Kemitraan
DG Matrix dan InfraPartners bermitra dalam infrastruktur AI untuk mengatasi hambatan pasokan listrik

Poin utamaDG Matrix dan InfraPartners menggabungkan infrastruktur grid-to-rack untuk memangkas…
Lihat selengkapnya
- DG Matrix dan InfraPartners menggabungkan infrastruktur grid-to-rack untuk memangkas jadwal penyebaran pusat data AI.
- Platform Interport 360 menggunakan transformator solid-state yang ditentukan perangkat lunak untuk mengelola daya AC dan DC bagi pabrik AI.
- Kendala utama infrastruktur AI bergeser dari akses GPU ke penundaan pengiriman daya dan interkoneksi jaringan listrik.
Seiring permintaan infrastruktur AI yang tumbuh semakin cepat di seluruh dunia, salah satu kendala terbesar industri ini bukan lagi sekadar akses ke GPU, melainkan kemampuan menyediakan daya listrik dan infrastruktur fisik yang memadai dengan cukup cepat untuk mendukung beban kerja AI generasi berikutnya. Dalam konteks ini, DG Matrix dan InfraPartners mengumumkan kemitraan untuk membangun platform terintegrasi yang bertujuan mempercepat pembangunan pusat data siap AI dan «pabrik AI».
Kolaborasi ini memadukan arsitektur pasokan listrik Interport 360 milik DG Matrix dengan RapidNode, platform pusat data AI prafabrikasi dari InfraPartners. Kedua perusahaan menyatakan bahwa mereka sedang menciptakan model infrastruktur terpadu «dari jaringan listrik hingga rak server», yang dimaksudkan untuk mempersingkat waktu penerapan sekaligus menyiapkan fasilitas bagi generasi perangkat keras AI mendatang.
Pertumbuhan AI menambah tekanan pada infrastruktur listrik
Kemitraan ini hadir ketika operator pusat data berskala sangat besar, penyedia layanan cloud, dan operator infrastruktur AI menghadapi penundaan yang semakin panjang terkait penyambungan ke jaringan listrik dan jadwal pembangunan pusat data tradisional. Menurut buku putih kedua perusahaan, antrean penyambungan jaringan di beberapa pasar dapat berlangsung bertahun-tahun. Pembangunan pusat data konvensional sendiri mungkin memerlukan dua hingga tiga tahun setelah pasokan listrik dipastikan tersedia.
Ketidakseimbangan ini semakin penting karena klaster pelatihan AI terus meningkat baik dalam kepadatan maupun konsumsi daya. Jensen Huang, CEO NVIDIA (NVDA ), sebelumnya telah memperingatkan bahwa pusat data masa depan pada dasarnya akan dibatasi oleh daya listrik, sementara ketersediaan infrastruktur secara langsung memengaruhi perolehan pendapatan.
Kedua perusahaan berpendapat bahwa tantangan ini membutuhkan integrasi yang lebih erat antara infrastruktur komputasi dan sistem energi, alih-alih memperlakukan keduanya sebagai lapisan terpisah.
Memadukan pabrik AI prafabrikasi dengan pasokan listrik yang ditentukan perangkat lunak
InfraPartners memusatkan bisnisnya pada pusat data AI prafabrikasi yang dapat ditingkatkan dan dirancang khusus untuk beban kerja yang banyak menggunakan GPU. Sistem RapidNode memakai desain acuan terstandar, dengan sebagian besar infrastruktur dibangun di pabrik sebelum penerapan. Menurut buku putih tersebut, sekitar 80% sistem diproduksi dan diintegrasikan di luar lokasi pemasangan sebelum dikirim ke sana.
Gagasan yang lebih luas di balik infrastruktur AI prafabrikasi adalah mengurangi penundaan panjang dan variasi pelaksanaan teknis yang menyertai fasilitas tradisional yang dibangun di lokasi. InfraPartners menjelaskan bahwa pendekatannya memungkinkan pusat data yang dapat diperluas dan ditingkatkan, dirancang untuk mengikuti perkembangan arsitektur GPU dan kepadatan rak server yang lebih tinggi.
DG Matrix menyumbangkan komponen infrastruktur energi melalui platform Interport, sebuah arsitektur transformator berbasis semikonduktor yang dirancang untuk mengelola sejumlah masukan dan keluaran listrik secara bersamaan. Perusahaan menggambarkan Interport sebagai struktur pasokan listrik yang dapat dikonfigurasi melalui perangkat lunak, yang mampu mengintegrasikan sumber listrik AC dan DC, baterai, generator, energi terbarukan, serta beban kerja AI dalam satu sistem terpadu.
Platform ini juga dirancang dengan mempertimbangkan perkembangan arsitektur listrik DC 800 volt, yang diperkirakan banyak pihak di industri akan dipakai oleh pusat data AI masa depan. Buku putih menyebutkan bahwa Interport 360 dirancang untuk distribusi AC maupun DC. Dengan demikian, operator dapat beralih ke arsitektur pasokan listrik yang lebih baru tanpa harus mengganti seluruh sistem yang ada.
Dari pusat data konvensional menuju «pabrik AI»
Tema yang berulang dalam pengumuman kemitraan ini adalah pergeseran infrastruktur AI dari model pusat data tradisional menuju «pabrik AI» yang sangat terspesialisasi.
Berbeda dengan pusat data perusahaan konvensional, pabrik AI harus menangani generasi GPU yang berubah cepat, beban panas yang lebih tinggi, rak server yang semakin padat, serta kebutuhan daya yang berfluktuasi akibat pelatihan AI. Buku putih menyoroti «pengelolaan beban berdenyut AI» sebagai salah satu kemampuan inti platform. Istilah ini merujuk pada kebutuhan energi yang besar dan sangat berubah-ubah dari sistem pelatihan AI berskala besar.
Kedua perusahaan mengklaim arsitektur terintegrasi mereka dirancang untuk menyerap dan menstabilkan fluktuasi daya tersebut, sekaligus berperan lebih fleksibel dalam jaringan listrik. Cakupannya meliputi dukungan bagi sistem energi di sisi pelanggan setelah meteran, fungsi penyeimbangan jaringan, dan perangkat lunak optimasi energi untuk mengelola pemanfaatan sumber daya komputasi maupun daya listrik dalam waktu nyata.
DG Matrix semakin menempatkan transformasi infrastruktur yang lebih luas ini sebagai fokus posisinya di pasar. Perusahaan baru-baru ini menghimpun pendanaan Seri A sebesar 60 juta dolar AS untuk memperluas penerapan teknologi transformator semikonduktornya di pasar infrastruktur AI dan elektrifikasi.
Standardisasi menjadi prioritas strategis
Salah satu aspek kemitraan yang menonjol adalah penekanan pada standardisasi dan model penerapan yang dapat diulang. Kedua perusahaan menjelaskan bahwa platform dapat dikonfigurasi melalui perangkat lunak untuk berbagai wilayah geografis, kelas tegangan, frekuensi, dan persyaratan jaringan, tanpa perlu merancang ulang keseluruhannya pada setiap penerapan.
Pendekatan ini mencerminkan pergeseran yang lebih luas dalam industri infrastruktur AI. Ketika pertumbuhan permintaan semakin cepat, operator semakin mencari cara untuk mengindustrialisasi penerapan, bukan mengandalkan proyek yang sangat disesuaikan bagi setiap fasilitas.
Buku putih juga berpendapat bahwa kemampuan untuk meningkatkan sistem menjadi sangat penting karena siklus pembaruan perangkat keras AI semakin pendek. Fasilitas yang semula dirancang untuk kepadatan rak jauh lebih rendah kini dituntut menghadapi tingkat daya yang jauh lebih tinggi. Hal ini memaksa operator menilai kembali berapa lama infrastruktur dapat tetap layak digunakan tanpa perombakan besar.
InfraPartners berulang kali menekankan gagasan ini secara terbuka, dengan menyatakan bahwa infrastruktur AI harus terus berkembang mengikuti perubahan teknologi semikonduktor, pendinginan, dan persyaratan pasokan listrik.
Masa depan infrastruktur AI mungkin bergantung pada fleksibilitas pasokan listrik
Kemitraan DG Matrix dan InfraPartners menyoroti kenyataan yang semakin jelas dalam industri AI: peningkatan skala AI semakin menjadi tantangan energi dan infrastruktur alih-alih semata-mata persoalan komputasi.
Ketika ukuran model AI terus membesar dan penerapannya meluas secara global, keunggulan kompetitif di masa depan mungkin bergantung pada seberapa cepat operator dapat memastikan pasokan listrik, menerapkan infrastruktur, serta menyesuaikan fasilitas dengan persyaratan perangkat keras yang berubah cepat.
Kedua perusahaan meyakini bahwa sistem terintegrasi yang memadukan pabrik AI modular, arsitektur pasokan listrik yang ditentukan perangkat lunak, dan pengelolaan energi fleksibel dapat menjadi bagian mendasar strategi penerapan AI generasi berikutnya. Apakah model ini akan digunakan secara luas masih harus dilihat. Namun, tekanan pada perusahaan utilitas, jaringan listrik, dan jadwal pembangunan konvensional sudah memaksa industri memikirkan kembali bagaimana infrastruktur AI dibangun sejak awal.












