DG Matrix 和 InfraPartners 合作打造针对电力瓶颈的 AI 基础设施平台

随着全球 AI 基础设施需求的加速增长，行业面临的最大限制不再仅仅是获取 GPU，还包括如何快速地提供足够的电力和物理基础设施来支持下一代 AI 工作负载。在此背景下，DG Matrix 和 InfraPartners 宣布了一项合作伙伴关系，旨在打造一个集成平台，以加速部署 AI 准备好的数据中心和“AI 工厂”。

该合作将 DG Matrix 的 Interport 360 电力架构与 InfraPartners 的 RapidNode 预制 AI 数据中心平台相结合。两家公司表示，他们正在创建一个统一的“电网到机架”基础设施模型，旨在减少部署时间，同时为未来几代 AI 硬件做好准备。

AI 的增长正在增加对电力基础设施的压力

该合作伙伴关系出现在超大规模计算、云服务提供商和 AI 基础设施运营商面临日益增长的延迟与电网互联和传统数据中心建设时间表相关的问题时。根据两家公司的 白皮书，某些市场的电网互联队列可能需要几年时间，而传统数据中心项目可能需要两到三年时间来建设，待电力得到保障后。

这种差异变得越来越重要，因为 AI 训练集群继续在密度和功耗方面扩大。NVIDIA (NVDA ) 首席执行官 Jensen Huang 曾警告，未来数据中心将变得基本上是功率受限的，基础设施的可用性将直接影响收入的产生。

两家公司认为，解决这个挑战需要在计算基础设施和能源系统之间实现更紧密的集成，而不是将它们视为独立的层次。

将预制 AI 工厂与软件定义电力相结合

InfraPartners 专注于预制、可升级的 AI 数据中心，专门为 GPU 密集型工作负载设计。该公司的 RapidNode 系统使用标准参考设计，其中大部分基础设施是在部署前在工厂中建造的。根据白皮书，大约 80% 的系统是在现场到达之前在外部制造和集成的。

预制 AI 基础设施的更广泛理念是减少传统现场建造设施相关的长时间延迟和工程变异性。InfraPartners 将其方法描述为实现可扩展、可升级的数据中心，围绕不断演进的 GPU 架构和更高的机架密度进行设计。

DG Matrix 通过其 Interport 平台 贡献了能源基础设施方面的解决方案，Interport 是一种固态变压器架构，旨在同时管理多个电力输入和输出。该公司将 Interport 描述为一种软件可配置的电力织物，能够集成交流和直流电源、电池、发电机、可再生能源和 AI 工作负载到一个统一的系统中。

该平台还针对行业预计未来 AI 数据中心将采用 800-VDC 架构进行设计。白皮书指出，Interport 360 既适用于交流也适用于直流配电模型，使基础设施运营商能够在无需完全更换现有系统的情况下过渡到新的电力架构。

向“AI 工厂”转变，而不是传统数据中心

在合作伙伴关系公告中反复出现的一个主题是，AI 基础设施正在从传统数据中心模型演变为高度专业化的“AI 工厂”。

与传统企业数据中心不同，AI 工厂必须管理快速变化的 GPU 世代、更高的热负荷、密度更大的机架以及由 AI 训练工作负载产生的功率需求波动。白皮书强调“AI 脉冲负载管理”作为平台的核心能力，指的是大规模 AI 训练系统产生的强烈且高度可变的能量需求。

两家公司声称，他们的集成架构旨在吸收和稳定这些功率波动，同时作为更灵活的电网参与者。包括对后表能量系统、电网平衡功能和能量优化软件的支持，旨在实时管理计算和功率利用率。

DG Matrix 日益将自己定位在这一更广泛的基础设施转型中。该公司最近获得了 6000 万美元的 A 轮融资，以扩大其固态变压器技术在 AI 基础设施和电气化市场的部署。

标准化正在成为战略优先事项

合作伙伴关系中最值得注意的方面之一是其对标准化和可复制的部署模型的强调。两家公司将该平台描述为软件可配置的，适用于多个地理区域、电压等级、频率和电网要求，无需对每个部署进行完全重新设计。

这种方法反映了 AI 基础设施行业正在发生的更广泛的转变。随着需求的加速，运营商越来越多地寻找工业化部署的方法，而不是依赖于每个设施的高度定制项目。

白皮书还认为，升级能力正在变得至关重要，因为 AI 硬件周期正在缩短。最初为远低于当前的机架密度而设计的设施现在被推向了显著更高的功率水平，迫使运营商重新思考基础设施在没有重大改造的情况下可以保持多久的可行性。

InfraPartners 一直公开强调这一概念，描述 AI 基础设施为必须与硅、冷却和电力输送需求的变化一起不断演进的东西。

AI 基础设施的未来可能取决于电力灵活性

DG Matrix 和 InfraPartners 之间的合作伙伴关系凸显了 AI 行业中日益增长的现实：扩大 AI 是越来越多地成为一个能源和基础设施挑战，而不仅仅是一个计算问题。

随着 AI 模型的规模不断增长和部署的扩展，未来竞争优势可能取决于运营商如何快速获取电力、部署基础设施以及适应快速变化的硬件需求。

两家公司认为，将模块化 AI 工厂、软件定义电力架构和灵活的能量管理集成到一起的系统可能成为下一代 AI 部署策略的基础部分。虽然这种模式是否会成为主流尚待观察，但对公用事业、电网和传统建设时间表的压力已经迫使该行业重新思考如何从一开始构建 AI 基础设施。