AI算力狂飙背后：数据中心冷却系统正在成为新的隐形战场
随着AI算力需求爆发式增长，数据中心正在竭尽所能压榨每一排GPU服务器的性能。然而，一个意想不到的问题正在浮现——冷却液中的细菌污染。
看不见的危机：为什么数据中心开始为冷却液发愁
AI芯片需要比传统服务器更强大的散热能力。当前的液冷方案使用水和抑菌剂的混合液来带走芯片热量。若将混合比例向水端倾斜——水吸热效果更好——芯片就能运行在更高功率下，但代价是细菌污染风险急剧上升，冷却管路一旦堵塞就只能停机冲洗。
这个代价有多大？每清洗一次，数据中心可能需要关闭一排机柜5到6个小时，直接损失动辄数百万美元。
解决方案：Omen AI 的实时光谱仪
Omen AI 开发了一款微型光谱仪，可以实时监测冷却液的健康状态，在细菌大规模繁殖之前就发出预警。CEO兼创始人 Zach Laberge 表示："有了实时数据，你不需要冒着长时间停机的风险去猜测冷却液里究竟发生了什么化学变化。" 这家公司本周宣布完成了3100万美元的A轮融资，由 Nava Ventures 领投，CRV、Vanderbilt University、Mann+Hummel、Starhill Holdings、Hard Launch Capital 跟投，Bridgestone、GM、Johnson Controls、Tensorwave 等公司的高管也参与了个人投资。加上此前的融资，Omen AI 自2024年成立以来总融资额已达4000万美元。
从建筑机械到数据中心：一次自然的业务转向
Laberge 的创业经历颇具话题性。2020年，年仅14岁的他就创办了第一家公司，募集到300万美元在建筑设备上安装传感器，后来甚至从高中退学全力创业。（他的父母——包括曾任安大略省教育厅长的母亲——对他的选择表示支持。） 这家公司最终关闭后，Laberge 于2024年创立了 Omen AI，最初的想法是用实时流体监测替代费时的取样送检流程，帮助建筑机械"自己知道什么时候该保养"。Omen 的光谱仪不仅能检测细菌生长——如果发现铜或铬的痕迹，还能预警泵或密封件的老化；如果检测到硅，则意味着密封件可能正在失效。
Omen 早期的重要客户是卡特彼勒（Caterpillar）的经销商网络，而卡特彼勒本身也是数据中心现场发电用燃气轮机和发电机的大型供应商。业务转向几乎顺理成章。
Laberge 接受 TechCrunch 采访时说："大概半年前，很多经销商开始说，'我们正在给涡轮机装传感器，你们在建筑设施侧能做什么？'" Omen 意识到，数据中心里到处都是流体系统——从暖通空调到芯片冷却，这个新客户群体的需求既庞大又增长迅速。
核心优势：硬件成本与信号处理的突破
Laberge 指出了技术落地的关键："硬件已经足够便宜，在规模上部署变得可行；而信号处理算法的进步，让我们能够从噪声中提取真正的有效信息。" 目前 Omen AI 已与约十几家数据中心客户展开合作，包括使用AMD芯片构建AI算力云的 TensorWave。TensorWave 总裁 Piotr Tomasik 在声明中表示："这些大型系统中的流体是一个关键变量，但整个行业大多数时候对它的化学状态几乎是'盲飞'的。Omen 对基础设施未来的看法和我们完全一致——通过更精细的监测来最优地支撑算力客户。"
竞争格局：行业老兵也在入局
Omen 并非唯一一家看到这个机会的公司。水质监测领域的成熟厂商 Pyxis 于本月初刚刚推出了面向数据中心的冷却液化学监控产品。这意味着实时流体监测正在从概念验证走向商业化落地。
Nava Ventures 合伙人 Cory Rellas 认为，Laberge 的年轻反而是一种优势："在这样一个节奏相对较慢的领域，能看到一位如此年轻的创始人获得大型成熟企业的尊重，是很罕见的事。我们的尽职调查很大程度上来自于大型客户对他们的介绍，这很快验证了他们的方向。"
背景 / 核心变化 / 影响与建议
背景：AI算力需求驱动数据中心向高功率密度演进，芯片冷却成为制约性能和成本的关键因素，传统的定期取样送检模式已无法满足实时运维需求。
核心变化：Omen AI 以微型光谱仪实现了冷却液的原位实时监测，将"被动清洗"转变为"主动预警"，同时将建筑机械领域的流体监测经验迁移至数据中心场景，找到了新的增长飞轮。
影响与建议：随着液冷方案在AI数据中心加速普及，冷却液实时监测有望成为标配。建议关注这一赛道的进展，以及 Pyxis 等老牌监测厂商的跟进策略。
评论