Hordozható adatközpontot dob piacra a Runware — moduláris megoldás GPU-felhők ellen

A Runware AI-infrastruktúra-cég bemutatta a Sonic Inference Pod nevű moduláris adatközpontját. Az egység egyetlen, szállítható egységként funkcionál, rugalmasabb számítási kapacitást kínálva a hyperscalerek hatalmas adatközpont-projektjei mellett. (TechCrunch)

A rendszer alacsonyabb árat, gyors skálázhatóságot, bárhol történő telepíthetőséget és az új hardverekhez való gyors alkalmazkodást kínál.

Konstruktív előnyök és hűtés

A Runware podok nem használnak vizet, hanem zárt hűtőrendszert alkalmaznak, és napok alatt felépíthetők, ellentétben a hagyományos adatközpontok hónapokat vagy éveket felölelő építési idejével. „Az inference iránti kereslet gyorsabban növekszik, mint ahogy a létesítményeket fel lehet építeni” — mondta Flaviu Radulescu, a Runware társalapítója és vezérigazgatója. „A célunk, hogy a világ intelligenciáját tápláljuk, az AI-modellek gerincét biztosítsuk olyan kapacitással, amely lépést tart a kereslettel, ahelyett, hogy azt korlátozná.”

Piaci pozíció és hálózati architektúra

A Runware jelenleg 10 podot üzemeltet az Egyesült Államokban, Európában és az ázsiai-csendes-óceáni térségben. A cég már több vállalatnak, köztük a Higgsfield AI-nak és a Wixnek is biztosít inference-t, és további 160 helyszín áll rendelkezésre a podok fogadására. A Runware tavaly decemberben 50 millió dolláros Series A befektetési kört zárt, hogy finanszírozza az infrastruktúra-bővítést.

A cég a podokba való terjeszkedést küldetésük részeként látja: az inference biztosítása a vállalatok számára, nem csupán egy termék. Eközben az olyan AI-labak, mint az OpenAI és a SpaceX, továbbra is hatalmas adatközpontokat építenek. Az OpenAI például közel áll egy 500 milliárd dolláros megállapodás megkötéséhez egy Ohio állambeli adatközpont létrehozására. Radulescu azonban nem tartja ezeket a projekteket fenyegetésnek a Sonic Inference Podokra nézve, a podok rugalmasságát kulcsfontosságú megkülönböztető tényezőként emelve ki.

„Minden pod egyetlen hálózat részeként működik, így a kérések oda irányulnak, ahol kapacitás van, közelebb a felhasználókhoz, és ha egy pod offline állapotba kerül, a forgalom átterelődik egy másikra” — mondta, hozzátéve, hogy egy rendszerhiba esetén csak egy pod áll le, nem pedig egy egész létesítmény. „Azok a vásárlók, akik dedikált hardvert szeretnének, egész podokat kapnak maguknak.”

Radulescu nem aggódik amiatt sem, hogy más cégek maguk építik meg ezt a technológiát, mivel a hardverfejlesztés lassú, és a szükséges szakértelemmel rendelkező munkaerő kevés. „Egy áramköri lap tervezési hibája hónapokat jelent az újratervezés, szimuláció, gyártás, tesztelés és szállítás között” — magyarázta. „Minden ilyen hívás megkövetel valakit, aki pontosan érti, mit csinál az egyes komponens, és mi történik, ha az eltűnik.”

Az AI-adatközpontok építése vitatott téma, különösen az erőforrásigényük miatt. Az adatközpontoknak otthont adó közösségek már jelentős emelkedést tapasztaltak a közműköltségekben. Radulescu szerint az AI-energiafelhasználás ettől függetlenül növekedni fog, „az inference iránti kereslet hajtja, nem az, hogy ki szállítja.” A Runware arra összpontosít, hogyan elégítsék ki ezt a keresletet. „Nincsenek átviteli veszteségek, nincs víz a hűtésben, és olyan meglévő energiát használunk, amely már rendelkezésre áll, ahelyett hogy új hálózati kapacitást kérnénk. Több ilyen módon épített inference kevesebb új hálózatot és kevesebb vizet jelent ugyanannyi számítási kapacitás mellett.”