Niv-AI 12 Milyon Dolarlık Yatırım ile AI Altyapısında Gizli Güç Tıkanıklığını Çözüme Ulaşmak İçin Girişim Yapıyor

Yeni bir startup, giderek kalabalıklaşan AI altyapısı alanında, nadiren manşet olan ancak endüstrinin en önemli zorluklarından biri haline gelen bir kısıtlamaya odaklanarak ortaya çıktı: güç.

Niv-AI, Glilot Capital, Grove Ventures, Arc VC, Encoded VC, Leap Forward ve Aurora’dan 12 milyon dolarlık yatırım ile gizlilikten çıktı. Tel Aviv merkezli şirket, enerji sistemleri ve yüksek performanslı hesaplama arasındaki kesişme noktasında kendisini konumlandırıyor ve modern veri merkezleri içinde “anlık güç kapasitesi” krizi olarak adlandırdığı şeyi hedef alıyor.

Sorun: AI’ın Artan Güç Açlığı

AI iş yükleri ölçeklendiğinde, özellikle güç yoğunluğunun artmasıyla birlikte GPU’ların benimsenmesiyle, veri merkezleri fiziksel bir sınırlamayla karşılaşıyor. Yazılım optimizasyonu alone bu sorunu çözemez. Hesaplama kapasitesi devam ederken,稳il güç tesliminin milisaniye düzeyinde geride kalması devam ediyor.

Geleneksel izleme sistemleri, modern AI iş yüklerinin hızlı ve dalgalı güç tüketim kalıpları için tasarlanmadı. Ekipman hasarını veya şebeke dengesizliğini önlemek için operatörler genellikle kullanımını sınırlayarak aşırı tepki verirler. Sonuç, mevcut altyapının önemli bir bölümünün (%30’a kadar) efektif olarak boşta kalmasıdır.

Bu verimsizlik mali sonuçlara sahiptir. Veri merkezi operatörleri, tam olarak kullanamadıkları kapasite için ödeme yaparken, AI şirketleri dağıtımını yavaşlatan ve maliyeti artıran kısıtlamalarla karşı karşıya kalıyor.

Güç ve Hesaplama Arasında Yeni Bir Katman

Niv-AI’ın yaklaşımı, enerji teslimi ve hesaplama iş yükleri arasında yeni bir kontrol katmanı tanıtıyor. Platformunun çekirdeğinde, şirketin “elektriksel parmak izi” olarak adlandırdığı şey var – AI iş yüklerinin güç tüketimini gerçek zamanlı olarak yüksek çözünürlüklü bir görünüm.

Özel sensörler kullanarak, sistem geleneksel ölçüm cihazlarının kaçırdığı ayrıntılı güç sinyallerini yakalar. Bu sinyaller daha sonra kısa vadeli talep dalgalanmalarını tahmin etmek için tasarlanmış AI modelleri tarafından işlenir. Bir pik meydana geldikten sonra tepki vermek yerine, platform proaktif olarak iş yükü zamanlamasını ayarlayarak, elektrik kullanımını pürüzsüzleştirmek için hesaplama operasyonlarını ince bir şekilde sıralar.

Pratikte, bu, veri merkezindeki elektrik için bir trafik yönetim sistemi gibi çalışır, operatörlerin altyapıyı gerçek sınırlarına yaklaştırmalarına izin verirken dengesizliği tetiklemeden.

Donanım Çözümlerinin Ötesine Geçmek

Güç kısıtlamalarını ele almak için mevcut meisten girişimler, piller, kondansatörler veya iş yüklerinin muhafazakar şekilde azaltılması gibi fiziksel çözümlere dayanır. Bir dereceye kadar etkili olsalar da, bu yaklaşımlar maliyet, karmaşıklık veya performans azalması ekler.

Niv-AI, bir yazılım tarafından yönlendirilen orkestrasyon katmanının, ek donanım gerektirmeden benzer veya daha büyük kazançlar sağlayabileceğine bahis yapıyor. Görünürlüğü ve kontrolü granüler bir düzeyde iyştirerek, şirket operatörlerin mevcut altyapından daha fazla değer çıkarmalarını sağlamak istiyor.

Bu değişiklik, veri merkezi optimizasyonunda daha geniş eğilimleri yansıtıyor, burada yazılım tarafından tanımlanan yaklaşımlar fiziksel kısıtlamaları yönetmek için giderek daha fazla kullanılıyor.

AI Altyapısı için Daha Geniş İmpilikasyonlar

Eğer bu teknoloji kategorisi etkili olursa, veri merkezlerinin tasarımı ve operasyonu önümüzdeki on yıl içinde yeniden şekillendirilebilir. Operatörler, güç sınırlarını artık sabit kısıtlamalar olarak değil, gerçek zamanlı olarak aktif olarak yönetilebilecek dinamik değişkenler olarak görmeye başlayabilir.

Bu, verimlilikten daha fazlasını içerir. Pahalı şebeke güncellemeleri ve yeni tesis inşaatının gereksiz hale gelmesini veya ertelenmesini sağlayabilir, özellikle enerji erişimi zaten bir tıkanıklık olan bölgelerde. AI iş yüklerinin zamanlanması, fiyatlandırılması ve önceliklendirilmesinde yeni bir optimizasyon boyutu tanıtabilir, hesaplama orkestrasyonunu enerji yönetimıyla birleştirebilir.

Sistem düzeyinde, güç ve hesaplama kontrolünün birleşmesi, tarihsel olarak silo olarak yönetilen katmanlar arasında giderek daha fazla koordinasyonun olduğu bir gelecek öneriyor. AI ölçeklendirildikçe, bu katmanları uyumlu hale getirme yeteneği, model mimarisi veya çip tasarımı ilerlemeleri kadar önemli hale gelebilir.