DG MatrixとInfraPartnersがAIインフラストラクチャープラットフォームを共同で開発 – 電力ボトルネックに対処するための取り組み

世界中でAIインフラストラクチャーの需要が加速する中、業界最大の課題は、GPUへのアクセスだけではなく、次世代のAIワークロードをサポートするために十分な電力と物理インフラストラクチャーを迅速に提供する能力です。この背景下で、DG MatrixとInfraPartnersは、AI対応データセンターと「AIファクトリー」の導入を加速する統合プラットフォームを構築することを目的としたパートナーシップを発表しました。

このコラボレーションは、DG MatrixのInterport 360電力アーキテクチャーとInfraPartnersのRapidNodeプレファブAIデータセンター平台を組み合わせます。両社は、統一された「グリッドからラック」インフラモデルを作成し、導入のタイムラインを短縮し、将来のAIハードウェアの世代に対応できる施設を準備することを目指しています。

AIの成長は電力インフラストラクチャーに圧力をかけている

このパートナーシップは、ハイパースケーラー、クラウドプロバイダー、AIインフラストラクチャー運営者がグリッド接続と従来のデータセンター建設のタイムラインに関連する遅延に直面している時期に発表されました。両社のホワイトペーパーによると、一部の市場ではグリッド接続の待ち時間が数年続き、従来のデータセンター建設プロジェクトには電力が確保された後、2〜3年かけて建設する必要があります。

このミスマッチは、AIトレーニングクラスターが密度と電力消費量の両方で上方にスケールするにつれて、ますます重要になります。NVIDIAのCEOであるJensen Huangは以前、将来のデータセンターは基本的に電力制限されることになり、インフラストラクチャーの可用性が直接収益の生成に影響することを警告しています。

両社は、この課題を解決するには、コンピューティングインフラストラクチャーとエネルギーシステムの統合が必要であり、別々の層として扱うべきではないと主張しています。

プレファブAIファクトリーとソフトウェア定義電力の組み合わせ

InfraPartnersは、GPU集中ワークロード用に特別に設計されたプレファブ、改良可能なAIデータセンターに事業を集中しています。同社のRapidNodeシステムでは、多くのインフラストラクチャーが配備前に工場で構築され、標準化されたリファレンスデザインを使用しています。ホワイトペーパーによると、システムの約80%がオフサイトで製造および統合され、配備場所に到着します。

プレファブAIインフラストラクチャーの背後にあるより広い考え方は、伝統的なフィールドビルト施設に関連する長い遅延とエンジニアリングの変動性を減らすことです。InfraPartnersは、アプローチを、GPUアーキテクチャーの進化とラック密度の増加に合わせて設計された、スケーラブルで改良可能なデータセンターを可能にするものとして説明しています。

DG Matrixは、Interportプラットフォームを通じて、エネルギーインフラストラクチャーの側面に貢献しています。これは、複数の電力入力と出力を同時に管理するためのソリッドステートトランスフォーマーアーキテクチャーです。同社は、Interportを、ACとDC電力源、バッテリー、発電機、再生可能エネルギー、AIワークロードを統一システム内で統合できるソフトウェア構成可能な電力ファブリックとして説明しています。

このプラットフォームは、業界が将来のAIデータセンターで採用することが予想される800-VDCアーキテクチャーにも対応しています。ホワイトペーパーによると、Interport 360は、ACとDC配電モデルの両方に対応しており、インフラストラクチャー運営者は、新しい電力アーキテクチャーに移行するために既存のシステムを完全に置き換える必要がありません。

従来のデータセンターではなく「AIファクトリー」への移行

パートナーシップ発表を通じて繰り返し出てくるテーマは、AIインフラストラクチャーが従来のデータセンターモデルから高度に特殊化された「AIファクトリー」への移行を遂げているということです。

従来のエンタープライズデータセンターとは異なり、AIファクトリーは急速に変化するGPU世代、高い熱負荷、密度の高いラック、AIトレーニングワークロードによって生じる電力要件の変動を管理する必要があります。ホワイトペーパーは、「AIパルスロード管理」をプラットフォームの主要機能の1つとして強調しており、大規模なAIトレーニングシステムによって生じる強力で変動するエネルギー需要を指しています。

両社は、統合アーキテクチャーがこれらの電力の変動を吸収して安定させると同時に、より柔軟なグリッド参加者として機能するように設計されていると主張しています。これには、メーターの後ろのエネルギーシステム、グリッドバランシング機能、およびリアルタイムでコンピューティングと電力の利用を管理するエネルギー最適化ソフトウェアのサポートが含まれます。

DG Matrixは、このより広いインフラストラクチャー転換の周りに自己を位置付けている。同社は最近、AIインフラストラクチャーと電気化市場での固体トランスフォーマーテクノロジーの導入を拡大するために6,000万ドルを調達しました。

標準化が戦略的優先事項となる

パートナーシップの最も注目すべき側面の1つは、標準化と繰り返し可能な導入モデルの重視です。両社は、プラットフォームを複数の地理的地域、電圧クラス、周波数、グリッド要件に対してソフトウェアで構成可能であり、各導入ごとに完全な再設計が不要であると説明しています。

このアプローチは、AIインフラストラクチャー業界全体で発生しているより広い変化を反映しています。需要が加速するにつれて、運営者は、各施設ごとに高度にカスタマイズされたプロジェクトに頼るのではなく、導入を産業化する方法を探しています。

ホワイトペーパーはまた、AIハードウェアサイクルが短縮するにつれて、改良可能性が不可欠になっていることを主張しています。もともと低いラック密度のために設計された施設は、現在、劇的に高い電力レベルに向けて押し上げられており、運営者はインフラストラクチャーが大幅な改修なしにどれくらいの期間機能し続けられるか再考する必要があります。

InfraPartnersは、この概念を繰り返し公に強調しており、AIインフラストラクチャーは、シリコン、冷却、電力配給要件の変化とともに継続的に進化する必要があると述べています。

AIインフラストラクチャーの将来は電力の柔軟性に依存する可能性がある

DG MatrixとInfraPartnersのパートナーシップは、AI業界における増加する現実を強調しています。AIをスケールすることは、コンピューティングの問題ではなく、エネルギーとインフラストラクチャーの課題になりつつあります。

AIモデルがサイズと導入を拡大し続けるにつれて、将来の競争上の優位性は、運営者が電力を確保し、インフラストラクチャーを導入し、急速に変化するハードウェア要件に施設を適応させる速度に依存する可能性があります。

両社は、モジュラーAIファクトリー、ソフトウェア定義電力アーキテクチャー、柔軟なエネルギー管理を組み合わせた統合システムが、次世代のAI導入戦略の基礎となる可能性があると考えています。どのモデルが主流になるかは見通せませんが、公益事業、グリッド、従来の建設タイムラインへの圧力は、業界がAIインフラストラクチャーを構築する方法を再考するように既に強制しています。