DG Matrix i InfraPartners współpracują nad platformą infrastruktury AI, aby rozwiązać problemy zasilania

Ponieważ popyt na infrastrukturę AI przyspiesza na całym świecie, jednym z największych ograniczeń branży nie jest już tylko dostęp do procesorów GPU, ale możliwość dostarczenia wystarczającej ilości energii i infrastruktury fizycznej wystarczająco szybko, aby wesprzeć następne pokolenie obciążeń AI. Przeciwko temu tłu, DG Matrix i InfraPartners ogłosiły partnerstwo skupione na budowaniu zintegrowanej platformy mającej na celu przyspieszenie wdrożenia centrów danych gotowych do AI i “fabryk AI”.

Współpraca łączy architekturę zasilania Interport 360 firmy DG Matrix z prefabricowaną platformą centrum danych AI RapidNode firmy InfraPartners. Razem, firmy twierdzą, że tworzą zintegrowany model “grid-to-rack” infrastruktury, który ma na celu skrócenie czasu wdrożenia oraz przygotowanie obiektów do przyszłych generacji sprzętu AI.

Rozwój AI zwiększa presję na infrastrukturę zasilania

Partnerstwo pojawia się w momencie, gdy hyperscalers, dostawcy chmury i operatorzy infrastruktury AI mają do czynienia z rosnącymi opóźnieniami związanymi z połączeniem z siecią i tradycyjnymi harmonogramami budowy centrów danych. Według białej księgi firm, kolejki połączeń z siecią w niektórych rynkach mogą trwać latami, podczas gdy tradycyjne projekty centrów danych mogą wymagać od 2 do 3 lat na budowę po zabezpieczeniu zasilania.

To rozbieżność staje się coraz bardziej istotna, ponieważ klastry szkoleniowe AI nadal rosną zarówno pod względem gęstości, jak i zużycia energii. Prezes NVIDIA (NVDA ), Jensen Huang, wcześniej ostrzegał, że przyszłe centra danych staną się fundamentalnie ograniczone przez energię, a dostępność infrastruktury będzie miała bezpośredni wpływ na generowanie przychodu.

Firmy twierdzą, że rozwiązanie tego wyzwania wymaga ścisłej integracji pomiędzy infrastrukturą obliczeniową a systemami energetycznymi, zamiast traktowania ich jako oddzielne warstwy.

Połączenie prefabrykowanych fabryk AI z zasilaniem zdefiniowanym przez oprogramowanie

InfraPartners skupiła się na prefabrykowanych, ulepszalnych centrach danych AI, zaprojektowanych specjalnie dla obciążeń intensywnie wykorzystujących procesory GPU. System RapidNode firmy InfraPartners wykorzystuje standardowy projekt referencyjny, w którym większość infrastruktury jest budowana w fabryce przed wdrożeniem. Według białej księgi, około 80% systemu jest wytwarzane i integrowane poza miejscem wdrożenia przed przybyciem do lokalizacji.

Szerokiej idei za prefabrykowaną infrastrukturą AI jest redukcja długich opóźnień i zmienności inżynieryjnej związanej z tradycyjnymi obiektami budowanymi w terenie. InfraPartners opisuje swój podejście jako umożliwiające skalowalne, ulepszalne centra danych zaprojektowane wokół ewoluujących architektur GPU i wyższych gęstości szaf.

DG Matrix wnosi stronę infrastruktury energetycznej poprzez swoją platformę Interport, architekturę transformatora w stanie stałym zaprojektowaną do zarządzania wieloma wejściami i wyjściami zasilania jednocześnie. Firma opisuje Interport jako oprogramowanie-konfigurowalną tkaninę zasilania, zdolną do integracji źródeł zasilania AC i DC, baterii, generatorów, energii odnawialnej i obciążeń AI w ramach zintegrowanego systemu.

Platforma jest również zaprojektowana wokół wschodzących architektur 800-VDC, których wiele osób w branży oczekuje, że przyszłe centra danych AI będą przyjmować. Biała księga stwierdza, że Interport 360 jest zaprojektowany zarówno dla modeli dystrybucji AC, jak i DC, umożliwiając operatorom infrastruktury przejście do nowszych architektur zasilania bez wymagania pełnej wymiany istniejących systemów.

Przechodzenie w kierunku “fabryk AI” zamiast tradycyjnych centrów danych

Powtarzającym się motywem w całym ogłoszeniu o partnerstwie jest idea, że infrastruktura AI ewoluuje od tradycyjnych modeli centrów danych w kierunku wyspecjalizowanych “fabryk AI”.

W przeciwieństwie do tradycyjnych centrów danych przedsiębiorstw, fabryki AI muszą zarządzać szybko zmieniającymi się generacjami GPU, wyższymi obciążeniami cieplnymi, gęstszymi szafami i fluktuacjami wymagań zasilania wytworzonymi przez obciążenia szkoleniowe AI. Biała księga podkreśla “zarządzanie obciążeniami AI” jako jedną z podstawowych możliwości platformy, odnosząc się do intensywnych i wysoko zmiennych wymagań energetycznych generowanych przez duże systemy szkoleniowe AI.

Firmy twierdzą, że ich zintegrowana architektura jest zaprojektowana do pochłaniania i stabilizacji tych fluktuacji zasilania, jednocześnie funkcjonując jako bardziej elastyczny uczestnik sieci. Obejmuje to wsparcie dla systemów energetycznych za licznikiem, funkcji bilansowania sieci, oraz oprogramowania do optymalizacji energii, mającego na celu zarządzanie wykorzystaniem obliczeniowym i zasilania w czasie rzeczywistym.

DG Matrix coraz bardziej pozycjonuje się wokół tego szerszego przejścia infrastrukturalnego. Firma niedawno pozyskała 60 milionów dolarów w ramach finansowania serii A, aby skalować wdrożenie swojej technologii transformatora w stanie stałym dla rynków infrastruktury AI i elektryfikacji.

Standaryzacja staje się strategiczną priorytetem

Jednym z bardziej godnych uwagi aspektów partnerstwa jest jego nacisk na standaryzację i powtarzalne modele wdrożeniowe. Firmy opisują platformę jako oprogramowanie-konfigurowalną dla wielu regionów geograficznych, klas napięcia, częstotliwości i wymagań sieciowych bez wymagania pełnych przebudów dla każdego wdrożenia.

Podejście to odzwierciedla szerszy trend zachodzący w branży infrastruktury AI. W miarę przyspieszania popytu, operatorzy coraz częściej szukają sposobów na przemysłowe wdrożenie, zamiast polegać na wysoko spersonalizowanych projektach dla każdego obiektu.

Biała księga argumentuje również, że ulepszalność staje się niezbędna, ponieważ cykle sprzętu AI się skracają. Obiekty pierwotnie zaprojektowane dla znacznie niższych gęstości szaf są teraz popychane w kierunku dramatycznie wyższych poziomów mocy, zmuszając operatorów do przemyślenia, jak długo infrastruktura może pozostać przydatna bez znaczących modernizacji.

InfraPartners wielokrotnie podkreślał tę koncepcję publicznie, opisując infrastrukturę AI jako coś, co musi ewoluować nieustannie wraz ze zmianami w krzemie, chłodzeniu i dostawie energii.

Przyszłość infrastruktury AI może zależeć od elastyczności zasilania

Partnerstwo między DG Matrix a InfraPartners podkreśla rosnącą rzeczywistość w branży AI: skalowanie AI staje się coraz bardziej wyzwaniem energetycznym i infrastrukturalnym, a nie tylko problemem obliczeniowym.

W miarę wzrostu rozmiarów modeli AI i rozprzestrzeniania się wdrożeń na całym świecie, przyszłe przewagi konkurencyjne mogą zależeć od tego, jak szybko operatorzy mogą zabezpieczyć zasilanie, wdrożyć infrastrukturę i dostosować obiekty do szybko zmieniających się wymagań sprzętowych.

Firmy wierzą, że zintegrowane systemy, które łączą modułowe fabryki AI, architektury zasilania zdefiniowane przez oprogramowanie oraz elastyczne zarządzanie energią, mogą stać się podstawową częścią strategii wdrożeniowych następnych pokoleń AI. Czy ten model stanie się powszechny, pozostaje nieznane, ale presja na dostawców usług, sieci i tradycyjne terminy budowlane już zmusza branżę do przemyślenia, w jaki sposób infrastruktura AI jest budowana od samego początku.