Поглощения

Nscale покупает Anyscale, чтобы расширить возможности ИИ-вычислений

mm
Добавьте Unite.AI в избранные источники в Google

Nscale, оператор облачных вычислений ИИ, который строит свои собственные центры обработки данных и генерирует свою собственную энергию, согласился купить Anyscale, компанию, стоящую за фреймворком распределенных вычислений Ray. Сделка, анонсированная 30 июля 2026 года, добавляет слой оркестровки рабочих нагрузок поверх флота GPU Nscale и переводит примерно 200 сотрудников Anyscale в Лондонскую компанию. Ожидается, что сделка будет завершена во второй половине 2026 года,subject to closing conditions and regulatory approvals.

Anyscale продает управляемую платформу, которую команды машинного обучения используют для распределения одной задачи на тысячи ускорителей одновременно: многомодальная подготовка данных, предварительная подготовка, тонкая настройка, обучение с подкреплением и обслуживание вывода. Она сохраняет свой бренд и существующих клиентов, которых объявление Nscale включает в число Coinbase, Runway и Bedrock Robotics. Эти клиенты остаются свободными для запуска на любой инфраструктуре, которую они используют сейчас, с платформой Nscale, становящейся дополнительной опцией со временем.

Почему энергетическая компания покупает планировщик

До сих пор позиционирование Nscale основывалось на владении слоями ниже ускорителя: генерации, кампуса, стойки. Этот покупка перемещает ее вверх по стеку, и причина заключается в том, как облачный ИИ генерирует доход. Необработанная емкость GPU арендует по часам против конкурентов, покупающих одни и те же системы Nvidia, поэтому разница заключается в том, сколько полезной работы каждый час GPU производит. Это решается выше металла, в том, как задача разделена, как CPU-ориентированная подготовка данных передает ускорителю, и как ускорители возвращаются между запусками обучения с подкреплением вместо того, чтобы сидеть теплыми и бездейственными.

“Большинство провайдеров инфраструктуры просто покупают GPU и сдают их в аренду”, – сказал Джош Пейн, генеральный директор и основатель Nscale, который описал подход компании как владение энергией, центрами обработки данных, вычислениями и программным обеспечением над ними.

Эта линия затрат также является коммерческой аргументацией Anyscale. В своем запуске родной интеграции Azure 2 июня 2026 года компания заявила, что клиенты сообщают о до четырехкратном ускорении экспериментов и до 90% снижении общей стоимости владения по сравнению с фрагментированными стеками, которые сочетают облачные движки обработки данных с хостинговыми API-моделями. Это цифры Anyscale, и они описывают слой, который продавец вычислений предпочитает владеть, а не обходить.

Та же логика появляется в других местах в бизнесе вычислений. Qualcomm (QCOM ) завершил свою сделку по приобретению стартапа-компилятора Modular в июле 2026 года, исходя из того, что программное обеспечение, решающее, как используется оборудование, является местом, где живут производительность и затраты на переключение.

Емкость под сделкой

Nscale добавляет доход от платформы к строительству, крупнейшие транши которого приземляются позже. Компания оценила свою эксплуатационную емкость более 1 ГВт в объявлении от 16 марта 2026 года, касающемся письма о намерениях с Microsoft (MSFT ) на 1,35 ГВт вычислений ИИ на своем кампусе Monarch в округе Мейсон, Западная Вирджиния, построенном вокруг систем Nvidia (NVDA ) Vera Rubin NVL72. Это развертывание прибывает в траншах, начиная с конца 2027 года, питаемое генераторными установками Caterpillar с природным газом, масштабируемыми до 2 ГВт выработки электроэнергии на месте к первой половине 2028 года. Nscale также обязался инвестировать 2,5 миллиарда долларов в центры обработки данных Великобритании.

Финансирование поддерживало темп с этим трубопроводом. Nscale завершил кредитную линию в 900 миллионов долларов 7 июля 2026 года, синдицированную по всему десятку банков, включая J.P. Morgan, Goldman Sachs, Morgan Stanley (MS ) и MUFG. Программное обеспечение продается против емкости, которая уже работает, и против емкости на облаках других провайдеров, что является другой формой дохода, чем аренда, которая начинает поставляться в 2027 году.

Где сейчас находится Ray

Открытый проект в центре сделки теперь находится под нейтральным управлением. Ray перешел в PyTorch Foundation 22 октября 2025 года, присоединившись к PyTorch и движку вывода vLLM под управлением Linux Foundation, с 237 миллионами загрузок, зарегистрированных на тот момент. Nscale заявляет, что присоединится к фонду в рамках приобретения.

Эта структура определяет, что покупает Nscale: коммерческую платформу, инженерную команду и отношения с клиентами, поверх фреймворка, который остается управляемым сообществом и работает где угодно. Anyscale заявляет, что Ray уже несет рабочие нагрузки в Cursor, Physical Intelligence и xAI, а его продукт Azure работает внутри собственной тенанции клиента Azure, а не на оборудовании, эксплуатируемом Anyscale. Генеральный директор Anyscale Кирти Мелкоте описал объединенную компанию как первого полнофункционального гипермасштабного провайдера ИИ.

Для команд ИИ предприятий ближайшее изменение – это вариант. Полевой технический директор Anyscale Кристиан Стано изложил в интервью Unite.AI, как платформенные команды структурируют системы Ray для производства, и эта архитектура является тем, что затрагивает сделка: один и тот же runtime, ценившийся и эксплуатируемый компанией, которая также владеет мегаваттами. Как только транзакция будет завершена, собственная емкость Nscale станет одним из мест, где может работать этот runtime.

Тео Нэш - специалист, сгенерированный ИИ, в Unite.AI, освещающий инфраструктуру ИИ, вычисления и аппаратные системы, которые обеспечивают современный искусственный интеллект. Его работа сосредоточена на технических основах, лежащих в основе крупномасштабных рабочих нагрузок ИИ, включая центры данных, ускорители, сетевое взаимодействие и программные стеки, которые их объединяют.
С аналитической и инженерно-ориентированной точки зрения, Тео исследует, как достижения в области GPU, специального кремния, архитектур памяти и распределенных систем позволяют создавать новые поколения моделей ИИ. Он уделяет особое внимание компромиссам между производительностью, энергоэффективностью, масштабируемостью и практическими ограничениями, которые формируют реальное развертывание инфраструктуры ИИ.
Статьи, написанные Тео Нэшем, сгенерированы ИИ и рассмотрены редакционной командой Unite.AI, чтобы обеспечить техническую точность, ясность и ответственное освещение быстро развивающегося ландшафта вычислений ИИ.