По мере развития рынка ИИ-агентов и активного внедрения ИИ-моделей с триллионами параметров производительность сопутствующей ИИ-инфраструктуры требует не только роста вычислительных мощностей, но и эффективного проектирования в рамках единой системы вычислений, памяти, сети и ПО. Для помощи гиперскейлерам и другим клиентам, использующим NVLink Fusion, компания предложила память NVHBM.

В традиционной архитектуре HBM-контроллер размещается на кристалле XPU, занимая некоторую площадь, которую можно было бы использовать для вычислений. NVHBM построена по той же технологии, что NVIDIA будет использовать в своих будущих GPU — кастомный контроллер памяти интегрируется в основной кристалл HBM, благодаря чему NVHBM обеспечит до 30 % роста пропускной способности памяти и до 15 % снижения энергопотребления, а также высвободит до 25 % больше площади основного кристалла XPU в сравнении со стандартной памятью HBM4E.

Источник изображения: NVIDIA

Стандартный вариант реализации NVHBM будет доступен у нескольких поставщиков памяти. Это должно снизить объём инженерных работ, необходимых для интеграции и сертификации памяти разных производителей. Заказчики NVLink Fusion смогут быстрее выводить на рынок специализированные ИИ-ускорители. Подразделение Annapurna Labs компании Amazon первым получит возможность поработать над NVHBM в рамках более широкого сотрудничества с NVIDIA по развитию NVLink Fusion, которое предполагает интеграцию NVLink Fusion в ИИ-ускорители Trainium4.

NVLink Fusion уже позволяет подключать XPU и CPU к стоечной платформе NVIDIA, партнёры компании могут получить доступ к чиплетам NVLink-C2C, сетевым коммутаторам NVLink и стойкам NVIDIA MGX. Также возможно использование широкой номенклатуры CPU различных партнёров, разработчиков ASIC и др.

В обозримом будущем жители США смогут оказаться в неведении о том, насколько ближайший от них ЦОД загрязняет атмосферу. Агентство по охране окружающей среды (US Environmental Protection Agency, EPA) отменит минимальные требования к участию общественности в выдаче разрешений на выбросы для небольших объектов, сообщает The Register.

НКО Environmental Protection Network (EPN), состоящая из бывших сотрудников самого EPA, утверждает, что предложенное изменение «правил игры» позволит обойтись без обязательных требований к уведомлению общественности и сбору обратной связи для процедуры Minor New Source Review (NSR). Речь идёт о проверке новых источников загрязнения воздуха небольших масштабов в рамках Закона о чистом воздухе (Clean Air Act, CAA).

Вместо этого регуляторы, контролирующие качество воздуха на уровне штатов и местного самоуправления, смогут сами решать, нужно ли привлекать к рассмотрению в рамках Minor NSR общественность и насколько масштабным должно быть такое участие. Фактически власти на местах смогут решать, стоит ли вообще уведомлять население о новых источниках загрязнения или изменении состояния уже действующих.

EPN направила официальные публичные комментарии к предложенным изменениям, предупредила, что в результате жители окажутся в неведении о новых проектах. Например, речь может идти о больших генераторах на ископаемом топливе для ИИ ЦОД, которые могут посчитать слишком незначительными, чтобы назначать для них более строгую процедуру проверки. Отмена федерального требования об уведомлении общественности является продолжением политики действующей администрации США по отказу от ключевого для EPA принципа прозрачности.

Источник изображения: Mihail Cioinica/unsplash.com

Ранее в текущем году представитель EPA уже заявлял, что администрация Трампа не собирается устанавливать единые экологические правила для индустрии ЦОД в масштабах страны. Утверждалось, что лучше перенести бремя таких решений на уровень отдельных штатов и органов местного самоуправления, поскольку те лучше осведомлены о ситуации с водными ресурсами, качестве воздуха и потребностях в электричестве, значительно отличающихся от региона к региону.

В EPN указали на то, что новое предложение прямо противоречит прежнему меморандуму EPA о прозрачности, в котором заявлялось, что общественности нужно обеспечить «возможность доверять работе» регулятора. Кроме того, в заявлении содержался призыв обеспечить максимальное участие общественности в процессе принятия решений. В НКО считают, что без общественного контроля объекты уровня ЦОД могут вовсе избежать ограничений на выбросы, применяемые к крупным источникам загрязнения.

Бум строительства новых ЦОД часто сталкивается с дефицитом мощностей для подключения к электросетям. Вместо ожидания подключений годами, многие выбирают строительство собственных генерирующих мощностей на территории кампусов, в первую очередь с помощью газовых турбин. Такая политика может негативно сказаться на здоровье местных сообществ из-за выбросов оксидов азота и других загрязняющих веществ.

События разворачиваются на фоне растущего противодействия жителей строительству ЦОД. Согласно недавнему опросу Gallup, более 70 % американцев были бы против возведения дата-центра в своём районе. Впрочем, индустрия ЦОД пользуется активной поддержкой президента США. Говоря о решении губернатора Техаса поставить выдачу разрешений на подключение ЦОД «на паузу», тот заявил, что мешать строительству таких объектов было бы ошибкой. Власти США уже закрывают глаза на «зелёную повестку» в ряде случаях. Например, в споре жителей со SpaceX/xAI о загрязнении атмосферы в Мемфисе Минюст США попросил суд отклонить иск к xAI, поскольку это несёт «угрозу национальной безопасности».

Meta✴ сообщила новые подробности о 667-Вт ИИ-ускорителе MTIA 300 — своём первом чипе, оптимизированном для обучения DLRM-моделей. В отличие от LLM, требующих огромной пропускной способности вычислений с плавающей запятой, рекомендательные модели сталкиваются с проблемой необходимости быстрого и эффективного взаимодействия ускорителей в сочетании с большой ёмкостью памяти и высокой пропускной способностью интерконнекта.

Их таблицы эмбеддингов могут содержать более 99 % параметров модели, что требует гибридного параллелизма, генерирующего частые коллективные операции AllReduce, AllToAll и AllGather на сотнях ускорителей. На таких чипах, как GPU, эти коммуникационные операции конкурируют с вычислениями за одни и те же ресурсы, часто приводя к неэффективному использованию дорогостоящего оборудования.

Для решения этой проблемы разработчики, используя совместную разработку MTIA 300 с HCCL, библиотекой коммуникационных интерфейсов, созданной на основе разработанного с нуля оборудования, сделали коммуникацию первостепенной задачей в проектировании микросхем. На практике HCCL обеспечивает пропускную способность передачи данных до 940 Гбайт/с в пределах одной стойки. На модели со 150 млрд параметров, работающей на 40 ускорителях, общее время обмена данными при использовании MTIA 300 в 3,9 раза меньше, чем у эквивалентного кластера на базе GPU.

Источник изображения: Meta✴

В MTIA 300 сетевой интерфейс находится внутри самой упаковки микросхемы. Два 5-нм сетевых чиплета, каждый из которых содержит по шесть специализированных 800GbE RoCE-адаптеров, обеспечивают общую пропускную способность I/O 1,2 Тбайт/с без пересечения c шиной PCIe. Это устраняет узкое место в цепочке «хост-устройство-NIC», присутствующей в традиционных архитектурах GPU, где CPU должен выступать посредником между ускорителем и сетью, и позволяет избежать перегрузки PCIe между ускорителем и NIC. При этом NIC можно гибко использовать для масштабирования.

Поскольку используются одни и те же 12 NIC на базе Ethernet для вертикального масштабирования (внутри стойки из 16 узлов, до 1 Тбайт/с) и горизонтального масштабирования (между стойками, до 200 Гбайт/с), можно гибко распределять NIC в соответствии с меняющимися потребностями. По мере изменения требований модели можно переконфигурировать сеть, а не само оборудование. Для минимизации задержки транзакций разработчики внедрили экспресс-оповещения (doorbell). Сама запись запроса на выполнение служит оповещением, исключая дополнительное чтение из памяти и экономя около 800 нс на операцию.

Источник изображения: Meta✴

В случае GPU библиотеки вроде NCCL реализуют операции коллективных коммуникаций в виде вычислительных ядер (kernel), которые используют те же ресурсы, что нужны для вычислений при обучении. Пересечение коллективных операций и операций обучения приводит к замедлению обоих и того, и другого. В MTIA 300 использовали другой подход. Наряду с матрицей из 72 3-нм вычислительных элементов (PE), чип включает 16 выделенных механизмов обработки сообщений (ME), которые обрабатывают всю коммуникацию независимо.

ME содержит ядро RISC-V для оркестрации; сетевой интерфейс, который направляет запросы к нужному NIC; вычислительный блок Near-Memory Computing (NMC), который выполняет операции редукции со скоростью 128 байт/цикл. Расположенные по краям чипа, рядом с HBM и кешем, NMC в совокупности обеспечивают пропускную способность редукции более 2,8 Тбайт/с — более чем вдвое превышающую пропускную способность I/O. Это позволяет выполнять коллективные операции AllReduce и ReduceScatter на линейной скорости NIC без использования ресурсов PE.

Источник изображения: Meta✴

В результате обеспечивается практически идеальная изоляция операций. Одновременное выполнение больших GEMM-операций с коллективными операциями приводит к снижению вычислительной пропускной способности менее чем на 0,5 %, в отличие от традиционных GPU, где снижение может превышать 20 % из-за использования одних и тех же ресурсов на обмен данными и вычисления.

Разработанная совместно с MTIA 300 библиотека HCCL вместо управления обменом данными с хостом во время выполнения компилирует каждую коллективную операцию в полный набор подграфов (массивы очередей задач с явным указанием зависимостей), которые отправляются на ME для полностью автономного выполнения. Таким образом, хост лишь единожды отправляет ускорителю набор сетевых инструкций и более не вмешивается в работу сети.

Источник изображения: Meta✴

По словам Meta✴, такая архитектура естественным образом интегрируется с PyTorch. Коллективные операции компилируются в единый граф вместе с вычислительными задачами. HCCL сама выбирает алгоритмы, учитывающие топологию сети и асимметричность полос пропускания, по возможности минимизируя межстоечный трафик. Для инференса были разработаны дополнительные пути: односторонняя коммуникация, когда PE используют экспресс-оповещения, и параллельный запуск коллективных операций по сигналу от kernel'а без прерывания работы последнего.

Компания отметила, что MTIA 300 имеет и другие плюсы 216 Гбайт HBM3E (6,1 Тбайт/с) позволяют разместить больше данных на одном чипе, а не загружать их лишний раз извне; на каждый ускоритель приходится всего один CPU, что позволяет нагружать его интенсивными вычислениями на некоторых этапах; высокая пропускная способность сети позволяет при необходимости использовать форматы данных с более высокой точностью.

Хотя сочетание умеренной FP-производительности с ёмкой и быстрой HBM в MTIA 300 изначально было оптимизировано для обучения DLRM, эти качества позволяет эффективно использовать чипа для более широкого спектра нагрузок, включая инференс моделей генеративного ИИ. Стоит отметить, что подход Meta✴ с внедрением NIC непосредственно в чип не нов сам по себе. Например, чипы Intel/Habana Gaudi2, представленные в 2022 году, использовали 24 100GbE-интерфейса RoCE для вертикального и горизонтального масштабирования.

OpenAI сообщила новые подробности об ИИ-ускорителе Jalapeño, разработанном в сотрудничестве с Broadcom, пишет The Register. Как утверждает OpenAI, Jalapeño, предназначенный для инференса, показал в тестах лучше результаты, чем текущая линейка ускорителей NVIDIA — GB200 и GB300.

Тестирование в бенчмарк-пакете SemiAnalysis InferenceX показало, что системы OpenAI на базе Jalapeño обеспечивают в 1,5–1,9 раза больший объём «работы ИИ» при пиковой пропускной способности и в 1,7–3,6 раза меньшую сквозную задержку, чем у конкурентов, на GPT-OSS-120B, DeepSeek R1 670B и Kimi K2.5 1T.

Во время внутренних тестов Jalapeño также хорошо показал себя при работе с некоторыми крупными, продвинутыми моделями OpenAI, которые ещё не выпущены. Это говорит о том, что конструкция чипа «становится более ценной по мере роста рабочих нагрузок и повышения их сложности», сообщила компания в блоге.

На системном уровне стойка со 128 ускорителями Jalapeño обеспечивает 1,7 Эфлопс 4-бит вычислений, имеет 27,5 Тбайт HBM4 с агрегированной пропускной способностью чуть менее 2 Пбайт/с. Чип сочетает вычислительный кристалл с шестью стеками HBM4 общим объёмом 216 ГиБ (15,4 Тбайт/с), обеспечивая производительность 13,4 Пфлопс в операциях MXFP4, и масштабируется до 27 Эфлопс и 432 ТиБ памяти в системе из 2048 ASIC.

Источник изображений: OpenAI/ServeTheHome

Поскольку чип демонстрирует высокие результаты при низком энергопотреблении — 700 Вт — Jalapeno позволит OpenAI экономить средства при эксплуатации своих ЦОД, где электроэнергия является ключевой статьей расходов, заявил агентству Bloomberg вице-президент по аппаратному обеспечению OpenAI Ричард Хо (Richard Ho). Новейшие стоечные системы AMD и NVIDIA работают быстрее, обеспечивая в 1,46–2 раза больше вычислительных ресурсов и до 12 % больше памяти (Helios), но имеют всего лишь 85 % пропускной способности памяти стойки OpenAI.

Ричард Хо сообщил, что чип был разработан для минимизации перемещения данных и хранения промежуточных операций. «Мы разработали Jalapeño таким образом, чтобы минимизировать перемещение данных и задержки связи. Это означает, что состояние модели, включая KV-кеш, используемый при генерации ответа, может быть явно размещено и храниться локально, пока система активирует правильную комбинацию вычислительных ресурсов, памяти и сети для каждой фазы инференса», — сообщила компания в своем блоге.

В отличие от стоек NVIDIA Groq LPX, Jalapeño не является узкоспециализированным решением. В компании сообщили ресурсу The Register, что он оптимизирован как для ресурсоёмких операций предварительного заполнения, где обрабатываются промты, так и для фазы декодирования, требующей большой пропускной способности памяти, где генерируются выходные токены.

Также следует отметить, что благодаря использованию ИИ для проектирования архитектуры и оптимизации чипа для инференса, OpenAI потратила на его разработку от начала до готовности первого пробного чипа всего девять месяцев. Процесс включал использование собственных моделей для оптимизации механизмов обработки инференса и для написания пользовательских ядер по мере внедрения новых моделей.

Преимущество Jalapeño в скорости настолько велико, что OpenAI может получать результаты, ранее достижимые только с помощью чипов, использующих другой тип памяти и конструкцию. Например, в настоящее время OpenAI использует чипы Cerebras для некоторых своих LLM, которые, по словам Хо, лучше всего подходят для небольших моделей. Jalapeño, напротив, может обрабатывать более крупные модели, отметил он.

Тем не менее, компания не собирается отказываться от сотрудничества с другими поставщиками, включая NVIDIA. «У нас огромная потребность в вычислительных мощностях, поэтому мы привлекли так много разных поставщиков, — сказал он. — Это будет продолжаться ещё некоторое время». Ожидается, что Jalapeño будет выпущен в ограниченных объёмах в конце этого года с дальнейшим увеличение производства в следующем году.

Вторая версия Jalapeño находится на продвинутой стадии разработки, готовность к производству ожидается в «ближайшие месяцы», сказал Хо. Также уже разрабатывается концепция чипа третьего поколения. The Register призвал относиться с осторожностью к заявлениям OpenAI. Новый чип тестировался в сравнении с системами NVIDIA GB200 NVL72 и GB300 NVL72, выпущенными в 2024 и 2025 годах соответственно, но не сравнивался с Vera Rubin, поставки которого только начались.

Компания Arm раскрыла дополнительные подробности о процессорах AGI, официальная презентация которых состоялась в марте нынешнего года. Эти чипы предназначены для использования в дата-центрах, ориентированных на ИИ-нагрузки. Чипы выполнены на платформе Arm Neoverse CSS V3. Конструкция включает два чиплета, каждый из которых насчитывает свыше 50 млрд транзисторов. При производстве применяется технология TSMC N3P (3 нм).

Процессоры AGI будут предлагаться в модификациях с 64, 128 и 136 ядрами Armv9.2, распределёнными между двумя чиплетами. Номинальная тактовая частота составляет 3,2 ГГц, частота с ускорением — до 3,7 ГГц. Каждое ядро содержит 2 Мбайт кеша L2 (от 128 до 272 Мбайт на чип) и два 128-бит блока SVE2, предназначенных для ускорения задач ИИ и машинного обучения. Поддерживаются форматы BF16 и INT8. Общий объём кеша на уровне системы (SLC) равен 128 Мбайт.

Источник изображений: Arm

Каждый из чиплетов содержит шесть каналов оперативной памяти (12 на процессор) с поддержкой 3 Тбайт DDR5-8800 (6 Тбайт на процессор). Суммарная пропускная способность памяти достигает 845 Гбайт/с, пропускная способность в пересчёте на ядро — от 6 до 13 Гбайт/с в зависимости от их количества.

В то время как AMD, Intel и NVIDIA используют гетерогенный многочиплетный подход для увеличения вычислительных мощностей и повышения производительности, решение Arm основано на сочетании высокой пропускной способности памяти и небольшой задержки (менее 100 нс). Благодаря отсутствию необходимости передачи данных на отдельный чиплет с контроллером памяти повышается быстродействие в задачах, чувствительных к задержкам. Внутри каждого чиплета AGI используется интерконнект CMN-S3 с топологией 8 × 9, которая связывает вычислительные ядра, память, IO-блоки и ускорители. Упомянуты фильтрация запросов к памяти (snoop filtering) и иерархическое кеширование на основе HN-S (Super Home Node) — логического блока, выполняющего функции распределительного центра. Он управляет трафиком и данными внутри чипа, чтобы ускорить обмен информацией.

Если CPU-ядру требуется обратиться к памяти на другом чиплете, запрос передаётся по когерентному межчиповому интерконнекту, но при этом задержка увеличивается. Контроллеры DDR5 поддерживают ряд функций для достижения максимальной производительности в реальных рабочих нагрузках, включая полностью внеочередное планирование команд, оптимизированное отображение адресов и программируемые политики страничной адресации. Кроме того, реализован контроль и мониторинг пропускной способности памяти на основе технологии Memory Partitioning and Monitoring (MPAM). В сочетании с приоритизацией (QoS) и обратной связью о перегрузках это позволяет управлять конфликтами, когда множеству ядер и IO-устройствам требуется пропускная способность DRAM.

Процессор имеет 96 линий PCIe 6.0 с поддержкой CXL 3.0, четыре линии PCIe 4.0, а также интерфейсы I3C, I2C и SPI. Показатель TDP находится на уровне 300 Вт. Архитектура изделия рассчитана на стандартные воздушные системы охлаждения и позволяет эффективно использовать доступный лимит мощности. Утверждается, что в стандартной стойке на 36 кВт могут быть задействованы до 8160 вычислительных ядер AGI.

В целом, решения AGI оптимизированы под сценарии, в которых CPU берёт на себя значительную часть ИИ-нагрузки. Это могут быть задачи инференса, координация вычислений в гетерогенных средах (CPU + GPU/TPU и т. п.), оркестрация ИИ-агентов и т. д. Реализована встроена аппаратная защита для мультитенантных сред: Runtime Security Engine (RSE), Pointer Authentication, Branch Target Identification.

SiFive анонсировала платформу для разработки ЦОД-систем BigSky SF-2U870. На её основе в сотрудничестве с гиперскейлерами и отраслевыми партнёрами SiFive создала, по её словам, первый в мире 2U-сервер на базе RISC-V.

В основу BigSky SF-2U870 положены 32 ядра SiFive P870-D (64 бит) с поддержкой набора инструкций RVA23, Vector 1.0 и Vector Crypto. Чип функционирует на тактовой частоте 2 ГГц. Реализована поддержка функций обеспечения повышенной надёжности RAS (Reliability, Availability and Serviceability). В состав P870-D входят распределённый масштабируемый блок IOMMU, система безопасности WorldGuard и Uncore-агент, отвечающий за питание, отладку, трассировку и пр.

Источник изображения: SiFive

Сервер располагает 256 Гбайт DDR5-5600 и двумя накопителями U.2 NVMe SSD вместимостью 7,68 Тбайт. Имеется адаптер OCP 3.0 NIC с поддержкой 10/25GbE-портов. Упомянуты четыре слота PCIe 5.0 x16 и слот PCIe 3.0 x4. Допускается установка GPU-ускорителя двойной ширины. Заявлена поддержка стандартных корпоративных версий Linux, таких как Canonical Ubuntu 26.04 LTS и Red Hat RHEL10.

Платформа BigSky SF-2U870, как ожидается, ускорит портирование ПО для дата-центров, оптимизацию рабочих нагрузок и проверку систем. В конечном итоге, это поможет облегчить развёртывание решений корпоративного класса на базе RISC-V. В частности, SiFive сотрудничает с NVIDIA для портирования CUDA и интеграции NVLink Fusion в будущие платформы. Пробные поставки новинки уже начались.

Занимающаяся исследованиями в сфере ядерной энергетики компания Nano Nuclear совместно со строителем дата-центров Tillman Digital Gateway изучат возможность размещения ядерных микрореакторов Kronos на территории кампусов ЦОД. Энергогенерирующие мощности разместят на запланированных в США площадках Tillman, предназначенных для ИИ-проектов, сообщает Datacenter Dynamics. Ранее похожее соглашение Nano заключила с Supermicro.

Партнёры намерены развернуть реакторы совокупной мощностью 2 ГВт к середине 2030-х гг., а 6 ГВт или более — к 2040 году. Будут ли реализованы эти проекты и как именно, зависит от общих соглашений и договоров по отдельным площадкам, обязательств клиентов, финансирования, разрешений регуляторов и других факторов.

Nano отмечает, что Tillman имеет значительный опыт строительства инфраструктуры, доступ к капиталу и широкие связи в связанной с технологиями экосистеме, а также придерживается подхода, при котором перед строительством ЦОД необходимо обеспечить площадку электроэнергией.

Источник изображения: Nano Nuclear

Nano разрабатывает модульный микрореактор Kronos, который станет основным предложением компании. Речь идёт о стационарном высокотемпературном реакторе с газовым охлаждением, призванным обеспечить 15 МВт электрической и 45 МВт тепловой энергии. Фактически он не является малым модульным реактором в классическом понимании из-за малой мощности, да и разработчик позиционирует его скорее как микрореактор (Micro Modular Reactor или MMR). Модуль предназначен для долгосрочных проектов и будет способен работать до 20 лет без перезагрузки топлива.

Согласно условиям соглашения, Nano Nuclear и Tillman Digital намерены сотрудничать в течение всего жизненного цикла реакторов, включая лицензирование, оценку и комплексную проверку площадок, планирование строительства, взаимодействие с клиентами и развёртывание проектов. В Tillman подчёркивают, что необходим не только учёт потребностей ИИ-инфраструктуры сейчас и в ближайшей перспективе, но и на последующие десятилетия.

Ожидается, что генерирующие мощности обеспечат выполнение планов Tillman по масштабированию бизнеса в США, пока у компании нет объектов на территории страны. Несколько проектов ЦОД реализуются в Индии — реализацией занимается «материнская» компания Tillman Global Holdings, у которой также запланированы проекты в Сингапуре, Японии, Великобритании и ОАЭ. Соглашения с компаниями, занимающимися разработкой передовых реакторов, за последние годы заключили Amazon, Google, Data4, Oracle, Switch и Equinix.

Lancium анонсировала стратегическое партнёрство с NVIDIA, включающее привлечение инвестиций, для ускоренного внедрения инфраструктуры ускоренных вычислений в портфолио ЦОД Lancium. Lancium входит в инвестиционный портфель Blackstone Multi-Asset Investing. Предполагается интегрировать ПО и аппаратную архитектуру NVIDIA в будущие кампусы с энергообеспечением, сообщает Storage Review.

Партнёрство позволяет позиционировать кампусы Lancium как хабы для внедрения вычислительного и сетевого оборудования NVIDIA, а также программного стека последней. Сегодня Lancium управляет 4 ГВт арендованных мощностей, не считая портфолио по строительству площадок с доступным энергоснабжением мощностью более 15 ГВт. Совместная инициатива направлена на создание готовой к эксплуатации инфраструктуры высокой энергетической и вычислительной плотности, необходимых командам, страдающим от дефицита возможностей подключения к электросетям в нужных масштабах.

Для повышения эффективности объектов и плотности вычислений Lancium построит площадки с учётом эталонных архитектур NVIDIA DSX, направленных на повышение производительности на ватт, сокращение времени до получения первого токена и снижения цены за обработку токена в целом.

В основе технической интеграции лежит комплекс технологий NVIDIA DSX MaxLPS, позволяющий операторам ЦОД размещать в рамках заданного энергетического бюджета на 40 % больше ИИ-ускорителей. Кроме того, Lancium интегрирует архитектуры NVIDIA DSX Flex для динамической подстройки энергопотребления ЦОД в зависимости от состояния энергосети. Такой подход усилит модель работы Lancium, предполагающую адаптацию к параметрам сети без снижения доступности вычислительных ресурсов.

Источник изображения: Lancium

Lancium заявляет, что компания потратила годы на создание энергетической основы, получение земель и накопление инфраструктурной экспертизы. Взаимодействие с NVIDIA позволит обеспечить доступ к самым передовым энергетическим технологиям. В NVIDIA подчёркивают, что создают новое поколение гигаваттных ИИ-фабрик, подготовленных к энергообеспечению. Это позволит клиентам быстрее развёртывать полный стек вычислительных технологий NVIDIA и действовать более эффективно.

Ни одна из компаний не раскрыла объём инвестиций NVIDIA, а также даты ввода конкретных кампусов в эксплуатацию. В первой половине августа появилась информация, что NVIDIA заплатит до $3 млрд за долю в Lancium, предоставляющей землю и энергию ИИ ЦОД Stargate. На днях NVIDIA приобрела миноритарный пакет акций Cloverleaf Infrastructure, предоставляющей клиентам для строительства ЦОД обеспеченные электроэнергией участки. Помимо инвестиций она поддержать строительство площадок Cloverleaf и строительство новых дата-центров, совместимых с собственными технологическими решениями.

NVIDIA анонсировала вычислительный модуль Jetson Orin Nano 2, предназначенный для реализации возможностей ИИ начального уровня на периферии. Новинка может использоваться в различных робототехнических устройствах, дронах, системах машинного зрения и пр.

Изделие приходит на смену версии Jetson Orin Nano, которая дебютировала ещё в 2022 году. Оригинальное решение несёт на борту 6-ядерный процессор Arm Cortex-A78AE, 4 или 8 Гбайт памяти LPDDR5, а также графический блок на архитектуре Ampere с 1024 ядрами CUDA и 32 тензорными ядрами. Пиковая производительность в режиме INT8 достигает 40 TOPS.

Модуль Jetson Orin Nano 2 получил чип с восемью ядрами Arm и 8 Гбайт памяти. Заявленное ИИ-быстродействие составляет 78 TOPS. Утверждается, что по сравнению с Jetson Orin Nano Super новинка обеспечивает вдвое более высокую производительность при инференсе благодаря усовершенствованным тензорным ядрам и увеличенной пропускной способности памяти. А в режиме 15 Вт Jetson Orin Nano 2 потребляет на 40 % меньше энергии, обеспечивая ту же производительность, что и его предшественник. Прочие технические характеристики пока не раскрываются.

Источник изображения: NVIDIA

Изделие позволяет работать с такими ИИ-моделями, как NVIDIA Cosmos и Nemotron, Gemma 4 и Qwen 3. О намерении выпустить решения на основе Jetson Orin Nano 2 сообщили Cognex, Doosan Bobcat, Matic и Wing. В число партнёров NVIDIA по экосистеме Jetson также входят AAEON, ADLINK, Advantech, Aetina, Antmicro, Aptiv, Auvidea, AVerMedia, Chuanglebo, Connect Tech, ForeCR, JWIPC, Neurealm, Plink, Realtimes, RidgeRun, RS, Seeed Studio, Tauro Tech, Twowin, TZTEK и YUAN.

Немецкий производитель полупроводников Infineon Technologies приобрёл индийскую C2i Semiconductors. Расположенная в Бангалоре (Bangalor) компания разрабатывает архитектуры электропитания для крупных ИИ ЦОД, сообщает Datacenter Dynamics. Сделку планируют закрыть в III квартале календарного 2026 года, финансовые условия пока не раскрываются.

Infineon считается одним из крупнейших в Европе производителей полупроводников. Компанию выделили из состава Siemens в 1999 году и теперь она специализируется на силовой электронике, автомобильных микроконтроллерах, сенсорах и чипах для обеспечения безопасности.

Компания заявляет, что новая покупка позволит расширить портфолио полупроводников, добавив решения для умного цифрового управления электропитанием, и силовые архитектуры системного уровня для вертикальной передачи электричества. Также новые возможности позволят покупателю расширить инженерное присутствие на рынке Индии. Там на Infineon и без того уже работают более 2,8 тыс. человек.

Источник изображения: Infineon

Технологии C2i обеспечивают немедленную реакцию систем электропитания на быстро меняющиеся потребности ИИ-ускорителей в электроэнергии. Силовые полупроводниковые решения комбинируются с функциями цифрового управления и программными алгоритмами, в режиме реального времени управляющими преобразованием и регулированием энергии, а также контролирующими работу всей системы. В Infineon уверены, что покупка позволит поддержать более адаптивные архитектуры питания, от электросети до ядер процессоров.

C2i основана в 2024 году бывшими сотрудниками подразделения силовых систем Texas Instruments, специализировавшимися на системах электропитания. Компания разрабатывает систему Grid-to-GPU, работающую по принципу plug-and-play. Она должна упростить механизм передачи электроэнергии от электрической шины объекта до ИИ-ускорителей. В феврале C2i уже привлекла $15 млн в рамках раунда финансирования серии A.

По словам Infineon, покупка не только укрепит лидерство компании в сфере систем питания ИИ ЦОД, но и позволит сформировать в Индии новый центр компетенций в сфере цифровых технологий и управления электроснабжением. В C2i подчеркнули, что вхождение в состав Infineon обеспечит доступ к передовым полупроводниковым решениям, производственным возможностям мирового уровня и клиентской базе глобального масштаба.

В последние годы Infineon нарастила инвестиции в инфраструктуру электропитания. В июле она заключила соглашение с LS Electric о разработке для ИИ ЦОД инфраструктуры DC-питания. На днях сообщалось, что Google, Microsoft и NVIDIA стандартизируют LVDC-решения и ускорят перехода ЦОД на архитектуру питания 800 В DC в рамках OCP. О том, что Infineon и NVIDIA разрабатывают архитектуру HVDC-питания для ИИ ЦОД, говорилось ещё в 2025 году.