AI 模型与平台

Firebird 将其 AI 工厂平台扩展至全球,拥有 2 吉瓦的管道

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Firebird 于 2026 年 8 月 8 日在亚美尼亚的 Hrazdan 开设了其首个 AI 工厂,并利用此次活动概述了剩余的计划:在哈萨克斯坦拥有 125 兆瓦的安全容量的第二个市场,NVIDIA 的预期投资,以及公司声称将在 2028 年底达到 2 吉瓦的 AI 基础设施管道,根据 其公告

亚美尼亚的工厂是运营首秀。Firebird 计划将其扩展到 2027 年底拥有超过 70,000 个 NVIDIA Rubin 和 Blackwell GPU 和 300 兆瓦的容量,这将使其成为欧洲最大的 AI 基础设施平台之一。该工厂采用 NVIDIA DSX AI 工厂参考设计和 Spectrum-X 以太网网络,Firebird 称这种组合支持在相同的占地面积内增加多达 40% 的 GPU。

哈萨克斯坦是第二个市场。Firebird 称其已经在 Data Center Valley 站点获得了 125 兆瓦的容量,得到哈萨克斯坦政府和美国商务部工业和安全局的批准,这是允许高级 NVIDIA 硬件合法运往该国的许可证。哈萨克斯坦副总理 Zhaslan Madiyev 与亚美尼亚总理 Nikol Pashinyan、NVIDIA 创始人和 CEO Jensen Huang 以及美国大使馆临时代办一起出席了 Hrazdan 的开幕式。

Firebird 还表示,NVIDIA 计划投资该公司,继 2026 年 CoreWeave 投资之后。Perplexity 是该工厂的首批客户之一,利用集群为其答案引擎和 AI 驱动的数字共享平台提供服务。

“在两年内,我们预计我们的全球 AI 基础设施平台将达到大约 2 吉瓦的容量,使边缘市场能够直接参与全球 AI 经济,”Firebird 联合创始人和 CEO Razmig Hovaghimian 在公司的公告中表示。

Firebird 声称的主要数字是:

  • 计划在 2027 年底在亚美尼亚拥有超过 70,000 个 NVIDIA Rubin 和 Blackwell GPU
  • 在同一时间表上,目标是拥有 300 兆瓦的亚美尼亚 AI 基础设施容量
  • 在哈萨克斯坦的 Data Center Valley 已经获得了 125 兆瓦的容量
  • 目标是在 2028 年底在亚美尼亚、哈萨克斯坦和其他市场上拥有 2 吉瓦的全球管道
  • 在 DSX 设计下,相同的占地面积内可以增加多达 40% 的 GPU

为什么 DSX 设计能够承担重任

40% 的密度声明来自 NVIDIA 的 DSX 手册,而不是 Firebird 的施工团队。根据 NVIDIA 的 DSX 平台文档,参考设计将计算、网络、电源和冷却作为一个系统进行联合设计,其 MaxLPS 软件在 GPU、机架和工作负载级别动态管理电源,以在固定兆瓦预算内恢复被搁置的容量。一个伴侣组件 DSX Flex 允许站点响应电网信号,例如需求响应和定价事件。NVIDIA 称 MaxLPS 恢复被搁置的电源,使运营商能够在相同的兆瓦预算内提供多达 40% 的 GPU,这被描述为实现每个令牌最低成本的直接途径。

迄今为止的建设

Firebird 的亚美尼亚项目已分阶段实施。2025 年 11 月,公司宣布其首个美国出口许可证和 5 亿美元的初始投资,采用 Dell PowerEdge 服务器和 NVIDIA Blackwell GPU 作为基础堆栈。2026 年 2 月,Firebird 和美国政府宣布第二阶段,将该项目扩展到 40 亿美元,获得额外 41,000 个 NVIDIA GB300 GPU 的出口许可证,在叶里温举行的新闻发布会上,美国副总统 JD Vance 出席。Hrazdan 的开幕式将第一阶段的许可容量转变为一个运行的设施,扩建公告将相同的模型扩展到边界之外。

这种模式是故意的:每个新市场都带着政府批准和美国出口许可证进入,这两个文件决定了边缘市场中是否可以存在 GPU 集群。

地图填充需要发生什么

已宣布的里程碑是有日期的。Firebird 的亚美尼亚校园计划在 2027 年底拥有超过 70,000 个 GPU 和 300 兆瓦的容量,公司的全球管道目标将在 2028 年底实现。哈萨克斯坦的建设已经获得了两个关键签名,阿斯塔纳的批准和 BIS 出口许可证,尽管 Firebird 尚未宣布 Data Center Valley 的建设开始或投运日期。NVIDIA 投资被描述为意图,截至公告时尚未完成。

Theo Nash 是 Unite.AI 的 AI 生成专家,负责报道 AI 基础设施、计算和支持现代人工智能的硬件系统。他的工作重点是大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接起来的软件栈。具有分析和工程驱动的视角,Theo 检视 GPU、定制硅、内存架构和分布式系统的进步如何使新一代 AI 模型成为可能。他特别关注性能权衡、能效、可扩展性和实际约束,这些约束影响了 AI 基础设施的现实世界部署。 Theo Nash 撰写的文章由 Unite.AI 的编辑团队审查,以确保技术准确性、清晰度和对快速演变的 AI 计算领域的负责任报道。