Xeal mette 100.000 GPU Nvidia nelle colonnine EV e porta l’AI all’edge

📌 In Sintesi

• Xeal vuole distribuire oltre 100.000 GPU Nvidia sfruttando la capacità elettrica inutilizzata delle proprie infrastrutture di ricarica EV negli Stati Uniti.
• Laitent parte da oltre 200 MW già autorizzati e installati in più di 1.600 proprietà, aggirando uno dei principali colli di bottiglia dei nuovi data center: la connessione alla rete.
• Il progetto mostra una possibile evoluzione dell’infrastruttura AI: inferenza distribuita vicino agli utenti utilizzando energia e connessioni già disponibili invece di costruire sempre nuovi hyperscale data center.

La prossima infrastruttura per l’intelligenza artificiale potrebbe nascere nei parcheggi prima ancora che dentro nuovi data center. Xeal vuole installare oltre 100.000 GPU Nvidia accanto alla propria rete di ricarica per veicoli elettrici, trasformando capacità elettrica già autorizzata ma largamente inutilizzata in una piattaforma distribuita per l’inferenza AI. Il progetto si chiama Laitent e parte da un patrimonio difficile da replicare rapidamente: più di 200 MW di infrastruttura elettrica installata in oltre 1.600 proprietà statunitensi. È precisamente il contrario della strategia hyperscale tradizionale: invece di cercare nuovi terreni, energia e interconnessioni, Xeal prova a portare il calcolo dove la potenza è già arrivata.

Xeal trasforma la capacità inutilizzata delle colonnine in potenza AI

La comunicazione con cui Xeal ha presentato Laitent descrive una rete di edge inference costruita sulla capacità elettrica disponibile presso le infrastrutture EV: oltre 200 MW già autorizzati e installati in più di 1.600 proprietà, sui quali l’azienda prevede di distribuire più di 100.000 GPU Nvidia. Xeal sostiene che i propri siti di ricarica utilizzino normalmente meno del 10% della capacità elettrica autorizzata, lasciando quindi una quantità significativa di potenza disponibile per altri carichi. I Laitent Pod possono integrare fino a 48 acceleratori Hopper o Blackwell Ultra, dispongono di raffreddamento autonomo senza necessità di collegamento idrico e dovrebbero essere installabili in tempi molto più brevi rispetto alla costruzione di un nuovo data center. Il primo pod è previsto entro la fine del 2026 insieme a JVM Realty. Yahoo Finanza

Leggi anche: L’AI sbatte contro il territorio: 68 miliardi di data center bloccati e Nvidia risponde con DSX

Il vero vantaggio non sono le GPU ma l’allaccio elettrico già disponibile

Il dato delle 100.000 GPU è quello più spettacolare, ma industrialmente il vantaggio di Xeal è altrove. La crescita dei data center AI si scontra sempre più con vincoli fisici che riguardano disponibilità di energia, autorizzazioni, trasformatori, connessioni alla rete, raffreddamento e tempi di costruzione. Laitent prova a saltare una parte di questa coda riutilizzando infrastrutture nate per la mobilità elettrica che hanno già superato almeno una parte del percorso autorizzativo e di interconnessione. È un cambio di prospettiva importante: la capacità elettrica inutilizzata diventa un asset computazionale. Xeal non deve dimostrare soltanto di poter installare migliaia di GPU all’aperto, ma di poter orchestrare una rete distribuita mantenendo disponibilità, sicurezza fisica, networking e prestazioni sufficientemente prevedibili per i workload di inferenza.

L’inferenza AI esce dagli hyperscaler e si avvicina alle città

Xeal punta inoltre sulla posizione geografica dei siti. La società parla di una rete “Metro Edge” capace di offrire latenze inferiori a 20 millisecondi portando il calcolo vicino alle aree nelle quali vengono generati e consumati i dati. Questo modello non sostituisce i giganteschi cluster necessari per addestrare i modelli frontier, ma può essere più adatto alla fase successiva, quella nella quale miliardi di richieste devono essere elaborate continuamente. È la stessa separazione che sta rendendo l’inferenza una componente industriale distinta dal training: il modello può essere costruito in pochi grandi poli, mentre l’esecuzione viene progressivamente distribuita. La crescita contemporanea della domanda elettrica ha già spinto miner Bitcoin a riconvertire infrastrutture verso data center Nvidia; Xeal applica una logica simile a un patrimonio completamente diverso, usando stazioni di ricarica e immobili invece di impianti nati per il mining.

Continua con:

Shanghai coordina rete e data center, Nvidia accelera la produzione di Vera Rubin

ByteDance occupa un quinto dei data center cinesi: l’AI divora infrastrutture

La rete elettrica diventa parte dell’architettura AI

Laitent mostra soprattutto quanto energia e calcolo stiano diventando due facce della stessa infrastruttura. Per anni il problema dell’AI è stato descritto in termini di GPU disponibili; oggi la disponibilità dell’acceleratore non garantisce più la possibilità di metterlo rapidamente al lavoro. Servono megawatt, connessioni, fibra, raffreddamento e siti autorizzati. Xeal tenta di risolvere la questione partendo dall’altra estremità: non costruisce prima un data center chiedendosi poi come alimentarlo, ma individua energia già collegata alla rete e vi porta il calcolo. Se il modello reggerà economicamente e operativamente su larga scala, le stazioni EV potrebbero diventare una delle tante nuove superfici sulle quali distribuire capacità AI. Il punto non è trasformare una colonnina in un data center, ma smettere di considerare ogni megawatt già installato come legato per sempre alla funzione per cui era stato originariamente autorizzato.