Um surto bacteriano se formando silenciosamente dentro de um rack de servidor resfriado a líquido pode parecer um problema de engenharia de nicho — mas, para operadores de data centers que executam cargas de trabalho de IA 24 horas por dia, isso se traduz diretamente em milhões de dólares em tempo de inatividade. É exatamente esse o problema que a Omen AI está enfrentando com uma nova abordagem de monitoramento de fluidos em data centers, e a startup acaba de garantir US$ 31 milhões em financiamento Série A para escalar rapidamente.
Summary
Principais pontos
- A Omen AI desenvolveu um espectrômetro em miniatura que monitora em tempo real a saúde do fluido de resfriamento líquido, detectando contaminação bacteriana antes que ela force a paralisação de um rack.
- A contaminação bacteriana em sistemas de refrigeração pode tirar um rack de data center do ar por cinco ou seis horas, com um custo potencial de milhões de dólares por incidente.
- Os US$ 31 milhões da Série A foram liderados pela Nava Ventures, com participação da CRV, Vanderbilt University, Mann+Hummel, Starhill Holdings, Hard Launch Capital e executivos da Bridgestone, GM, Johnson Controls e TensorWave.
- A Omen levantou US$ 40 milhões no total desde sua fundação em 2024 e atualmente atende cerca de uma dúzia de clientes de data center, incluindo a TensorWave.
- A concorrente Pyxis lançou um produto comparável de monitoramento de fluido de refrigeração no início deste mês, sinalizando uma crescente atenção da indústria para o problema.
O problema químico oculto dentro dos data centers resfriados a líquido
O resfriamento a líquido não é mais opcional para infraestrutura de IA de alta densidade — está se tornando o padrão. Mas o fluido que circula por esses sistemas é mais quimicamente delicado do que a maioria dos operadores imagina.
O fluido de refrigeração é normalmente uma mistura de água e uma substância inibidora de bactérias. A troca é direta: aumentar o teor de água melhora a absorção de calor, o que permite que os chips operem mais quentes e com mais intensidade. Mas mais água também cria um ambiente mais hospitaleiro para o crescimento bacteriano. Se não for detectada, essa contaminação entope o fluxo do fluido de refrigeração, e a única solução é uma lavagem completa do sistema.
Essa lavagem é cara. Desligar um único rack para limpar um circuito de refrigeração contaminado pode levar cinco ou seis horas — tempo durante o qual a capacidade de computação simplesmente deixa de existir. Para operadores que executam cargas de trabalho de inferência ou treinamento de IA, isso não é um mero inconveniente. É um impacto financeiro sério.
Voando às cegas na química do fluido
Até agora, a maioria dos data centers tratou a saúde do fluido de refrigeração da mesma forma por décadas: extrair uma amostra do fluido, enviá-la pelo correio para um laboratório e esperar pelos resultados. Quando o laudo do laboratório chega, um problema de contaminação já pode estar bem avançado.
“O fluido que circula por esses sistemas gigantescos é uma variável crítica sobre a qual a maior parte do setor está voando às cegas”, disse Piotr Tomasik, presidente da TensorWave, um dos clientes atuais da Omen. A TensorWave constrói nuvens de computação de IA em chips AMD e se tornou um cliente de referência para a abordagem da Omen.
A lacuna entre o momento em que um problema começa e o momento em que o resultado do laboratório chega é exatamente onde a Omen AI está fincando sua bandeira.
O espectrômetro da Omen AI e o que o torna diferente
O núcleo do produto da Omen é um espectrômetro compacto instalado diretamente dentro do sistema de fluido — sem extração de amostra, sem atraso de envio, sem espera. Ele lê continuamente a composição química do fluido de refrigeração em tempo real, sinalizando o crescimento bacteriano cedo o suficiente para que os operadores ajam antes que uma paralisação se torne inevitável.
Além da contaminação bacteriana, o dispositivo também pode detectar desgaste em bombas ao identificar traços de cobre ou cromo no fluido, e identificar degradação de vedantes por meio de partículas de silício. Isso oferece aos operadores de data centers uma visão muito mais ampla da saúde de sua infraestrutura de refrigeração do que qualquer teste laboratorial periódico poderia fornecer.
Como colocou o CEO e fundador Zach Laberge: “Você não está arriscando enormes quantidades de tempo de inatividade porque não tem nenhuma visão do que está acontecendo quimicamente.”
O que tornou a tecnologia viável agora
O timing da abordagem da Omen não é acidental. Dois desenvolvimentos convergentes tornaram viável um espectrômetro miniaturizado, acessível e instalado no local: avanços recentes em tecnologias ópticas e melhorias em software de processamento de sinal.
“O hardware está apenas barato o suficiente para que faça sentido jogar em escala, e então o processamento de sinal nos permite extrair mais sentido do ruído”, explicou Laberge. Sem esses dois ingredientes, construir um dispositivo pequeno e barato o suficiente para ser implantado em dezenas de racks não seria economicamente realista.
Esse desbloqueio tecnológico importa além da própria história da Omen. Ele ajuda a explicar por que o espaço de análise em tempo real de fluido de refrigeração está esquentando de forma mais ampla — a Pyxis, uma empresa estabelecida em monitoramento de água, lançou seu próprio produto de monitoramento de fluido de refrigeração para data centers neste mês. A convergência entre custos de hardware óptico e capacidade de software parece estar abrindo o mercado para múltiplos participantes simultaneamente.
Crescimento da empresa, financiamento e parcerias estratégicas
A trajetória da Omen AI até os data centers não foi uma linha reta. Zach Laberge fundou sua primeira empresa em 2020, aos 14 anos, levantando US$ 3 milhões para instalar sensores em equipamentos de construção — e, notoriamente, abandonando o ensino médio para fazê-lo, com o apoio dos pais. Depois que essa startup foi encerrada, ele lançou a Omen em 2024 com uma visão mais ampla, focada em sistemas de fluidos como uma camada de diagnóstico para máquinas industriais.
De concessionárias Caterpillar a data centers
A mudança de foco para data centers foi impulsionada pelos clientes existentes da empresa. Concessionárias da Caterpillar estavam entre os primeiros clientes da Omen no segmento de veículos pesados. A Caterpillar também é uma grande fornecedora de turbinas e geradores a gás usados para alimentar data centers no local, o que colocou a Omen em contato direto com operadores que gerenciam infraestrutura predial em grande escala.
Cerca de seis meses atrás, as concessionárias começaram a perguntar se os sensores da Omen poderiam ser aplicados ao lado predial — as turbinas, sistemas de HVAC e circuitos de resfriamento de chips que operam dentro das instalações de data centers. A Omen rapidamente percebeu que esses prédios estavam cheios de sistemas de fluidos que precisavam exatamente do tipo de monitoramento que ela já havia desenvolvido para equipamentos de construção.
A rodada de US$ 31 milhões e quem a apoiou
A rodada Série A de US$ 31 milhões foi liderada pela Nava Ventures, com participação da CRV, Vanderbilt University, Mann+Hummel, Starhill Holdings e Hard Launch Capital. Executivos da Bridgestone, GM, Johnson Controls e TensorWave também investiram pessoalmente. Combinada ao capital anterior, a Omen levantou US$ 40 milhões desde sua fundação.
Cory Rellas, sócio da Nava Ventures que agora integra o conselho da Omen, ofereceu um sinal notável sobre como a rodada foi estruturada: “Para a Omen em particular, grande parte da nossa diligência veio por meio de nossas apresentações a grandes clientes, que rapidamente validaram a abordagem deles.” Esse ciclo de validação entre investidor e cliente — em que compradores corporativos efetivamente reduzem o risco da tese de investimento — é um forte sinal de tração comercial real, não apenas de promessa técnica.
Atualmente, a Omen trabalha com aproximadamente uma dúzia de clientes de data center enquanto desenvolve sua oferta de produtos. A TensorWave é o cliente nomeado mais proeminente, mas a amplitude da participação dos investidores — abrangendo executivos de setores automotivo, industrial e de infraestrutura de computação — sugere que a empresa já está fazendo a ponte entre múltiplos setores.
Por que este momento é importante para a infraestrutura de IA
A pressão para operar chips de IA mais quentes e com mais eficiência não está diminuindo. À medida que a demanda por computação escala, os operadores de data centers continuarão a empurrar os sistemas de resfriamento para mais perto de seus limites químicos e mecânicos. Essa pressão torna a troca entre absorção de calor e risco de contaminação uma restrição de engenharia permanente, não temporária.
O monitoramento de fluido em tempo real aborda uma lacuna que tem sido amplamente invisível na conversa sobre infraestrutura. Hardware de computação, fornecimento de energia e largura de banda de rede recebem enorme atenção. A química do fluido de refrigeração que circula pelo sistema recebe quase nenhuma — embora um único evento de contaminação possa deixar um rack ocioso durante boa parte de um dia útil. A aposta da Omen é que, à medida que o resfriamento a líquido se torne onipresente em data centers de IA, a visibilidade química se tornará um requisito tão padrão quanto o monitoramento de uptime ou o gerenciamento de energia.
Com a Pyxis entrando no mesmo espaço aproximadamente ao mesmo tempo, a dinâmica competitiva provavelmente acelerará tanto o desenvolvimento de produtos quanto a conscientização dos clientes. Para operadores de data centers que ainda dependem de testes laboratoriais periódicos, a questão deixou de ser se a análise em tempo real do fluido de refrigeração se tornará prática padrão — e passou a ser qual fornecedor será incorporado à sua infraestrutura primeiro.
Perguntas frequentes
Que problema o espectrômetro da Omen AI resolve para os data centers?
Ele monitora em tempo real a saúde do fluido de resfriamento líquido usando um espectrômetro em miniatura instalado no local, detectando contaminação bacteriana cedo o suficiente para evitar paralisações caras de racks que podem durar cinco ou seis horas.
Por que a contaminação é um risco em sistemas de resfriamento líquido em data centers?
Aumentar o teor de água no fluido de resfriamento melhora a absorção de calor e permite que os chips operem mais quentes, mas também cria condições favoráveis ao crescimento bacteriano. Essa contaminação pode obstruir o fluxo do fluido de refrigeração e forçar os operadores a lavar e desligar racks inteiros.
Quem são alguns dos principais parceiros e clientes da Omen AI?
A rodada Série A de US$ 31 milhões da Omen AI incluiu investidores como Nava Ventures e CRV, além de investimentos pessoais de executivos da Bridgestone, GM, Johnson Controls e TensorWave. Sua base de clientes inclui concessionárias Caterpillar e a TensorWave, que constrói nuvens de computação de IA em chips AMD.
Como a tecnologia da Omen AI melhora em relação aos métodos tradicionais de teste de fluido?
Métodos tradicionais exigem que os operadores extraiam amostras do fluido de refrigeração e as enviem para um laboratório externo, introduzindo atrasos significativos. O espectrômetro da Omen fornece análise química contínua e em tempo real diretamente dentro do sistema de fluido, eliminando a defasagem entre o desenvolvimento de um problema e o alerta ao operador.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Que problema o espectrômetro da Omen AI resolve para os data centers?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Ele monitora em tempo real a saúde do fluido de resfriamento líquido usando um espectrômetro em miniatura instalado no local, detectando contaminação bacteriana cedo o suficiente para evitar paralisações caras de racks que podem durar cinco ou seis horas.”}},{“@type”:”Question”,”name”:”Por que a contaminação é um risco em sistemas de resfriamento líquido em data centers?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Aumentar o teor de água no fluido de resfriamento melhora a absorção de calor e permite que os chips operem mais quentes, mas também cria condições favoráveis ao crescimento bacteriano. Essa contaminação pode obstruir o fluxo do fluido de refrigeração e forçar os operadores a lavar e desligar racks inteiros.”}},{“@type”:”Question”,”name”:”Quem são alguns dos principais parceiros e clientes da Omen AI?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”A rodada Série A de US$ 31 milhões da Omen AI incluiu investidores como Nava Ventures e CRV, além de investimentos pessoais de executivos da Bridgestone, GM, Johnson Controls e TensorWave. Sua base de clientes inclui concessionárias Caterpillar e a TensorWave, que constrói nuvens de computação de IA em chips AMD.”}},{“@type”:”Question”,”name”:”Como a tecnologia da Omen AI melhora em relação aos métodos tradicionais de teste de fluido?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Métodos tradicionais exigem que os operadores extraiam amostras do fluido de refrigeração e as enviem para um laboratório externo, introduzindo atrasos significativos. O espectrômetro da Omen fornece análise química contínua e em tempo real diretamente dentro do sistema de fluido, eliminando a defasagem entre o desenvolvimento de um problema e o alerta ao operador.”}}]}
Artigo produzido com a assistência de inteligência artificial e revisado pela equipe editorial.
