راه‌حلی طیف‌سنجی برای مقابله با شیوع باکتری در خنک‌سازی مراکز داده؛ Omen AI مبلغ 31 میلیون دلار جذب کرد

افزایش نیاز پردازشی ناشی از هوش مصنوعی مراکز داده را وادار کرده است تا از هر رک GPU بیشترین بهره را بگیرند؛ اما این فشار بیشتر بر خنک‌سازی مایع تبعاتی هم دارد: تغییر نسبت محلول خنک‌کننده به نفع آب (که ظرفیت جذب گرمای بیشتری دارد) می‌تواند رشد باکتری را تسهیل کند و به آلودگی‌ای منجر شود که جریان را مسدود می‌کند. برای پاک‌سازی این آلودگی معمولاً لازم است رک‌ها را به مدت پنج تا شش ساعت خاموش کنند که هزینه‌های قابل‌توجهی —گاهی در مقیاس میلیون‌ها دلار— به همراه دارد.

Omen AI با ارائه یک طیف‌سنج کوچک برای پایش پیوسته کیفیت سیال خنک‌کننده، ادعا می‌کند می‌تواند رشد باکتری و آلودگی را در زمان واقعی شناسایی کند و از تبدیل مشکل به بحران جلوگیری نماید. این حسگر طیف‌سنجی، به‌جای نمونه‌برداری دستی و ارسال به آزمایشگاه، تغییرات شیمیایی و حضور عناصر فلزی ناشی از خرابی پمپ‌ها یا فرسایش مهرها (مثل حضور مس، کروم یا سیلیسیم) را ردیابی می‌کند و زمان خرابی یا نیاز به تعمیرات را زودتر هشدار می‌دهد. به گفته زک لابرج (Zach Laberge)، مؤسس و مدیرعامل Omen AI، این دید شیمیایی باعث می‌شود تا «ریسک خاموشی‌های طولانی‌مدت به‌خاطر نداشتن بینش درباره وضعیت شیمیایی سیال» کاهش یابد.

سرمایه‌گذاری و مشتریان
Omen AI روز گذشته اعلام کرد که در دور Series A، مبلغ 31 میلیون دلار جذب کرده است؛ این دور سرمایه‌گذاری با رهبری Nava Ventures انجام شد و CRV، دانشگاه وندربیلت، Mann+Hummel، Starhill Holdings و Hard Launch Capital نیز مشارکت داشتند. علاوه بر آن، سرمایه‌گذاری‌های شخصی از سوی مدیران اجرایی Bridgestone، GM، Johnson Controls و TensorWave نیز گزارش شده است. از زمان تأسیس در 2024 تاکنون Omen مجموعاً حدود 40 میلیون دلار جذب کرده و درحال همکاری با دست‌کم دوازده مشتری در حوزه مراکز داده است که از جمله آنها می‌توان به TensorWave (فعال در ساخت کلاود پردازشی AI مبتنی بر چیپ‌های AMD) اشاره کرد.

پیشینه مؤسس و مسیر توسعه محصول
زک لابرج که اولین شرکت خود را در 2020 و زمانی که 14 ساله بود تأسیس کرد، تجربه عملی در نصب حسگرها روی ماشین‌آلات سنگین و مدیریت داده‌های حسگری را دارد. پس از تعطیلی آن استارتاپ اولیه، او در 2024 Omen را با تمرکز بر نظارت بر سیستم‌های سیال (نقطه‌ضعف غالب در ماشین‌آلات و زیرساخت‌ها) بنیان گذاشت تا فرآیند وقت‌گیر نمونه‌گیری و ارسال به آزمایشگاه را با آگاهی لحظه‌ای جایگزین کند. بازار اولیه او خدمات پس از فروش نمایندگی‌های کاترپیلار در بخش ماشین‌آلات سنگین بود؛ اما نیاز به پایش سیال در توربین‌ها و ژنراتورهای تأمین برق محلی برای مراکز داده، به‌سرعت تیم را به سوی این بازار جدید هدایت کرد.

رقبا و پیشرفت‌های فنی
هرچند برخی شرکت‌ها مانند Pyxis اخیراً محصولی برای پایش خنک‌کننده مراکز داده عرضه کرده‌اند، نقطه‌عطف فنی Omen ناشی از تلفیق پیشرفت‌های اخیر در فناوری‌های اپتیکی و نرم‌افزارهای پردازش سیگنال است. کاهش هزینه سخت‌افزار و بهبود الگوریتم‌های پردازش به تیم‌ها اجازه می‌دهد تا داده‌های طیفی را به اطلاعات عملی و قابل استناد تبدیل کنند.

چرا این موضوع برای صنعت حیاتی است
مایعات در داخل سیستم‌های عظیم خنک‌کننده و زیرساخت‌های ساختمان‌ها متغیری کلیدی و اغلب نادیده گرفته‌شده‌اند؛ نبود نظارت دقیق روی این متغیر باعث می‌شود بسیاری از اپراتورهای مراکز داده «در تاریکی» عمل کنند. ابزارهای نظارتی در محل می‌توانند امکان کارکرد امن‌تر و دمایی بالاتر برای چیپ‌ها (با صرفه‌جویی در هزینه و افزایش تراکم محاسباتی) را فراهم کنند و هم‌زمان ریسک‌های ناشی از آلودگی و خرابی را به‌طور قابل‌توجهی کاهش دهند.

نتیجه‌گیری
با توجه به رشد سریع تقاضا برای محاسبات AI و اهمیت کنترل خرابی‌های فیزیکی-شیمیایی در زیرساخت‌ها، راهکارهای مبتنی بر حسگرها و تحلیل طیفی در زمان واقعی می‌توانند نقشی محوری در افزایش قابلیت اطمینان، کاهش هزینه‌های عملیاتی و بهینه‌سازی عملکرد مراکز داده ایفا کنند؛ Omen AI نمونه‌ای برجسته از این موج فناوری است که اکنون با حمایت سرمایه‌گذاران و مشتریان بزرگ در حال گسترش است.

دستیار صوتی هوش مصنوعی

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

اسکرول به بالا