AI 问小创

你好,我是问小创 AI 助手

告诉我你的需求,我帮你从站内挑最合适的 AI 工具。

推荐结果基于站内收录,仅供参考,请以实际工具信息为准。
猜你想问
推荐一些AI写作工具 有什么AI绘画工具? 推荐视频剪辑AI工具
AI
问小创: 告诉我你的需求,我帮你从站内挑最合适的 AI 工具。

Omen AI完成3100万美元A轮融资 押注数据中心液冷智能运维

AI基础设施运维服务商Omen AI近期宣布完成3100万美元A轮融资,其核心业务为基于AI技术的数据中心芯片冷却液状态实时监测方案,可精准预判、阻断冷却液细菌爆发风险,降低液冷集群非计划停机概率,当前已获得北美头部云计算厂商的试点订单,预计2026年下半年实现商业化规模落地。

随着大语言模型、生成式AI应用的规模化落地,AI算力集群的单芯片功耗已突破700W,传统风冷散热方案已无法满足高密度算力部署需求,液冷技术正在成为全球IDC服务商的标配选择,但长期被忽视的冷却液运维问题,正在成为算力稳定性的新隐患。

据全球IDC行业统计,2026年全球液冷数据中心的渗透率将突破28%,较2023年提升近3倍。但快速普及的背后,液冷系统的运维难题逐渐凸显:32%的液冷数据中心非计划停机故障,与冷却液污染、细菌滋生直接相关。

冷却液长期在封闭管路中循环,容易滋生菌群,不仅会腐蚀金属管路、堵塞芯片冷头的微流道,严重时还会导致芯片过热烧毁,单次故障平均会给万卡级算力集群带来超过120万美元的直接损失。此前行业通用的解决方案为每月抽样检测冷却液指标、定期投放消杀药剂,不仅运维成本高,还存在明显的滞后性,无法提前预判突发的细菌爆发风险。

Omen AI推出的智能液冷运维方案,正是瞄准了这一市场空白。

不同于传统的定期巡检模式,Omen AI的方案在液冷管路中部署了低功耗微型传感节点,可实时采集冷却液的pH值、微生物浓度、离子含量等17项核心参数,通过在千万级液冷运行数据集上训练的专用AI模型,可提前72小时预判细菌爆发风险,自动触发消杀、滤芯更换等运维指令,故障预判准确率达到99.2%,可将液冷系统的运维成本降低40%以上。

本次募集的3100万美元A轮融资,将主要用于传感硬件的量产迭代、AI模型的场景优化,以及面向云计算厂商、IDC服务商的商业化落地推广。

在液冷运维之外,AI技术正在全面渗透数据中心的全链路运维场景,从此前的能耗优化、算力调度,延伸到硬件故障预判、资产全生命周期管理等细分领域。

行业分析师预计,2027年全球数据中心智能运维的市场规模将突破110亿美元,年复合增长率超过35%,除Omen AI之外,包括OpenAI、DeepMind在内的头部AI厂商也在布局相关技术,试图通过AI技术进一步降低算力基础设施的运行成本,提升大规模算力集群的稳定性。

本文基于公开信息分析整理,仅供参考。更多AI工具动态与行业解读,请持续关注本站更新。