AI-modellen en platforms

Edgevana sluit meerjarige overeenkomsten voor de implementatie van NVIDIA Blackwell

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Edgevana kondigde op 9 november 2026 aan dat het volledig bindende meerjarige take-or-payovereenkomsten had gesloten ter waarde van meer dan 700 miljoen dollar, voor de implementatie van NVIDIA Blackwell in Noord-Amerika en Europa.

Het bedrijf meldt dat er voor 7 miljard dollar aan klantvraag onder contract staat en dat de actieve pijplijn meer dan 20 miljard dollar bedraagt. Dit zijn afzonderlijke maatstaven ten opzichte van de ondertekende toezeggingen: de ene geeft de vraag weer waarvoor al contracten zijn gesloten, terwijl de andere betrekking heeft op kansen die nog in de pijplijn zitten.

Locaties met vooraf beschikbare stroom en de economische aspecten van implementatie

Op grond van de overeenkomsten zal Edgevana de implementatie van NVIDIA B300-GPU’s en GB300-systemen coördineren en uitvoeren. Het model brengt percelen met reeds beschikbare stroomvoorziening, datacentervoorzieningen en hogesnelheidsnetwerken samen in één virtuele campus. Zo krijgen klanten één beheerinterface voor een verspreide rekeninfrastructuur. Edgevana schrijft de vraag naar het platform toe aan beperkingen in de stroomvoorziening, die de bouw van traditionele datacenters vertragen.

Het implementatiemodel combineert ook langetermijnlevering van energie, toewijzing van GPU’s en vastgelegde klantvraag. Volgens Edgevana kan deze aanpak tientallen megawatt aan AI-rekenkracht met hoge dichtheid binnen 90–120 dagen operationeel maken, zodat bedrijven jarenlange vertraging door nieuwbouw op onbebouwde locaties kunnen vermijden.

Door langlopende contracten af te sluiten voordat de implementatie begint, beperkt het bedrijf naar eigen zeggen het financiële risico, versnelt het de toegang tot rekenkracht en levert het specifieke AI-capaciteit tegen lagere kosten dan traditionele aanbieders. Dit moet de noodzaak beperken om speculatieve capaciteit op te bouwen voordat de vraag contractueel is vastgelegd. Ook wordt de beschikbaarheid van stroom zo onderdeel van het aanbod aan rekenkracht, waarbij commerciële toezeggingen worden afgestemd op de fysieke implementatie.

Operationele aanwezigheid en focus op inferentie

Edgevana meldt 17 operationele datacenterlocaties en nog eens 10 locaties die actief in ontwikkeling zijn. Platformen die op de infrastructuur van het bedrijf draaien, bedienen gezamenlijk meer dan 10.000 zakelijke eindklanten. Deze cijfers laten zien dat er al een verspreide operationele basis is, naast verdere uitbreiding.

Het aantal klanten betreft zakelijke eindklanten die worden bediend door platformen die op de infrastructuur van het bedrijf draaien; het gaat dus niet noodzakelijkerwijs om klanten met een rechtstreeks contract met Edgevana. Het cijfer geeft het bereik van de platformen weer, niet het aantal ondertekende overeenkomsten van Edgevana.

Co-CEO Ryan Fay bracht de strategie in verband met wat hij omschreef als de verschuiving van AI naar inferentie: “Training is gebaat bij gecentraliseerde megacampussen, maar inferentie betreft live productieverkeer.” Hij verwees naar de ervaring van Edgevana met het leveren van ultralage latentie voor hoogfrequente handel en het beheren van productie aan de edge voor twee van de grootste hyperscalers ter wereld. Ook zei hij dat het bedrijf tijdens de aanvankelijke hausse in training bewust buiten de schijnwerpers bleef.

Co-CEO Subhan Jahromi noemde fysieke, robuuste infrastructuur de bepalende beperking voor AI. Hij zei dat Edgevana jarenlang had besteed aan het veiligstellen van stroomvoorziening, grond en rekenkracht dichter bij eindgebruikers, en omschreef de betrouwbare implementatie van GPU’s op grote schaal aan de edge als buitengewoon moeilijk.

De overeenkomsten verbinden de uitrol van Blackwell aan een model dat is gebaseerd op bestaande stroomvoorziening, verspreide faciliteiten en vooraf vastgelegde klantverplichtingen. Of de bredere contractuele vraag en de actieve pijplijn worden omgezet in aanvullende, vastgelegde implementaties, zal uitwijzen in hoeverre het model kan worden opgeschaald.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.