Anthropic e OpenAI buscam pequenos data centers de IA para acelerar a implantação de 20 a 30 MW de capacidade computacional

TradingKey - Anthropic e OpenAI estão em busca de pequenos data centers com capacidades de cerca de 20 a 30 megawatts fora de grandes projetos de infraestrutura de IA para obter capacidade computacional disponível de forma mais rápida e atender à crescente demanda por inferência de modelos.

A Anthropic procurou projetos relevantes no Reino Unido e na região nórdica, enquanto a OpenAI explorou anteriormente oportunidades semelhantes nos países nórdicos, com ambas as empresas também discutindo capacidades equivalentes nos EUA, informou a CNBC, citando pessoas familiarizadas com o assunto. Em comparação com os acordos de centenas de megawatts ou até mesmo em escala de gigawatts assinados por ambas as partes no último ano, esses projetos são significativamente menores, mas geralmente mais rápidos de construir e entregar.

A OpenAI afirmou que está construindo um portfólio de computação mais diversificado para atender à demanda global por IA. Como diferentes cargas de trabalho possuem requisitos distintos de desempenho, confiabilidade, custo e prazos de entrega, a empresa se relaciona com vários tipos de parceiros, mas não comenta negociações comerciais específicas.

A Anthropic não respondeu aos pedidos de comentário.

Isso não significa que as duas empresas estejam abandonando os data centers hyperscale, mas sim adicionando fontes de computação mais flexíveis ao lado de grandes projetos de longo prazo. A Anthropic fechou anteriormente uma parceria de cerca de US$ 45 bilhões com a provedora de nuvem britânica Nscale para alugar cerca de 460 megawatts de capacidade em seu projeto na Virgínia Ocidental. A OpenAI também está impulsionando diversos projetos de infraestrutura em escala de gigawatts por meio do Stargate e de outras parcerias.

Embora os megaprojetos sejam bastante adequados para o treinamento centralizado de modelos avançados, eles frequentemente envolvem longos ciclos de conexão à rede elétrica, licenciamento e construção. Alguns data centers nos EUA enfrentam oposição de comunidades locais, enquanto os mercados europeus tradicionais sofrem com restrições de terra, energia e capacidade de transmissão. Garantir dezenas de megawatts em locais com infraestrutura de energia existente costuma ser mais prático do que esperar até que um único grande campus esteja totalmente operacional.

Para cargas de trabalho capazes de serem executadas em diferentes regiões, acumular vários clusters pequenos também pode gerar uma escala computacional substancial. Essa abordagem também atenua o impacto de atrasos em projetos individuais, permitindo que empresas de IA implantem determinados serviços antes da conclusão de grandes instalações.

A transição do processamento de IA do treinamento para a inferência é outra razão pela qual os pequenos data centers estão ganhando atenção. O treinamento de modelos grandes geralmente exige um número vasto de GPUs trabalhando juntas em altas velocidades em um único cluster, o que impõe altas exigências de interconexão e densidade de chips. A inferência, por outro lado, lida principalmente com solicitações de usuários; muitas tarefas podem ser divididas em clusters menores em diferentes locais sem a necessidade de concentrar todos os chips em uma única instalação hyperscale.

À medida que chatbots, agentes de IA e aplicações corporativas entram em ambientes de produção, a demanda por inferência está se tornando um dos principais impulsores da expansão dos data centers. A JLL projeta que a capacidade global de data centers alocada para inferência de IA superará a de treinamento até 2027; até 2030, a parcela das cargas de trabalho de inferência poderá subir de 9% em 2025 para 37%, enquanto a fatia das cargas de trabalho de treinamento cairá de 14% para 13% no mesmo período.

Projetos menores também podem ser posicionados mais próximos dos usuários e clientes corporativos, ajudando a reduzir a latência de rede e a atender aos requisitos regionais de conformidade de dados. O Reino Unido e a região nórdica não apenas contam com recursos abundantes de data centers existentes, mas também possuem energia limpa relativamente farta e custos de resfriamento mais baixos, criando condições favoráveis para implantações distribuídas de IA.

Portanto, a busca da Anthropic e da OpenAI por projetos de 20 a 30 megawatts representa um complemento às suas estratégias computacionais existentes, e não uma redução nos investimentos em infraestrutura. Ambas as empresas ainda necessitam de grandes clusters para treinar modelos de ponta, mas, à medida que o tráfego de inferência cresce, a futura infraestrutura de IA pode não depender mais inteiramente de um pequeno número de complexos em escala de gigawatts.