Partnerstwa
DG Matrix i InfraPartners łączą siły w infrastrukturze AI, by rozwiązać problemy z zasilaniem

Kluczowe punktyDG Matrix i InfraPartners łączą infrastrukturę od sieci do szafy, aby skrócić czas…
Zobacz więcej
- DG Matrix i InfraPartners łączą infrastrukturę od sieci do szafy, aby skrócić czas wdrażania centrów danych AI.
- Platforma Interport 360 wykorzystuje programowalne transformatory półprzewodnikowe do zarządzania energią AC i DC dla fabryk AI.
- Główne wąskie gardło infrastruktury AI przesuwa się z dostępu do GPU na opóźnienia w dostarczaniu energii i przyłączaniu do sieci.
W miarę jak popyt na infrastrukturę AI rośnie coraz szybciej na całym świecie, jednym z największych ograniczeń branży przestaje być sam dostęp do GPU. Równie istotna staje się zdolność do odpowiednio szybkiego zapewnienia wystarczającej mocy elektrycznej i infrastruktury fizycznej dla zadań AI nowej generacji. W tym kontekście DG Matrix i InfraPartners ogłosiły partnerstwo, którego celem jest budowa zintegrowanej platformy przyspieszającej wdrażanie centrów danych przystosowanych do AI oraz «fabryk AI».
Współpraca łączy architekturę zasilania Interport 360 firmy DG Matrix z RapidNode, platformą prefabrykowanych centrów danych AI firmy InfraPartners. Przedsiębiorstwa deklarują, że wspólnie tworzą jednolity model infrastruktury «od sieci elektroenergetycznej do szafy serwerowej», który ma skrócić czas wdrożenia, a zarazem przygotować obiekty na przyszłe generacje sprzętu AI.
Rozwój AI zwiększa presję na infrastrukturę elektroenergetyczną
Partnerstwo powstaje w czasie, gdy operatorzy centrów danych o ogromnej skali, dostawcy chmury i operatorzy infrastruktury AI mierzą się z rosnącymi opóźnieniami przy podłączaniu do sieci elektroenergetycznej oraz tradycyjnej budowie centrów danych. Według białej księgi obu firm na przyłączenie do sieci na niektórych rynkach można czekać latami. Budowa tradycyjnych centrów danych może następnie trwać od dwóch do trzech lat po zapewnieniu zasilania.
Ta rozbieżność nabiera znaczenia, ponieważ klastry do trenowania AI zwiększają zarówno swoją gęstość, jak i pobór mocy. Jensen Huang, dyrektor generalny NVIDIA (NVDA ), ostrzegał wcześniej, że przyszłe centra danych będą zasadniczo ograniczane dostępną mocą elektryczną, a dostępność infrastruktury bezpośrednio wpłynie na generowanie przychodów.
Firmy przekonują, że rozwiązanie tego wyzwania wymaga ściślejszej integracji infrastruktury obliczeniowej z systemami energetycznymi, zamiast traktowania ich jako oddzielnych warstw.
Prefabrykowane fabryki AI połączone z zasilaniem definiowanym programowo
InfraPartners koncentruje działalność na prefabrykowanych centrach danych AI, które można modernizować i które zaprojektowano specjalnie z myślą o zadaniach intensywnie wykorzystujących GPU. System RapidNode opiera się na ustandaryzowanym projekcie referencyjnym, w którym dużą część infrastruktury buduje się w fabryce przed wdrożeniem. Według białej księgi około 80% systemu jest wytwarzane i integrowane poza miejscem instalacji, zanim zostanie tam dostarczone.
Szerszym celem prefabrykowanej infrastruktury AI jest ograniczenie długich opóźnień i różnic w wykonaniu technicznym, charakterystycznych dla obiektów budowanych tradycyjnie na miejscu. InfraPartners opisuje swoje podejście jako sposób na tworzenie skalowalnych, modernizowalnych centrów danych dostosowanych do ewoluujących architektur GPU i większej gęstości szaf serwerowych.
DG Matrix wnosi do współpracy infrastrukturę energetyczną za pośrednictwem swojej platformy Interport, czyli architektury transformatora półprzewodnikowego zaprojektowanej do jednoczesnego zarządzania wieloma wejściami i wyjściami zasilania. Firma opisuje Interport jako programowo konfigurowalną strukturę zasilania, która może łączyć w jednym systemie źródła prądu przemiennego i stałego, akumulatory, generatory, energię odnawialną oraz zadania AI.
Platformę zaprojektowano również z uwzględnieniem rozwijających się architektur prądu stałego o napięciu 800 V, których zastosowania w przyszłych centrach danych AI spodziewa się wiele osób w branży. Biała księga wskazuje, że Interport 360 obsługuje zarówno dystrybucję prądu przemiennego, jak i stałego. Dzięki temu operatorzy mogą przechodzić na nowsze architektury zasilania bez całkowitej wymiany istniejących systemów.
Od tradycyjnych centrów danych do «fabryk AI»
W komunikacie o partnerstwie powraca myśl, że infrastruktura AI odchodzi od tradycyjnych modeli centrów danych w stronę wysoce wyspecjalizowanych «fabryk AI».
W przeciwieństwie do tradycyjnych firmowych centrów danych fabryki AI muszą radzić sobie z szybko zmieniającymi się generacjami GPU, większym obciążeniem cieplnym, coraz gęściej wypełnionymi szafami i wahaniami zapotrzebowania na moc związanymi z trenowaniem AI. Biała księga wymienia «zarządzanie impulsowym obciążeniem AI» jako jedną z kluczowych funkcji platformy. Chodzi o wysokie i silnie zmienne zapotrzebowanie na energię wytwarzane przez wielkoskalowe systemy treningowe AI.
Firmy twierdzą, że ich zintegrowana architektura ma pochłaniać i stabilizować te wahania mocy, a jednocześnie elastyczniej współpracować z siecią elektroenergetyczną. Obejmuje to obsługę systemów energetycznych po stronie odbiorcy za licznikiem, funkcje bilansowania sieci oraz oprogramowanie do optymalizacji energii, które ma zarządzać wykorzystaniem zasobów obliczeniowych i mocy elektrycznej w czasie rzeczywistym.
DG Matrix coraz wyraźniej wiąże swoją pozycję z tą szerszą transformacją infrastruktury. Firma pozyskała niedawno 60 milionów dolarów w rundzie finansowania serii A, aby zwiększyć skalę wdrażania technologii transformatorów półprzewodnikowych na rynkach infrastruktury AI i elektryfikacji.
Standaryzacja staje się strategicznym priorytetem
Jednym z bardziej godnych uwagi aspektów partnerstwa jest nacisk na standaryzację i powtarzalne modele wdrożeń. Firmy opisują platformę jako programowo konfigurowalną dla różnych regionów geograficznych, klas napięcia, częstotliwości i wymagań sieci, bez konieczności pełnego przeprojektowania przy każdym wdrożeniu.
Podejście to odzwierciedla szerszą zmianę w branży infrastruktury AI. Wraz z przyspieszającym wzrostem popytu operatorzy coraz częściej szukają sposobów uprzemysłowienia wdrożeń, zamiast polegać na projektach silnie dostosowanych indywidualnie do każdego obiektu.
Biała księga przekonuje również, że możliwość modernizacji staje się niezbędna w miarę skracania cykli odnowy sprzętu AI. Od obiektów pierwotnie zaprojektowanych dla znacznie mniejszej gęstości szaf wymaga się teraz obsługi radykalnie większych poziomów mocy. Zmusza to operatorów do ponownej oceny, jak długo infrastruktura może pozostawać użyteczna bez poważnych przebudów.
InfraPartners wielokrotnie podkreślała tę myśl publicznie, wskazując, że infrastruktura AI musi nieustannie rozwijać się wraz ze zmianami w technologiach półprzewodnikowych oraz wymaganiach dotyczących chłodzenia i zasilania.
Przyszłość infrastruktury AI może zależeć od elastyczności zasilania
Partnerstwo DG Matrix i InfraPartners uwypukla coraz wyraźniejszą rzeczywistość w branży AI: skalowanie AI staje się w coraz większym stopniu wyzwaniem energetycznym i infrastrukturalnym, a nie jedynie problemem mocy obliczeniowej.
W miarę wzrostu rozmiarów modeli AI i rozszerzania wdrożeń na cały świat przyszłe przewagi konkurencyjne mogą zależeć od tego, jak szybko operatorzy zapewnią zasilanie, wdrożą infrastrukturę i dostosują obiekty do szybko zmieniających się wymagań sprzętowych.
Firmy uważają, że zintegrowane systemy łączące modułowe fabryki AI, programowo definiowane architektury zasilania i elastyczne zarządzanie energią mogłyby stać się podstawowym elementem strategii wdrażania AI następnej generacji. Dopiero okaże się, czy model ten stanie się powszechny. Jednak presja na przedsiębiorstwa energetyczne, sieci i tradycyjne harmonogramy budowy już skłania branżę do ponownego przemyślenia samego sposobu budowania infrastruktury AI.












