Стратегия «микро-ЦОДов» против бюрократии
Компания Nvidia активно продвигает идею использования существующей инфраструктуры телеком-операторов для размещения ИИ-серверов. По данным The Information, Nvidia представила план Apollo Global Management (материнской компании Brightspeed), который затем был передан самому провайдеру. В настоящее время Nvidia запрашивает дополнительные данные и проводит инспекции объектов. Идея заключается в том, чтобы избежать многолетних задержек с разрешительной документацией и сопротивления местных жителей, характерных для строительства крупных дата-центров с нуля.
Масштаб и технические характеристики
По оценкам Nvidia, более 130 зданий Brightspeed, расположенных по всей стране, обладают необходимой энергетической инфраструктурой для работы серверов. Совокупная вычислительная мощность этих площадок может достичь 1 гигаватта. Это позволит разместить более 2 200 стоек Supermicro Vera Rubin NVL72. Каждая такая стойка содержит 72 GPU Rubin и 36 CPU Vera. Однако, несмотря на готовность электросетей, Nvidia потребуется установка систем охлаждения и другой вспомогательной архитектуры, что все же потребует согласований, но в меньших объемах, чем при новом строительстве.
| Параметр | Значение / Описание |
|---|---|
| Количество объектов | Более 130 зданий |
| Общая мощность | ~1 ГВт |
| Количество стоек | > 2 200 (Supermicro Vera Rubin NVL72) |
| Конфигурация стойки | 72 GPU Rubin + 36 CPU Vera |
| Ключевой партнер | Brightspeed (Apollo Global Management) |
Связь с Apollo и SpaceX
Решение может стать частью более крупной стратегии Apollo Global Management, которая заключила сделку на $40 млрд с SpaceX. Эта сделка предполагает поставку около 360 000 GPU Vera Rubin в 5 000 стоек NVL72. Размещение части этих чипов в существующих зданиях Brightspeed позволит Apollo быстрее запустить оборудование в работу, не дожидаясь готовности традиционных ЦОДов. Неясно, кто именно станет владельцем чипов в новых «микродатцентрах», но логистика и скорость запуска являются ключевыми факторами.
Инференс-сети и тренд на децентрализацию
Такой подход к распределению вычислений Nvidia называет «инференс-сетью» (inference network). Это особенно важно в эпоху ИИ-агентов, которые потребляют в 5–10 раз больше токенов, чем люди. Хотя для обучения моделей предпочтительны крупные однородные кластеры, для инференса (выполнения запросов) эффективнее распределенная сеть мелких узлов. Эту же модель рассматривают OpenAI и Anthropic на фоне роста числа запретов на строительство крупных ЦОДов в США (более 300 локальных запретов), что замедляет традиционное развитие инфраструктуры.
Источник: Tom's Hardware ↗