Omen AI 收購 Aquatic Labs，推進資料中心即時水質監測

目錄

• 你可能想知道
• 主題
• 重點摘要表
• 後續……

你可能想知道

• 即時水質監測如何協助資料中心在減少用水的同時保護設備？
• Omen AI 收購 Aquatic Labs，為其技術和計畫帶來了什麼？

主題

資料中心仰賴水冷系統管理高效能電腦晶片產生的熱量。根據 Water Foundation 的資料，美國資料中心每年使用 17 to 19 billion gallons 的水來冷卻晶片。預計未來五年內，這個數字將增加到三倍。隨著 AI 基礎設施擴張，這種需求的規模不僅帶來營運上的挑戰，也引發了如何負責任地用水這個更廣泛的問題。

冷卻系統必須接受監測，才能確保其中的流體持續正常運作。然而，傳統檢測可能需要採集樣本並送往實驗室，結果往往要數天才能出爐。在這段延遲期間，系統問題——例如閥門故障，或可能阻礙水流的細菌滋生——可能難以及時發現。即時感測能讓營運人員更快掌握冷卻液的狀況。

Omen AI 成立於 2024 年，旨在填補這項監測缺口。該公司正在開發能即時偵測水系統變化的感測器，協助營運人員找出潛在故障和流體品質問題。繼 6 月完成 $31 million 的 A 輪融資後，Omen 宣布將以 $16 million 的現金加股票交易收購 Aquatic Labs。此次收購將兩家致力於即時水質感測的公司結合在一起。

兩家公司的技術測量不同的特性。Omen 的感測器會偵測水中的元素，而 Aquatic Labs 的感測器則測量鹼度。這兩種方法互為補足：結合後，營運人員對流體狀況的了解可能比單獨使用任一感測器更全面。Aquatic Labs 執行長 Allan Adams 接受 TechCrunch 訪問時表示，這能提供「更完整的水和流體狀況圖像」。兩家公司也有共同目標，希望以自動化流程取代緩慢的人工檢測。

Omen 創辦人 Zach Laberge 經由一位過濾產業投資人介紹，認識了 Adams，兩家公司因此開始合作。兩人的背景展現出不同的專業路徑，卻都指向同一個技術問題。Laberge 高中輟學後創立了第一家公司，為仰賴液壓系統的大型工程機械進行類似的流體分析。相較之下，Adams 受過物理學訓練，並致力於先進海洋感測技術。他曾任 MIT 教授，也曾在 Woods Hole Oceanographic Institute 擔任研究員，之後創立 Aquatic Labs。

Adams 將加入合併後的公司，擔任首席科學長。兩個團隊正努力將兩種技術整合至單一感測器，預計明年年初推出市場。整合這些測量功能，或許能讓客戶透過單一監測系統更輕鬆地評估流體狀況，不過產品仍須完成整合並推向市場。

Omen 初期推出的感測器，目標是監測年底前耗電量達 250 to 300 MW 的資料中心晶片。Laberge 告訴 TechCrunch，這些設備的價值約為 $5 to $7 billion。公司希望在 2027 年底前，讓感測器安裝在相當於 1 GW 的晶片上。這些數字顯示 Omen 鎖定的基礎設施規模，也說明其推廣進度取決於高容量資料中心能否持續興建並投入營運。

這項技術的潛在效益不只在於測量水質本身。流體問題可能危及昂貴的運算設備。如果冷卻系統的狀況不明，營運人員可能選擇排掉其中的水，以免設備受損。之後必須恢復流體系統，而在處理期間，營運可能需要暫停。排水和停機都可能造成高昂成本。

更頻繁的即時資訊有助於營運人員在狀況合適時延長同一批流體的使用時間，也可能協助他們在問題惡化前判斷何時需要介入。這項技術的核心價值在於提升可視性：營運人員能依據及時的測量結果做決策，而非只仰賴延遲的實驗室檢測結果，或出於謹慎而更換流體。這項技術無法取代維護或負責任的水處理，但有助於相關決策更加周全。

Adams 也認為，水質監測的應用潛力不只限於資料中心內部。水會流入這些設施，在系統中循環，最終可能排入市政供水設施。他接受 TechCrunch 訪問時強調，整個流程都應以安全且負責任的方式管理，而這需要測量。因此，監測不僅攸關冷卻效能，也可能有助於掌握水在流經設施前後的處理情形。

這項收購正值 AI 基礎設施投資規模引發辯論之際。AI 公司估計，到 2030 年，AI 基礎設施支出可能高達 $4 trillion。部分投資人對建設進度和財務回報變得更加懷疑，近幾日大型雲端服務商的股票也大幅下跌。這些變化讓仰賴新建設的公司面臨不確定性。

Laberge 表示，Omen 受尚未啟動的專案情緒變化影響較小，因為客戶正在建設或已完成相關設施。他指出，這些專案是在 12 months ago 融資的。在他看來，即使市場規模縮減一半，仍會是人類史上最大的市場。這是公司的看法，而非對未來需求的保證，但也說明 Omen 為何相信，即使投資人預期不斷變化，其業務仍能持續。

總的來說，這筆交易將兩種測量技術與兩個不同領域的專業知識結合，解決實際的基礎設施需求。資料中心需要可靠的冷卻系統；營運人員需要及時掌握維持冷卻所需的水和流體狀況；而用水帶來的環境影響也不止於設施本身。合併後的感測器能否達成這些目標，取決於技術整合是否成功、客戶是否採用，以及能否在嚴苛的運作環境中提供實用的測量結果。

重點摘要表

後續……

資料中心水資源管理要進一步發展，不能只靠整合感測器。營運人員、研究人員和設備供應商必須找出如何將即時讀數轉化為可靠的維護決策，並應用於不同的冷卻系統。這包括研究感測器長期運作的表現、如何偵測相關變化，以及如何將測量結果納入現有營運流程。

監測如何協助設施在整個生命週期中負責任地用水，也有進一步探討的空間。更精確的測量或能協助營運人員掌握進水、冷卻系統內部和排放時的水質。持續改善水處理、再利用和排放方式，可與感測技術互相配合；而與市政供水系統協調，也有助於處理資料中心範圍之外的影響。

隨著 AI 基礎設施發展，決策者需要同時評估運算能力以及維持運作所需的資源。未來研究可著重於將營運數據與實際的節水措施連結，讓可靠性、設備保護和負責任的水資源管理能一併考量。Omen 與 Aquatic Labs 的合作提供了其中一種解決思路：以更持續的資訊取代延遲且有限的檢測。隨著感測器完成整合、部署並在真實設施中接受評估，其最終影響將逐漸明朗。