DG Matrix et InfraPartners s’associent pour une plateforme d’infrastructure d’IA conçue pour résoudre les goulets d’étranglement d’alimentation

Alors que la demande d’infrastructure d’IA s’accélère dans le monde entier, l’une des principales contraintes de l’industrie n’est plus l’accès aux seules GPU, mais la capacité à fournir suffisamment d’alimentation et d’infrastructure physique rapidement pour prendre en charge les charges de travail d’IA de nouvelle génération. Dans ce contexte, DG Matrix et InfraPartners ont annoncé un partenariat axé sur la création d’une plateforme intégrée visant à accélérer le déploiement de centres de données prêts pour l’IA et de “usines d’IA”.

La collaboration combine l’architecture de puissance Interport 360 de DG Matrix avec la plateforme de centre de données d’IA préfabriquée RapidNode d’InfraPartners. Ensemble, les entreprises affirment créer un modèle d’infrastructure “de la grille à la baie” unifié destiné à réduire les délais de déploiement tout en préparant les installations pour les futures générations de matériel d’IA.

La croissance de l’IA exerce une pression croissante sur les infrastructures d’alimentation

Le partenariat émerge à un moment où les hyperscalers, les fournisseurs de cloud et les opérateurs d’infrastructure d’IA sont confrontés à des retards croissants liés à la connexion au réseau et aux délais de construction de centres de données traditionnels. Selon le livre blanc des entreprises, les files d’attente de connexion au réseau dans certains marchés peuvent s’étendre sur des années, tandis que les projets de centres de données traditionnels peuvent nécessiter deux à trois ans pour être construits après avoir obtenu l’alimentation.

Ce décalage devient de plus en plus important à mesure que les clusters de formation d’IA continuent de s’accroître en densité et en consommation d’énergie. Le PDG de NVIDIA (NVDA ), Jensen Huang, a précédemment averti que les futurs centres de données deviendraient fondamentalement limités par l’alimentation, l’accessibilité de l’infrastructure ayant un impact direct sur la génération de revenus.

Les entreprises soutiennent que résoudre ce défi nécessite une intégration plus étroite entre l’infrastructure de calcul et les systèmes énergétiques, plutôt que de les traiter comme des couches distinctes.

Combinaison d’usines d’IA préfabriquées avec une alimentation définie par logiciel

InfraPartners a concentré son activité sur les centres de données d’IA préfabriqués et évolutifs conçus spécifiquement pour les charges de travail intensives en GPU. Le système RapidNode de l’entreprise utilise une conception de référence normalisée dans laquelle une grande partie de l’infrastructure est construite en usine avant le déploiement. Selon le livre blanc, environ 80 % du système est fabriqué et intégré hors site avant d’arriver sur les sites de déploiement.

L’idée plus large derrière l’infrastructure d’IA préfabriquée est de réduire les longs retards et la variabilité d’ingénierie associés aux installations construites sur site. InfraPartners décrit son approche comme permettant des centres de données évolutifs et améliorables conçus autour des architectures de GPU en évolution et des densités de baie plus élevées.

DG Matrix contribue au volet infrastructure énergétique de l’équation grâce à sa plateforme Interport, une architecture de transformateur à l’état solide conçue pour gérer plusieurs entrées et sorties d’alimentation simultanément. L’entreprise décrit Interport comme un tissu d’alimentation configurable par logiciel capable d’intégrer des sources d’alimentation CA et CC, des batteries, des générateurs, des énergies renouvelables et des charges de travail d’IA dans un système unifié.

La plateforme est également conçue autour des architectures 800 VCC émergentes que beaucoup dans l’industrie s’attendent à ce que les futurs centres de données d’IA adoptent. Le livre blanc indique que Interport 360 est conçu pour les modèles de distribution CA et CC, permettant aux opérateurs d’infrastructure de passer à de nouvelles architectures d’alimentation sans nécessiter le remplacement complet des systèmes existants.

Évolution vers des “usines d’IA” au lieu de centres de données traditionnels

Un thème récurrent dans l’annonce de partenariat est l’idée que l’infrastructure d’IA évolue loin des modèles de centre de données traditionnels vers des “usines d’IA” hautement spécialisées.

Contrairement aux centres de données d’entreprise traditionnels, les usines d’IA doivent gérer les générations de GPU en constante évolution, les charges thermiques plus élevées, les baies plus denses et les exigences de puissance fluctuantes créées par les charges de travail de formation d’IA. Le livre blanc met en évidence la “gestion de charge d’IA” comme l’une des capacités principales de la plateforme, se référant à la demande d’énergie intense et très variable générée par les systèmes de formation d’IA à grande échelle.

Les entreprises affirment que leur architecture intégrée est conçue pour absorber et stabiliser ces fluctuations de puissance tout en fonctionnant comme un participant plus flexible au réseau. Cela inclut le soutien aux systèmes d’énergie situés derrière le compteur, aux fonctions d’équilibrage du réseau et aux logiciels d’optimisation de l’énergie destinés à gérer à la fois l’utilisation de l’informatique et de la puissance en temps réel.

DG Matrix s’est de plus en plus positionnée autour de cette transition d’infrastructure plus large. L’entreprise a récemment levé 60 millions de dollars dans le cadre d’un financement de série A pour déployer sa technologie de transformateur à l’état solide pour les marchés d’infrastructure d’IA et d’électrification.

La normalisation devient une priorité stratégique

L’un des aspects les plus notables du partenariat est son accent sur la normalisation et les modèles de déploiement reproductibles. Les entreprises décrivent la plateforme comme étant configurable par logiciel pour plusieurs régions géographiques, classes de tension, fréquences et exigences de réseau sans nécessiter de réconception complète pour chaque déploiement.

Cette approche reflète un changement plus large qui se produit dans l’industrie de l’infrastructure d’IA. À mesure que la demande s’accélère, les opérateurs recherchent de plus en plus de moyens pour industrialiser le déploiement plutôt que de s’appuyer sur des projets hautement personnalisés pour chaque installation.

Le livre blanc soutient également que l’évolutivité devient essentielle à mesure que les cycles de matériel d’IA se raccourcissent. Les installations initialement conçues pour des densités de baie beaucoup plus faibles sont désormais poussées vers des niveaux de puissance nettement plus élevés, forçant les opérateurs à repenser combien de temps l’infrastructure peut rester viable sans réaménagement majeur.

InfraPartners a à plusieurs reprises souligné ce concept publiquement, décrivant l’infrastructure d’IA comme quelque chose qui doit évoluer en continu aux côtés des changements dans le silicium, le refroidissement et les exigences d’alimentation.

L’avenir de l’infrastructure d’IA pourrait dépendre de la flexibilité de l’alimentation

Le partenariat entre DG Matrix et InfraPartners met en évidence une réalité croissante au sein de l’industrie d’IA : l’évolution de l’IA est de plus en plus un défi d’énergie et d’infrastructure plutôt qu’un simple problème de calcul.

À mesure que les modèles d’IA continuent de grandir en taille et que le déploiement s’étend à l’échelle mondiale, les avantages concurrentiels futurs pourraient dépendre de la rapidité avec laquelle les opérateurs peuvent sécuriser l’alimentation, déployer l’infrastructure et adapter les installations aux exigences matérielles en constante évolution.

Les entreprises estiment que les systèmes intégrés qui combinent des usines d’IA modulaires, des architectures d’alimentation définies par logiciel et une gestion d’énergie flexible pourraient devenir une partie fondamentale des stratégies de déploiement d’IA de nouvelle génération. Que ce modèle devienne mainstream ou non reste à voir, mais la pression sur les services publics, les réseaux et les délais de construction traditionnels force déjà l’industrie à repenser la manière dont l’infrastructure d’IA est construite dès le départ.