Попит на обчислювальні потужності для ШІ змушує операторів дата-центрів вичавлювати максимум із кожного стелажа GPU. Один із наслідків — бактеріальні спалахи в системах охолодження.
Рідина для рідинного охолодження чипів — це суміш води та речовини, що стримує ріст бактерій. Щоб запускати чипи на вищих температурах, менеджери дата-центрів змінюють склад суміші, додаючи більше води, яка краще відводить тепло. Але це призводить до неприємного забруднення, що забиває контур циркуляції. Щоб вирішити проблему, систему доводиться промивати, а це може означати зупинку стелажа на п’ять–шість годин із потенційними збитками в мільйони доларів.
Omen AI пропонує розв’язання: крихітний спектрометр, який у режимі реального часу контролює «здоров’я» цієї рідини, виявляючи ріст бактерій ще до того, як він перетвориться на велику проблему. «Ви не ризикуєте величезними простоями лише тому, що не маєте уявлення, що відбувається на хімічному рівні», пояснює CEO та засновник компанії Зак Лаберж.
Сьогодні Omen AI повідомила про залучення $31 млн у рамках раунду Series A, який очолив фонд Nava Ventures. У раунді також взяли участь CRV, Університет Вандербільта, Mann+Hummel, Starhill Holdings і Hard Launch Capital, а також низка приватних інвесторів з числа керівників Bridgestone, GM, Johnson Controls і TensorWave.
Лаберж заснував свою першу компанію у 2020 році, коли йому було 14. Він залучив $3 млн для встановлення сенсорів на будівельну техніку, а згодом залишив школу. (Його батько та мати, колишня міністерка освіти Онтаріо, підтримали його рішення йти власним шляхом.)
Після закриття першого стартапу Лаберж у 2024 році запустив Omen, зосередившись на рідинних системах як ключовому елементі для того, щоб будівельна техніка «розуміла», коли їй потрібен ремонт. Ідея полягала в тому, щоб замінити повільний процес відбору проб і відправлення їх до лабораторії на моніторинг у режимі реального часу. Окрім бактеріального росту, пристрій може виявляти зношування насосів, якщо фіксує мідь або хром, чи пошкодження ущільнень, якщо виявляє силікон.
Для бізнесу Omen у сегменті важкої техніки ключовими ранніми клієнтами стали дилери Caterpillar. Але Cat також є великим постачальником газових турбін і генераторів для автономного електроживлення дата-центрів. Незабаром Omen зрозуміла, куди дме вітер.
«Це й був той перехідний момент», розповів Лаберж TechCrunch. Приблизно пів року тому «багато дилерів почали казати: “Гей, ми починаємо ставити сенсори на наші турбіни, ви можете щось зробити з боку будівельної інфраструктури?”»
Omen виявила, що ці будівлі заповнені рідинами — від систем HVAC до контурів охолодження чипів. Побачивши нову, швидкозростаючу групу потенційних клієнтів, компанія почала фокусуватися на дата-центрах.
«Рідко коли бачиш настільки молодого засновника, якого поважають усталені великі корпорації в галузі, що зазвичай рухається значно повільніше», сказав партнер Nava Ventures і член ради директорів Omen Корі Реллас. «Щодо Omen, то значна частина нашого аналізу ґрунтувалася на розмовах із великими клієнтами, які дуже швидко підтвердили дієвість їхнього підходу».
Omen, яка з моменту заснування у 2024 році залучила вже $40 млн, нині працює з десятком клієнтів із числа операторів дата-центрів, розбудовуючи свою платформу. Серед них — TensorWave, компанія, що створює хмару для ШІ-обчислень на чипах AMD.
«Рідина, яка циркулює в цих гігантських системах, — критичний параметр, щодо якого більшість ринку буквально летить навмання», — заявив у пресрелізі президент TensorWave Пйотр Томасік. «Omen … бачить майбутнє інфраструктури так само, як і ми: краще моніторинг, щоб оптимально підтримувати клієнтів, яким потрібні обчислення».
Хоча багато компаній досі покладаються на відправлення зразків рідини до лабораторій, Omen не єдина, хто розробляє аналітику «на місці». Наприкінці цього місяця Pyxis, давній гравець на ринку моніторингу якості води, вивела на ринок власний продукт для контролю охолоджувальних рідин у дата-центрах.
Ключем до такого підходу стали недавні досягнення як в оптичних технологіях, так і в програмному забезпеченні для обробки сигналів. «Залізо стало достатньо дешевим, щоб із ним мало сенс працювати у великих масштабах, а обробка сигналів дозволяє нам краще відокремлювати сигнал від шуму», пояснив Лаберж.