Vertiv и NVIDIA представили модель развёртывания AI factory; Polar Data Centers начала её применение в Норвегии
Редакция ЦОД:Главное
Vertiv и NVIDIA на NVIDIA GTC Berlin представили подход к развёртыванию AI factory, основанный на виртуальной валидации типовых архитектур и заводской сборке инфраструктуры. Первым оператором, применяющим модель, стала Polar Data Centers на начальной фазе AI-ЦОД в Herøya.
- Polar Data Centers применяет модель Vertiv и NVIDIA на начальной фазе AI-ЦОД мощностью 41 МВт в Herøya.
- Кампус в Herøya заявлен как многоэтапный проект, масштабируемый до 100 МВт.
- Модель объединяет виртуальную валидацию архитектуры с заводской сборкой и интеграцией инфраструктуры.
- Заявленное сокращение сроков относится к модели и пока не подтверждено независимыми результатами на площадке.
- Развёртывание проекта ведётся; завершение строительства и ввод мощности в эксплуатацию не заявлены.
Vertiv и NVIDIA представили на NVIDIA GTC Berlin новый подход к развёртыванию AI factory. Модель предполагает использование заранее спроектированных архитектур с виртуальной валидацией до физического строительства, а также перенос значительной части сборки, интеграции и испытаний инфраструктуры на завод до поставки на площадку.
Polar Data Centers названа первым оператором, применяющим этот подход. Развёртывание ведётся на начальной фазе AI-ЦОД компании в Herøya, Норвегия, мощностью 41 МВт. Это именно мощность начальной фазы проекта, а не всего кампуса. Площадка описывается как многоэтапный кампус с перспективной масштабируемостью до 100 МВт; эта величина не является действующей или введённой мощностью.
По заявлению источника, модель может сократить время развёртывания инфраструктуры примерно с 90 до 45 дней. Время конфигурирования и валидации заявлено на уровне сокращения примерно с 30 до трёх дней, а совмещённые этапы конфигурирования, валидации и развёртывания — примерно со 120 до 48 дней. Также заявлена возможность сделать продуктивную AI-мощность доступной примерно на 10 недель раньше и увеличить накопленную выдачу токенов до 30% в течение первых 12 месяцев с начала проекта при той же установленной IT-мощности.
Для рынка AI-ЦОД это может свидетельствовать о переходе к более промышленно стандартизированным и предварительно интегрированным решениям для энергоснабжения, охлаждения и распределения питания. Потенциальная коммерческая ценность подхода будет зависеть от того, насколько заявленные сроки и производственные эффекты окажутся воспроизводимыми в фактических внедрениях.
Модель нацелена на сокращение сроков развертывания плотной AI-инфраструктуры за счёт стандартизации, цифровой валидации и префабрикации. Если заявленные эффекты подтвердятся в реальных проектах, операторы смогут сократить зависимость от последовательного выполнения работ по энергоснабжению, охлаждению и площадочной инфраструктуре.
- Data Centre Magazine / 23 октября 2026 г. · АнглийскийПервоисточник →
Материал подготовлен редакцией ЦОД: Главное на основе указанных первоисточников.