Un rack di GPU che si blocca per cinque o sei ore può costare milioni di dollari. Eppure, fino a poco tempo fa, l’unico modo per sapere cosa stava succedendo al liquido di raffreddamento era spedire un campione in laboratorio e aspettare. Omen AI ha deciso di cambiare questo approccio con un minuscolo spettrometro capace di fare il monitoraggio dei liquidi nei data center in tempo reale, intercettando la contaminazione batterica prima che diventi un’emergenza operativa. La startup ha appena annunciato un round Series A da 31 milioni di dollari, confermando che il mercato sta iniziando a prendere sul serio il problema.
Summary
Punti chiave
- Omen AI ha sviluppato uno spettrometro compatto per il monitoraggio in tempo reale dei fluidi di raffreddamento nei data center, sostituendo i lenti test di laboratorio.
- La contaminazione batterica nei sistemi di liquid cooling può costringere allo spegnimento di un rack per cinque o sei ore, con potenziali danni economici nell’ordine dei milioni.
- Il round Series A da 31 milioni di dollari è stato guidato da Nava Ventures, con la partecipazione di CRV, Vanderbilt University, Mann+Hummel, Starhill Holdings e Hard Launch Capital.
- Omen AI lavora già con una dozzina di clienti nel settore data center, tra cui TensorWave, che costruisce infrastrutture di calcolo AI su chip AMD.
- Il fondatore Zach Laberge ha avviato la sua prima startup nel 2020 a soli 14 anni; Omen AI è stata fondata nel 2024.
Lo spettrometro di Omen AI per i data center
Il dispositivo sviluppato da Omen AI è piccolo, ma risolve un problema enorme. Installato direttamente nell’impianto di raffreddamento a liquido, legge in continuo la composizione chimica del fluido circolante, segnalando in anticipo la presenza di batteri, metalli come rame o cromo — indicatori di pompe usurate — oppure silicio, spia di guarnizioni danneggiate.
«Non si rischia un enorme downtime perché non si ha nessuna visibilità su quello che sta succedendo chimicamente», spiega Zach Laberge, CEO e fondatore di Omen AI.
Come funziona e perché supera i test tradizionali
Fino ad oggi, la prassi consolidata era estrarre campioni di fluido a intervalli regolari e inviarli a laboratori esterni per l’analisi. Un processo lento, costoso, e soprattutto cieco agli eventi che si sviluppano nel mezzo: una contaminazione batterica può diventare critica in poche ore, mentre il campione è ancora in transito.
Lo spettrometro di Omen AI elimina questa finestra di ignoranza. Sfruttando i recenti progressi nelle tecnologie ottiche e nel software di elaborazione dei segnali, rende economicamente sostenibile un’analisi continua in loco. «L’hardware è abbastanza economico da avere senso su scala, e poi l’elaborazione del segnale ci consente di estrarre informazioni utili dal rumore», ha dichiarato Laberge.
La sfida del raffreddamento a liquido nei data center
La domanda di calcolo alimentata dall’intelligenza artificiale sta spingendo i gestori di data center verso configurazioni sempre più aggressive. Più chip, più calore da smaltire, sistemi di raffreddamento sempre più sofisticati.
Più acqua, più rischio
Il liquido refrigerante è tipicamente una miscela di acqua e sostanze batteriostatiche. Aumentare la percentuale d’acqua migliora la capacità di assorbimento del calore — utile quando si vogliono spingere i chip ai limiti delle loro prestazioni — ma abbassa contestualmente la protezione contro la proliferazione batterica. Il risultato è un fluido che può intasarsi, bloccare il flusso e richiedere uno spurgo completo del sistema.
Il costo operativo della contaminazione batterica
Quando la contaminazione si manifesta, l’intervento è radicale: svuotare e flussare l’intero circuito. Un’operazione che impone lo spegnimento del rack interessato per cinque o sei ore, con perdite potenzialmente nell’ordine dei milioni di dollari per i grandi operatori. Il paradosso è che la maggior parte dei data center oggi opera quasi alla cieca su questo fronte, affidandosi a controlli periodici piuttosto che a una visibilità continua.
È esattamente questo vuoto che Omen AI punta a colmare. E non è sola: Pyxis, azienda già affermata nel monitoraggio dell’acqua, ha lanciato il proprio prodotto per il controllo del refrigerante nei data center proprio nelle scorse settimane, segnalando che la categoria si sta strutturando rapidamente.
Crescita aziendale, finanziamenti e partnership strategiche
La storia di Omen AI è anche una storia di fondatore. Laberge ha avviato la sua prima impresa nel 2020, a 14 anni, raccogliendo 3 milioni di dollari per installare sensori su macchinari da costruzione — e abbandonando il liceo con il sostegno dei genitori, tra cui la madre, ex ministra dell’Istruzione dell’Ontario. Dopo la chiusura di quella startup, nel 2024 ha fondato Omen AI con un focus sui sistemi fluidici industriali.
Da Caterpillar ai data center
Il salto verso l’infrastruttura digitale non era scontato. I concessionari Caterpillar — già clienti per il monitoraggio dei veicoli pesanti — hanno fatto da ponte: Cat è anche un importante fornitore di turbine a gas e generatori per l’alimentazione on-site dei data center. Circa sei mesi fa, i dealer hanno iniziato a chiedere se Omen potesse estendere le proprie capacità anche agli edifici.
«Molti concessionari dicevano: “Stiamo iniziando a installare sensori sulle turbine, riuscite a fare qualcosa anche sul lato edificio?”», ha raccontato Laberge. La risposta era sì — e il pivot è stato rapido.
Il round da 31 milioni e la base clienti
Il finanziamento annunciato porta a 40 milioni di dollari totali raccolti da quando Omen AI è stata fondata. Il Series A è stato guidato da Nava Ventures, con la partecipazione di CRV, Vanderbilt University, Mann+Hummel, Starhill Holdings e Hard Launch Capital, oltre a investimenti personali di dirigenti di Bridgestone, GM, Johnson Controls e TensorWave.
Cory Rellas, partner di Nava Ventures e membro del board di Omen, ha spiegato la logica dell’investimento: «È raro vedere un fondatore così giovane con la fiducia di grandi corporation in un settore che si muove lentamente. Gran parte della nostra due diligence è passata attraverso introduzioni con clienti importanti, che hanno rapidamente validato il loro approccio».
Tra i clienti attivi c’è TensorWave, che costruisce un cloud di calcolo AI su chip AMD. «Il fluido che scorre attraverso questi sistemi enormi è una variabile critica su cui la maggior parte del settore naviga alla cieca», ha dichiarato Piotr Tomasik, presidente di TensorWave. «Omen vede il futuro dell’infrastruttura esattamente come lo vediamo noi».
Il fatto che investitori e clienti si sovrappongano — TensorWave compare in entrambe le liste — dice qualcosa sul posizionamento di Omen: non è una scommessa puramente finanziaria, ma una tecnologia che chi opera nell’AI compute considera già rilevante per la propria operatività quotidiana. Con la domanda di GPU destinata a crescere e i carichi termici sempre più intensi, la capacità di vedere in tempo reale cosa scorre nei tubi potrebbe diventare un requisito di base per qualsiasi operatore serio.
FAQ
Quale problema risolve lo spettrometro di Omen AI nei data center?
Monitora in tempo reale la salute del fluido di raffreddamento a liquido, rilevando la contaminazione batterica prima che possa causare interruzioni operative costose. Sostituisce il metodo tradizionale di invio dei campioni in laboratorio, che lascia i gestori senza visibilità per ore o giorni.
Perché la contaminazione batterica è un rischio nei sistemi di liquid cooling?
Aumentare la percentuale d’acqua nel liquido refrigerante migliora l’assorbimento del calore, ma riduce la protezione antibatterica. I batteri possono proliferare, intasare il flusso e rendere necessario uno spurgo completo del sistema, con conseguente fermo del rack per cinque o sei ore.
Chi sono i principali partner e clienti di Omen AI?
Il round Series A ha visto la partecipazione di Nava Ventures e CRV come investitori istituzionali. Tra i clienti figurano i concessionari Caterpillar, che hanno facilitato l’ingresso nel segmento data center, e TensorWave, che costruisce infrastrutture di calcolo AI su chip AMD.
In cosa si differenzia il monitoraggio di Omen AI rispetto ai test tradizionali sui fluidi?
Offre un’analisi in loco e continua tramite uno spettrometro compatto, eliminando i tempi di attesa dei test di laboratorio. La tecnologia sfrutta progressi recenti nell’ottica e nell’elaborazione dei segnali per rendere il monitoraggio economicamente sostenibile su larga scala.
Contenuto realizzato con l’assistenza dell’intelligenza artificiale e con revisione editoriale umana.
