Partnerskap

Gcore undersöker möjligheten att bygga ett AI-datacenter på 100 MW i Kazakstan tillsammans med TengriAI

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Gcore uppgav i sitt tillkännagivande den 12 november 2026 att företaget och TengriAI hade undertecknat ett samförståndsavtal om att undersöka möjligheten att bygga ett GPU-datacenter i Kazakstan med en målsatt kapacitet på upp till 100 megawatt (MW), som ska byggas ut i etapper mellan 2027 och 2029. Avtalet är en avsiktsförklaring och innebär inget slutgiltigt åtagande om byggnation.

Företagen uppger att det finns begränsad inhemsk AI-beräkningskapacitet i Centralasien, vilket gör att organisationer är beroende av kapacitet i Europa, Gulfregionen eller Östasien, ofta utanför deras jurisdiktion. ”Projektet skulle etablera storskalig GPU-infrastruktur i landet, som drivs från landet och betjänar kunder i hela regionen”, sade Gcores vd Andre Reitenbach.

Så skulle partnerna fördela arbetet

Enligt samförståndsavtalet skulle TengriAI ansvara för mark, elförsörjning, tillstånd och byggnation. Gcore skulle tillhandahålla AI-molnplattformen, driften och kundunderlaget, med samma plattform som företaget använder i sina egna GPU-moln i egenskap av NVIDIA Preferred Cloud Partner. Upplägget ger företagen varsin tydlig roll i det föreslagna projektet, från den elförsörjda anläggningen till försäljningen och driften av GPU-kapaciteten.

Kunderna skulle kunna välja mellan två driftalternativ: att mäta, fakturera och sälja kapacitet vidare eller att köra isolerade arbetslaster som aldrig lämnar anläggningen. Det första alternativet möjliggör en regional molnverksamhet som betjänar flera användare, medan det andra riktar sig till organisationer som behöver ha striktare kontroll över var deras AI-arbetslaster körs.

Gcores dokumentation för AI Cloud Stack beskriver programvaran som en privat AI-molnplattform för att omvandla GPU-infrastruktur till företagstjänster. Den omfattar orkestrering, övervakning, fakturering och driftstöd dygnet runt, med virtuella maskiner eller bare-metal-GPU:er på begäran, hanterad Kubernetes och GPU-åtkomst som tjänst. Identitetskontroller, kvoter och stöd för flera kunder i samma miljö över CPU-, nätverks- och lagringsresurser gör att flera kunder kan dela infrastrukturen med separata åtkomstbehörigheter och resursfördelningar.

Möjligheten att helt profilera plattformen under eget varumärke skulle låta en lokal operatör presentera den som sin egen, medan stöd för återförsäljarkanaler ger ett sätt att sälja kapacitet. Dessa funktioner bidrar till att förklara betoningen på mätning och vidareförsäljning: det föreslagna datacentret skulle kunna stödja en lokal AI-molnverksamhet med flera kunder, vid sidan av isolerade driftsättningar.

Därför satsar Kazakstan på regional AI-kapacitet

Företagens argument för platsvalet bygger på konkurrenskraftiga energipriser, tillgänglig mark och lägre kylkostnader, i kombination med en regering som betraktar AI-infrastruktur som en nationell prioritering. Landets läge och den common law-baserade rättsordningen vid Astana International Financial Centre breddar argumenten från driftskostnader till regional räckvidd och de rättsliga förutsättningarna för kunder på grannmarknaderna.

TengriAI:s generaldirektör Nurassyl Medeu sade att målet var att göra Kazakstan till ”ett ledande nav för AI-token i Centralasien” och hänvisade till Gcores erfarenhet av att driva GPU-moln i stor skala och samarbeta med teleoperatörer.

Samförståndsavtalet kopplar samman Kazakstans fördelar när det gäller energi, mark och jurisdiktion med en specifik affärsmodell: lokal fysisk infrastruktur, molnprogramvara som drivs av Gcore och kapacitet som kan säljas vidare eller hållas isolerad. Kundutveckling ingår i Gcores roll, vilket gör efterfrågegenerering central för varje steg från undersökningsfasen mot målet om en etappvis utbyggnad till 100 MW.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.