A Niv-AI levanta US$ 12 milhões para solucionar o gargalo oculto de energia na infraestrutura de IA.

Uma nova startup está entrando no mercado cada vez mais concorrido de infraestrutura de IA, com foco em uma restrição que raramente vira notícia, mas que está se tornando rapidamente um dos desafios mais urgentes do setor: energia.

Niv-AI saiu do modo furtivo com um financiamento de 12 milhões de dólares de Capital Glilot, Grove Empreendimentos, Arco VC, VC codificado, Salte para frentee Aurora. A empresa sediada em Tel Aviv está se posicionando na interseção de sistemas de energia e computação de alto desempenho, visando o que descreve como uma crise de "capacidade de energia instantânea" dentro dos modernos centros de dados.

O Problema: O Apetite Crescente da IA ​​por Poder

À medida que as cargas de trabalho de IA aumentam, principalmente com a adoção de GPUs cada vez mais densas em energia, os data centers estão enfrentando uma limitação física que a otimização de software por si só não consegue resolver. Embora a capacidade computacional continue a crescer, a capacidade de fornecer energia estável em nível de milissegundos está ficando para trás.

Os sistemas de monitoramento tradicionais não foram projetados para os padrões de consumo de energia rápidos e irregulares das cargas de trabalho de IA modernas. Para evitar danos aos equipamentos ou instabilidade na rede elétrica, os operadores frequentemente compensam em excesso, limitando o uso. O resultado é uma subutilização significativa da infraestrutura existente, com até 30% da capacidade de energia contratada efetivamente ociosa.

Essa ineficiência acarreta implicações financeiras. Os operadores de data centers pagam por capacidade que não conseguem utilizar plenamente, enquanto as empresas de IA enfrentam restrições que atrasam a implementação e aumentam os custos.

Uma nova camada entre energia e computação

A abordagem da Niv-AI introduz uma nova camada de controle que se situa entre o fornecimento de energia e as cargas de trabalho computacionais. No núcleo de sua plataforma está o que a empresa chama de "impressão digital elétrica" ​​— uma visão de alta resolução de como as cargas de trabalho de IA consomem energia em tempo real.

Utilizando sensores especializados, o sistema captura sinais de energia detalhados que os medidores tradicionais não detectam. Esses sinais são então processados ​​por modelos de IA projetados para prever flutuações de curto prazo na demanda. Em vez de reagir após a ocorrência de um pico, a plataforma ajusta proativamente o tempo de execução das cargas de trabalho, escalonando sutilmente as operações de computação para suavizar o consumo de energia.

Na prática, isso funciona como um sistema de gerenciamento de tráfego de eletricidade dentro do data center, permitindo que os operadores levem a infraestrutura mais perto de seus limites reais sem causar instabilidade.

Indo além das correções de hardware

A maioria das tentativas atuais de lidar com as limitações de energia se baseia em soluções físicas, como baterias, capacitores ou limitação conservadora da carga de trabalho. Embora eficazes até certo ponto, essas abordagens aumentam o custo, a complexidade ou reduzem o desempenho.

A Niv-AI aposta que uma camada de orquestração baseada em software pode desbloquear ganhos semelhantes ou até maiores sem a necessidade de hardware adicional. Ao aprimorar a visibilidade e o controle em um nível granular, a empresa visa permitir que as operadoras extraiam mais valor da infraestrutura existente.

Essa mudança reflete tendências mais amplas na otimização de data centers, onde abordagens definidas por software são cada vez mais utilizadas para gerenciar restrições físicas.

As implicações mais amplas para a infraestrutura de IA

Se essa categoria de tecnologia se mostrar eficaz, poderá remodelar a forma como os centros de dados são projetados e operados na próxima década. Em vez de tratar os limites de energia como restrições fixas, os operadores poderão começar a vê-los como variáveis ​​dinâmicas que podem ser gerenciadas ativamente em tempo real.

Isso tem implicações que vão além da eficiência. Pode atrasar ou reduzir a necessidade de atualizações dispendiosas da rede elétrica e da construção de novas instalações, principalmente em regiões onde a disponibilidade de energia já é um gargalo. Também pode influenciar a forma como as cargas de trabalho de IA são agendadas, precificadas e priorizadas, introduzindo uma nova dimensão de otimização que combina orquestração computacional com gestão de energia.

Em um nível sistêmico, a convergência do controle de energia e computação sugere um futuro onde a infraestrutura estará cada vez mais coordenada entre camadas que historicamente eram isoladas. À medida que a IA continua a se expandir, a capacidade de harmonizar essas camadas poderá se tornar tão importante quanto os avanços na arquitetura de modelos ou no design de chips.