Кто такая Kratos Industries и почему её приобретение критически важно для ИИ-ЦОД
Kratos Industries, базирующаяся в Арваде (штат Колорадо), специализируется на производстве низковольтного и средневольтного силового оборудования для критически важных инфраструктур. Компания выделяется вертикально интегрированной моделью производства с подходом «проектирование под заказ», что позволяет создавать решения, точно соответствующие требованиям конкретных проектов ЦОД. В условиях, когда современные ИИ-кластеры потребляют до 100 кВт на стойку (против стандартных 5–10 кВт в традиционных ЦОД), надёжность системы электропитания становится вопросом не комфорта, а выживания бизнеса.
Приобретение Kratos даёт Legrand возможность предложить клиентам единую экосистему распределения электроэнергии — от кабельных лотков и нагрузочных стендов до шинопроводов и интеллектуальных блоков распределения питания (PDU). Особенно ценным становится расширение портфеля в сегменте средневольтного оборудования, необходимого для подключения мощных ИИ-кластеров напрямую к распределительным сетям без множественных этапов преобразования напряжения. Это снижает потери энергии на 15–20% и повышает общую надёжность системы — критически важные факторы при эксплуатации дорогостоящего оборудования для машинного обучения.
Двухфазное жидкостное охлаждение: почему инвестиции в Accelsius — это прорыв
Параллельно с приобретением Kratos Legrand объявила об участии в раунде финансирования серии B компании Accelsius, лидера в области двухфазного прямого жидкостного охлаждения (2P-DLC). В отличие от традиционного воздушного охлаждения или однофазного жидкостного охлаждения, двухфазная технология использует фазовый переход хладагента — жидкость испаряется при контакте с горячими компонентами, а пар конденсируется в радиаторе, отдавая тепло. Этот процесс обеспечивает теплоотвод в 1200 раз эффективнее, чем воздушное охлаждение.
Совместные инициативы Legrand и Accelsius будут ориентированы на интеграцию решений охлаждения непосредственно в инфраструктуру на уровне стоек. Предполагается создание модульных систем, где элементы распределения питания и охлаждения спроектированы как единое целое. Для ИИ-фабрик, где плотность размещения оборудования постоянно растёт, такая интеграция позволит размещать до 200 кВт вычислительной мощности в стандартной 42U стойке без риска теплового дросселирования процессоров и ускорителей. По оценкам экспертов, к 2027 году более 40% новых ИИ-ЦОД будут использовать двухфазное жидкостное охлаждение как основную технологию теплового менеджмента.
Финансовая стратегия: как ИИ меняет бизнес-модель Legrand
Генеральный директор Legrand Бенуа Кокар (Benoit Coquart) в интервью агентству Reuters подчеркнул трансформационное влияние искусственного интеллекта на бизнес-модель компании. Если ещё три года назад решения для ЦОД составляли менее 15% выручки Legrand, то в 2025 году этот сегмент достиг 26%, а к 2027 году может вырасти до 40%. Такая динамика объясняется не просто ростом рынка ЦОД, а фундаментальным изменением требований к инфраструктуре.
Финансовые результаты 2025 года подтверждают успешность стратегии: выручка составила €9,48 млрд ($11,26 млрд), что на 9,6% выше показателя предыдущего года и немного превысило прогнозы аналитиков (€9,46 млрд). Скорректированная операционная прибыль выросла на 10,5% до $1,96 млрд при марже 20,7%. На 2026 год компания прогнозирует рост продаж на 10–15% и операционную маржу на уровне 20,5–21%, что указывает на устойчивость бизнес-модели даже в условиях высокой конкуренции на рынке ИИ-инфраструктуры.
Практическое применение: как ИТ-директорам готовить инфраструктуру под ИИ-нагрузки
Для российских компаний, планирующих развивать собственные ИИ-решения или размещать вычислительные задачи в коммерческих ЦОД, изменения на рынке инфраструктурных решений имеют прямое практическое значение. При проектировании новых вычислительных сред или модернизации существующих необходимо учитывать три ключевых аспекта:
- Энергоэффективность распределения питания: Традиционные решения с множественными этапами преобразования напряжения (среднее → низкое → постоянный ток для серверов) теряют до 8% энергии. Интегрированные системы, подобные тем, что создаёт Legrand после приобретения Kratos, минимизируют эти потери за счёт оптимизации архитектуры.
- Тепловой менеджмент нового поколения: При плотности мощности свыше 30 кВт на стойку воздушное охлаждение становится экономически нецелесообразным. Двухфазное жидкостное охлаждение снижает энергопотребление систем охлаждения на 40–60% по сравнению с лучшими решениями на основе чиллеров.
- Модульность и масштабируемость: ИИ-проекты часто стартуют с небольших пилотных кластеров, но быстро масштабируются. Инфраструктура должна поддерживать поэтапное наращивание мощностей без полной реконструкции.
При выборе серверного оборудования для ИИ-нагрузок рекомендуется обращать внимание на совместимость с современными системами охлаждения. Например, стойковые серверы Dell PowerEdge серии XE оптимизированы для работы в средах с повышенной плотностью мощности и поддерживают интеграцию с системами жидкостного охлаждения через специальные интерфейсы. Для проектов среднего масштаба могут подойти башенные серверы с улучшенной системой воздушного охлаждения, но для полноценных ИИ-кластеров предпочтительны именно стоечные решения.
Сравнение технологий охлаждения для ИИ-ЦОД: практическая таблица
| Технология охлаждения | Макс. плотность мощности на стойку | PUE* | Капитальные затраты | Операционные затраты | Подходит для ИИ-кластеров |
|---|---|---|---|---|---|
| Традиционное воздушное (холодные коридоры) | 15–20 кВт | 1.5–1.8 | Низкие | Высокие | Только для небольших пилотов |
| Воздушное с точечным охлаждением | 25–35 кВт | 1.3–1.5 | Средние | Средние | Ограниченно |
| Однофазное жидкостное охлаждение | 50–70 кВт | 1.1–1.2 | Высокие | Низкие | Да, для средних кластеров |
| Двухфазное жидкостное охлаждение (Accelsius) | 100–200+ кВт | 1.03–1.08 | Очень высокие | Очень низкие | Идеально для ИИ-фабрик |
| *PUE (Power Usage Effectiveness) — показатель энергоэффективности ЦОД. Чем ближе к 1.0, тем эффективнее используется энергия. | |||||
Как это влияет на российский рынок ИТ-инфраструктуры
Хотя сделки Legrand происходят на глобальном уровне, их последствия непосредственно затронут российский рынок ИТ-инфраструктуры. Российские компании, развивающие собственные ИИ-решения в финансах, телекоммуникациях, промышленности и государственном секторе, столкнутся с необходимостью модернизации вычислительных мощностей. Уже сейчас наблюдается рост спроса на высокопроизводительные серверы с поддержкой ускорителей машинного обучения и соответствующую инфраструктуру.
Ключевым преимуществом для российских заказчиков станет возможность получать комплексные решения «под ключ» от единого поставщика. Ранее компании вынуждены были интегрировать решения от разных вендоров — одного для распределения питания, другого для охлаждения, третьего для серверного оборудования. После завершения интеграции Kratos и Accelsius в экосистему Legrand появится возможность создавать гомогенные среды с минимальными рисками совместимости. Это особенно важно для критически важных систем, где время простоя измеряется миллионами рублей в час.
Для предприятий, планирующих развивать гибридные ИИ-архитектуры (часть вычислений локально, часть в облаке), важно учитывать совместимость локальной инфраструктуры с облачными платформами. Современные системы хранения данных должны поддерживать протоколы, необходимые для эффективной работы с распределёнными ИИ-моделями, а сетевое оборудование — обеспечивать минимальную задержку при передаче больших объёмов данных между локальными и облачными ресурсами.
Пошаговая инструкция: как оценить готовность вашей инфраструктуры к ИИ-нагрузкам
Оценка инфраструктурной готовности ЦОД к развёртыванию ИИ-решений
- Проведите аудит текущей плотности мощности: измерьте фактическое энергопотребление каждой стойки в пиковой нагрузке. Если среднее значение превышает 15 кВт на стойку, традиционное воздушное охлаждение уже работает на пределе возможностей.
- Оцените систему распределения питания: проверьте количество этапов преобразования напряжения от входа в здание до серверных блоков питания. Каждый дополнительный этап снижает общую эффективность на 2–4%.
- Проанализируйте тепловые карты ЦОД: используйте тепловизоры для выявления «горячих точек» — зон с недостаточным охлаждением. Для ИИ-оборудования допустим перепад температуры не более 3–5°C между входом и выходом воздуха/жидкости.
- Рассчитайте требуемую мощность для ИИ-кластера: умножьте количество планируемых ускорителей (GPU/TPU) на их тепловыделение (например, NVIDIA H100 выделяет до 700 Вт в пиковой нагрузке) и добавьте 30% запаса для процессоров и памяти.
- Сравните существующие возможности с требованиями: если разница превышает 40%, рассмотрите варианты модернизации или развёртывания в специализированном ИИ-ЦОД с готовой инфраструктурой под высокоплотные нагрузки.
Часто задаваемые вопросы об инфраструктуре для ИИ-ЦОД
Может ли двухфазное жидкостное охлаждение повредить серверное оборудование из-за попадания жидкости?
Нет, при правильной реализации двухфазное охлаждение абсолютно безопасно для электроники. В отличие от погружного охлаждения, где компоненты полностью погружены в диэлектрическую жидкость, двухфазные системы используют замкнутый контур с теплообменниками, непосредственно контактирующими только с процессорами и ускорителями через металлические пластины. Хладагент циркулирует исключительно внутри герметичных трубок, исключая контакт с другими компонентами сервера. Технология применяется в суперкомпьютерах с 2010-х годов без инцидентов, связанных с повреждением оборудования.
Насколько экономически целесообразно внедрение жидкостного охлаждения для небольших ИИ-проектов (до 10 серверов)?
Для небольших проектов до 10 серверов внедрение полноценного двухфазного охлаждения обычно неоправданно из-за высоких капитальных затрат. Более рациональным решением станут серверы с усиленной системой воздушного охлаждения или гибридные решения с локальным жидкостным охлаждением только для ускорителей. Экономический эффект от жидкостного охлаждения проявляется при масштабе от 50–100 ускорителей, когда снижение затрат на электроэнергию и увеличение плотности размещения компенсируют первоначальные инвестиции за 2–3 года эксплуатации.
Какие требования к электропитанию предъявляют современные ИИ-серверы с ускорителями?
Современные ИИ-серверы с несколькими ускорителями (например, 8× NVIDIA H100) потребляют до 10–12 кВт на единицу оборудования. Это требует трёхфазного питания 400 В с током до 32 А на сервер. Для стойки с 4 такими серверами потребуется выделенная линия мощностью 40–50 кВт с резервированием по схеме N+1 или 2N. Критически важно обеспечить стабильность напряжения с отклонением не более ±3%, так как ускорители машинного обучения крайне чувствительны к перепадам питания — даже кратковременные просадки могут привести к сбоям в обучении моделей и потере вычислительного прогресса.
Стоит ли российским компаниям ждать появления решений Legrand-Kratos-Accelsius на локальном рынке или использовать существующие альтернативы?
Полноценная интеграция решений и их появление на российском рынке займёт 12–18 месяцев. Компаниям с срочной потребностью в ИИ-инфраструктуре не стоит ждать — современный рынок предлагает проверенные решения от ведущих вендоров. Например, стоечные серверы Dell PowerEdge с поддержкой ускорителей, совместимые с системами жидкостного охлаждения, уже доступны через официальных партнёров. Для консультации по подбору оптимальной конфигурации под конкретные задачи машинного обучения рекомендуется обратиться к специалистам, которые учтут особенности эксплуатации оборудования в российских условиях и требования к надёжности.