Acquisizioni

Nscale Acquista Anyscale per Salire nella Pila di Calcolo dell’Intelligenza Artificiale

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Nscale, l’operatore cloud di intelligenza artificiale che costruisce i propri data center e genera la propria energia, ha concordato l’acquisto di Anyscale, l’azienda dietro il framework di calcolo distribuito Ray. L’acquisizione, annunciata il 30 luglio 2026, aggiunge un livello di orchestrazione del carico di lavoro in cima alla flotta di GPU di Nscale e sposta circa 200 dipendenti di Anyscale in tutto il mondo, tra cui Stati Uniti, Europa e India, nella società con sede a Londra. Si prevede che la transazione si concluda nella seconda metà del 2026, soggetta a condizioni di chiusura e approvazioni regolamentari.

Anyscale vende la piattaforma gestita che i team di apprendimento automatico utilizzano per distribuire un lavoro su migliaia di acceleratori contemporaneamente: preparazione dei dati multimodali, pre-addestramento, fine-tuning, apprendimento per rinforzo e servizio di inferenza. Mantiene il proprio marchio e i propri clienti esistenti, che l’annuncio di Nscale elenca come inclusi Coinbase, Runway e Bedrock Robotics. Quei clienti rimangono liberi di eseguire su qualsiasi infrastruttura utilizzino attualmente, con la piattaforma di Nscale che diventa un’opzione aggiuntiva nel tempo.

Perché un’azienda di energia acquista un pianificatore

La proposta di Nscale fino a questo momento si è basata sul possesso dei livelli al di sotto dell’acceleratore: la generazione, il campus, le rastrelliere. Questo acquisto la sposta verso l’alto nella pila, e il motivo risiede nel modo in cui un cloud di intelligenza artificiale genera entrate. La capacità grezza di noleggio dei GPU si affitta per ora contro i concorrenti che acquistano gli stessi sistemi Nvidia (NVDA ), quindi la differenza deriva da quanto lavoro utile ogni ora di GPU produce. Ciò è deciso al di sopra del metallo, nel modo in cui un lavoro viene suddiviso, nel modo in cui la preparazione dei dati vincolata alla CPU si passa alla formazione della GPU e nel modo in cui gli acceleratori vengono recuperati tra le uscite di apprendimento per rinforzo invece di rimanere inattivi e caldi.

“La maggior parte dei fornitori di infrastrutture acquista semplicemente i GPU e li affitta”, ha detto Josh Payne, amministratore delegato e fondatore di Nscale, che ha descritto l’approccio della società come il possesso dell’energia, dei data center, del calcolo e del software al di sopra di essi.

Quella linea di costo è anche l’argomento commerciale di Anyscale. Nel lancio del 2 giugno 2026 di una integrazione nativa con Azure, l’azienda ha affermato che i clienti segnalano fino a quattro volte più velocità di sperimentazione e fino al 90% di riduzione del costo totale di proprietà rispetto a pile frammentate che accoppiano motori di elaborazione dei dati cloud-native con API di modello ospitate. Questi sono i dati di Anyscale, e descrivono il livello che un venditore di calcolo preferirebbe possedere piuttosto che aggirare.

La stessa logica sta emergendo altrove nel settore del calcolo. Qualcomm (QCOM ) ha chiuso il suo acquisto totale di azioni della startup di compilatori Modular nel luglio 2026, con il ragionamento che il software che decide come viene utilizzato l’hardware è dove si trovano sia le prestazioni che i costi di commutazione.

La capacità al di sotto dell’accordo

Nscale sta aggiungendo entrate di piattaforma a una costruzione le cui parti più grandi arrivano più tardi. La società ha posto la sua capacità operativa a oltre 1 GW in un annuncio del 16 marzo 2026 che copre una lettera di intenti con Microsoft (MSFT ) per 1,35 GW di calcolo di intelligenza artificiale nel suo campus Monarch nella contea di Mason, in Virginia Occidentale, costruito intorno ai sistemi Vera Rubin NVL72 di Nvidia. Quel dispiegamento arriva in parti a partire dalla fine del 2027, alimentato da gruppi di generazione di gas naturale di Caterpillar che si dirigono verso 2 GW di generazione sul posto entro la prima metà del 2028. Nscale ha anche impegnato 2,5 miliardi di dollari di investimenti nei data center del Regno Unito.

Il finanziamento ha tenuto il passo con quella pipeline. Nscale ha chiuso una linea di credito rotativa da 900 milioni di dollari il 7 luglio 2026, sindacata tra una dozzina di banche, tra cui J.P. Morgan, Goldman Sachs, Morgan Stanley (MS ) e MUFG. Il software si vende contro la capacità che già funziona, e contro la capacità sui cloud di altri fornitori, che è una forma di entrate diversa da un affitto che inizia a consegnare nel 2027.

Dove si trova Ray adesso

Il progetto open-source al centro dell’accordo si trova ora sotto una governance neutrale. Ray si è spostato alla PyTorch Foundation il 22 ottobre 2025, unendosi a PyTorch e al motore di inferenza vLLM sotto la Linux Foundation, con 237 milioni di download registrati al momento. Nscale afferma che si unirà alla fondazione come parte dell’acquisto.

Quella struttura definisce cosa sta acquistando Nscale: la piattaforma commerciale, il team di ingegneria e le relazioni con i clienti, al di sopra di un framework che rimane governato dalla comunità e funziona ovunque. Anyscale afferma che Ray già esegue carichi di lavoro in Cursor, Physical Intelligence e xAI, e il suo prodotto Azure funziona all’interno di una propria tenant di Azure del cliente piuttosto che su hardware operato da Anyscale. Il CEO di Anyscale Keerti Melkote ha descritto la società combinata come il primo iperscalatore di intelligenza artificiale a pila completa.

Per i team di intelligenza artificiale aziendale, il cambiamento a breve termine è l’opzionalità. Il CTO sul campo di Anyscale Christian Stano ha spiegato in un’intervista con Unite.AI come i team di piattaforma stanno strutturando i sistemi di produzione basati su Ray, e quell’architettura è ciò che l’accordo tocca: lo stesso runtime, prezzi e operato da una società che possiede anche i megawatt. Una volta chiusa la transazione, la capacità di Nscale diventa uno dei luoghi in cui quel runtime può essere eseguito.

Theo Nash è uno specialista generato da AI presso Unite.AI, che copre l'infrastruttura AI, il calcolo e i sistemi hardware che alimentano l'intelligenza artificiale moderna. Il suo lavoro si concentra sulle fondamenta tecniche di grandi carichi di lavoro AI, tra cui data center, acceleratori, networking e gli stack software che li collegano.
Con una prospettiva analitica e ingegneristica, Theo esamina come i progressi nelle GPU, nel silicio personalizzato, nelle architetture della memoria e nei sistemi distribuiti consentono nuove generazioni di modelli AI. Presta particolare attenzione ai compromessi di prestazioni, all'efficienza energetica, alla scalabilità e alle limitazioni pratiche che influenzano il dispiegamento di infrastrutture AI nel mondo reale.
Gli articoli scritti da Theo Nash sono generati da AI e revisionati dal team editoriale di Unite.AI per garantire l'accuratezza tecnica, la chiarezza e la copertura responsabile del panorama in rapida evoluzione del calcolo AI.