Akwizycje

Nscale kupuje Anyscale, aby przesunąć się w górę stosu obliczeń AI

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Nscale, operator chmury AI, który buduje własne centra danych i wytwarza własną energię, zgodził się kupić Anyscale, firmę stojącą za frameworkiem rozproszonych obliczeń Ray. Przejęcie, ogłoszone 30 lipca 2026, dodaje warstwę orchestracji obciążeń na górze floty GPU Nscale i przenosi około 200 pracowników Anyscale w Stanach Zjednoczonych, Europie i Indiach do londyńskiej firmy. Oczekuje się, że transakcja zostanie sfinalizowana w drugiej połowie 2026 roku, pod warunkiem spełnienia warunków zamknięcia i zatwierdzenia przez organy regulacyjne.

Anyscale sprzedaje zarządzaną platformę, którą zespoły machine learning używają do rozłożenia jednego zadania na tysiące przyspieszaczy jednocześnie: przygotowanie danych multimodalnych, wstępne szkolenie, dokładne szkolenie, uczenie ze wzmocnieniem i obsługa inferencji. Zachowuje swoją markę i istniejących klientów, których ogłoszenie Nscale wymienia jako Coinbase, Runway i Bedrock Robotics. Ci klienci mogą nadal działać na dowolnej infrastrukturze, którą używają obecnie, a platforma Nscale stanie się dodatkową opcją wraz z upływem czasu.

Dlaczego firma energetyczna kupuje planista

Dotychczasowa oferta Nscale opierała się na posiadaniu warstw poniżej przyspieszacza: generacji, kampusu, szaf. To przejęcie przenosi ją w górę stosu, a powodem tkwi w tym, jak chmura AI generuje zyski. Surowa pojemność GPU jest wynajmowana za godzinę w porównaniu z konkurentami, którzy kupują te same systemy Nvidia, więc różnica polega na tym, ile użytecznej pracy wyprodukują każde godziny GPU. To jest decydowane powyżej metalu, w tym, jak zadanie jest dzielone, jak CPU-związana przygotowanie danych przekazuje do szkolenia GPU i jak przyspieszacze są odzyskiwane między wypuszczaniem uczenia ze wzmocnieniem zamiast siedzenia ciepłego i bezczynnego.

“Większość dostawców infrastruktury po prostu kupuje GPU i wynajmuje je”, powiedział Josh Payne, CEO i założyciel Nscale, który opisał podejście swojej firmy jako posiadanie energii, centrów danych, obliczeń i oprogramowania powyżej nich.

Ta linia kosztów jest również komercyjnym argumentem Anyscale. W czerwcu 2, 2026 roku, kiedy uruchomiono natywną integrację z Azure, firma powiedziała, że klienci zgłaszają do czterokrotnie szybsze eksperymentowanie i do 90% niższy całkowity koszt posiadania niż fragmentaryzowane sterty, które łączą silniki przetwarzania danych w chmurze z hostowanymi interfejsami API modeli. To są liczby Anyscale, a one opisują warstwę, którą sprzedawca obliczeń woli posiadać niż omijać.

Ten sam tok myślenia pojawia się gdzie indziej w branży obliczeniowej. Qualcomm (QCOM ) zamknął swoje przejęcie w formie akcji startupu Modular w lipcu 2026 roku, powołując się na powód, że oprogramowanie decydujące o tym, jak używane jest sprzęt, to miejsce, w którym żyją zarówno wydajność, jak i koszty przełączania.

Pojemność pod transakcją

Nscale dodaje przychody z platformy do budowy, której największe transze lądują później. Firma określiła swoją pojemność operacyjną na ponad 1 GW w ogłoszeniu z 16 marca 2026 dotyczącym listu intencyjnego z Microsoft (MSFT ) na 1,35 GW obliczeń AI w swoim kampusie Monarch w hrabstwie Mason w Wirginii Zachodniej, zbudowanym wokół systemów Nvidia (NVDA ) Vera Rubin NVL72. To wdrożenie przychodzi w transzach, rozpoczynających się pod koniec 2027 roku, zasilanych przez zestawy generatorów Caterpillar na gaz ziemny, skalujących się w kierunku 2 GW wytwarzania energii na miejscu do połowy 2028 roku. Nscale zobowiązał się również do 2,5 miliarda dolarów inwestycji w centra danych w Wielkiej Brytanii.

Finansowanie dotrzymywało kroku temu pipeline’owi. Nscale zamknął kredyt obrotowy w wysokości 900 milionów dolarów 7 lipca 2026 roku, rozproszony wśród tuzina banków, w tym J.P. Morgan, Goldman Sachs, Morgan Stanley (MS ) i MUFG. Oprogramowanie jest sprzedawane przeciwko pojemności, która już działa, oraz przeciwko pojemności na chmurach innych dostawców, co jest innym kształtem przychodu niż najem, który zaczyna dostarczać w 2027 roku.

Gdzie Ray siedzi teraz

Otwarte źródło projektu w centrum transakcji teraz podlega neutralnemu zarządzaniu. Ray przeniósł się do PyTorch Foundation 22 października 2025 roku, dołączając do PyTorch i silnika inferencji vLLM pod auspicjami Linux Foundation, z 237 milionami pobranych w tym czasie. Nscale mówi, że dołączy do fundacji w ramach przejęcia.

Ta struktura definiuje, co Nscale kupuje: komercyjną platformę, zespół inżynierski i relacje z klientami, na górze frameworku, który pozostaje zarządzany przez społeczność i działa wszędzie. Anyscale mówi, że Ray już obsługuje obciążenia w Cursor, Physical Intelligence i xAI, a jego produkt Azure działa wewnątrz własnej dzierżawy klienta Azure, a nie na sprzęcie obsługiwanym przez Anyscale. CEO Anyscale Keerti Melkote opisał połączoną firmę jako pierwszego pełnego AI-hyperscalera.

Dla zespołów AI przedsiębiorstw najbliższa zmiana to opcjonalność. CTO pola Anyscale Christian Stano wyjaśnił w wywiadzie Unite.AI, jak zespoły platformowe konstruują systemy Ray do produkcji, i ta architektura jest tym, co transakcja dotyka: ten sam środowisko uruchomieniowe, wycenione i obsługiwane przez firmę, która również posiada megawaty. Po zamknięciu transakcji własna pojemność Nscale staje się jednym z miejsc, w którym to środowisko uruchomieniowe może działać.

Theo Nash jest specjalistą wygenerowanym przez AI w Unite.AI, zajmującym się infrastrukturą AI, obliczeniami i systemami sprzętowymi, które napędzają nowoczesną sztuczną inteligencję. Jego praca koncentruje się na technicznych podstawach dużych obciążeń AI, w tym centrach danych, przyspiesznikach, sieciach i stosach oprogramowania, które je łączą.
Z analitycznej i inżynierskiej perspektywy Theo analizuje, jak postępy w zakresie GPU, niestandardowego krzemowego, architektur pamięci i systemów rozproszonych umożliwiają nowe pokolenia modeli AI. Zwraca szczególną uwagę na wymiany pomiędzy wydajnością, efektywnością energetyczną, skalowalnością i praktycznymi ograniczeniami, które kształtują wdrożenie infrastruktury AI w świecie rzeczywistym.
Artykuły napisane przez Theo Nasha są generowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI w celu zapewnienia technicznej dokładności, klarowności i odpowiedzialnego pokrycia szybko ewoluującego krajobrazu obliczeń AI.