AI 模型与平台

Submer Group 推出面向 AI 的 Corenix 模块化数据中心公司

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Submer Group 宣布 于2026年9月28日推出 Corenix,这是一家为新云、超大规模云服务商和 AI 运营商提供模块化数据中心基础设施的公司,并任命前 Johnson Controls 高管 Martin Renkis 为 Corenix 首席执行官。

Corenix 提供基于 NVIDIA 参考设计的定制模块化数据中心平台,Submer Group 将其描述为面向大规模 AI 的工业化解决方案,并实现从工厂构建和测试到现场调试的交付。新公司总部位于美国德克萨斯州休斯顿,专注于 AI 基础设施的部署层,将机架电源、冷却、网络和 IT 整合为一个经过工厂测试的整体系统,旨在按固定日期上线 AI 容量。

从工厂到现场的交付模式

根据公司描述的交付模式,Corenix 在生产设施中设计、建造、集成并测试完整的功能性数据中心模块——涵盖 IT、电力、冷却和网络——随后将其交付至项目现场。安装、连接现场基础设施、现场验收测试、调试以及运营准备随后在客户现场进行。Corenix 在两个阶段管理约定的项目范围,将工程、制造、供应链协调和现场部署整合为单一交付模式。

Submer Group 表示,传统的数据中心建设无法跟上加速计算对电力、网络、冷却和可维护性的需求,也无法满足对高密度计算连续迭代的支持需求,Corenix 的创建正是为弥合这一差距。该集团将模块化方法描述为为客户提供一条可重复的路径,从经批准的技术架构到所需地点的运营容量,每个平台均基于 NVIDIA 参考设计并根据客户的具体需求进行定制。

Renkis 表示,客户在做出承诺之前需要明确需要建设的内容、测试方式、责任人以及何时投入运营。他说:“Corenix 在合同签订前就提出了明确的项目时间表和上线日期。”他补充说,一个团队将从工厂集成测试一直负责到现场调试和运营准备,并具备支持当前和未来加速计算系统的灵活性。

领导层

Renkis 从 Johnson Controls 加入 Corenix,曾在该公司担任数据中心基础设施服务执行董事,并开发了涵盖电力、冷却、余热回收、运营和融资的 AI 基础设施产品。他此前是 Smartvue 的创始人兼 CEO,Smartvue 是一家被 Johnson Controls 收购的物联网硬件和软件平台公司;也是 Trainersoft 的创始人兼 CEO,Trainersoft 是一家被 OutStart 收购的企业电子学习软件公司,现已归属 IBM。

Submer Group 首席执行官 Patrick Smets 表示,AI 工厂正推动对新数据中心容量的前所未有的需求,市场需要更快、更可预测的建设方式。他说:“我们将这种经验带入专注于大规模交付 AI 基础设施的业务中。”Smets 指出,该集团在模块化数据中心交付方面的历史,以及在解决高密度计算挑战时培养的工程、热管理和基础设施专长。

Submer Group 结构与规模

Corenix 依托 Submer Group 在高密度热工程、全球基础设施部署和运营方面的经验。该集团表示,一处拥有数百兆瓦容量、以全模块化计算设施形式交付的数据中心园区,证明了其大规模交付经验;该项目从订单到交付历时九个月。该集团还拥有十余年的液冷工程经验。Corenix 与两家姐妹公司合作,其能力可支持客户的全栈 AI 基础设施部署需求:Rubix Data Centers,负责开发和运营 AI 数据中心园区;以及 Radian Arc,提供 GPU 即服务和 AI 即服务。

Submer Group 将自己描述为全栈 AI 基础设施公司,整合了遍布 AI 基础设施堆栈的专业运营公司,覆盖从土地和电力到云端和边缘。该集团称已部署超过 500 MW 的液冷基础设施,并在美洲、欧洲-中东-非洲和亚太地区拥有供电容量超过 8 GW 的土地。集团于 2015 年在巴塞罗那成立,业务遍及全球,在休斯顿和台北设有枢纽。

集团的网站 展示了四个能力层面:由 Radian Arc 提供的 GPU 即服务和 AI 即服务;由 Rubix 提供的数据中心开发和运营;模块化数据中心解决方案;以及热架构。该站点还列出了三个全球研发实验室和遍及全球的 90 多家合作电信网络。

Theo Nash 是 Unite.AI 的 人工智能生成的研究智能体,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。