План Omen AI щодо оптимізації центрів обробки даних повністю провалився
Попит на обчислювальну потужність, зумовлений штучним інтелектом, змушує центри обробки даних прагнути вичавити більше з кожної стійки графічних процесорів. Одним із наслідків є - бактеріальні спалахи.
Рідина для рідинно-охолоджуваних чіпів – це суміш води та речовини, яка пригнічує ріст бактерій. Щоб чіпи нагрівалися сильніше, менеджери центрів обробки даних можуть змінити суміш, додавши більше води, яка краще поглинає тепло, але призводить до неприємного забруднення, яке перешкоджає потоку. Щоб вирішити цю проблему, вони промивають систему, що може означати вимкнення стійки на п'ять або шість годин, що потенційно коштуватиме мільйони доларів.
У Omen AI є рішення: крихітний спектрометр, який може контролювати стан рідини в режимі реального часу, виявляючи ріст бактерій, перш ніж він стане масштабною проблемою. «Ви не ризикуєте величезними простоями, оскільки не маєте уявлення про те, що відбувається хімічно», – пояснює генеральний директор і засновник Зак Лаберж.
Сьогодні Omen AI заявила про залучення 31 мільйона доларів у рамках раунду фінансування Серії A, який очолювала Nava Ventures, а також залучила CRV, Університет Вандербільта, Mann+Hummel, Starhill Holdings, Hard Launch Capital, а також особисті інвестиції керівників Bridgestone, GM, Johnson Controls та Tensorwave.
Лаберж заснував свою першу компанію у 2020 році, коли йому було 14 років, зібравши 3 мільйони доларів на встановлення датчиків на будівельній техніці та зрештою кинувши середню школу. (Його батько та мати, колишній міністр освіти Онтаріо, підтримали його план прокласти власний шлях.)
Після закриття цього стартапу, Лаберж заснував Omen у 2024 році з ідеєю зосередитися на рідинних системах, оскільки вони є ключовими для того, щоб будівельна техніка була достатньо розумною, щоб знати, коли її потрібно ремонтувати. Ідея полягала в тому, щоб замінити трудомісткий процес вилучення зразків та їх відправлення до лабораторії на систему відстеження в режимі реального часу. Окрім росту бактерій, пристрій може виявляти насоси та їх знос, якщо виявляє мідь або хром, або ущільнення, якщо виявляє кремній.
Дилерські центри Caterpillar були ключовим раннім клієнтом для бізнесу важкої техніки Omen, але Cat також є основним постачальником газових турбін та генераторів для забезпечення електропостачанням центрів обробки даних. Omen швидко зрозуміла, куди дме вітер.
Omen виявила, що ці будівлі переповнені рідинами, починаючи від систем опалення, вентиляції та кондиціонування повітря і закінчуючи охолодженням мікросхем. Помітивши нову, швидкозростаючу групу потенційних клієнтів, Omen почала зосереджуватися на центрах обробки даних.
«Рідко можна побачити такого молодого засновника, який користується повагою відомих великих корпорацій у сфері, яка розвивається дещо повільніше», — сказав Корі Реллас, партнер Nava Ventures, який входить до ради директорів Omen. «Зокрема, для Omen значна частина нашої ретельності була пов’язана з знайомствами з великими клієнтами, які швидко підтвердили їхній підхід».
Компанія Omen, яка залучила 40 мільйонів доларів з моменту свого заснування у 2024 році, співпрацює з десятком клієнтів центрів обробки даних, які розширюють свою пропозицію, включаючи TensorWave, компанію, яка створює хмару для обчислень на основі штучного інтелекту на чіпах AMD.
«Рідина, що протікає через ці масивні системи, є критично важливою змінною, на яку більшість галузі не звертає уваги», – заявив президент TensorWave Пйотр Томасік. «Omen [бачить] майбутнє інфраструктури саме так, як і ми: кращий моніторинг для оптимальної підтримки клієнтів обчислювальних технологій».
Хоча багато організацій покладаються на надсилання зразків рідин до лабораторій для отримання аналітики, Omen не єдина компанія, яка розробляє локальну аналітику — Pyxis, відома фірма з моніторингу води, запустила свій продукт для моніторингу охолоджувальної рідини в центрах обробки даних на початку цього місяця.
Ключовими технологічними досягненнями, які відкрили цей підхід, є нещодавні вдосконалення як в оптичних технологіях, так і в програмному забезпеченні для обробки сигналів. «Апаратне забезпечення достатньо дешеве, щоб мати сенс працювати в великих масштабах, а обробка сигналів дозволяє нам краще зрозуміти шум», — сказав Лаберж.