Aquisições

A Nscale Compra a Anyscale para Subir na Pilha de Computação de IA

mm
Adicione Unite.AI às suas fontes preferidas no Google

A Nscale, operadora de nuvem de IA que constrói seus próprios data centers e gera sua própria energia, concordou em comprar a Anyscale, a empresa por trás do framework de computação distribuída Ray. A aquisição, anunciada em 30 de julho de 2026, coloca uma camada de orquestração de cargas de trabalho em cima da frota de GPUs da Nscale e transfere cerca de 200 funcionários da Anyscale nos Estados Unidos, Europa e Índia para a empresa com sede em Londres. Espera-se que a aquisição seja concluída na segunda metade de 2026, sujeita a condições de fechamento e aprovações regulatórias.

A Anyscale vende a plataforma gerenciada que as equipes de aprendizado de máquina usam para distribuir um trabalho em milhares de aceleradores ao mesmo tempo: preparação de dados multimodais, pré-treinamento, ajuste fino, aprendizado por reforço e serviço de inferência. Ela mantém sua marca e seus clientes existentes, que o anúncio da Nscale lista como incluindo Coinbase, Runway e Bedrock Robotics. Esses clientes continuam livres para executar em qualquer infraestrutura que usem atualmente, com a plataforma da Nscale se tornando uma opção adicional com o tempo.

Por que uma empresa de energia compra um escalonador

A proposta da Nscale até agora se baseou em possuir as camadas abaixo do acelerador: a geração, o campus, as prateleiras. Essa compra a move para cima da pilha, e o motivo está em como uma nuvem de IA gera lucro. A capacidade bruta de GPU é alugada por hora contra concorrentes que compram os mesmos sistemas Nvidia (NVDA ), então a diferença vem de quanto trabalho útil cada hora de GPU produz. Isso é decidido acima do metal, em como um trabalho é particionado, como a preparação de dados limitada por CPU entrega para o treinamento com GPU e como os aceleradores são recuperados entre iterações de aprendizado por reforço em vez de ficarem ociosos e aquecidos.

“A maioria dos provedores de infraestrutura apenas compra GPUs e as aluga”, disse Josh Payne, CEO e fundador da Nscale, que descreveu a abordagem da empresa como possuir a energia, os data centers, o computador e o software acima deles.

Essa linha de custo também é o argumento comercial da Anyscale. Em seu lançamento de 2 de junho de 2026 de uma integração nativa com o Azure, a empresa disse que os clientes relatam até quatro vezes mais rápido experimentação e até 90% menos custo total de propriedade do que pilhas fragmentadas que combinam motores de processamento de dados nativos da nuvem com APIs de modelo hospedadas. Esses são os números da Anyscale, e descrevem a camada que um vendedor de computação gostaria de possuir em vez de contornar.

A mesma lógica está aparecendo em outros lugares nos negócios de computação. A Qualcomm (QCOM ) concluiu sua aquisição total em ações da startup de compiladores Modular em julho de 2026, com base no raciocínio de que o software que decide como o hardware é usado é onde o desempenho e os custos de troca vivem.

A capacidade abaixo do acordo

A Nscale está adicionando receita de plataforma a uma construção cujas maiores parcelas chegam mais tarde. A empresa colocou sua capacidade operacional em mais de 1 GW em um anúncio de 16 de março de 2026 que cobre uma carta de intenções com a Microsoft (MSFT ) para 1,35 GW de computação de IA em seu campus Monarch, no condado de Mason, Virgínia Ocidental, construído em torno dos sistemas Vera Rubin NVL72 da Nvidia. Essa implantação chega em parcelas a partir do final de 2027, alimentada por conjuntos de geradores de gás natural da Caterpillar que escalam para 2 GW de geração local na primeira metade de 2028. A Nscale também se comprometeu a investir US$ 2,5 bilhões em centros de dados do Reino Unido.

O financiamento manteve o ritmo com esse pipeline. A Nscale concluiu uma facilidade de crédito rotativo de US$ 900 milhões em 7 de julho de 2026, sindicada por uma dúzia de bancos, incluindo J.P. Morgan, Goldman Sachs, Morgan Stanley (MS ) e MUFG. O software é vendido contra capacidade que já está em execução e contra capacidade nas nuvens de outros provedores, o que é uma forma de receita diferente de um aluguel que começa a ser entregue em 2027.

Onde Ray se encontra agora

O projeto de código aberto no centro do acordo agora se encontra sob governança neutra. O Ray se mudou para a PyTorch Foundation em 22 de outubro de 2025, juntando-se ao PyTorch e ao motor de inferência vLLM sob a Linux Foundation, com 237 milhões de downloads registrados na época. A Nscale diz que se juntará à fundação como parte da aquisição.

Essa estrutura define o que a Nscale está comprando: a plataforma comercial, a equipe de engenharia e as relações com os clientes, em cima de um framework que permanece governado pela comunidade e pode ser executado em qualquer lugar. A Anyscale diz que o Ray já executa cargas de trabalho no Cursor, Physical Intelligence e xAI, e seu produto Azure é executado dentro de uma assinatura do Azure de um cliente em vez de em hardware operado pela Anyscale. O CEO da Anyscale, Keerti Melkote, descreveu a empresa combinada como o primeiro hyperscaler de IA de pilha completa.

Para equipes de IA empresariais, a mudança de curto prazo é a opção. O CTO de campo da Anyscale, Christian Stano, explicou em uma entrevista da Unite.AI como as equipes de plataforma estão estruturando sistemas baseados em Ray para produção, e essa arquitetura é o que o acordo toca: a mesma execução, precificada e operada por uma empresa que também possui os megawatts. Uma vez que a transação seja concluída, a capacidade própria da Nscale se torna um dos lugares onde essa execução pode ser executada.

Theo Nash é um especialista em AI gerado pela Unite.AI, cobrindo infraestrutura de AI, computação e os sistemas de hardware que alimentam a inteligência artificial moderna. Seu trabalho se concentra nas fundações técnicas por trás das cargas de trabalho de AI em larga escala, incluindo centros de dados, aceleradores, redes e as pilhas de software que os unem.
Com uma perspectiva analítica e orientada por engenharia, Theo examina como os avanços em GPUs, silício personalizado, arquiteturas de memória e sistemas distribuídos permitem novas gerações de modelos de AI. Ele presta atenção especial às trocas de desempenho, eficiência energética, escalabilidade e às restrições práticas que moldam a implantação real da infraestrutura de AI.
Os artigos escritos por Theo Nash são gerados por AI e revisados pela equipe editorial da Unite.AI para garantir a precisão técnica, clareza e cobertura responsável do paisagem de computação de AI em rápida evolução.