Talsperson: Alexis Cathalifaud, administrerende direktør
Efterspørgslen efter databehandling til kunstig intelligens fortsætter med at vokse, og infrastrukturen bag den er ved at blive et strategisk spørgsmål i sig selv. Virksomheder i hele branchen kæmper for at sikre sig adgang til stadig mere kraftfulde GPU'er, mens spørgsmål om elektricitet, datacenterkapacitet, køling og konnektivitet bliver sværere at adskille fra selve databehandlingen.
Clichmont tager en anden tilgang. I stedet for hovedsageligt at bygge sin model op omkring lejet GPU-kapacitet, fokuserer virksomheden på at eje og kontrollere den fysiske infrastruktur, som successive generationer af AI-hardware kan køre på. I dette interview forklarer Clichmonts administrerende direktør Alexis Cathalifaud, hvorfor virksomheden mener, at strøm og datacenterinfrastruktur kan blive de mere varige flaskehalse, hvordan den vælger placeringer og håndterer udfordringerne ved at skalere fysisk infrastruktur, og hvilken rolle dens $CLAI-token spiller i det bredere økosystem.
1) Alle virksomheder i dette felt kæmper om GPU-adgang lige nu. Clichmonts svar er at bygge datacentrene i stedet for at leje chippene. Hvorfor betyder ejerskab mere end adgang?
Fordi GPU-adgang giver dig databehandlingskraft; ejerskab af infrastruktur giver dig kontrol over økonomien i databehandlingen. For en virksomhed som Clichmont kan det være strategisk vigtigere at eje eller kontrollere datacenterlaget end blot at sikre lejede GPU'er. Når du lejer GPU-kapacitet fra en hyperscaler eller GPU-cloud, overtager du en andens prissætning, tilgængelighed, strømbegrænsninger, netværksarkitektur, udrulningsplan og marginer. Når efterspørgslen stiger, kan adgang blive dyr eller begrænset. At eje infrastrukturen ændrer regnestykket. Clichmont kan potentielt beslutte, hvilke GPU'er der skal udrulles, hvornår de skal opgraderes, hvor tæt de skal installeres, hvordan strøm og køling konstrueres, og hvordan kapaciteten sælges. Det samme anlæg kan også udvikle sig fra en GPU-generation til den næste i stedet for at binde forretningstesen til en bestemt chip.
Der er en anden vigtig forskel: GPU'er afskrives hurtigt; strømklargjort datacenterkapacitet er et mere langlivet strategisk aktiv. En GPU-generation kan blive økonomisk mindre konkurrencedygtig inden for få år, mens jord, netforbindelser, transformerstationer, kølingsinfrastruktur, fiberforbindelser og godkendte megawatt kan forblive værdifulde på tværs af flere generationer af acceleratorer. Det gør den knappe ressource i stigende grad ikke bare til GPU'en selv, men til evnen til at drive tusindvis af GPU'er i skala. En virksomhed kan købe chips og stadig ikke have noget egnet sted at udrulle dem. At sikre 10.000 GPU'er er ét problem; at sikre de snesevis af megawatt pålidelig elektricitet, køling og netværksinfrastruktur, der er nødvendig for at drive dem, er et andet.
2) Du er oppe imod virksomheder, der allerede er børsnoterede eller på vej derhen – CoreWeave, Crusoe, Lambda. Hvad mener du, deres model gør forkert, hvis noget?
Jeg mener ikke, at CoreWeave, Crusoe eller Lambda har fået modellen forkert. De beviste, at AI-databehandling er et massivt marked. Hvor vi adskiller os, er i, hvad vi mener vil forblive knapt. GPU'er ændrer sig hver generation. Den varige flaskehals er den infrastruktur, der kræves for at køre dem – strøm, jord, køling og konnektivitet. Clichmonts tese er, at i stedet for kun at konkurrere om at leje den nyeste GPU, ønsker vi at kontrollere den infrastruktur, som successive generationer af GPU'er vil operere på. I et marked, hvor alle jagter chips, vil vi hellere eje det sted, hvor chippene skal bo.
3) Der er et voksende argument for, at energi, ikke chips, er den egentlige flaskehals for AI-infrastruktur. Hvor meget former det, hvor og hvordan Clichmont bygger?
Energi former næsten enhver infrastrukturbeslutning, vi træffer. En GPU uden pålidelig strøm er bare dyr hardware, der står i et rack. Vi mener, at den virkelige konkurrence i det næste årti ikke blot vil handle om GPU'er – den vil handle om megawatt. Så når Clichmont vurderer en placering, starter vi ikke med at spørge, hvor vi kan finde den billigste bygning. Vi spørger: hvor kan vi sikre pålidelig strøm til den rigtige økonomi med mulighed for at skalere? Hvad er tiden til strøm? Hvordan er netsituationen? Hvilken kølingsarkitektur tillader klimaet? Og kan den placering understøtte den næste generation af GPU'er, ikke bare dem, vi installerer i dag? Det er en grund til, at placeringer med stærke energiforhold er strategisk interessante for os. Chips kan sendes rundt i verden. Du kan ikke sende 100 megawatt. Databehandlingen skal i sidste ende hen, hvor energien er. Så jeg vil ikke sige, at chips holder op med at være en flaskehals. De forbliver kritiske. Men i stigende grad er det ikke nok at eje GPU'er. Den konkurrencemæssige fordel er at kunne drive, køle og operere dem økonomisk i skala. Det er det, vi bygger Clichmont omkring. 4) Clichmonts placeringer spænder fra et solcelledrevet anlæg i Alicante til et nybyggeri i Bodø, Norge. Hvad afgør egentlig, hvor et datacenter bliver bygget – handler det om energi, jord, klima, noget andet? Vi vælger ikke en placering, fordi én variabel ser attraktiv ud. Vi vælger den, fordi hele infrastrukturregnestykket går op. Strøm er det første filter: hvor mange megawatt kan vi sikre, til hvilken pris, hvor pålidelig er forsyningen, og – kritisk – hvor hurtigt kan den faktisk leveres? Derefter ser vi på køling, klima, fiberforbindelser, jord, tilladelser, sikkerhed og muligheden for at udvide. Bodø og Alicante er interessante netop, fordi de repræsenterer forskellige styrker. Nordnorge giver os et klima, der kan understøtte effektiv køling og et stærkt energimiljø. Alicante giver os en anden energiprofil og muligheden for at integrere solenergi i infrastrukturstrategien. Vi mener ikke, at hvert Clichmont-datacenter behøver at se identisk ud – arkitekturen bør svare til placeringens ressourcer. Og jord alene er ikke særlig værdifuldt for os. En billig grund uden skalerbar strøm eller fiber er ikke en datacenterplacering. Det afgørende er, om vi kan omdanne den placering til pålidelig, økonomisk konkurrencedygtig databehandlingskapacitet. I sidste ende leder vi ikke rigtig efter jord. Vi leder efter steder, hvor energi, konnektivitet, køling og skalerbarhed mødes. Det er der, vi bygger. 5) Dette er en infrastrukturvirksomhed med en token knyttet til sig. For en læser, der er skeptisk over for den kombination, hvad er så det ærlige argument for, hvorfor $CLAI overhovedet eksisterer? Det skeptiske synspunkt er helt rimeligt. En token bør ikke eksistere, bare fordi en virksomhed opererer inden for AI. Hvis $CLAI blot var en finansieringsindpakning omkring vores datacentre, ville jeg ikke betragte det som en overbevisende grund til at skabe den. Clichmont er infrastrukturforretningen. Den bygger og driver databehandlingskapacitet. $CLAI er tænkt som et digitalt økonomisk lag omkring det bredere økosystem – noget, der i sidste ende kan understøtte on-chain-deltagelse, treasury-aktivitet og fællesskabsstyring på måder, som konventionel egenkapital ikke er designet til. Og vi skal gøre os fortjent til at kunne drage den sondring. Den fysiske infrastruktur skal eksistere uafhængigt af tokenen, og tokenen skal demonstrere reel nytte uafhængigt af spekulation. Hvis vi ikke kan vise begge dele, er skepsissen berettiget. Så jeg vil ikke bede nogen om at tro på $CLAI, blot fordi Clichmont ejer GPU'er eller bygger datacentre. Testen er meget enklere: gør tokenen i sidste ende noget nyttigt, gennemsigtigt og målbart, som ikke kunne opnås lige så effektivt med en normal database eller konventionel selskabsstruktur? Det er den standard, vi bør måles efter. 6) Hvad er den sværeste del af at skalere fysisk infrastruktur, som folk, der kun har bygget software, har tendens til at undervurdere? Den sværeste del er, at fysisk infrastruktur ikke skalerer med softwarehastighed. I software kan du ofte hurtigt tilvejebringe mere kapacitet, hvis efterspørgslen fordobles. I et datacenter har hver ekstra megawatt en fysisk afhængighedskæde bag sig – netkapacitet, transformere, switchgear, køling, fiber, tilladelser, byggeri og i sidste ende hardware. Og disse afhængigheder bevæger sig ikke så pænt parallelt, som folk forestiller sig. Du kan have jorden og ikke have strømmen. Du kan have strømtildelingen og vente måneder på elektrisk udstyr. Du kan have bygningen klar og stadig vente på en netforbindelse. Én manglende komponent kan forsinke en hel udrulning. Den anden forskel er, at fejl er dyre og svære at vende. Software kan patches fra den ene dag til den anden. Du kan ikke patche et dårligt designet 50-megawatt elektrisk system fra den ene dag til den anden. Du træffer kapitalbeslutninger i dag baseret på, hvordan GPU'er, strømtætheder og kølingskrav kan se ud om flere år. Så den egentlige færdighed er ikke blot at bygge datacentre. Det er at sekventere kapital, strøm, byggeri og kundeefterspørgsel, så de ankommer nogenlunde samtidig. Bygger du for tidligt, har du dyr ledig infrastruktur. Bygger du for sent, går kunden et andet sted hen. Den udførelsesdisciplin er sandsynligvis det, folk, der kommer fra ren software, undervurderer mest. I fysisk AI-infrastruktur betyder hastighed noget – men timing betyder endnu mere. 7) Hvis du skulle nævne den største risiko ved at satse på en byg-det-selv-model i stedet for en kapitallet lejemodel, hvad ville det så være? Den største risiko er kapitalintensitet kombineret med timing. Når du selv bygger infrastruktur, binder du betydelig kapital i dag mod antagelser om efterspørgsel, strømøkonomi og teknologi flere år ude i fremtiden. En lejemodel giver dig fleksibilitet. Hvis markedet ændrer sig, kan du reducere kapaciteten, skifte udbyder eller tage den næste generation af hardware i brug. Når du ejer infrastrukturen, har du ikke den luksus. En transformerstation, et kølesystem eller en datacenterbygning er en langsigtet beslutning. For os er den største fare derfor ikke blot at bruge for meget – det er at bygge den forkerte kapacitet på det forkerte sted på det forkerte tidspunkt. Hvis du bygger foran efterspørgslen, står kapitalen ubeskæftiget. Hvis du bygger for langsomt, misser du markedet. Derfor ser vi ikke ejerskab som 'byg alt selv'. Målet er at kontrollere den strategiske infrastruktur, mens vi forbliver fleksible omkring teknologi. Bygningen, strømmen, kølingen og konnektiviteten bør overleve flere generationer af GPU'er i stedet for at blive afhængig af én hardwarecyklus. Så ja, den kapitallette model har en reel fordel: valgfrihed. Vores satsning er, at hvis vi udfører det korrekt, skaber det at give afkald på noget kortsigtet valgfrihed noget mere værdifuldt på lang sigt – kontrol over kapacitet, strømøkonomi og den fysiske infrastruktur, som AI i stigende grad afhænger af. 8) Om tre år, hvor ønsker du så, at Clichmont skal stå i forhold til CoreWeaves og Nebiuses i verden? Om tre år forventer jeg ikke, at Clichmont er den største virksomhed i kategorien, og det er ikke målet. CoreWeave og Nebius har enorm skala og adgang til kapital. At forsøge at kopiere dem ville være den forkerte strategi for os. Jeg ønsker, at Clichmont skal anerkendes som en af de mest effektive uafhængige AI-infrastrukturoperatører i Europa – med reelle driftsaktiver, sikret strøm, højdensitets-GPU-kapacitet og en dokumenteret evne til hurtigt at bringe ny databehandling online. Vores fordel skal komme fra at være disciplinerede med hensyn til, hvor vi bygger, og hvad vi ejer. Vi ønsker placeringer, hvor energiøkonomien giver mening, infrastruktur designet omkring successive generationer af accelereret databehandling, og fleksibiliteten til at betjene enterprise-AI, HPC og privat databehandling i stedet for blot at konkurrere om GPU-lejevolumen." Hvis CoreWeave og Nebius bygger hyperscale-AI-clouds, kan Clichmont indtage en anden position: en fokuseret ejer og operatør af databehandlingsklar infrastruktur i strategisk udvalgte markeder. Konklusion Clichmonts strategi handler i sidste ende om en langsigtet infrastrukturindsats. Adgang til GPU'er vil fortsat være vigtig, men evnen til at drive, køle, forbinde og køre disse GPU'er effektivt i skala vil blive en stadig mere værdifuld fordel. Den tilgang kommer med reelle afvejninger. At bygge fysisk infrastruktur kræver betydelig kapital, lange planlægningstidslinjer og omhyggelig koordinering på tværs af strøm, byggeri, hardware og efterspørgsel. Clichmonts tese er, at accept af disse begrænsninger kan give virksomheden større kontrol over den infrastruktur, der er nødvendig for hver ny generation af AI-databehandling. Om den tese holder, vil afhænge mindre af, hvor ambitiøs modellen er, og mere af, om virksomheden kan udføre effektivt og på det rigtige tidspunkt.
Ofte stillede spørgsmål
Her er en liste over ofte stillede spørgsmål baseret på emnet Fra beton til databehandling Hvorfor Clichmont bygger sin egen AI-infrastruktur i stedet for at leje den
Begynderspørgsmål
Hvad betyder Fra beton til databehandling
Det refererer til hele stakken af AI-infrastruktur Beton repræsenterer de fysiske datacentre og Databehandling repræsenterer de servere og chips, der kører AI'en Clichmont bygger begge dele
Hvad er forskellen mellem at eje AI-infrastruktur og leje den
At leje er som at leje en lejligheddu betaler månedligt for en andens plads At eje er som at bygge et husdu betaler en stor forudgående udgift, men kontrollerer alt i det
Hvorfor ville en virksomhed bygge sit eget datacenter i stedet for at bruge Amazon eller Microsoft
Mest for kontrol omkostningsbesparelser i skala og databeskyttelse Hvis en virksomhed kører massive AI-modeller 247 kan leje i sidste ende blive dyrere end at bygge
Hvad er en GPU-klynge
En gruppe kraftfulde computerchips forbundet sammen De fungerer som motoren, der træner og kører AI-modeller
Betyder det, at Clichmont er ved at blive en cloududbyder som AWS
Ikke nødvendigvis De bygger sandsynligvis dette til deres egne interne AI-behov, ikke for at sælge serverplads til offentligheden
Mellemliggende spørgsmål
Hvad er de vigtigste fordele ved at bygge sin egen AI-infrastruktur
1 Omkostninger Ingen cloudafgift eller lejeafgifter
2 Ydeevne Du kan optimere hardwaren specifikt til din software
3 Datasuverænitet Dine data forlader aldrig din bygning
4 Tilpasning Du er ikke begrænset af den hardware, en cloududbyder tilbyder
Hvad er de største risici eller ulemper
Det kræver en massiv forudgående investering Hvis AI-teknologien ændrer sig hurtigt, kan du stå tilbage med forældet hardware, som du ejer, mens en cloudlejer bare kunne skifte til nyere servere
Hvorfor er Beton vigtigt for AI
AI-chips genererer enorm varme og kræver enorme mængder elektricitet Du kan ikke bare sætte dem i et normalt kontor Du har brug for specialiserede transformerstationer kølesystemer og fysisk sikkerhedderaf behovet for at bygge
Hvordan hjælper det med databeskyttelse at eje infrastruktur
Når du lejer fra en cloududbyder, rejser dine data over internettet og ligger på en andens