يمكن للتلوث البكتيري في السائل الذي يحافظ على برودة شرائح الذكاء الاصطناعي أن يجعل مجموعة من خوادم وحدة معالجة الرسومات غير متصلة بالإنترنت لمدة خمس إلى ست ساعات – وهو انقطاع غير مخطط له مشاريع نافا ويقول كوري ريلاس، أحد أعضاء مجلس إدارة شركة Omen AI، إن هذا يمكن أن يكلف مشغلي مراكز البيانات عشرات الملايين من الدولارات. المشغلون الذين يواجهون هذه الإخفاقات ليسوا متطرفين. معظم مراكز البيانات المبردة بالسوائل اليوم – المرافق التي تضم مجموعات GPU التي تعمل على تشغيل الذكاء الاصطناعي الحديث – لا تزال تراقب كيمياء سائل التبريد الخاصة بها عن طريق إرسال عينات السوائل إلى المختبر بالبريد وانتظار أيام للحصول على النتائج. في 29 يونيو، فأل منظمة العفو الدولية، وهي شركة ناشئة مقرها سان فرانسيسكو تأسست عام 2024، أعلنت عن جولة من السلسلة A بقيمة 31 مليون دولار لتغيير ذلك باستخدام مطياف مصغر يقرأ صحة سائل التبريد بشكل مستمر وفي الوقت الفعلي.
قادت الجولة شركة Nava Ventures وتضمنت CRV، وجامعة فاندربيلت، وشركة الترشيح Mann+Hummel، وStarhill Holdings، وHard Launch Capital، إلى جانب الاستثمارات الشخصية من المديرين التنفيذيين في Bridgestone، وGM، وJohnson Controls. كما استثمرت أيضًا TensorWave، وهي سحابة حوسبة تعمل بالذكاء الاصطناعي مبنية على شرائح AMD وهي بالفعل أحد عملاء Omen. ويبلغ إجمالي التمويل منذ تأسيس Omen عام 2024 الآن 40 مليون دولار.
يواجه كل حامل للذكاء الاصطناعي مشكلة كيميائية لا يستطيع معظم المشغلين رؤيتها في الوقت الفعلي
تعتمد رفوف الذكاء الاصطناعي المبردة بالسوائل على خليط متوازن بعناية من الماء ومادة مضافة للمبيدات الحيوية. عندما يرغب المشغلون في استخلاص المزيد من الأداء من مجموعات وحدات معالجة الرسومات عالية الكثافة، يمكنهم زيادة نسبة الماء – يقوم الماء بتوصيل الحرارة بشكل أفضل بنحو 30 مرة من الهواء، مما يجعله وسيلة نقل حرارية أكثر قوة. لكن الخليط الأكثر رطوبة يكون أكثر ملائمة لنمو البكتيريا. إذا تركت البكتيريا دون أن يتم اكتشافها، فإنها تستعمر السائل، وتسد خطوط التدفق، وتجبر النظام على التوقف. عندما يحدث ذلك، يكون الإصلاح القياسي هو التدفق الكامل لسائل التبريد: استنزاف النظام، واستبدال السائل، وإعادة الحامل إلى وضع التشغيل مرة أخرى – وهي عملية تستغرق من خمس إلى ست ساعات.
تلك الساعات الخمس إلى الست مهمة لأن الأجهزة التي تظل في وضع الخمول أثناء عملية التدفق هي من بين أغلى البنية التحتية في مجال الحوسبة اليوم. ويقدر المحللون أن حصة خوادم الذكاء الاصطناعي التي تتطلب تبريدًا سائلًا ستصل إلى 76% بحلول نهاية عام 2026، ارتفاعًا من 15% في عام 2024. ولم يعد نظام التبريد الذي يدير الحمل الحراري لتلك الأجهزة بمثابة بنية تحتية اختيارية، بل هو السبب وراء تشغيل الأجهزة على الإطلاق.
المشكلة التي يستهدفها الذكاء الاصطناعي Omen ليست أن البكتيريا الموجودة في سائل التبريد هي ظاهرة غير معروفة. تتمثل المشكلة في أن نهج المراقبة الحالي في الصناعة – أخذ عينات من السوائل وشحنها إلى مختبر خارجي – يقدم فارقًا يصل إلى عدة أيام بين وقت بدء مشكلة التلوث ووقت علم المشغل بها. يمكن أن يتشكل الغشاء الحيوي وقد يصبح الشطف ضروريًا قبل وقت طويل من وصول أي نتيجة معملية.
كيف يقرأ مطياف مصغر الكيمياء في الوقت الحقيقي
يعالج جهاز Omen AI تأخر المراقبة من خلال نهج مستعار من تحليلات العمليات الصناعية: قياس الطيف الضوئي للأشعة تحت الحمراء القريبة يتم تطبيقه مباشرة على حلقة المبرد. يقوم الجهاز بتسليط مصدر ضوء من خلال السائل الموجود في خط التبريد؛ تمتص الجزيئات المختلفة الضوء بأطوال موجية مختلفة، ويتم تحليل توقيع الامتصاص الناتج بواسطة برنامج معالجة الإشارات لتحديد ما هو موجود وبأي تركيز. الجهاز يراقب باستمرار أكثر من 21 توقيعًا عنصريًا وبيولوجيًا في السائل – بما في ذلك التلوث البكتيري، واستنفاد المبيدات الحيوية، وتآكل الجزيئات مثل النحاس والكروم من تدهور المضخة والسيليكون من تآكل الختم – دون مقاطعة التدفق أو الحاجة إلى استخراج عينة.
وما جعل هذا النهج قابلاً للتطبيق حديثًا هو التقارب بين اتجاهين تكنولوجيين. أصبحت الأجهزة الضوئية رخيصة بما يكفي لنشرها على نطاق واسع داخل حامل مركز البيانات بدلاً من وضعها في مختبر تحليلي مركزي. وقد نضجت برامج معالجة الإشارات إلى الحد الذي يمكنها من خلاله استخلاص قراءات كيميائية موثوقة من بيئة التدفق المستمر الصاخبة لحلقة التبريد الحية. مثل وأوضح زاك لابيرج، الرئيس التنفيذي لشركة Omen AI، فإن الاقتصاديين يفضلون الآن النشر داخل مقر العمل: “الأجهزة رخيصة بما يكفي بحيث يكون من المنطقي اللعب على نطاق واسع، ومن ثم تتيح لنا معالجة الإشارات أن نخرج من الضوضاء بشكل أكثر منطقية”.
يمكن للعملاء الاختيار بين تكوينين للنشر. يقوم الخيار الدائم بتوصيل مجموعة أجهزة استشعار مباشرة إلى نظام السوائل الخاص بالرف من أجل المراقبة المستمرة للتلوث البكتيري والمحتوى المعدني وأنماط التآكل. يوفر الخيار المحمول وحدة تشخيص لأي جهاز لإجراء فحص فوري فوري دون تثبيت دائم – وهو أمر مفيد للمنشآت التي تقوم بتقييم تعرضها قبل الالتزام بالتشغيل الكامل للمستشعر.
لماذا المخاطر أعلى مما تبدو عليه؟
تعد البنية التحتية للتبريد بالفعل ثاني أكبر محرك لانقطاعات مراكز البيانات غير المخطط لها، وهي مسؤولة عن ما يقرب من واحدة من كل خمس حوادث في جميع أنحاء العالم وفقًا لتحليل معهد Uptime. نظرًا لأن أجهزة الذكاء الاصطناعي تدفع كثافات الرفوف إلى ما هو أبعد بكثير مما يمكن أن يتعامل معه تبريد الهواء – يتوقع محللو الصناعة أن يصل الجيل التالي من رفوف الذكاء الاصطناعي إلى 370 كيلووات من سحب الطاقة – فإن العواقب التشغيلية لفشل التبريد تزداد خطورة نسبيًا.
تؤكد دراسات استخدام الطاقة في مراكز البيانات أن أنظمة التبريد تستهلك ما يصل إلى 40 بالمائة من إجمالي استهلاك الطاقة في المنشأة. عند هذا النطاق من سحب الطاقة، فإن فشل المراقبة الذي يؤدي إلى تدفق غير مخطط له لا يعد مجرد مشكلة توفر حوسبة – بل هو أيضًا حدث مالي وتشغيلي مهم. سوق التبريد السائل لمراكز البيانات العالمية بقيمة 6.6 مليار دولار في عام 2025، وفي طريقها للوصول إلى 8.2 مليار دولار في عام 2026وفقًا لشركة Grand View Research، التي تتوقع أن يتجاوز السوق 29.5 مليار دولار بحلول عام 2033 مع استمرار ارتفاع كثافة أجهزة الذكاء الاصطناعي.
الضغط التنظيمي يزيد من إلحاح الأمر. تعمل المتطلبات الفيدرالية التي تدخل حيز التنفيذ في عام 2026 على توسيع التزامات السماح والمراقبة لتصريف نظام التبريد في مرافق مراكز البيانات الكبيرة، وتضيف التشريعات على مستوى الولاية في كاليفورنيا وأيوا وميشيغان وفيرجينيا مزيدًا من متطلبات الإبلاغ حول استخدام المياه في أنظمة تبريد مراكز البيانات.
كيف وصل Omen إلى هنا: من معدات البناء إلى مجموعات GPU
بدأ Zach Laberge، المؤسس والرئيس التنفيذي لشركة Omen AI، شركته الأولى في عام 2020 عندما كان عمره 14 عامًا، حيث جمع 3 ملايين دولار لتركيب أجهزة استشعار على معدات البناء قبل ترك المدرسة الثانوية بدعم من والديه. وبعد انتهاء هذا المشروع، أسس شركة Omen في عام 2024 مع التركيز على مراقبة السوائل للآلات الصناعية الثقيلة. لقد أصبح وكلاء Caterpillar من العملاء الأوائل – وجسرًا لما جاء بعد ذلك.
تعد شركة Caterpillar أيضًا موردًا رئيسيًا للتوربينات والمولدات التي تعمل بالغاز لمراكز البيانات، وقبل ستة أشهر تقريبًا من إعلان السلسلة A، بدأ عملاء معدات البناء لشركة Omen في التساؤل عما إذا كان من الممكن تطبيق نفس تقنية مراقبة السوائل على المباني التي تعمل بها التوربينات. اكتشف Omen أن مرافق مراكز البيانات تعمل على أنظمة مرنة على كل المستويات – حلقات التدفئة والتهوية وتكييف الهواء (HVAC)، وخطوط تبريد الرقائق، ودوائر وحدة توزيع سائل التبريد – وتتمحور حول قاعدة عملاء تنمو بشكل أسرع من أي قطاع آخر في مجال الحوسبة.
والنتيجة هي شركة تخدم الآن ما يقرب من اثني عشر من عملاء مراكز البيانات إلى جانب أعمالها الأصلية في مجال المعدات الثقيلة. وصف رئيس TensorWave Piotr Tomasik المشكلة التي يعالجها Omen بعبارات صريحة، مثل ذكرت بواسطة تك كرانش: “إن السائل الذي يمر عبر هذه الأنظمة الضخمة هو متغير حاسم تتجاهله معظم الصناعة.”
الفأل ليس وحده، وهذا في حد ذاته إشارة
Omen AI ليست الشركة الوحيدة التي أدركت وجود فجوة في مراقبة سائل التبريد. أطلقت شركة Pyxis، وهي شركة راسخة لمراقبة المياه، نظامها الخاص لمراقبة كيمياء سائل التبريد في مركز البيانات في وقت سابق من شهر يونيو. جليد، التي تركز على أجهزة التبريد السائلة الدقيقة بدلاً من المراقبة، جمعت 26 مليون دولار في السلسلة B في مايو. تعكس مجموعة رؤوس الأموال المتدفقة إلى البنية التحتية للتبريد السائل – الأجهزة والكيمياء والمراقبة الآن – تحولًا هيكليًا وليس اتجاهًا: نظرًا لأن أجهزة الذكاء الاصطناعي تتطلب التبريد السائل على نطاق واسع، يصبح كل مكون من مكونات حزمة التبريد السائل قابلاً للاستثمار.
ويعزز التكوين الاستراتيجي لقائمة المستثمرين الخاصة بشركة Omen هذه القراءة. مان+هاميل هي شركة ترشيح. يدرك المستثمرون الشخصيون من Bridgestone وJohnson Controls فشل أنظمة السوائل نتيجة عقود من العمليات الصناعية. TensorWave هو عميل وكاتب شيكات في نفس الوقت – وهو أقوى شكل من أشكال التحقق يمكن أن تقدمه شركة البنية التحتية في مرحلة مبكرة.
هل يستطيع Omen أن يتوسع بالسرعة التي يرتفع بها؟
ما إذا كان بإمكان Omen أن تنمو تجاريًا بالوتيرة التي يشير إليها تمويلها هو السؤال المفتوح. إن اثني عشر عميلاً هو دليل على المفهوم، وليس موقعًا يمكن الدفاع عنه في السوق الذي سيجذب منافسين أكبر مع نضوج فئة المراقبة. دخلت شركة Pyxis نفس المساحة هذا الشهر، وأظهر قطاع الاستشعار الصناعي الأوسع أن ميزة المحرك المبكر تتآكل بسرعة بمجرد الاعتراف بالمشكلة على نطاق واسع.
تتمحور حجة أومين للتمايز حول عمق الرؤية الكيميائية – مراقبة أكثر من 21 توقيعًا عنصريًا بشكل مستمر، مقابل التوصيل الدوري والفحوصات الموضعية للأس الهيدروجيني التي توفرها معظم أنظمة الاستشعار الحالية – وعلى التوقيت. إن تطورات الأجهزة البصرية ومعالجة الإشارات التي تجعل القياس الطيفي الداخلي قابلاً للتطبيق اقتصاديًا هي حديثة، وقد قامت شركة Omen ببناء نماذج المعايرة وعمليات تكامل العملاء الخاصة بها فوق تلك النافذة قبل أن تتمكن شركات مراقبة المياه القائمة من تكييف خطوط الإنتاج الخاصة بها بشكل كامل. ما إذا كان هذا الرصاص سينجو من الاتصال بالسوق الأوسع أم لا، لا يزال يتعين إثباته في المرحلة التالية من الحجم.
الأسئلة المتداولة
كيف ينتهي الأمر بالبكتيريا في سائل تبريد مركز بيانات الذكاء الاصطناعي، ولماذا يصعب اكتشافها؟
تستخدم رفوف الذكاء الاصطناعي المبردة بالسوائل مزيجًا من الماء ومادة مضافة للمبيدات الحيوية للتحكم في الحرارة. عندما يزيد المشغلون نسبة الماء لاستخراج المزيد من الأداء من مجموعات GPU الكثيفة – يمتص الماء الحرارة بشكل أكثر فعالية من الخلائط المخففة – ينخفض تركيز المبيد الحيوي بالنسبة لمحتوى الماء، مما يجعل السائل أكثر ملاءمة لنمو البكتيريا. يمكن للبكتيريا أن تستعمر السائل وتشكل أغشية حيوية تسد خطوط التدفق قبل أن يصل التلوث إلى مستوى مرئي للموصلية القياسية أو أجهزة استشعار الأس الهيدروجيني. نظرًا لأن معيار المراقبة الحالي يتضمن إرسال عينة سائلة إلى مختبر خارجي بالبريد وانتظار عدة أيام للحصول على النتائج، فغالبًا ما لا يكون لدى المشغلين أي تحذير بأن التدفق وشيك حتى يتدهور الأداء الحراري بشكل ملحوظ.
ما هي تكلفة مراقبة التبريد السائل لمركز البيانات في فترة التوقف عند فشله؟
يؤدي تدفق سائل التبريد غير المخطط له إلى جعل وحدة معالجة الرسومات غير متصلة بالإنترنت لمدة خمس إلى ست ساعات. وصف كوري ريلاس، شريك Nava Ventures، وعضو مجلس إدارة شركة Omen AI، تكلفة الأعطال غير المخطط لها في مراكز البيانات بأنها تصل إلى عشرات الملايين من الدولارات. وجد تحليل معهد Uptime أن المشكلات المتعلقة بالتبريد كانت السبب الرئيسي الثاني لانقطاع مراكز البيانات غير المخطط لها على مستوى العالم في عام 2023، وهي مسؤولة عن حوالي واحد من كل خمس حوادث.
ما الذي يجعل القياس الطيفي في الوقت الحقيقي أفضل من اختبار سائل التبريد التقليدي؟
يقوم الاختبار التقليدي باستخراج عينة السوائل وشحنها إلى مختبر خارجي، مما يؤدي إلى حدوث فارق زمني لعدة أيام بين وقت ظهور المشكلة ووقت تلقي المشغل لبيانات قابلة للتنفيذ. يراقب مقياس الطيف الخاص بـ Omen AI كيمياء سائل التبريد بشكل مستمر، ويقرأ أكثر من 21 توقيعًا عنصريًا وبيولوجيًا في الوقت الفعلي – بما في ذلك التلوث البكتيري، وتركيز المبيدات الحيوية، وجزيئات التآكل المعدنية الناتجة عن تدهور المضخة والختم – دون مقاطعة التدفق. فجوة المراقبة التي يغلقها قياس الطيف هي النافذة بين بداية التلوث والنقطة التي يصبح عندها التدفق أمرًا لا مفر منه.
ما هي المخاطر الأخرى التي يحملها سائل التبريد السائل إلى ما هو أبعد من البكتيريا؟
يعد التلوث البكتيري الخطر الأكثر إلحاحًا من الناحية التشغيلية، ولكن جهاز Omen AI يراقب أيضًا تآكل المضخة من خلال الكشف عن التركيزات المرتفعة من جزيئات النحاس أو الكروم في السائل، وتدهور الختم من خلال وجود جزيئات السيليكون. يمكن أن يؤدي كلا وضعي الفشل إلى تقليل تدفق سائل التبريد، وزيادة خطر فشل المضخة، وفي النهاية يؤدي إلى نفس النوع من الانقطاع القسري مثل التلوث البكتيري – ولكن دون إنتاج علامات تحذير حرارية مرئية قد تنبه المشغل قبل تلف المكونات المهمة.
