Niv-AI Kerää 12 Miljoonaa Dollaria Piilotetun Tehon Pulakan Ratkaisemiseen AI-Infrastruktuurissa

Uusi startup on astunut kasvavalle AI-infrastruktuurin alalle, jossa se keskittyy rajoitteeseen, josta harvoin kerrotaan, mutta josta tulee nopeasti yhdeksi alan suurimmista haasteista: sähköntarve.

Niv-AI on tullut julkisuuteen 12 miljoonan dollarin rahoituksella Glilot Capital:lta, Grove Ventures:lta, Arc VC:ltä, Encoded VC:ltä, Leap Forward:lta ja Auroralta. Tel Avivissa sijaitseva yritys asemoi itsensä energiatuotannon ja suorituskyvyn leikkauspisteeseen, tavoitteenaan mitä se kuvaa “hetkellisen tehokapasiteetin kriisiksi” modernissa tietokeskuksissa.

Ongelma: AI:n Kasvava Sähköntarve

Kun AI-työkuormat kasvavat, erityisesti voimakkaampien GPU:den käytön myötä, tietokeskukset kohtaavat fyysisen rajoituksen, jota ohjelmistojen optimointi yksin ei voi ratkaista. Vaikka laskentakapasiteetti jatkaa kasvuaan, kyky toimittaa vakaata sähköä millisekuntitasolla jää jälkeen.

Perinteiset valvontajärjestelmät eivät ole suunniteltu modernien AI-työkuormien nopeiden, piikkimäisten sähköntarvekuvioiden seuraamiseen. Välttääkseen laitteiden vahinkoa tai verkkovakavuuden, operaattorit usein yliedustavat käytön rajoittamalla. Tuloksena on merkittävä nykyisen infrastruktuurin alikäyttö, jossa jopa 30 % sopimuksesta tehokapasiteetista on tehokkaasti käyttämättä.

Tämä epätarkkuus on taloudellisia vaikutuksia. Tietokeskuksien operaattorit maksavat kapasiteetista, jota he eivät voi täysin käyttää, kun taas AI-yritykset kohtaavat rajoituksia, jotka hidastavat käyttöönottoa ja lisäävät kustannuksia.

Uusi Kerros Sähkön ja Laskennan Välillä

Niv-AI:n lähestymistapa esittelee uuden valvontakerroksen, joka sijaitsee energian toimittamisen ja laskentatyökuormien välissä. Yrityksen alustan ytimessä on niin kutsuttu “sähköinen sormenjälki” – korkearesoluutioinen näkymä siitä, miten AI-työkuormat kuluttavat sähköä reaaliajassa.

Käyttäen erikoistuneita antureita, järjestelmä havaitsee yksityiskohtaiset sähkösignaalit, joita perinteiset mittarit eivät havaitse. Nämä signaalit käsitellään sitten AI-malleilla, jotka on suunniteltu ennustamaan lyhytaikaisia muutoksia kysynnässä. Sen sijaan, että reagoisi piikkiin, alusta sopeuttaa ennakolta työkuormien ajoitusta, hienosti asteittaen laskentaoperaatioita sähköntarpeen sileäksi tekemiseksi.

Käytännössä tämä toimii kuin liikennehallintajärjestelmä sähkölle tietokeskuksessa, jolloin operaattorit voivat ajaa infrastruktuuria lähemmäs sen todellisia rajoja ilman, että laukaisevat epävakautta.

Siirtyminen Laitteistokorjausten Yli

Useimmat nykyiset yritykset ratkaista sähkön rajoituksia riippuvat fyysisistä ratkaisuista, kuten paristoista, kondensaattoreista tai työkuormien maltillista hidastamisesta. Vaikka nämä lähestymistavat ovat tehokkaita tiettyyn asti, ne lisäävät kustannuksia, monimutkaisuutta tai vähentävät suorituskykyä.

Niv-AI panostaa siihen, että ohjelmistopohjainen orkestraatiokerros voi avata samanlaisia tai suurempia voittoja ilman lisälaitteita. Parantamalla näkyvyyttä ja valvontaa hienojakoisella tasolla yritys pyrkii mahdollistamaan operaattoreiden saada enemmän arvoa olemassa olevasta infrastruktuurista.

Tämä muutos heijastaa laajempia suuntauksia tietokeskuksen optimoinnissa, jossa ohjelmistomääritteiset lähestymistavat ovat yhä enemmän käytössä fyysisten rajoitusten hallinnassa.

Laajemmat Vaikutukset AI-Infrastruktuuriin

Jos tämä teknologian kategoria osoittautuu tehokkaaksi, se voi muuttaa sitä, miten tietokeskukset suunnitellaan ja toimivat seuraavan vuosikymmenen aikana. Sen sijaan, että kohdellaan sähkön rajoituksia kiinteinä rajoituksina, operaattorit voivat alkaa nähdä ne dynaamisina muuttujina, joita voidaan hallita aktiivisesti reaaliajassa.

Tämä on vaikutuksia tehokkuuden lisäksi. Se voi viivästää tai vähentää tarvetta kalliille verkkopäivityksille ja uusille laitoksille, erityisesti alueilla, joilla energian saatavuus on jo pullonkaula. Se voi myös vaikuttaa siihen, miten AI-työkuormat ajoitetaan, hinnoitellaan ja priorisoidaan, tuomalla uuden ulottuvuuden optimointiin, joka yhdistää laskentaa orkestraation energianhallinnan kanssa.

Järjestelmätasolla sähkön ja laskennan valvonnan yhdistyminen viittaa tulevaisuuteen, jossa infrastruktuuri on yhä enemmän koordinoidua kerroksittain, jotka ovat historiallisesti olleet erillisiä. Kun AI jatkaa skaalaamista, kyky harmonisoida nämä kerrokset voi tulla yhtä tärkeäksi kuin edistysaskelten arkkitehtuuri tai piirisuunnittelu.