Un brote bacteriano que se está gestando silenciosamente dentro de un rack de servidores con refrigeración líquida puede sonar como un problema de ingeniería muy específico, pero para los operadores de centros de datos que ejecutan cargas de trabajo de IA las 24 horas del día, se traduce directamente en millones de dólares en tiempo de inactividad. Ese es exactamente el problema que Omen AI está abordando con un nuevo enfoque de monitoreo de fluidos en centros de datos, y la startup acaba de asegurar 31 millones de dólares en financiación Serie A para escalarlo rápidamente.
Summary
Puntos clave
- Omen AI construyó un espectrómetro en miniatura que supervisa en tiempo real el estado del fluido de refrigeración líquida, detectando la contaminación bacteriana antes de que obligue a detener un rack.
- La contaminación bacteriana en los sistemas de refrigerante puede obligar a desconectar un rack de centro de datos durante cinco o seis horas, con un coste potencial de millones de dólares por incidente.
- Los 31 millones de dólares de la Serie A fueron liderados por Nava Ventures, con la participación de CRV, la Universidad de Vanderbilt, Mann+Hummel, Starhill Holdings, Hard Launch Capital y ejecutivos de Bridgestone, GM, Johnson Controls y TensorWave.
- Omen ha recaudado 40 millones de dólares en total desde su fundación en 2024 y actualmente atiende a alrededor de una docena de clientes de centros de datos, incluida TensorWave.
- El competidor Pyxis lanzó un producto comparable de monitoreo de refrigerante a principios de este mes, lo que indica una creciente atención de la industria al problema.
El problema químico oculto dentro de los centros de datos con refrigeración líquida
La refrigeración líquida ya no es opcional para la infraestructura de IA de alta densidad: se está convirtiendo en la base. Pero el fluido que circula por estos sistemas es más químicamente delicado de lo que la mayoría de los operadores se da cuenta.
El refrigerante suele ser una mezcla de agua y una sustancia que inhibe las bacterias. La compensación es sencilla: aumentar el contenido de agua mejora la absorción de calor, lo que permite que los chips funcionen más calientes y con mayor intensidad. Pero más agua también crea un entorno más propicio para el crecimiento bacteriano. Si no se detecta, esa contaminación obstruye el flujo del refrigerante, y la única solución es un lavado completo del sistema.
Ese lavado es costoso. Apagar un solo rack para limpiar un circuito de refrigeración contaminado puede llevar cinco o seis horas, tiempo durante el cual la capacidad de cómputo simplemente desaparece. Para los operadores que ejecutan cargas de trabajo de inferencia o entrenamiento de IA, eso no es una molestia. Es un golpe financiero serio.
Navegando a ciegas en la química del fluido
Hasta ahora, la mayoría de los centros de datos han gestionado el estado del refrigerante de la misma manera durante décadas: extraer una muestra de fluido, enviarla por correo a un laboratorio y esperar los resultados. Para cuando llega el informe del laboratorio, es posible que un problema de contaminación ya esté muy avanzado.
«El fluido que circula por estos sistemas masivos es una variable crítica sobre la que la mayor parte de la industria está volando a ciegas», dijo Piotr Tomasik, presidente de TensorWave, uno de los clientes actuales de Omen. TensorWave construye nubes de cómputo de IA sobre chips AMD y se ha convertido en un cliente de referencia para el enfoque de Omen.
La brecha entre el momento en que comienza un problema y el momento en que llega un resultado de laboratorio es precisamente donde Omen AI está plantando su bandera.
El espectrómetro de Omen AI y qué lo hace diferente
El núcleo del producto de Omen es un espectrómetro compacto instalado directamente dentro del sistema de fluidos: sin extracción de muestras, sin retrasos de envío, sin esperas. Lee continuamente la composición química del refrigerante en tiempo real, señalando el crecimiento bacteriano con suficiente antelación para que los operadores actúen antes de que un apagado sea inevitable.
Más allá de la contaminación bacteriana, el dispositivo también puede detectar desgaste en las bombas al identificar trazas de cobre o cromo en el fluido, e identificar la degradación de sellos mediante partículas de silicio. Eso ofrece a los operadores de centros de datos una ventana mucho más amplia al estado de salud de su infraestructura de refrigeración que cualquier prueba de laboratorio periódica.
Como lo expresó el CEO y fundador Zach Laberge: «No estás arriesgando enormes cantidades de tiempo de inactividad porque no tienes ninguna visibilidad de lo que está ocurriendo químicamente».
Qué hizo viable la tecnología ahora
El momento del enfoque de Omen no es accidental. Dos desarrollos convergentes hicieron posible un espectrómetro miniaturizado, asequible y local: los avances recientes en tecnologías ópticas y las mejoras en el software de procesamiento de señales.
«El hardware es lo suficientemente barato como para que tenga sentido jugar a escala, y luego el procesamiento de señales nos permite sacar más sentido del ruido», explicó Laberge. Sin esos dos ingredientes, construir un dispositivo lo bastante pequeño e económico como para desplegarlo en docenas de racks no habría sido realista desde el punto de vista económico.
Ese desbloqueo tecnológico importa más allá de la propia historia de Omen. Ayuda a explicar por qué el espacio de analítica en tiempo real de refrigerantes se está calentando más ampliamente: Pyxis, una empresa consolidada en monitoreo de agua, lanzó este mes su propio producto de monitoreo de refrigerante para centros de datos. La convergencia de los costes del hardware óptico y la capacidad del software parece estar abriendo el mercado a múltiples participantes de forma simultánea.
Crecimiento de la empresa, financiación y alianzas estratégicas
El camino de Omen AI hacia los centros de datos no fue una línea recta. Zach Laberge fundó su primera empresa en 2020 a los 14 años, recaudando 3 millones de dólares para instalar sensores en equipos de construcción, y abandonando el instituto para hacerlo, con el apoyo de sus padres. Después de que esa startup se cerrara, lanzó Omen en 2024 con una visión más amplia centrada en los sistemas de fluidos como una capa de diagnóstico para la maquinaria industrial.
De concesionarios de Caterpillar a centros de datos
El giro hacia los centros de datos fue impulsado por los clientes existentes de la empresa. Los concesionarios de Caterpillar estuvieron entre los primeros clientes de Omen en el segmento de vehículos pesados. Caterpillar también es un importante proveedor de turbinas y generadores de gas utilizados para alimentar centros de datos en las instalaciones, lo que puso a Omen en contacto directo con operadores que gestionan infraestructura de edificios a gran escala.
Hace unos seis meses, los concesionarios comenzaron a preguntar si los sensores de Omen podían aplicarse al lado del edificio: las turbinas, los sistemas HVAC y los circuitos de refrigeración de chips que funcionan dentro de las instalaciones de los centros de datos. Omen reconoció rápidamente que esos edificios estaban llenos de sistemas de fluidos que necesitaban exactamente el tipo de monitoreo que ya había desarrollado para equipos de construcción.
La ronda de 31 millones de dólares y quién la respaldó
La ronda Serie A de 31 millones de dólares fue liderada por Nava Ventures, con la participación de CRV, la Universidad de Vanderbilt, Mann+Hummel, Starhill Holdings y Hard Launch Capital. Ejecutivos de Bridgestone, GM, Johnson Controls y TensorWave también invirtieron a título personal. Combinada con el capital anterior, Omen ha recaudado 40 millones de dólares desde su fundación.
Cory Rellas, socio de Nava Ventures que ahora forma parte del consejo de Omen, ofreció una señal notable sobre cómo se estructuró la ronda: «Para Omen en particular, gran parte de nuestra diligencia se realizó a través de nuestras presentaciones con grandes clientes, que validaron rápidamente su enfoque». Ese bucle de validación inversor-cliente —en el que los compradores empresariales reducen efectivamente el riesgo de la tesis de inversión— es una fuerte señal de tracción comercial real, no solo de promesa técnica.
Omen trabaja actualmente con aproximadamente una docena de clientes de centros de datos mientras desarrolla su oferta de productos. TensorWave es el cliente nombrado más destacado, pero la amplitud de la participación de los inversores —que abarca ejecutivos de los sectores automotriz, industrial y de infraestructura de cómputo— sugiere que la empresa ya está conectando múltiples sectores.
Por qué este momento es importante para la infraestructura de IA
La presión para hacer funcionar los chips de IA más calientes y de forma más eficiente no está disminuyendo. A medida que la demanda de cómputo escala, los operadores de centros de datos seguirán empujando los sistemas de refrigeración cada vez más cerca de sus límites químicos y mecánicos. Esa presión convierte la compensación entre absorción de calor y riesgo de contaminación en una restricción de ingeniería permanente, no temporal.
El monitoreo de fluidos en tiempo real aborda una brecha que en gran medida ha sido invisible en la conversación sobre infraestructura. El hardware de cómputo, la entrega de energía y el ancho de banda de red reciben una enorme atención. La química del refrigerante que circula por el sistema recibe casi ninguna, aunque un solo evento de contaminación puede dejar inactivo un rack durante buena parte de la jornada laboral. La apuesta de Omen es que, a medida que la refrigeración líquida se vuelva omnipresente en los centros de datos de IA, la visibilidad química se convertirá en un requisito tan estándar como el monitoreo de tiempo de actividad o la gestión de energía.
Con Pyxis entrando en el mismo espacio aproximadamente al mismo tiempo, la dinámica competitiva probablemente acelerará tanto el desarrollo de productos como la concienciación de los clientes. Para los operadores de centros de datos que aún dependen de pruebas de laboratorio periódicas, la pregunta ya no es si la analítica de refrigerante en tiempo real se convertirá en práctica estándar, sino qué proveedor se integrará primero en su infraestructura.
Preguntas frecuentes
¿Qué problema resuelve el espectrómetro de Omen AI para los centros de datos?
Supervisa en tiempo real el estado del fluido de refrigeración líquida mediante un espectrómetro en miniatura instalado localmente, detectando la contaminación bacteriana con suficiente antelación para evitar costosos apagados de racks que pueden durar cinco o seis horas.
¿Por qué la contaminación es un riesgo en los sistemas de refrigeración líquida de los centros de datos?
Aumentar el contenido de agua en el fluido de refrigeración mejora la absorción de calor y permite que los chips funcionen más calientes, pero también crea condiciones favorables para el crecimiento bacteriano. Esa contaminación puede obstruir el flujo del refrigerante y obligar a los operadores a lavar y apagar racks completos.
¿Quiénes son algunos de los socios y clientes clave de Omen AI?
La ronda Serie A de 31 millones de dólares de Omen AI incluyó inversores como Nava Ventures y CRV, junto con inversiones personales de ejecutivos de Bridgestone, GM, Johnson Controls y TensorWave. Su base de clientes incluye concesionarios de Caterpillar y TensorWave, que construye nubes de cómputo de IA sobre chips AMD.
¿Cómo mejora la tecnología de Omen AI frente a los métodos tradicionales de prueba de fluidos?
Los métodos tradicionales requieren que los operadores extraigan muestras de refrigerante y las envíen a un laboratorio externo, lo que introduce retrasos significativos. El espectrómetro de Omen proporciona análisis químico continuo y en tiempo real directamente dentro del sistema de fluidos, eliminando la brecha entre el desarrollo de un problema y la alerta al operador.
{«@context»:»https://schema.org»,»@type»:»FAQPage»,»mainEntity»:[{«@type»:»Question»,»name»:»¿Qué problema resuelve el espectrómetro de Omen AI para los centros de datos?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Supervisa en tiempo real el estado del fluido de refrigeración líquida mediante un espectrómetro en miniatura instalado localmente, detectando la contaminación bacteriana con suficiente antelación para evitar costosos apagados de racks que pueden durar cinco o seis horas.»}},{«@type»:»Question»,»name»:»¿Por qué la contaminación es un riesgo en los sistemas de refrigeración líquida de los centros de datos?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Aumentar el contenido de agua en el fluido de refrigeración mejora la absorción de calor y permite que los chips funcionen más calientes, pero también crea condiciones favorables para el crecimiento bacteriano. Esa contaminación puede obstruir el flujo del refrigerante y obligar a los operadores a lavar y apagar racks completos.»}},{«@type»:»Question»,»name»:»¿Quiénes son algunos de los socios y clientes clave de Omen AI?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»La ronda Serie A de 31 millones de dólares de Omen AI incluyó inversores como Nava Ventures y CRV, junto con inversiones personales de ejecutivos de Bridgestone, GM, Johnson Controls y TensorWave. Su base de clientes incluye concesionarios de Caterpillar y TensorWave, que construye nubes de cómputo de IA sobre chips AMD.»}},{«@type»:»Question»,»name»:»¿Cómo mejora la tecnología de Omen AI frente a los métodos tradicionales de prueba de fluidos?»,»acceptedAnswer»:{«@type»:»Answer»,»text»:»Los métodos tradicionales requieren que los operadores extraigan muestras de refrigerante y las envíen a un laboratorio externo, lo que introduce retrasos significativos. El espectrómetro de Omen proporciona análisis químico continuo y en tiempo real directamente dentro del sistema de fluidos, eliminando la brecha entre el desarrollo de un problema y la alerta al operador.»}}]}
Artículo producido con la ayuda de inteligencia artificial y revisado por el equipo editorial.
