Per i data center italiani ed europei che stanno valutando rack GPU ad alta densità, il caso Omen AI sposta l’attenzione da chip e potenza elettrica a un elemento meno visibile: il liquido di raffreddamento. La startup ha annunciato un round Serie A da 31 milioni di dollari per un sensore che monitora in tempo reale lo stato chimico dei fluidi, secondo il racconto pubblicato da TechCrunch.
Il tema entra direttamente nei dossier operativi delle imprese anche in Italia, dove i data center rientrano nel perimetro europeo di monitoraggio e rendicontazione quando superano determinate soglie. La Commissione europea segnala che i data center consumavano circa 415 TWh nel 2024, pari all’1,5% dell’elettricità mondiale, e richiama la pressione esercitata da AI, cloud e servizi digitali nell’analisi dell’IEA su energia e IA.
Il rischio entra nel liquido
La domanda di calcolo legata all’AI sta portando i gestori a estrarre più capacità da ogni rack di GPU. Secondo TechCrunch, nei sistemi a liquido il fluido usato per raffreddare i chip è composto da acqua e da una sostanza che inibisce la crescita batterica. Aumentare la quota d’acqua aiuta ad assorbire più calore, ma rende il circuito più esposto alla contaminazione.
Quando i batteri crescono nel circuito, il rischio operativo indicato dalla fonte è l’ostruzione del flusso. La bonifica richiede il lavaggio del sistema e può portare allo spegnimento di un rack per cinque o sei ore, con un costo potenziale di milioni di dollari. Per chi vende capacità AI o usa cluster dedicati, non è un dettaglio di facility management: incide su disponibilità, SLA e pianificazione delle finestre di manutenzione.
La proposta di Omen AI è un piccolo spettrometro installato vicino al circuito, pensato per leggere lo stato del fluido senza attendere l’invio di campioni a un laboratorio. Zach Laberge, fondatore e amministratore delegato, ha spiegato a TechCrunch che l’obiettivo è ridurre il rischio di downtime dovuto alla mancanza di visibilità chimica sul sistema.
Il dispositivo non guarda soltanto alla crescita batterica. Nel racconto della società, la stessa logica di analisi può individuare segnali di usura: rame o cromo possono indicare problemi a pompe e componenti, mentre la presenza di silicio può suggerire degrado delle guarnizioni. Il punto tecnico è portare un controllo continuo dentro un impianto che finora, in molti casi, dipendeva da controlli periodici e analisi esterne.
Dal cantiere ai rack GPU
Zach Laberge ha fondato la sua prima società nel 2020, quando aveva 14 anni, raccogliendo 3 milioni di dollari per installare sensori su macchinari da costruzione. Dopo la chiusura di quella startup, nel 2024 ha avviato Omen con una tesi iniziale diversa da quella attuale: usare il monitoraggio dei fluidi per rendere più prevedibile la manutenzione delle macchine pesanti.
I concessionari Caterpillar sono stati tra i primi clienti dell’attività legata ai veicoli pesanti. Il passaggio ai data center è arrivato attraverso un collegamento industriale concreto: Cat è anche un fornitore di turbine e generatori a gas per l’alimentazione on premise dei data center. Circa sei mesi prima dell’articolo di TechCrunch, alcuni concessionari hanno chiesto a Omen se la tecnologia potesse essere applicata anche agli edifici.
Da quella richiesta la società ha individuato una nuova categoria di clienti: data center pieni di circuiti fluidi, dai sistemi HVAC al raffreddamento diretto dei chip. Per le imprese italiane che acquistano colocation o capacità AI, il passaggio suggerisce una due diligence più tecnica sui fornitori: non solo disponibilità elettrica, rete e sicurezza fisica, ma anche sensori, procedure di flushing, soglie di allarme e responsabilità contrattuali in caso di contaminazione.
Un round con clienti industriali
Il round da 31 milioni di dollari è stato guidato da Nava Ventures e include la partecipazione di CRV, Vanderbilt University, Mann+Hummel, Starhill Holdings e Hard Launch Capital. TechCrunch cita anche investimenti personali da dirigenti di Bridgestone, GM, Johnson Controls e TensorWave.
Il round di Omen AI porta il raffreddamento dei rack AI nel perimetro business: uptime, reporting europeo e contratti cloud passano anche dai fluidi.
Omen AI ha raccolto complessivamente 40 milioni di dollari dalla fondazione nel 2024. Cory Rellas, partner di Nava Ventures e membro del consiglio di amministrazione, ha collegato la valutazione dell’investimento al riscontro ottenuto da grandi clienti, in un settore che tende a muoversi più lentamente rispetto al software puro.
La società lavora con una dozzina di clienti data center mentre costruisce la propria offerta. Tra questi c’è TensorWave, azienda che sta sviluppando un cloud di calcolo AI basato su chip AMD. Il presidente Piotr Tomasik ha descritto il fluido che attraversa questi sistemi come una variabile critica su cui, secondo la sua lettura, gran parte dell’industria opera con scarsa visibilità.
La compliance europea passa dall’acqua
Per gli operatori con siti nell’Unione europea, il raffreddamento non è soltanto una questione di uptime. La normativa europea ha introdotto obblighi di monitoraggio e rendicontazione delle prestazioni energetiche dei data center, con una base dati che include anche elementi legati all’impronta idrica, come indicato nel portale europeo sui data center.
La direttiva sull’efficienza energetica e il regolamento delegato UE 2024/1364 riguardano i data center con potenza superiore a 500 kW e definiscono elementi armonizzati di reporting. Per i responsabili IT e procurement in Italia, la conseguenza pratica è chiedere ai provider evidenze misurabili su energia, acqua, temperature operative e procedure di manutenzione, soprattutto quando i workload AI richiedono densità e raffreddamento superiori alle sale enterprise tradizionali.
La Commissione ha anche avviato lavori su standard minimi e rating europei per i data center. Nella documentazione pubblica, lo studio sui requisiti minimi europei collega il reporting a trasparenza, comparabilità e incentivi per migliorare efficienza e sostenibilità. In questo quadro, la telemetria sui fluidi può diventare una componente tecnica da integrare nei controlli interni, senza confonderla con un requisito normativo già esplicitato dalla fonte.
Monitoraggio in sede, non laboratorio
Omen AI non è l’unica società a puntare sull’analisi on premise. TechCrunch cita Pyxis, azienda attiva nel monitoraggio dell’acqua, che ha lanciato un prodotto per il controllo del coolant nei data center all’inizio del mese. Il confronto competitivo si sposta quindi sulla qualità del segnale, sull’integrazione con gli impianti esistenti e sulla capacità di trasformare dati chimici in allarmi utili per chi gestisce l’infrastruttura.
Secondo Laberge, il momento tecnologico è legato a due fattori: il costo dell’hardware ottico è sceso abbastanza da permettere installazioni su scala, mentre il software di elaborazione del segnale consente di estrarre informazioni più affidabili dal rumore. Per un data center, questo significa passare da un modello di campionamento discontinuo a una lettura continua del circuito.
Il mercato conferma che la capacità data center resta al centro degli investimenti. Un estratto CNBC indica che Digital Realty ha annunciato l’acquisto da Blackstone di una partecipazione in tre data center in Northern Virginia, con pagamento da 1,2 miliardi di dollari in contanti e 2,3 miliardi in azioni, per asset valutati 7,8 miliardi; il passaggio è citato nell’aggiornamento CNBC su Digital Realty.
Per le aziende italiane che comprano capacità cloud o AI, la lettura operativa è netta: quando il raffreddamento a liquido entra nel perimetro di produzione, i contratti dovrebbero includere informazioni su monitoraggio del coolant, tempi di intervento, condizioni di manutenzione e tracciabilità degli incidenti. La raccolta di Omen AI mostra che una parte della catena del valore AI si sta spostando dalla potenza di calcolo alla capacità di mantenere stabili gli impianti che la rendono utilizzabile.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
Marco Ferretti
Source link
