DG Matrix dan InfraPartners Bermitra dalam Platform Infrastruktur AI yang Dirancang untuk Mengatasi Bottleneck Daya

Saat permintaan infrastruktur AI meningkat di seluruh dunia, salah satu kendala terbesar di industri ini tidak lagi hanya akses ke GPU, tetapi kemampuan untuk menyediakan daya dan infrastruktur fisik yang cukup cepat untuk mendukung beban kerja AI generasi berikutnya. Di tengah-tengah latar belakang ini, DG Matrix dan InfraPartners telah mengumumkan kemitraan yang berfokus pada membangun platform terintegrasi yang bertujuan untuk mempercepat penerapan pusat data yang siap AI dan “pabrik AI.”

Kolaborasi ini menggabungkan arsitektur daya Interport 360 dari DG Matrix dengan platform pusat data AI prefabricated RapidNode dari InfraPartners. Bersama, perusahaan-perusahaan ini mengatakan bahwa mereka sedang menciptakan model infrastruktur “grid-to-rack” yang terintegrasi yang dimaksudkan untuk mengurangi waktu penerapan sambil mempersiapkan fasilitas untuk generasi AI berikutnya.

Pertumbuhan AI Meningkatkan Tekanan pada Infrastruktur Daya

Kemitraan ini muncul pada saat hyperscalers, penyedia cloud, dan operator infrastruktur AI menghadapi penundaan yang meningkat yang terkait dengan interkoneksi grid dan timeline konstruksi pusat data tradisional. Menurut makalah putih perusahaan, antrean interkoneksi grid di beberapa pasar dapat memanjang hingga beberapa tahun, sedangkan proyek pusat data konvensional mungkin memerlukan dua hingga tiga tahun untuk dibangun setelah daya telah diperoleh.

Perbedaan itu menjadi semakin penting karena klaster pelatihan AI terus meningkat dalam kepadatan dan konsumsi daya. CEO NVIDIA (NVDA ), Jensen Huang, sebelumnya telah memperingatkan bahwa pusat data masa depan akan menjadi terbatas pada daya, dengan ketersediaan infrastruktur yang secara langsung mempengaruhi generasi pendapatan.

Perusahaan-perusahaan ini berpendapat bahwa mengatasi tantangan ini memerlukan integrasi yang lebih ketat antara infrastruktur komputasi dan sistem energi, bukan mengobati mereka sebagai lapisan yang terpisah.

Menggabungkan Pabrik AI Prefabricated dengan Daya yang Didefinisikan Perangkat Lunak

InfraPartners telah fokus bisnisnya pada pusat data AI prefabricated yang dapat ditingkatkan dan dirancang khusus untuk beban kerja yang intensif GPU. Sistem RapidNode perusahaan ini menggunakan desain referensi standar di mana sebagian besar infrastruktur dibangun di pabrik sebelum penerapan. Menurut makalah putih, sekitar 80% dari sistem ini dibuat dan diintegrasikan di luar lokasi sebelum tiba di lokasi penerapan.

Gagasan yang lebih luas di balik infrastruktur AI prefabricated adalah untuk mengurangi penundaan yang lama dan variabilitas teknik yang terkait dengan fasilitas yang dibangun di lapangan. InfraPartners menjelaskan pendekatannya sebagai memungkinkan pusat data yang dapat diperluas dan ditingkatkan yang dirancang di sekitar arsitektur GPU yang berkembang dan kepadatan rak yang lebih tinggi.

DG Matrix memberikan kontribusi pada sisi infrastruktur energi melalui platform Interport, arsitektur trafo solid-state yang dirancang untuk mengelola beberapa input dan output daya secara bersamaan. Perusahaan ini menjelaskan Interport sebagai kain daya yang dapat dikonfigurasi perangkat lunak yang mampu mengintegrasikan sumber daya AC dan DC, baterai, generator, energi terbarukan, dan beban kerja AI dalam sistem yang terintegrasi.

Platform ini juga dirancang di sekitar arsitektur 800-VDC yang sedang muncul yang banyak diharapkan akan diadopsi oleh pusat data AI di masa depan. Makalah putih menyatakan bahwa Interport 360 dirancang untuk model distribusi AC dan DC, memungkinkan operator infrastruktur untuk beralih ke arsitektur daya yang lebih baru tanpa memerlukan penggantian total sistem yang ada.

Beralih ke “Pabrik AI” Daripada Pusat Data Konvensional

Tema yang berulang dalam pengumuman kemitraan adalah gagasan bahwa infrastruktur AI berkembang menjauh dari model pusat data tradisional menuju “pabrik AI” yang sangat khusus.

Tidak seperti pusat data perusahaan tradisional, pabrik AI harus mengelola generasi GPU yang berubah dengan cepat, beban termal yang lebih tinggi, kepadatan rak yang lebih padat, dan persyaratan daya yang berfluktuasi yang dibuat oleh beban kerja pelatihan AI. Makalah putih menyoroti “manajemen beban pulsa AI” sebagai salah satu kemampuan inti platform, mengacu pada permintaan energi yang intens dan sangat bervariasi yang dihasilkan oleh sistem pelatihan AI skala besar.

Perusahaan-perusahaan ini mengklaim bahwa arsitektur terintegrasi mereka dirancang untuk menyerap dan menstabilkan fluktuasi daya ini sambil juga berfungsi sebagai peserta grid yang lebih fleksibel. Ini termasuk dukungan untuk sistem energi di belakang meter, fungsi keseimbangan grid, dan perangkat lunak optimasi energi yang dimaksudkan untuk mengelola utilitas komputasi dan daya dalam waktu nyata.

DG Matrix telah semakin memposisikan dirinya di sekitar transisi infrastruktur yang lebih luas ini. Perusahaan ini baru-baru ini mengumpulkan $60 juta dalam pendanaan Seri A untuk memperluas penerapan teknologi trafo solid-state untuk pasar infrastruktur AI dan elektrifikasi.

Standardisasi Menjadi Prioritas Strategis

Salah satu aspek paling mencolok dari kemitraan ini adalah penekanannya pada standardisasi dan model penerapan yang dapat diulang. Perusahaan-perusahaan ini menjelaskan platform ini sebagai konfigurasi perangkat lunak untuk wilayah geografis yang berbeda, kelas tegangan, frekuensi, dan persyaratan grid tanpa memerlukan desain ulang total untuk setiap penerapan.

Pendekatan ini mencerminkan pergeseran yang lebih luas yang terjadi di seluruh industri infrastruktur AI. Saat permintaan meningkat, operator semakin mencari cara untuk mengindustrialisasi penerapan daripada mengandalkan proyek khusus untuk setiap fasilitas.

Makalah putih juga berpendapat bahwa kemampuan upgrade menjadi sangat penting karena siklus perangkat keras AI memendek. Fasilitas yang awalnya dirancang untuk kepadatan rak yang jauh lebih rendah sekarang didorong menuju tingkat daya yang jauh lebih tinggi, memaksa operator untuk memikirkan kembali seberapa lama infrastruktur dapat tetap layak tanpa retrofit besar.

InfraPartners telah berulang kali menekankan konsep ini secara publik, menjelaskan infrastruktur AI sebagai sesuatu yang harus berkembang terus bersama dengan perubahan dalam silikon, pendinginan, dan persyaratan pengiriman daya.

Masa Depan Infrastruktur AI Mungkin Bergantung pada Fleksibilitas Daya

Kemitraan antara DG Matrix dan InfraPartners menyoroti kenyataan yang semakin berkembang dalam industri AI: mengembangkan AI semakin menjadi tantangan energi dan infrastruktur daripada hanya masalah komputasi.

Saat model AI terus tumbuh dalam ukuran dan penerapan meluas secara global, keunggulan kompetitif di masa depan mungkin bergantung pada seberapa cepat operator dapat memperoleh daya, menerapkan infrastruktur, dan menyesuaikan fasilitas dengan persyaratan perangkat keras yang berubah dengan cepat.

Perusahaan-perusahaan ini percaya bahwa sistem terintegrasi yang menggabungkan pabrik AI modular, arsitektur daya yang didefinisikan perangkat lunak, dan manajemen energi yang fleksibel bisa menjadi bagian dasar dari strategi penerapan AI generasi berikutnya. Apakah model ini akan menjadi mainstream masih belum terlihat, tetapi tekanan pada utilitas, grid, dan timeline konstruksi konvensional sudah memaksa industri untuk memikirkan kembali bagaimana infrastruktur AI dibangun dari awal.