Niv-AI 融资 12 万美元，旨在解决人工智能基础设施中存在的隐性算力瓶颈问题

一家新的创业公司正进入竞争日益激烈的 AI 基础设施领域，专注于一个很少登上新闻头条但正迅速成为该行业最紧迫挑战之一的限制因素：电力。

Niv-AI 该公司已结束隐身状态，并获得了来自 12 万美元的融资。 格利洛资本, 格罗夫风险投资公司, 弧形VC, 编码 VC, 跃进以及 Aurora。这家总部位于特拉维夫的公司将自身定位在能源系统和高性能计算的交汇点，目标是解决其所谓的现代数据中心内部“瞬时电力容量”危机。

问题：人工智能对权力的渴望日益增长

随着人工智能工作负载的扩展，尤其是在采用功耗密度越来越高的GPU之后，数据中心正面临着仅靠软件优化无法解决的物理限制。虽然计算能力持续增长，但在毫秒级提供稳定电力的能力却滞后了。

传统的监控系统并非为应对现代人工智能工作负载快速、波动剧烈的能耗模式而设计。为了避免设备损坏或电网不稳定，运营商往往会过度补偿，限制用电量。这导致现有基础设施严重闲置，高达30%的合同电力容量实际上处于闲置状态。

这种效率低下会带来财务影响。数据中心运营商为无法充分利用的容量付费，而人工智能公司则面临着部署速度减慢和成本增加的限制。

电力与计算之间的新层

Niv-AI 的方法引入了一个新的控制层，该控制层位于能源输送和计算工作负载之间。其平台的核心是该公司所谓的“电力指纹”——一种实时高分辨率的 AI 工作负载能耗视图。

该系统利用专用传感器，捕捉传统电表无法捕捉到的详细电力信号。这些信号随后由人工智能模型进行处理，该模型旨在预测短期用电需求波动。与传统电表在用电高峰出现后才做出反应不同，该平台会主动调整工作负载时间，巧妙地错开计算操作，从而平滑电力使用。

实际上，它的作用类似于数据中心内部的电力流量管理系统，使运营商能够在不引发不稳定的情况下，将基础设施推向其真正的极限。

超越硬件修复

目前大多数解决功耗限制的方案都依赖于物理解决方案，例如电池、电容器或对工作负载进行保守的限制。虽然这些方法在一定程度上有效，但它们会增加成本、复杂性或降低性能。

Niv-AI 认为，软件驱动的编排层无需额外硬件即可带来类似甚至更大的收益。该公司旨在通过提升细粒度的可视性和控制力，帮助运营商从现有基础设施中挖掘更多价值。

这种转变反映了数据中心优化领域的更广泛趋势，即越来越多地采用软件定义方法来管理物理限制。

对人工智能基础设施的更广泛影响

如果这类技术被证实有效，它将在未来十年内重塑数据中心的设计和运营方式。运营商不再将功率限制视为固定约束，而是将其视为可以实时主动管理的动态变量。

这带来的影响远不止效率提升。它能够延缓或减少昂贵的电网升级和新建设施的需求，尤其是在能源供应已经捉襟见肘的地区。此外，它还可能影响人工智能工作负载的调度、定价和优先级排序方式，从而引入一种融合计算编排和能源管理的全新优化维度。

从系统层面来看，电力和计算控制的融合预示着未来基础设施将日益跨层协调，而这些层级在历史上是各自独立的。随着人工智能的不断发展，协调这些层级的能力可能变得与模型架构或芯片设计的进步同等重要。