Partnerskap

Gcore vurderer et AI-datasenter på 100 MW i Kasakhstan sammen med TengriAI

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

Gcore opplyste i kunngjøringen sin 12. november 2026 at selskapet og TengriAI hadde undertegnet et intensjonsnotat om å utrede et GPU-datasenter i Kasakhstan med en planlagt kapasitet på opptil 100 megawatt (MW), fordelt på faser mellom 2027 og 2029. Avtalen er utforskende og innebærer ingen endelig forpliktelse til å bygge.

Selskapene sier at det finnes lite innenlandsk AI-datakraft i Sentral-Asia, noe som gjør at organisasjoner er avhengige av kapasitet i Europa, Gulfen eller Øst-Asia, ofte utenfor deres regulatoriske jurisdiksjon. «Prosjektet vil plassere GPU-infrastruktur i stor skala i landet, drevet fra landet, for kunder i hele regionen», sa Gcores administrerende direktør Andre Reitenbach.

Slik skal partnerne fordele arbeidet

I henhold til intensjonsnotatet skal TengriAI håndtere tomt, strøm, tillatelser og bygging. Gcore skal levere AI-skyplattformen, driften og kundegrunnlaget, ved hjelp av den samme plattformen som selskapet bruker i sine egne GPU-skyer som NVIDIA Preferred Cloud Partner. Avtalen gir hvert selskap en tydelig avgrenset rolle i det foreslåtte prosjektet, fra den strømforsynte tomten til salg og drift av GPU-kapasitet.

Kundene skal kunne velge mellom to driftsmodeller: å måle, fakturere og videreselge kapasitet, eller å kjøre isolerte arbeidsbelastninger som aldri forlater anlegget. Den første modellen legger til rette for en regional skytjenestevirksomhet som betjener flere brukere, mens den andre er rettet mot organisasjoner som trenger strengere kontroll med hvor AI-arbeidsbelastningene deres kjøres.

Gcores dokumentasjon for AI Cloud Stack beskriver programvaren som en privat AI-skyplattform for å gjøre GPU-infrastruktur om til bedriftstjenester. Den omfatter orkestrering, overvåking, fakturering og driftsstøtte døgnet rundt, med virtuelle maskiner eller bare-metal-GPU-er på forespørsel, administrert Kubernetes og GPU-tilgang som tjeneste. Identitetskontroller, kvoter og støtte for flere leietakere på tvers av CPU-, nettverks- og lagringsressurser gjør det mulig for flere kunder å dele infrastrukturen, samtidig som de har separat tilgang og egne ressursallokeringer.

Fullstendig profilering under eget merkenavn vil gjøre det mulig for en lokal operatør å markedsføre plattformen som sin egen, mens støtte for videresalgskanaler gir en mekanisme for å selge kapasitet. Disse funksjonene bidrar til å forklare vektleggingen av måling og videresalg: Det foreslåtte datasenteret kan støtte en lokal AI-skyvirksomhet med flere kunder, parallelt med isolerte driftsmiljøer.

Kasakhstans argument for regional AI-kapasitet

Selskapenes begrunnelse for valg av lokasjon kombinerer konkurransedyktige energipriser, tilgjengelig land og lavere kjølekostnader med en regjering som behandler AI-infrastruktur som en nasjonal prioritet. Beliggenheten og common law-rammeverket ved Astana International Financial Centre utvider denne begrunnelsen fra driftskostnader til også å omfatte regional rekkevidde og de juridiske rammevilkårene for kunder i nabolandene.

Tengrais administrerende direktør Nurassyl Medeu sa at målet var å gjøre Kasakhstan til «et ledende knutepunkt for AI-tokener i Sentral-Asia», og viste til Gcores erfaring med å drive GPU-skyer i stor skala og samarbeide med teleoperatører.

Intensjonsnotatet knytter Kasakhstans fordeler når det gjelder energi, land og jurisdiksjon til en konkret kommersiell modell: lokal fysisk infrastruktur, skyprogramvare drevet av Gcore og kapasitet som kan videreselges eller holdes isolert. Kundeutvikling er en integrert del av Gcores rolle, noe som gjør etterspørselsbygging sentralt for enhver overgang fra utredning til det trinnvise målet på 100 MW.

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.