在一台液冷服务器机柜内部悄然酝酿的细菌爆发，听起来也许只是一个小众的工程难题——但对于全天候运行 AI 工作负载的数据中心运营商来说，它会直接转化为数百万美元的停机损失。这正是Omen AI 正在解决的问题：通过一种全新的数据中心冷却液监测方法，而这家初创公司刚刚获得了3100 万美元的 A 轮融资，以加速扩张。
Summary
要点速览
- Omen AI 构建了一款微型光谱仪，可实时监测液冷冷却液的健康状况，在细菌污染迫使机柜停机之前就将其检测出来。
- 冷却系统中的细菌污染可能会让一个数据中心机柜下线五到六个小时，每次事故的潜在成本高达数百万美元。
- 这笔 3100 万美元的 A 轮融资由 Nava Ventures 领投，CRV、范德比尔特大学（Vanderbilt University）、Mann+Hummel、Starhill Holdings、Hard Launch Capital，以及来自普利司通（Bridgestone）、通用汽车（GM）、江森自控（Johnson Controls）和 TensorWave 的高管参投。
- 自 2024 年成立以来，Omen 已累计融资4000 万美元，目前服务约十家数据中心客户，其中包括 TensorWave。
- 竞争对手 Pyxis 本月早些时候推出了类似的冷却液监测产品，表明行业对这一问题的关注正在升温。
液冷数据中心内部隐藏的化学难题
对于高密度 AI 基础设施而言，液冷已不再是可选项——而是在逐渐成为标配。但在这些系统中循环的冷却液，其化学稳定性比大多数运营商意识到的要脆弱得多。
冷却液通常是水与抑菌剂的混合物。权衡非常直接：提高水的比例可以增强吸热能力，从而让芯片在更高温度、更高负载下运行。但更多的水也会为细菌生长创造更适宜的环境。如果不被及时发现，这种污染会堵塞冷却液流路，而唯一的解决办法就是进行一次全系统冲洗。
这种冲洗成本极高。关闭单个机柜以清理被污染的冷却回路可能需要五到六个小时——在这段时间里，算力容量完全处于停摆状态。对于运行 AI 推理或训练任务的运营商来说，这不是小小的不便，而是严重的财务打击。
在冷却液化学问题上“盲飞”
迄今为止，大多数数据中心在处理冷却液健康问题时，几十年来几乎都采用同一种方式：抽取冷却液样本，邮寄到实验室，然后等待结果。当实验室报告返回时，污染问题往往已经发展到相当严重的程度。
“在这些庞大系统中流动的冷却液，是一个关键变量，而整个行业在这方面几乎都是在‘盲飞’。”TensorWave 总裁、Omen 现有客户之一 Piotr Tomasik 表示。TensorWave 使用 AMD 芯片构建 AI 计算云，并成为 Omen 方案的标杆客户。
从问题出现到实验室结果出炉之间的时间差，正是 Omen AI 选择切入的空白地带。
Omen AI 的光谱仪及其差异化所在
Omen 产品的核心是一台直接安装在冷却回路中的紧凑型光谱仪——无需抽取样本、无需邮寄、无需等待。它可以持续实时读取冷却液的化学成分，足够早地标记细菌生长，让运营商在停机不可避免之前就采取行动。
除了细菌污染之外，该设备还可以通过检测冷却液中的铜或铬微量成分来发现泵的磨损，并通过硅颗粒识别密封件老化。这为数据中心运营商提供了远超定期实验室检测的冷却基础设施健康“窗口”。
正如首席执行官兼创始人 Zach Laberge 所说：“你不再因为对系统内部的化学状况一无所知，而冒着巨额停机风险。”
这项技术为何在此刻变得可行
Omen 的技术路线选择并非偶然。有两项趋势的汇合，让小型、可负担、可部署在本地的光谱仪成为现实：近期在光学技术方面的进步，以及信号处理软件能力的提升。
“硬件已经便宜到可以大规模部署的程度，而信号处理则让我们能从噪声中提取更多有用信息。”Laberge 解释说。如果没有这两方面的条件，要打造一款足够小巧、足够便宜、可以在几十个机柜上铺开的设备，在经济上根本不现实。
这一技术突破的意义不仅限于 Omen 自身的故事。它也解释了为什么实时冷却液分析这一细分领域正在整体升温——老牌水质监测公司 Pyxis 本月刚刚推出了自己的数据中心冷却液监测产品。光学硬件成本与软件能力的同步收敛，似乎正在为多家企业同时进入这一市场打开大门。
公司成长、融资与战略合作
Omen AI 通往数据中心的路径并非一条直线。Zach Laberge 在 2020 年、14 岁时创立了他的第一家公司，筹集了 300 万美元，用于在工程机械上安装传感器——并在父母支持下辍学创业而广为人知。在那家初创公司结束后，他于 2024 年创立 Omen，将愿景扩展为：把流体系统作为工业机械的诊断层。
从卡特彼勒经销商到数据中心
转向数据中心，是由公司现有客户推动的。卡特彼勒（Caterpillar） 经销商是 Omen 在重型车辆领域最早的一批客户之一。卡特彼勒同时也是数据中心现场使用的燃气轮机和发电机的重要供应商，这让 Omen 得以直接接触那些管理大型建筑基础设施的运营商。
大约在六个月前，经销商开始询问 Omen 的传感器能否应用到建筑侧——也就是数据中心设施内部运行的轮机、暖通空调系统（HVAC）以及芯片冷却回路。Omen 很快意识到，这些建筑里充满了各种流体系统，而它们正需要 Omen 已经为工程机械构建好的那类监测能力。
3100 万美元融资轮及其投资方
这笔 3100 万美元的 A 轮融资由 Nava Ventures 领投，CRV、范德比尔特大学、Mann+Hummel、Starhill Holdings 和 Hard Launch Capital 参投。来自普利司通、通用汽车、江森自控和 TensorWave 的高管也以个人身份投资。加上此前的资金，Omen 自成立以来已累计融资 4000 万美元。
Nava Ventures 合伙人、现任 Omen 董事会成员 Cory Rellas 对本轮融资的达成方式给出了一个颇具信号意义的评价：“就 Omen 而言，我们的大部分尽调，都是通过与大型客户的引荐完成的，而这些客户很快就验证了他们的方法。”这种由企业客户参与“去风险化”投资逻辑的投资-客户验证闭环，是公司已具备真实商业牵引力而非仅有技术前景的强烈信号。
目前，Omen 正在为大约十家数据中心客户提供服务，同时完善其产品方案。TensorWave 是最知名的公开客户，但从投资方构成来看——涵盖汽车、工业和计算基础设施领域的高管——可以看出公司已经在跨多个行业搭建桥梁。
这一时刻对 AI 基础设施的意义
让 AI 芯片在更高温度、更高效率下运行的压力丝毫没有减弱。随着算力需求持续扩张，数据中心运营商会不断把冷却系统推向其化学与机械极限。这种压力意味着，在吸热能力与污染风险之间的权衡，将是一个长期存在的工程约束，而非暂时性问题。
实时流体监测填补了基础设施讨论中长期被忽视的一块空白。计算硬件、电力供应和网络带宽往往获得巨大关注，而在系统中循环的冷却液化学成分几乎无人问津——尽管一次污染事件就足以让一个机柜在几乎整整一个工作日内处于闲置状态。Omen 的押注是：随着液冷在 AI 数据中心中变得无处不在，化学可见性将会像运行时间监控或电力管理一样，成为标准化需求。
随着 Pyxis 在几乎同一时间进入这一领域，竞争态势很可能会加速产品迭代和客户认知。对于仍依赖定期实验室检测的数据中心运营商来说，问题已不再是实时冷却液分析是否会成为标准实践——而是哪一家供应商会率先嵌入他们的基础设施。
常见问题
Omen AI 的光谱仪为数据中心解决了什么问题？
它通过一台微型本地部署光谱仪实时监测液冷冷却液的健康状况，足够早地检测细菌污染，从而避免持续五到六小时、代价高昂的机柜停机。
为什么污染在数据中心液冷系统中是一大风险？
提高冷却液中的含水量可以改善吸热能力，让芯片在更高温度下运行，但也会创造有利于细菌生长的条件。这类污染会堵塞冷却液流路，迫使运营商对整个机柜进行冲洗并停机。
Omen AI 的主要合作伙伴和客户有哪些？
Omen AI 的 3100 万美元 A 轮融资包括 Nava Ventures 和 CRV 等投资方，以及来自普利司通、通用汽车、江森自控和 TensorWave 高管的个人投资。其客户群包括卡特彼勒经销商和使用 AMD 芯片构建 AI 计算云的 TensorWave。
Omen AI 的技术相比传统流体检测方法有哪些改进？
传统方法要求运营商抽取冷却液样本并送往外部实验室，带来显著延迟。Omen 的光谱仪则在冷却回路内部提供持续、实时的化学分析，消除了从问题出现到运营商收到警报之间的时间差。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Omen AI 的光谱仪为数据中心解决了什么问题？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”它通过一台微型本地部署光谱仪 实时监测液冷冷却液的健康状况，足够早地检测细菌污染，从而避免持续五到六小时、代价高昂的机柜停机。”}},{“@type”:”Question”,”name”:”为什么污染在数据中心液冷系统中是一大风险？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”提高冷却液中的含水量可以改善吸热能力，让芯片在更高温度下运行，但也会创造有利于细菌生长的条件。这类污染会堵塞冷却液流路，迫使运营商对整个机柜进行冲洗并停机。”}},{“@type”:”Question”,”name”:”Omen AI 的主要合作伙伴和客户有哪些？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Omen AI 的 3100 万美元 A 轮融资包括 Nava Ventures 和 CRV 等投资方，以及来自普利司通、通用汽车、江森自控和 TensorWave 高管的个人投资。其客户群包括卡特彼勒经销商和使用 AMD 芯片构建 AI 计算云的 TensorWave。”}},{“@type”:”Question”,”name”:”Omen AI 的技术相比传统流体检测方法有哪些改进？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”传统方法要求运营商抽取冷却液样本并送往外部实验室，带来显著延迟。Omen 的光谱仪则在冷却回路内部提供持续、实时的化学分析，消除了从问题出现到运营商收到警报之间的时间差。”}}]}
本文在人工智能协助下完成，由编辑团队审核。
