruktur zu laufen, die sie derzeit verwenden, wobei Nscales eigene Plattform im Laufe der Zeit eine zusätzliche Option wird.

Warum ein Energieunternehmen einen Scheduler kauft

Nscales Argumentation basierte bisher auf dem Besitz der Schichten unter dem Beschleuniger: der Erzeugung, des Campus, der Regale. Dieser Kauf bewegt das Unternehmen nach oben im Stapel, und der Grund liegt in der Art und Weise, wie ein AI-Cloud Geld verdient. Rohe GPU-Kapazität wird pro Stunde gegenüber Konkurrenten vermietet, die die gleichen Nvidia-Systeme kaufen, sodass der Unterschied darin besteht, wie viel nützliche Arbeit jede GPU-Stunde produziert. Dies wird über dem Metall entschieden, in der Art und Weise, wie ein Job partitioniert wird, wie CPU-gebundene Datenpräparation an GPU-Training übergeben wird und wie Beschleuniger zwischen Verstärkungslernrollouts wiedererlangt werden, anstatt warm und untätig zu bleiben.

“Die meisten Infrastrukturanbieter kaufen einfach GPUs und vermieten sie”, sagte Josh Payne, CEO und Gründer von Nscale, der das Vorgehen des Unternehmens als Besitz der Energie, der Rechenzentren, der Rechenleistung und der Software darüber beschrieb.

Diese Kostenlinie ist auch Anyscales kommerzielles Argument. Bei der Veröffentlichung der nativen Azure-Integration am 2. Juni 2026 sagte das Unternehmen, dass Kunden bis zu viermal schnellere Experimente und bis zu 90 % geringere Gesamtkosten im Vergleich zu fragmentierten Stacks, die Cloud-nativen Datenverarbeitungsmotoren mit gehosteten Modell-APIs kombinieren, berichten. Dies sind Anyscales Zahlen, und sie beschreiben die Ebene, die ein Compute-Verkäufer lieber besitzen als umgehen würde.

Die gleiche Logik zeigt sich auch anderswo im Compute-Geschäft. Qualcomm (QCOM ) schloss den allaktienbasierten Kauf des Compiler-Startups Modular im Juli 2026 ab, mit der Begründung, dass die Software, die entscheidet, wie Hardware verwendet wird, der Ort ist, an dem Leistung und Wechselkosten leben.

Die Kapazität unter dem Deal

Nscale fügt Plattformumsatz zu einem Ausbau hinzu, dessen größte Tranchen später landen. Das Unternehmen gab seine Betriebskapazität mit über 1 GW in einer Ankündigung vom 16. März 2026 an, die ein Letter of Intent mit Microsoft (MSFT ) für 1,35 GW AI-Computing in seinem Monarch-Campus in Mason County, West Virginia, umfasst, der um Nvidias Vera-Rubin-NVL72-Systeme herum aufgebaut ist. Diese Bereitstellung trifft in Tranchen ein, die ab Ende 2027 beginnen, angetrieben von Caterpillar-Erdgas-Generatorsätzen, die auf 2 GW On-Site-Generation in der ersten Hälfte von 2028 skaliert werden. Nscale hat sich auch zu 2,5 Milliarden US-Dollar Investitionen in UK-Rechenzentren verpflichtet.

Die Finanzierung hat mit dieser Pipeline Schritt gehalten. Nscale schloss am 7. Juli 2026 eine revolvierende Kreditfacilität in Höhe von 900 Millionen US-Dollar ab, die von einem Dutzend Banken, darunter J.P. Morgan, Goldman Sachs (GS ), Morgan Stanley (MS ) und MUFG, syndiziert wurde. Software verkauft sich gegen Kapazitäten, die bereits laufen, und gegen Kapazitäten auf den Clouds anderer Anbieter, was eine andere Umsatzform als eine Pacht darstellt, die 2027 beginnt.

Wo Ray jetzt steht

Das Open-Source-Projekt im Zentrum des Deals steht jetzt unter neutraler Regierung. Ray wechselte am 22. Oktober 2025 zur PyTorch Foundation, wo es sich PyTorch und dem vLLM-Schlussgerät unter der Linux Foundation anschloss, mit 237 Millionen Downloads zum Zeitpunkt des Wechsels. Nscale sagt, dass es der Foundation als Teil des Kaufs beitreten wird.

Diese Struktur definiert, was Nscale kauft: die kommerzielle Plattform, das Ingenieurteam und die Kundenbeziehungen, auf einer Grundlage, die community-gesteuert ist und überall läuft. Anyscale sagt, dass Ray bereits Workloads bei Cursor, Physical Intelligence und xAI ausführt und dass sein Azure-Produkt innerhalb einer eigenen Azure-Verwaltung des Kunden und nicht auf Anyscale-betriebenem Hardware läuft. Anyscale-CEO Keerti Melkote beschrieb das kombinierte Unternehmen als den ersten Full-Stack-AI-Hyperscaler.

Für Enterprise-AI-Teams ist die kurzfristige Änderung die Option. Anyscale-Field-CTO Christian Stano erläuterte in einem Unite.AI-Interview, wie Plattformteams Ray-basierte Systeme für die Produktion strukturieren, und dass diese Architektur das ist, was der Deal berührt: die gleiche Laufzeit, die von einem Unternehmen bewertet und betrieben wird, das auch die Megawattstunden besitzt. Sobald die Transaktion abgeschlossen ist, wird Nscales eigene Kapazität zu einem der Orte, an dem diese Laufzeit laufen kann.

Theo Nash ist ein KI-generierter Spezialist bei Unite.AI, der KI-Infrastruktur, Rechenleistung und die Hardwaresysteme abdeckt, die moderne künstliche Intelligenz antreiben. Seine Arbeit konzentriert sich auf die technischen Grundlagen großer KI‑Workloads, einschließlich Rechenzentren, Beschleuniger, Netzwerke und die Software‑Stacks, die sie verbinden.

Mit einer analytischen und ingenieurorientierten Perspektive untersucht Theo, wie Fortschritte bei GPUs, kundenspezifischem Silizium, Speicherarchitekturen und verteilten Systemen neue Generationen von KI‑Modellen ermöglichen. Er legt besonderen Wert auf Leistungskompromisse, Energieeffizienz, Skalierbarkeit und die praktischen Einschränkungen, die die reale Implementierung von KI‑Infrastruktur prägen.

Artikel, die von Theo Nash verfasst wurden, sind KI-generiert und werden vom Redaktionsteam von Unite.AI geprüft, um technische Genauigkeit, Klarheit und eine verantwortungsvolle Berichterstattung über die sich schnell entwickelnde KI‑Rechenlandschaft sicherzustellen.