استارتاپ Crusoe به‌جای دیتاسنترهای غول‌پیکر، روی واحدهای ماژولار هوش مصنوعی سرمایه‌گذاری می‌کند

سرمایه‌گذاری ۳٫۹ میلیارد دلاری Crusoe، واحدهای پردازشی و قابل‌حمل Spark را با پردیس‌های گیگاواتی ترکیب می‌کند تا شکاف پردازشی هوش مصنوعی را سریع‌تر از روش‌های سنتی ساخت‌وساز پر کند.

ساخت یک دیتاسنتر به روش سنتی سال‌ها زمان می‌برد. دریافت مجوزها، تیم‌های ساخت‌وساز، تاییدیه اتصال به شبکه برق و احداث نیروگاهی که ممکن است طبق برنامه پیش نرود، همگی زمان‌بر هستند؛ در حالی که اشتهای هوش مصنوعی برای قدرت پردازشی هیچ صبر و قراری ندارد.

شرکت Crusoe در تاریخ ۱۷ سپتامبر موفق به جذب ۳٫۹ میلیارد دلار سرمایه با ارزش‌گذاری ۳۰٫۹ میلیارد دلاری شد. این شرکت شرط بسته است که دیتاسنترهای هوش مصنوعیِ پیش‌ساخته و قابل‌حمل با کامیون، می‌توانند این جدول زمانی را حداقل برای یکی از دسته‌های حیاتی پردازش‌های هوش مصنوعی به‌شدت کوتاه کنند.

آموزش به پردیس نیاز دارد، اما استنتاج نیازمند سرعت و دسترسی است

تفاوت بین آموزش (Training) و استنتاج (Inference) تنها یک بحث تئوری نیست؛ بلکه دو طراحی کاملاً متفاوت برای تاسیسات را ایجاب می‌کند.

آموزش یک مدل پیشرفته هوش مصنوعی به تاسیساتی به اندازه یک منطقه کوچک تامین برق نیاز دارد. اما اجرای آن مدل پس از آموزش و پاسخ‌گویی به میلیون‌ها درخواست در روز، چنین نیازی ندارد.

این تمایز، استراتژی دوگانه Crusoe را شکل می‌دهد. پردیس‌های عظیم و متمرکز برای پردازش‌های مربوط به آموزش مدل استفاده می‌شوند؛ در حالی که واحدهای Spark که کوچک‌تر و با قابلیت استقرار سریع هستند، وظیفه استنتاج را بر عهده دارند؛ جایی که تاخیر کم و نزدیکی به کاربران، اهمیت بیشتری نسبت به اندازه خام کلاسترها دارد.

یک کارخانه ماژولار، پیش‌ساخته و آماده‌به‌کار هوش مصنوعی که برای ارائه توان پردازشی قدرتمند و با تاخیر کم در لبه شبکه طراحی شده است.

شرکت Crusoe در توصیف محصول Spark

هر واحد به‌صورت کاملاً یکپارچه ارسال می‌شود: سیستم‌های مدیریت توان، خنک‌کننده، اطفای حریق، رَک‌های متراکم پردازنده‌های گرافیکی (GPU) و سیستم نظارت از راه دور، همگی با یک کامیون به محل می‌رسند.

یک کارخانه اختصاصی Spark در حومه دنور، ظرفیت تولید تا یک گیگاوات در سال را هدف‌گذاری کرده است. این هدف تولید، به‌جای تعریف یک پروژه ساخت‌وساز سفارشی برای هر مشتری جدید، یک خط تولید تکرارپذیر را در اختیار Crusoe قرار می‌دهد.

استقرار این سیستم‌ها در رینو (نوادا) شفاف‌ترین تصویر از نحوه عملکرد این ایده در عمل را ارائه می‌دهد. این واحدهای Spark با انرژی خورشیدی و باتری‌های تغییرکاربری‌داده‌شده خودروهای الکتریکی کار می‌کنند؛ پیکربندی خاصی که دقیقاً به‌دلیل فرمت ماژولار و توانایی اتصال به منابع انرژی غیرمتعارف یا بدون استفاده، به‌خوبی جواب می‌دهد.

پردیس ابیلین در تگزاس روی دیگر سکه برای Crusoe است. این سایت که در ابتدا برای Oracle توسعه یافته و توسط OpenAI استفاده می‌شد، اکنون Microsoft را به‌عنوان یکی از مستاجران اصلی خود می‌بیند؛ چرا که این شرکت قراردادی برای ۹۰۰ مگاوات ظرفیت، شامل دو ساختمان جدید و یک نیروگاه در محل، امضا کرده است. کل ظرفیت برنامه‌ریزی‌شده در ابیلین ۲٫۱ گیگاوات است. این مقیاس عظیم در رقابت با واحدهای Spark نیست؛ بلکه وجود دارد چون برخی از بارهای کاری را به‌سادگی نمی‌توان توزیع کرد.

فروش فضا، پردازنده‌های گرافیکی و توکن‌ها

مدل درآمدی سه‌لایه Crusoe، زیرساخت فیزیکی را در تمام سطوح به بازار پردازش هوش مصنوعی متصل می‌کند.

مدل درآمدی Crusoe در سه لایه اجرا می‌شود: اجاره فضای فیزیکی دیتاسنتر به مشتریانی که سخت‌افزار خود را می‌آورند، اجاره ظرفیت پردازنده‌های گرافیکی خود شرکت، و فروش توان پردازشی استنتاج که بر اساس توکن محاسبه می‌شود. به گزارش منابع منتشرشده، چیس لاکمیلر (Chase Lochmiller)، مدیرعامل این شرکت، کسب‌وکار خود را به‌عنوان فروش «دیتاسنترها، GPUها و توکن‌ها» خلاصه می‌کند.

لایه استنتاج با سرعت در حال رشد است. استنتاج مدیریت‌شده، که Crusoe از طرف مشتریان از طریق پلتفرم ابری خود اجرا می‌کند، از ارقام ناچیز در ابتدای سال ۲۰۲۶ رشد کرده و اکنون از مرز ۱۰۰ میلیون دلار درآمد تکرارشونده سالانه (ARR) عبور کرده است.

فعالیت در هر سه لایه باعث ایجاد برخی اصطکاک‌های داخلی شده است. بر اساس گزارش‌ها، برخی از اعضای هیئت‌مدیره خواستار تمرکز استراتژیک محدودتری هستند. با این حال، لاکمیلر معتقد است که یکپارچگی عمودی، دید روشن‌تری از مسیر حرکت تقاضای مشتریان به Crusoe می‌دهد.

این بحث هنوز به نتیجه نهایی نرسیده، اما پایگاه سرمایه‌گذاران که شامل Nvidia، Founders Fund، Mubadala Capital و سازمان سرمایه‌گذاری قطر می‌شود، در حال حاضر به‌وضوح به این مدل گسترده‌تر رای اعتماد داده‌اند. ردپای زیرساختی که از این استدلال پشتیبانی می‌کند، شامل بیش از ۶ گیگاوات ظرفیت قراردادشده در تگزاس، میزوری و یک پروژه مشترک با Google در آرمسترانگ تگزاس است.

با افزایش تصاعدی حجم درخواست‌های هوش مصنوعی، ظرفیت استنتاج توزیع‌شده و ماژولار ممکن است همان مسیری را طی کند که شبکه‌های توزیع محتوا (CDN) برای محتوای وب طی کردند: نزدیک‌تر شدن به کاربران، تکثیر در نودهای بیشتر، و نامرئی‌تر شدن برای اپلیکیشن‌هایی که روی آن‌ها اجرا می‌شوند. اینکه آیا Crusoe این بازار را تصاحب می‌کند یا صرفاً آن را برای دیگران تسریع می‌بخشد، سوالی است که داده‌های استقرار این سیستم‌ها در چند سال آینده به آن پاسخ خواهد داد.