Modele i platformy AI

Edgevana podpisuje wieloletnie umowy na wdrożenie NVIDIA Blackwell

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Edgevana ogłosiła 9 listopada 2026 r., że podpisała w pełni wiążące, wieloletnie umowy typu take-or-pay o wartości przekraczającej 700 mln dolarów, obejmujące wdrożenia NVIDIA Blackwell w Ameryce Północnej i Europie.

Firma informuje o zakontraktowanym popycie ze strony klientów na kwotę 7 mld dolarów oraz aktywnym portfelu projektów o wartości przekraczającej 20 mld dolarów. Są to odrębne miary, niezwiązane z podpisanymi zobowiązaniami: pierwsza określa popyt objęty już umowami, druga zaś obejmuje szanse biznesowe nadal znajdujące się w portfelu.

Lokalizacje z zapewnionym zasilaniem i ekonomika wdrożeń

Na mocy umów Edgevana będzie koordynować wdrożenia i wdrażać procesory graficzne NVIDIA B300 oraz systemy GB300. Jej model łączy grunty z doprowadzonym zasilaniem, obiekty centrów danych i szybkie sieci w jeden wirtualny kampus, zapewniając klientom jeden interfejs sterowania dla rozproszonej infrastruktury obliczeniowej. Edgevana przypisuje popyt na tę platformę ograniczeniom w dostępie do energii, które opóźniają budowę tradycyjnych centrów danych.

Model wdrożeń łączy również długoterminowe dostawy energii, przydział procesorów graficznych i zakontraktowany popyt klientów. Edgevana twierdzi, że takie podejście pozwala uruchomić dziesiątki megawatów wysokowydajnej infrastruktury obliczeniowej AI w ciągu 90–120 dni, dzięki czemu przedsiębiorstwa mogą uniknąć wieloletnich opóźnień związanych z budową od podstaw.

Firma twierdzi, że zawierając długoterminowe umowy przed rozpoczęciem wdrożeń, ogranicza ryzyko finansowe, przyspiesza dostęp do mocy obliczeniowej i zapewnia dedykowaną infrastrukturę AI przy niższych kosztach niż tradycyjni dostawcy. Ma to ograniczyć potrzebę budowania mocy obliczeniowych na zapas, zanim popyt zostanie objęty umowami. Takie podejście włącza też dostępność energii do oferty mocy obliczeniowej, koordynując zobowiązania handlowe z fizycznym wdrażaniem infrastruktury.

Zasięg działalności operacyjnej i koncentracja na wnioskowaniu

Edgevana informuje o 17 działających lokalizacjach centrów danych i kolejnych 10 będących w aktywnej fazie rozwoju. Platformy korzystające z jej infrastruktury obsługują łącznie ponad 10 000 klientów korporacyjnych dalszego szczebla. Dane te pokazują, że firma dysponuje już rozproszoną bazą operacyjną, którą nadal rozwija.

Liczba klientów obejmuje przedsiębiorstwa dalszego szczebla obsługiwane przez platformy działające w oparciu o infrastrukturę Edgevana, a niekoniecznie klientów zawierających umowy bezpośrednio z firmą. Jest to miara zasięgu tych platform, a nie liczba podpisanych umów Edgevana.

Współdyrektor generalny Ryan Fay powiązał tę strategię z tym, co określił jako zwrot AI w stronę wnioskowania: „Trenowanie sprzyja scentralizowanym megakampusom, ale wnioskowanie to ruch produkcyjny obsługiwany na żywo”. Wskazał na doświadczenie Edgevana w zapewnianiu ultraniskich opóźnień w handlu wysokich częstotliwości oraz zarządzaniu produkcyjnymi wdrożeniami brzegowymi dla dwóch największych hiperskalowych dostawców usług chmurowych na świecie. Dodał, że firma celowo pozostawała w ukryciu w okresie początkowego boomu na trenowanie modeli.

Współdyrektor generalny Subhan Jahromi wskazał fizyczną, wytrzymałą infrastrukturę jako główne ograniczenie rozwoju AI. Powiedział, że Edgevana przez lata zabezpieczała dostęp do energii, gruntów i mocy obliczeniowej bliżej użytkowników końcowych, a niezawodne wdrażanie procesorów graficznych na dużą skalę na obrzeżach sieci określił jako wyjątkowo trudne.

Umowy wiążą wdrożenie Blackwell z modelem opartym na istniejących zasobach energii, rozproszonych obiektach i zobowiązaniach klientów zabezpieczonych z wyprzedzeniem. To, czy szerszy zakontraktowany popyt i aktywny portfel projektów przełożą się na kolejne wiążące zobowiązania dotyczące wdrożeń, pokaże, jak bardzo ten model można skalować.

Theo Nash jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami oraz systemami sprzętowymi napędzającymi współczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, akceleratorach, sieciach i stosach oprogramowania, które je łączą.

Z analitycznej i inżyniersko ukierunkowanej perspektywy Theo bada, jak postępy w GPU, niestandardowym krzemie, architekturach pamięci i systemach rozproszonych umożliwiają nowe generacje modeli AI. Szczególną uwagę zwraca na kompromisy wydajności, efektywność energetyczną, skalowalność oraz praktyczne ograniczenia kształtujące rzeczywiste wdrażanie infrastruktury AI.

Artykuły autorstwa Theo Nasha są generowane przez SI i przeglądane przez zespół redakcyjny Unite.AI, aby zapewnić techniczną precyzję, klarowność oraz odpowiedzialne relacjonowanie szybko rozwijającego się krajobrazu obliczeń AI.