Omen AI 的液冷数据中心优化方案：让硬件“感知”液体健康

背景

在人工智能驱动的计算需求激增的背景下，数据中心正面临巨大的算力压力。为了在有限的空间内榨取更多的 GPU 性能，液冷技术已成为主流选择。然而，这种高效散热方式也带来了一个意想不到的副作用：细菌滋生。

液冷芯片的冷却液通常是水和抑菌剂的混合物。为了提升散热效率，数据中心管理者往往需要调整混合比例，增加水的含量，因为水比热容更高，吸热效果更好。但这种改变会破坏原有的抑菌平衡，导致冷却液受到严重污染，进而堵塞流体通道。目前，解决这一问题的标准做法是彻底冲洗系统，但这通常意味着需要关闭机柜长达五到六小时，由此造成的停机损失可能高达数百万美元。

核心内容

Omen AI 提出了一种解决方案：一种微型光谱仪，能够实时监控冷却液的健康状况，在细菌大规模爆发之前发现早期迹象。

Omen AI 的首席执行官兼创始人 Zach Laberge 指出：“如果你无法从化学层面洞察系统内部发生了什么，你就不得不冒巨大的停机风险。”

融资与公司背景

今日，Omen AI 宣布完成 3100 万美元的 A 轮融资，由 Nava Ventures 领投，CRV、范德堡大学、Mann+Hummel、Starhill Holdings、Hard Launch Capital 参投，此外还有来自普利司通（Bridgestone）、通用汽车（GM）、江森自控（Johnson Controls）和 Tensorwave 的高管个人投资。

Zach Laberge 是一位极具传奇色彩的年轻创业者。2020 年，年仅 14 岁的他创立了第一家公司，筹集了 300 万美元用于在建筑设备上安装传感器，并最终从高中退学。他的父母，尤其是曾任安大略省教育部部长的母亲，支持他走出自己的道路。

在那家初创公司关闭后，Laberge 于 2024 年创立了 Omen AI。最初，他的想法是专注于流体系统，使其具备智能，能够知道何时需要维护。其核心逻辑是用实时感知取代耗时且昂贵的“提取样本并送检实验室”的传统流程。除了检测细菌生长，该设备还能通过检测铜或铬来预警泵磨损，通过检测硅来预警密封件老化。

业务重心的战略转移

Omen 的重型车辆业务早期客户包括卡特彼勒（Caterpillar）的经销商。然而，卡特彼勒同时也是大型燃气涡轮机和发电机的供应商，为数据中心提供现场电力。这一联系让 Omen 敏锐地察觉到了风向的变化。

Laberge 告诉 TechCrunch：“这算是一种转型。大约六个月前，许多经销商告诉我们：‘嘿，我们开始在我们的涡轮机上安装传感器，你们能在建筑设施方面做些什么吗？’”

Omen 随后发现，数据中心建筑内部充满了各种流体，从 HVAC（暖通空调）系统到芯片冷却系统。面对这一快速增长的新客户群体，Omen 决定将重心转向数据中心。

市场验证与技术原理

Nava Ventures 合伙人 Cory Rellas 表示：“很难看到如此年轻的创始人，在一个发展相对缓慢的行业中，能获得大型成熟企业的尊重。对于 Omen 而言，我们的尽职调查很大程度上通过大型客户的引荐完成，这迅速验证了其方法的可行性。”

自 2024 年成立以来，Omen AI 已筹集 4000 万美元，目前正与十几家数据中心客户合作完善其产品，其中包括 TensorWave——一家基于 AMD 芯片构建 AI 计算云的公司。

TensorWave 总裁 Piotr Tomasik 在声明中表示：“流经这些庞大系统的流体是一个关键变量，而行业中的大多数公司对此都是‘盲飞’状态。Omen [看到的] 基础设施的未来与我们完全一致：更好的监控以最优地支持计算客户。”

尽管许多组织仍依赖将流体样本邮寄到实验室进行分析，但 Omen 并非唯一开发现场分析技术的公司。老牌水质监测公司 Pyxis 也在本月推出了数据中心冷却液监测产品。

Laberge 解释了该技术突破的关键：“硬件成本足够低，使得规模化应用变得合理，而信号处理软件则让我们能够从噪声中提取出更多有效信息。”

关键要点

• 痛点明确：数据中心为提升散热效率增加冷却液中水的比例，导致细菌滋生和流体堵塞。传统解决方案（冲洗系统）需要停机 5-6 小时，成本高昂。
• 技术方案：Omen AI 开发了一种微型光谱仪，可实时监测流体化学状态，提前发现细菌生长、泵磨损（铜/铬检测）和密封件老化（硅检测）。
• 融资情况：完成 3100 万美元 A 轮融资，估值及总融资额达 4000 万美元。投资方包括 Nava Ventures、CRV 以及多家工业巨头高管。
• 创始人背景：CEO Zach Laberge 14 岁创业，曾辍学，拥有深厚的硬件与传感器背景。
• 战略转型：从最初的重型机械流体监测，转向数据中心市场。这一转变得益于与卡特彼勒（Caterpillar）等工业巨头的合作契机。
• 技术壁垒：依赖近期光学技术和信号处理软件的进步，使得低成本硬件结合高效算法成为可能。
• 竞争格局：虽然 Pyxis 等老牌公司也进入该领域，但 Omen 凭借年轻创始人的创新能力和对 AI 基础设施需求的敏锐洞察，已获得 TensorWave 等新兴 AI 算力公司的认可。

意义与影响

Omen AI 的崛起标志着数据中心运维正从“被动维护”向“预测性智能运维”转变。

首先，它解决了 AI 算力扩张中的隐性瓶颈。随着 GPU 集群密度越来越高，散热系统的稳定性直接决定了算力的可用性。Omen 的技术能够避免数百万美元的停机损失，直接提升了数据中心的运营效率和投资回报率。

其次，跨界融合成为新趋势。Omen 的成功路径展示了工业 IoT（IIoT）技术如何赋能新兴的 AI 基础设施。通过复用重型机械领域的传感器技术，并针对数据中心场景进行优化，Omen 证明了传统工业技术在新经济形态下的巨大潜力。

最后，实时监测将成为行业标配。正如 Laberge 所言，硬件成本的降低和信号处理能力的提升，使得“让基础设施拥有感知能力”变得经济可行。未来，不仅冷却液，数据中心内的其他关键流体系统也将纳入实时监控网络，推动整个行业向更透明、更高效的方向发展。