قد يبدو تفشٍ بكتيري يتخمر بهدوء داخل حامل خوادم مبرد بالسائل مشكلة هندسية متخصصة – لكن بالنسبة إلى مشغلي مراكز البيانات الذين يشغّلون أحمال عمل الذكاء الاصطناعي على مدار الساعة، فإنه يترجم مباشرة إلى خسارة ملايين الدولارات بسبب التوقف عن العمل. هذه بالضبط هي المشكلة التي تتعامل معها Omen AI من خلال نهج جديد في مراقبة سوائل مراكز البيانات، وقد حصلت الشركة الناشئة للتو على 31 مليون دولار في جولة تمويل من الفئة A لتسريع توسيع نطاقها.
Summary
أهم النقاط
- طورت Omen AI مطيافًا مصغرًا يراقب حالة سائل التبريد في الوقت الفعلي، كاشفًا التلوث البكتيري قبل أن يفرض إيقاف الحامل.
- يمكن أن يؤدي التلوث البكتيري في أنظمة سائل التبريد إلى إخراج حامل في مركز البيانات عن الخدمة لمدة خمس أو ست ساعات، بتكلفة محتملة تبلغ ملايين الدولارات لكل حادثة.
- قاد جولة الفئة A البالغة 31 مليون دولار Nava Ventures، بمشاركة CRV، وجامعة فاندربيلت، وMann+Hummel، وStarhill Holdings، وHard Launch Capital، ومديرين تنفيذيين من Bridgestone وGM وJohnson Controls وTensorWave.
- جمعت Omen ما مجموعه 40 مليون دولار منذ تأسيسها في عام 2024 وتخدم حاليًا نحو اثني عشر عميلًا من مراكز البيانات، بما في ذلك TensorWave.
- أطلقت الشركة المنافسة Pyxis منتجًا مماثلًا لمراقبة سائل التبريد في وقت سابق من هذا الشهر، في إشارة إلى تزايد اهتمام القطاع بالمشكلة.
مشكلة الكيمياء الخفية داخل مراكز البيانات المبردة بالسائل
لم يعد التبريد بالسائل خيارًا إضافيًا للبنية التحتية عالية الكثافة للذكاء الاصطناعي – بل أصبح هو الأساس. لكن السائل الذي يمر عبر هذه الأنظمة أكثر حساسية كيميائيًا مما يدركه معظم المشغلين.
يكون سائل التبريد عادةً مزيجًا من الماء ومادة مثبطة للبكتيريا. والمقايضة واضحة: زيادة محتوى الماء تحسن امتصاص الحرارة، مما يسمح للشرائح بالعمل بدرجات حرارة أعلى وبجهد أكبر. لكن المزيد من الماء يخلق أيضًا بيئة أكثر ملاءمة لنمو البكتيريا. وإذا تُرك دون اكتشاف، فإن هذا التلوث يسد تدفق سائل التبريد، ولا يكون الحل إلا عبر غسل كامل للنظام.
هذا الغسل مكلف. فإيقاف حامل واحد لتنظيف حلقة تبريد ملوثة يمكن أن يستغرق خمس أو ست ساعات – وهي فترة تختفي فيها القدرة الحاسوبية تمامًا. بالنسبة للمشغلين الذين يديرون أحمال عمل استدلال أو تدريب للذكاء الاصطناعي، فهذا ليس مجرد إزعاج، بل ضربة مالية خطيرة.
العمل دون رؤية في كيمياء السوائل
حتى الآن، تعاملت معظم مراكز البيانات مع حالة سائل التبريد بالطريقة نفسها لعقود: سحب عينة من السائل، وإرسالها بالبريد إلى مختبر، وانتظار النتائج. وبحلول الوقت الذي يصل فيه تقرير المختبر، قد تكون مشكلة التلوث قد تقدمت بالفعل بشكل كبير.
قال بيوتر توماسيك، رئيس TensorWave، أحد عملاء Omen الحاليين: “السائل الذي يمر عبر هذه الأنظمة الضخمة هو متغير حرج يتعامل معه معظم القطاع وكأنه يعمل دون رؤية”. تبني TensorWave سحابات حوسبة ذكاء اصطناعي على شرائح AMD وأصبحت عميلًا مرجعيًا لنهج Omen.
الفجوة بين لحظة بدء المشكلة ولحظة وصول نتيجة المختبر هي بالضبط المساحة التي ترفع فيها Omen AI رايتها.
مطياف Omen AI وما الذي يميزه
جوهر منتج Omen هو مطياف مدمج يُركّب مباشرة داخل نظام السائل – دون سحب عينات، ودون تأخير الشحن، ودون انتظار. يقرأ التركيب الكيميائي لسائل التبريد باستمرار في الوقت الفعلي، ويشير إلى نمو البكتيريا في وقت مبكر بما يكفي لتمكين المشغلين من اتخاذ إجراء قبل أن يصبح الإيقاف أمرًا لا مفر منه.
وبالإضافة إلى التلوث البكتيري، يمكن للجهاز أيضًا اكتشاف تآكل المضخات من خلال رصد آثار النحاس أو الكروم في السائل، وتحديد تدهور الأختام عبر جسيمات السيليكون. وهذا يمنح مشغلي مراكز البيانات نافذة أوسع بكثير على صحة بنية التبريد التحتية لديهم مقارنة بأي اختبار معملي دوري.
كما قال المؤسس والرئيس التنفيذي زاك لابيرج: “أنت لا تخاطر بكميات هائلة من وقت التوقف عن العمل لأنك لا تملك أي رؤية لما يحدث كيميائيًا”.
ما الذي جعل هذه التقنية قابلة للتطبيق الآن
توقيت نهج Omen ليس مصادفة. تطوران متقاطعان جعلا المطياف المصغر، الميسور التكلفة، والموجود في الموقع أمرًا ممكنًا: التقدمات الأخيرة في التقنيات البصرية والتحسينات في برمجيات معالجة الإشارات.
أوضح لابيرج: “أصبح العتاد رخيصًا بما يكفي ليكون من المنطقي اللعب على نطاق واسع، ثم تتيح لنا معالجة الإشارات استخلاص مزيد من المعنى من الضوضاء”. وبدون هذين المكونين معًا، لما كان بناء جهاز صغير ورخيص بما يكفي لنشره عبر عشرات الحوامل أمرًا واقعيًا اقتصاديًا.
هذا الانفتاح التكنولوجي مهم بما يتجاوز قصة Omen نفسها. فهو يساعد في تفسير سبب اشتداد المنافسة في مجال تحليلات سائل التبريد في الوقت الفعلي على نطاق أوسع – إذ أطلقت Pyxis، وهي شركة راسخة في مراقبة المياه، منتجها الخاص لمراقبة سائل تبريد مراكز البيانات هذا الشهر فقط. ويبدو أن تقارب تكاليف العتاد البصري وقدرات البرمجيات يفتح السوق أمام عدة جهات في الوقت نفسه.
نمو الشركة والتمويل والشراكات الاستراتيجية
لم يكن مسار Omen AI نحو مراكز البيانات خطًا مستقيمًا. فقد أسس زاك لابيرج شركته الأولى في عام 2020 وهو في الرابعة عشرة من عمره، وجمع 3 ملايين دولار لتركيب حساسات على معدات البناء – واشتهر بتركه المدرسة الثانوية للقيام بذلك، بدعم من والديه. وبعد أن توقفت تلك الشركة الناشئة، أطلق Omen في عام 2024 برؤية أوسع تركز على أنظمة السوائل كطبقة تشخيصية للآلات الصناعية.
من وكلاء Caterpillar إلى مراكز البيانات
كان التحول نحو مراكز البيانات مدفوعًا بعملاء الشركة الحاليين. فقد كانت Caterpillar ووكلاؤها من أوائل عملاء Omen في قطاع المركبات الثقيلة. كما تُعد Caterpillar موردًا رئيسيًا للتوربينات والمولدات التي تعمل بالغاز والمستخدمة في تزويد مراكز البيانات بالطاقة في الموقع، مما وضع Omen في اتصال مباشر مع مشغلين يديرون بنية تحتية للمباني على نطاق واسع.
قبل نحو ستة أشهر، بدأ الوكلاء يسألون عما إذا كان يمكن تطبيق حساسات Omen على جانب المبنى – أي التوربينات وأنظمة التدفئة والتهوية وتكييف الهواء وحلقات تبريد الشرائح داخل منشآت مراكز البيانات. أدركت Omen بسرعة أن هذه المباني مليئة بأنظمة السوائل التي تحتاج بالضبط إلى نوع المراقبة الذي كانت قد طورته بالفعل لمعدات البناء.
جولة الـ 31 مليون دولار ومن الذي دعمها
قادت Nava Ventures جولة الفئة A البالغة 31 مليون دولار، بمشاركة CRV، وجامعة فاندربيلت، وMann+Hummel، وStarhill Holdings، وHard Launch Capital. كما استثمر مديرون تنفيذيون من Bridgestone وGM وJohnson Controls وTensorWave بشكل شخصي. وبالاقتران مع رأس المال السابق، جمعت Omen 40 مليون دولار منذ تأسيسها.
قدّم كوري ريلاس، الشريك في Nava Ventures وعضو مجلس إدارة Omen الآن، إشارة لافتة حول كيفية تشكل الجولة: “بالنسبة إلى Omen على وجه الخصوص، جاء جزء كبير من العناية الواجبة لدينا من تعارفنا مع عملاء كبار قاموا سريعًا بالتحقق من صحة نهجهم”. إن حلقة التحقق بين المستثمرين والعملاء – حيث يقوم المشترون من المؤسسات فعليًا بتقليل مخاطر أطروحة الاستثمار – هي إشارة قوية على وجود زخم تجاري حقيقي، وليس مجرد وعد تقني.
تعمل Omen حاليًا مع ما يقرب من اثني عشر عميلًا من مراكز البيانات بينما تبني عرضها المنتج. وتُعد TensorWave أبرز عميل مُسمّى، لكن اتساع قاعدة المستثمرين – التي تمتد عبر المديرين التنفيذيين في قطاعات السيارات والصناعة وبنية الحوسبة التحتية – يشير إلى أن الشركة تربط بالفعل بين عدة قطاعات.
لماذا يُعد هذا اللحظة مهمة لبنية الذكاء الاصطناعي التحتية
الضغط لتشغيل شرائح الذكاء الاصطناعي بدرجات حرارة أعلى وبكفاءة أكبر لا يتراجع. ومع تزايد الطلب على القدرة الحاسوبية، سيواصل مشغلو مراكز البيانات دفع أنظمة التبريد إلى حدودها الكيميائية والميكانيكية. وهذا الضغط يجعل المقايضة بين امتصاص الحرارة ومخاطر التلوث قيدًا هندسيًا دائمًا، لا مؤقتًا.
تعالج مراقبة السوائل في الوقت الفعلي فجوة كانت إلى حد كبير غير مرئية في نقاش البنية التحتية. فعتاد الحوسبة، وتوصيل الطاقة، وعرض النطاق للشبكات تحظى باهتمام هائل. أما كيمياء سائل التبريد الذي يمر عبر النظام فلا تحظى تقريبًا بأي اهتمام – رغم أن حادثة تلوث واحدة يمكن أن تعطل حاملًا لما يقرب من يوم عمل كامل. تراهن Omen على أنه مع انتشار التبريد بالسائل في مراكز بيانات الذكاء الاصطناعي، ستصبح الرؤية الكيميائية مطلبًا قياسيًا مثل مراقبة زمن التشغيل أو إدارة الطاقة.
ومع دخول Pyxis إلى المساحة نفسها في الوقت نفسه تقريبًا، من المرجح أن تُسرّع الديناميكيات التنافسية كلًا من تطوير المنتجات ووعي العملاء. وبالنسبة لمشغلي مراكز البيانات الذين لا يزالون يعتمدون على اختبارات مخبرية دورية، لم يعد السؤال ما إذا كانت تحليلات سائل التبريد في الوقت الفعلي ستصبح ممارسة قياسية – بل أي مزود سيتم تضمينه في بنيتهم التحتية أولًا.
الأسئلة الشائعة
ما المشكلة التي يحلها مطياف Omen AI لمراكز البيانات؟
إنه يراقب حالة سائل التبريد في الوقت الفعلي باستخدام مطياف مصغر موجود في الموقع، كاشفًا التلوث البكتيري في وقت مبكر بما يكفي لمنع إيقاف الحوامل المكلف الذي يمكن أن يستمر خمس أو ست ساعات.
لماذا يُعد التلوث خطرًا في أنظمة التبريد بالسائل في مراكز البيانات؟
إن زيادة محتوى الماء في سائل التبريد تحسن امتصاص الحرارة وتسمح للشرائح بالعمل بدرجات حرارة أعلى، لكنها تخلق أيضًا ظروفًا مواتية لنمو البكتيريا. ويمكن أن يؤدي هذا التلوث إلى انسداد تدفق سائل التبريد وإجبار المشغلين على غسل وإيقاف حوامل كاملة.
من هم بعض الشركاء والعملاء الرئيسيين لـ Omen AI؟
شملت جولة الفئة A البالغة 31 مليون دولار لـ Omen AI مستثمرين مثل Nava Ventures وCRV، إلى جانب استثمارات شخصية من مديرين تنفيذيين في Bridgestone وGM وJohnson Controls وTensorWave. وتشمل قاعدة عملائها وكلاء Caterpillar وTensorWave، التي تبني سحابات حوسبة ذكاء اصطناعي على شرائح AMD.
كيف تحسن تقنية Omen AI مقارنة بطرق اختبار السوائل التقليدية؟
تتطلب الطرق التقليدية من المشغلين سحب عينات من سائل التبريد وإرسالها إلى مختبر خارجي، مما يسبب تأخيرات كبيرة. يوفر مطياف Omen تحليلًا كيميائيًا مستمرًا وفي الوقت الفعلي مباشرة داخل نظام السائل، مما يلغي الفجوة بين تطور المشكلة وتنبيه المشغل.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”ما المشكلة التي يحلها مطياف Omen AI لمراكز البيانات؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”إنه يراقب حالة سائل التبريد في الوقت الفعلي باستخدام مطياف مصغر موجود في الموقع، كاشفًا التلوث البكتيري في وقت مبكر بما يكفي لمنع إيقاف الحوامل المكلف الذي يمكن أن يستمر خمس أو ست ساعات.”}},{“@type”:”Question”,”name”:”لماذا يُعد التلوث خطرًا في أنظمة التبريد بالسائل في مراكز البيانات؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”إن زيادة محتوى الماء في سائل التبريد تحسن امتصاص الحرارة وتسمح للشرائح بالعمل بدرجات حرارة أعلى، لكنها تخلق أيضًا ظروفًا مواتية لنمو البكتيريا. ويمكن أن يؤدي هذا التلوث إلى انسداد تدفق سائل التبريد وإجبار المشغلين على غسل وإيقاف حوامل كاملة.”}},{“@type”:”Question”,”name”:”من هم بعض الشركاء والعملاء الرئيسيين لـ Omen AI؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”شملت جولة الفئة A البالغة 31 مليون دولار لـ Omen AI مستثمرين مثل Nava Ventures وCRV، إلى جانب استثمارات شخصية من مديرين تنفيذيين في Bridgestone وGM وJohnson Controls وTensorWave. وتشمل قاعدة عملائها وكلاء Caterpillar وTensorWave، التي تبني سحابات حوسبة ذكاء اصطناعي على شرائح AMD.”}},{“@type”:”Question”,”name”:”كيف تحسن تقنية Omen AI مقارنة بطرق اختبار السوائل التقليدية؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”تتطلب الطرق التقليدية من المشغلين سحب عينات من سائل التبريد وإرسالها إلى مختبر خارجي، مما يسبب تأخيرات كبيرة. يوفر مطياف Omen تحليلًا كيميائيًا مستمرًا وفي الوقت الفعلي مباشرة داخل نظام السائل، مما يلغي الفجوة بين تطور المشكلة وتنبيه المشغل.”}}]}
تم إعداد المقال بمساعدة الذكاء الاصطناعي ومراجعته من قبل الفريق التحريري.
