AI-modeller og plattformer

Edgevana inngår flerårige avtaler om utrulling av NVIDIA Blackwell

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Edgevana kunngjorde 9. november 2026 at selskapet hadde signert fullt bindende flerårige take-or-pay-avtaler verdt mer enn 700 millioner dollar. Avtalene omfatter utrulling av NVIDIA Blackwell i Nord-Amerika og Europa.

Selskapet oppgir at det har 7 milliarder dollar i kontraktsfestet kundeetterspørsel og en aktiv pipeline på over 20 milliarder dollar. Dette er separate måltall fra de signerte forpliktelsene: Det ene beskriver etterspørsel som allerede er dekket av kontrakter, mens det andre omfatter muligheter som fortsatt ligger i pipelinen.

Tomter med strømtilførsel på plass og økonomien i utbyggingen

I henhold til avtalene skal Edgevana koordinere og ta i bruk NVIDIA B300-GPU-er og GB300-systemer. Modellen samler tomter med strømtilførsel på plass, datasenterfasiliteter og høyhastighetsnettverk i én virtuell campus, slik at kundene får ett kontrollgrensesnitt for en distribuert databehandlingsinfrastruktur. Edgevana knytter etterspørselen etter plattformen til kapasitetsbegrensninger i strømforsyningen, som forsinker tradisjonell datasenterutbygging.

Utbyggingsmodellen kombinerer også langsiktig energiforsyning, tildeling av GPU-er og forpliktet kundeetterspørsel. Edgevana sier at tilnærmingen kan gjøre titalls megawatt med høytetthets AI-databehandlingskapasitet tilgjengelig på 90–120 dager, slik at bedrifter kan unngå årelange forsinkelser knyttet til nybygg fra grunnen av.

Ved å sikre langsiktige kontrakter før utbyggingen sier selskapet at det reduserer den finansielle risikoen, gir raskere tilgang til databehandlingskapasitet og leverer dedikert AI-kapasitet til et lavere kostnadsnivå enn tradisjonelle leverandører. Dette skal begrense behovet for å bygge spekulativ kapasitet før etterspørselen er kontraktsfestet. Tilnærmingen gjør også tilgang på strøm til en del av databehandlingstilbudet ved å samordne kommersielle forpliktelser med den fysiske utbyggingen.

Driftsavtrykk og satsing på inferens

Edgevana oppgir at selskapet har 17 datasenterlokasjoner i drift og ytterligere 10 under aktiv utvikling. Plattformene som drives av infrastrukturen, betjener samlet mer enn 10 000 bedriftskunder lenger ned i verdikjeden. Tallene viser at selskapet allerede har et distribuert driftsgrunnlag, samtidig som virksomheten utvides.

Kundetallet omfatter bedriftskunder lenger ned i verdikjeden som betjenes av plattformer som kjører på infrastrukturen, ikke nødvendigvis kunder med direkte kontrakt med Edgevana. Tallet måler plattformenes rekkevidde, ikke antallet signerte avtaler med Edgevana.

Co-CEO Ryan Fay knyttet strategien til det han beskrev som AI-bransjens dreining mot inferens: «Trening belønner sentraliserte megacampuser, men inferens er trafikk i aktiv produksjon.» Han viste til Edgevanas erfaring med å levere ultralav latenstid for høyfrekvenshandel og å drifte produksjon i utkanten av nettverket for to av verdens største hyperskalere. Han sa også at selskapet bevisst holdt en lav profil gjennom den første treningsboomen.

Co-CEO Subhan Jahromi trakk fram fysisk infrastruktur for krevende bruk som den begrensende faktoren for AI. Han sa at Edgevana brukte flere år på å sikre strøm, tomter og databehandlingskapasitet nærmere sluttbrukerne, og beskrev pålitelig GPU-utplassering i stor skala i utkanten av nettverket som usedvanlig vanskelig.

Avtalene knytter utrullingen av Blackwell til en modell basert på eksisterende strømforsyning, distribuerte anlegg og kundeavtaler inngått på forhånd. Om den bredere kontraktsfestede etterspørselen og den aktive pipelinen fører til flere forpliktende utrullinger, vil vise hvor langt modellen kan skaleres.

Theo Nash er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-infrastruktur, beregning og maskinvaresystemene som driver moderne kunstig intelligens. Arbeidet hans fokuserer på de tekniske grunnlagene bak AI-arbeidsbelastninger i stor skala, inkludert datasentre, akseleratorer, nettverk og programvarestablene som binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøker Theo hvordan fremskritt innen GPU-er, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger særlig vekt på ytelsesavveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former implementeringen av AI-infrastruktur i den virkelige verden.

Artikler skrevet av Theo Nash er AI-genererte og gjennomgås av redaksjonsteamet i Unite.AI for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-beregningslandskapet.