Omen AI: мониторинг жидкости в дата-центрах — как избежать простоев
Оператор дата-центра меняет пропорцию воды в контуре жидкостного охлаждения, чтобы отвести больше тепла от перегретых GPU. Через несколько недель бактерии забивают каналы, и стойку приходится глушить на пять-шесть часов. Простой одной стойки обходится в миллионы долларов.
Источник: TechCrunch
Стартап Omen AI предлагает не гадать, а видеть химический состав жидкости в реальном времени. Компания установила миниатюрный спектрометр, который непрерывно анализирует охлаждающую жидкость и предупреждает о бактериальном загрязнении до того, как оно остановит работу.
29 июня 2026 года Omen AI объявила о привлечении $31 млн в раунде Series A. Инвесторы — Nava Ventures, CRV, Vanderbilt University, Mann+Hummel, Starhill Holdings и Hard Launch Capital, а также топ-менеджеры Bridgestone, GM, Johnson Controls и TensorWave. Всего с момента основания в 2024 году стартап собрал $40 млн.
Если вы управляете дата-центром с жидкостным охлаждением, вам стоит проверить, насколько вы контролируете состояние жидкости и сколько теряете на внеплановых остановках.
Что именно произошло и как это работает
Охлаждающая жидкость для чипов — это смесь воды и ингибитора бактериального роста. Чтобы отводить больше тепла, операторы увеличивают долю воды — она лучше проводит тепло. Но чем больше воды, тем активнее размножаются бактерии. Они образуют биопленку, забивают тонкие каналы и снижают эффективность охлаждения.
Традиционный способ контроля — отбор проб и отправка в лабораторию. Это занимает дни, а иногда и недели. За это время бактериальная колония может вырасти до критической.
Omen AI ставит прямо в контур охлаждения компактный спектрометр. Он измеряет состав жидкости в реальном времени. Когда концентрация бактерий или продуктов их жизнедеятельности превышает порог, система подает сигнал. Оператор может промыть контур планово, а не аварийно.
Устройство также обнаруживает износ насосов по частицам меди и хрома в жидкости, а повреждение уплотнений — по кремнию.
Почему это меняет экономику охлаждения
Простой одной стойки на пять-шесть часов для промывки системы — это потеря дохода от невыданных вычислений. В дата-центрах, работающих на пределе плотности, каждая минута простоя стоит десятки тысяч долларов.
Спектрометр Omen AI позволяет:
- перейти от реактивного обслуживания к предиктивному;
- планировать промывку в часы низкой нагрузки;
- увеличить долю воды в смеси без риска внезапного засорения;
- продлить срок службы насосов и уплотнений за счет раннего обнаружения износа.
CEO и основатель Omen AI Зак Лаберж формулирует просто: «Вы не рискуете огромными простоями, потому что не имеете представления о том, что происходит химически».
Как стартап перешел от стройки к дата-центрам
Omen AI начиналась не с дата-центров. Первая компания Лабержа, основанная в 14 лет, ставила датчики на строительную технику. После ее закрытия в 2024 году он запустил Omen с идеей мониторинга жидкостных систем в тяжелой технике.
Ключевым заказчиком стали дилеры Caterpillar. Они устанавливали датчики Omen на гидравлику и двигатели. Но Caterpillar — еще и крупный поставщик газовых турбин и генераторов для дата-центров.
Около полугода назад дилеры начали спрашивать: «Мы ставим датчики на турбины, а можете сделать что-то для самого здания?» Omen обнаружила, что здания дата-центров наполнены жидкостью — от систем HVAC до охлаждения чипов. Так стартап переключился на дата-центры.
Сейчас Omen работает с дюжиной клиентов, включая TensorWave — компанию, строящую AI-облако на чипах AMD.
Сравнение: лабораторный анализ против реального времени
| Параметр | Лабораторный анализ | Спектрометр Omen AI |
|---|---|---|
| Время получения результата | От нескольких дней до недели | Секунды |
| Частота измерений | Раз в неделю или месяц | Непрерывно |
| Обнаружение бактерий | После появления видимых проблем | На ранней стадии |
| Обнаружение износа насосов | Только при разборе оборудования | По частицам в жидкости |
| Стоимость одного анализа | $50–200 за пробу | Включена в стоимость датчика |
| Риск аварийного простоя | Высокий | Снижается |
Таблица составлена на основе данных TechCrunch и заявлений Omen AI. Независимые данные о реальной экономии у клиентов пока не опубликованы.
Что может пойти не так: риски и ограничения
Нет публичных технических характеристик. Статья TechCrunch не содержит данных о точности спектрометра, диапазоне измеряемых концентраций, сроке службы датчика и условиях эксплуатации. Без этих параметров сложно оценить, подойдет ли устройство для конкретного контура охлаждения.
Зависимость от одного поставщика. Omen AI — молодой стартап с одним продуктом. Если компания закроется или изменит условия, клиенты останутся без мониторинга.
Отсутствие независимых кейсов. Единственный названный клиент — TensorWave, который одновременно является инвестором. Президент TensorWave Пётр Томасик заявил: «Жидкость, проходящая через эти массивные системы, — критическая переменная, о которой большинство отрасли не имеет информации». Но это заявление инвестора, а не независимая оценка.
Конкуренция. Рынок жидкостного охлаждения быстро растет. Крупные вендоры — Vertiv, Schneider Electric, CoolIT Systems — уже предлагают решения для мониторинга. Omen AI не единственная, кто разрабатывает онлайн-анализ жидкости.
Стоимость внедрения. Цена спектрометра и подписки на аналитику не раскрыта. Для небольших дата-центров затраты могут перевесить выгоду.
Что проверить на этой неделе
Если вы рассматриваете внедрение мониторинга жидкости в контуре охлаждения, вот пять шагов для первичной оценки:
- Зафиксируйте текущие потери от простоев. Посчитайте, сколько стоят внеплановые промывки за последние полгода. Если простоев не было — оцените риск: как часто вы меняете состав жидкости и контролируете бактерии.
- Узнайте текущий метод контроля. Если вы отправляете пробы в лабораторию, замерьте время от отбора до получения результата. Если не контролируете вовсе — это зона риска.
- Запросите у Omen AI технические характеристики. Попросите спецификацию спектрометра: диапазон измерений, точность, срок службы, условия эксплуатации, стоимость датчика и подписки.
- Сравните с альтернативами. Посмотрите, что предлагают Vertiv, Schneider Electric и CoolIT Systems. Возможно, у вашего текущего поставщика охлаждения уже есть решение для мониторинга.
- Проведите пилот на одной стойке. Если характеристики устраивают, установите спектрометр на один контур и сравните частоту промывок и время простоя до и после внедрения.
Источники
Генерация изображения
- Модель:
flux-schnell - Провайдер:
replicate
Что почитать дальше
- ИИ-диспетчер для экстренных служб: как приём вызовов на 7 языках меняет работу системы 112
- 95% ИИ-пилотов проваливаются: проверьте эти 3 условия до запуска
- AI-агенты в разработке: где заканчивается экономия и начинается потеря контроля
- AI-фотографии 2026: как работает генерация изображений, где применять и какие ограничения
- CEO-Bench: только 3 ИИ-модели выжили в 500-дневном тесте стартапа — что это
