Site icon رسانه تخصصی هوش مصنوعی سیمرغ

راهکار ۳۱ میلیون دلاری استارتاپ Omen AI برای نجات GPU

راهکار ۳۱ میلیون دلاری استارتاپ Omen AI برای نجات GPU

راهکار ۳۱ میلیون دلاری استارتاپ Omen AI برای نجات GPU

رسانه تخصصی هوش مصنوعی سیمرغ

تقاضای سیری‌ناپذیر برای توان پردازشی هوش مصنوعی، مدیران دیتاسنترها را وادار کرده تا از هر رک (Rack) پردازنده گرافیکی (GPU) نهایت استفاده را ببرند. اما این فشار بی‌امان، پیامد عجیبی به همراه داشته است: شیوع باکتری‌ها در قلب سرورها!

استارتاپ تازه‌نفس Omen AI با توسعه یک فناوری پایش لحظه‌ای، به تازگی موفق به جذب ۳۱ میلیون دلار سرمایه سری A شده است تا به این کابوس چند میلیون دلاری در زیرساخت‌های فیزیکی هوش مصنوعی پایان دهد.

آب، باکتری و میلیون‌ها دلار ضرر خاموشی

نسل جدید تراشه‌های هوش مصنوعی به شدت داغ می‌کنند و برای مهار این حرارت، از سیستم‌های «خنک‌کننده مایع» استفاده می‌شود. مایع در گردش در این سیستم‌ها، ترکیبی از آب و مواد بازدارنده رشد باکتری است. مدیران دیتاسنترها برای اینکه بتوانند تراشه‌ها را در دماهای بالاتر و ظرفیت حداکثری به کار بگیرند، نسبت آب را در این ترکیب افزایش می‌دهند؛ چرا که آب ظرفیت گرمایی بالاتری دارد. اما این تغییر فرمول یک عارضه جانبی خطرناک دارد: رشد سریع باکتری‌ها و آلودگی‌های بیولوژیکی که باعث گرفتگی مسیرهای جریان مایع می‌شود.

برای رفع این گرفتگی، کل سیستم باید شستشو داده شود (Flushing) که به معنای خاموشی کامل یک رک سرور به مدت ۵ تا ۶ ساعت است. در دنیای هوش مصنوعی، این چند ساعت توقف می‌تواند میلیون‌ها دلار خسارت به همراه داشته باشد.

طیف‌سنج‌های مینیاتوری؛ راه‌حل هوشمندانه Omen AI

زک لابرگ (Zach Laberge)، بنیان‌گذار و مدیرعامل جوان Omen AI می‌گوید: «شما نمی‌توانید ریسک توقف‌های عظیم را بپذیرید، فقط به این دلیل که هیچ دیدگاهی نسبت به وضعیت شیمیایی مایعات درون سیستم ندارید.»

راه‌حل این استارتاپ، یک طیف‌سنج (Spectrometer) مینیاتوری است که سلامت سیالات را در لحظه پایش می‌کند. این دستگاه نه تنها رشد باکتری‌ها را پیش از تبدیل شدن به یک بحران تشخیص می‌دهد، بلکه با شناسایی ذرات مس یا کروم، استهلاک پمپ‌ها و با مشاهده ذرات سیلیکون، خرابی واشرها و عایق‌ها را نیز پیش‌بینی می‌کند. این یعنی پایان دادن به فرآیند زمان‌بر و سنتیِ نمونه‌برداری و ارسال مایعات به آزمایشگاه.

از ماشین‌آلات سنگین تا سرورهای هوش مصنوعی

داستان شکل‌گیری این ایده در نوع خود جالب است. زک لابرگ، اولین شرکت خود را در سال ۲۰۲۰ و در سن ۱۴ سالگی تأسیس کرد؛ استارتاپی برای نصب سنسور روی تجهیزات ساختمانی که ۳ میلیون دلار سرمایه جذب کرد و باعث شد او دبیرستان را ترک کند. پس از تعطیلی آن پروژه، او در سال ۲۰۲۴ شرکت Omen را با تمرکز بر سیستم‌های سیال در ماشین‌آلات سنگین (مانند تجهیزات کاترپیلار) تأسیس کرد.

اما پل ارتباطی به دنیای هوش مصنوعی چه بود؟ نمایندگی‌های کاترپیلار یکی از تأمین‌کنندگان اصلی توربین‌های گازی و ژنراتورهای تأمین برق محلی برای دیتاسنترها هستند. حدود شش ماه پیش، این نمایندگی‌ها از Omen خواستند تا سنسورهای خود را وارد بخش تأسیسات ساختمان‌های دیتاسنتر کنند. اینگونه بود که Omen متوجه شد سیستم‌های خنک‌کننده تراشه‌ها و HVAC دیتاسنترها پر از سیالاتی است که به پایش نیاز دارند.

جذب سرمایه سنگین و اعتماد غول‌های فناوری

استارتاپ Omen روز گذشته اعلام کرد در دور سری A، مبلغ ۳۱ میلیون دلار سرمایه جذب کرده است. این دور به رهبری صندوق Nava Ventures و با مشارکت سرمایه‌گذارانی چون CRV، دانشگاه وندربیلت و مدیران ارشد شرکت‌هایی مثل جنرال موتورز (GM) و جانسون کنترلز انجام شد. مجموع سرمایه این شرکت از زمان تأسیس (۲۰۲۴) تاکنون به ۴۰ میلیون دلار رسیده است.

در حال حاضر، ده‌ها دیتاسنتر از جمله TensorWave (ابر رایانشی هوش مصنوعی مبتنی بر تراشه‌های AMD) در حال استفاده از فناوری Omen هستند. کاهش چشمگیر قیمت سخت‌افزارهای نوری (Optical) در کنار پیشرفت‌ نرم‌افزارهای پردازش سیگنال، کلید اصلی توسعه این فناوری مقرون‌به‌صرفه بوده است.

تحلیل تحریریه سیمرغ: هنگامی که صحبت از راه‌اندازی زیرساخت‌های هوش مصنوعی (مانند سیستم‌های پشتیبانی RAG یا آموزش مدل‌های زبانی بزرگ) به میان می‌آید، معمولاً تمام توجه‌ها به معماری نرم‌افزار و انتخاب بین استقرار ابری (Cloud GPU) یا محلی (On-Premise) معطوف می‌شود. اما نوآوری استارتاپ Omen AI یادآوری می‌کند که پاشنه آشیل استقرارهای سازمانی سنگین، محدودیت‌های فیزیکی است. چه در حال ساخت یک کلاستر قدرتمند On-Premise باشید و چه متکی به دیتاسنترهای عظیم ابری، «مدیریت سیالات و خنک‌کننده‌ها» به اندازه خودِ کدهای هوش مصنوعی، در حفظ پایداری و جلوگیری از هزینه‌های سرسام‌آور خرابی سرورها اهمیت استراتژیک دارد. خط مقدم بعدی توسعه زیرساخت، پیوند عمیق مهندسی مکانیک با پردازش داده‌هاست.

سهراب اسکندری
دنبال‌کردن در لینکدین
نظرت چیه؟
Exit mobile version