Ta unia ma na celu stworzenie płynnego rozwiązania „Power-to-Chip” (od mocy do układu), w którym zarządzanie energią jest wbudowane w infrastrukturę od pierwszej fazy projektowej, a nie dodawane na końcu . Partnerstwo skoncentruje się na trzech konkretnych obszarach współpracy:
Partnerstwo wyznaczyło wymierne cele, które odzwierciedlają powagę problemu energetycznego AI. Współpraca wyraźnie zakłada 30-procentową redukcję zużycia energii dla klastrów GPU o wysokiej gęstości, które są końmi roboczymi nowoczesnego treningu AI . Ponadto dąży do obniżenia wskaźnika PUE (Power Usage Effectiveness) poniżej 1,1. PUE to kluczowy wskaźnik branżowy, gdzie wynik 1,0 oznacza idealną efektywność; cel poniżej 1,1 oznacza niemal całkowitą eliminację strat energii na chłodzenie i dystrybucję mocy
.
Produkcja pierwszych zintegrowanych rozwiązań powstałych w wyniku tego partnerstwa ma się rozpocząć jeszcze w 2026 roku .
Ta strategiczna współpraca jest bezpośrednią odpowiedzią na dwa potężne, zbieżne trendy, które zmieniają krajobraz technologiczny.
Po pierwsze, zapotrzebowanie na moc obliczeniową AI nie tylko rośnie, ono eksploduje. Prognozuje się, że popyt na infrastrukturę AI będzie rósł w tempie 25% rocznie (CAGR) do 2030 roku, a niektóre raporty sugerują, że zapotrzebowanie na moc specyficzną dla AI podwaja się mniej więcej co 100 dni. Ta trajektoria wywiera ogromną presję na sieci elektroenergetyczne i sprawia, że ekstremalna efektywność energetyczna staje się egzystencjalnym wymogiem dla branży technologicznej .
Po drugie, umowa sygnalizuje strukturalną konsolidację łańcucha dostaw infrastruktury AI. Integrując eksperta od mocy i chłodzenia bezpośrednio z liderem obliczeń i produkcji na poziomie projektowania serwerów, partnerstwo omija tradycyjne, fragmentaryczne podejścia. Wywiera to znaczną presję na konwencjonalnych producentów komponentów elektrycznych, aby się dostosowali, albo ryzykowali pozostanie w tyle . Współpraca jest również częścią większego trendu, w którym główne firmy przemysłowe i elektroniczne łączą siły, aby osadzać zdolności AI nie tylko w centrach danych, ale w całej gospodarce, od inteligentnych fabryk i sieci energetycznych po sieci transportowe
.