Silicon Data ने GPU रेंटल प्राइसिंगसाठी स्वतंत्र बेंचमार्क तयार करण्याकरिता $30.5 दशलक्ष सिरीज-ए फंडिंग मिळवली आहे. कंपनी CME ग्रुपसोबत ऑक्टोबर 2026 मध्ये फ्युचर्स कॉन्ट्रॅक्ट्स लाँच करणार आहे, ज्यामुळे कंपन्यांना AI हार्डवेअरच्या अस्थिर खर्चाचे व्यवस्थापन करता येईल.
AI इन्फ्रास्ट्रक्चरमध्ये क्रांती घडवण्यासाठी Silicon Data सज्ज
आर्टिफिशियल इंटेलिजन्स (AI) इन्फ्रास्ट्रक्चरच्या अर्थशास्त्रावर लक्ष केंद्रित करणाऱ्या Silicon Data या स्टार्टअप्सने $30.5 दशलक्षची सिरीज-ए फंडिंग यशस्वीरीत्या पूर्ण केली आहे. या फंडिंगचे नेतृत्व Valor Atreides AI Fund ने केले आहे. या गुंतवणुकीमुळे कंपन्यांना AI कम्प्युटिंग पॉवरच्या खर्चाचा मागोवा घेणे आणि व्यवस्थापन करणे सोपे होईल, जी AI उत्पादने विकसित करणाऱ्या व्यवसायांसाठी मोठी डोकेदुखी ठरत आहे.
CME ग्रुपसोबत फ्युचर्स ट्रेडिंगसाठी भागीदारी
कंपनीच्या वाढीच्या धोरणाचा मुख्य भाग म्हणजे CME ग्रुपसोबतची भागीदारी. या भागीदारीद्वारे AI इन्फ्रास्ट्रक्चरवर आधारित आर्थिक साधने (Financial Instruments) सादर केली जातील. नियामक मंजुरीच्या प्रतीक्षेत, Silicon Data 5 ऑक्टोबर 2026 रोजी दोन कॅश-सेटलमेंट कम्प्युट फ्युचर्स कॉन्ट्रॅक्ट्स (Compute Futures Contracts) लाँच करण्याची योजना आखत आहे. हे कॉन्ट्रॅक्ट्स Nvidia च्या H100 आणि B200 GPUs च्या तासाभराच्या रेंटल खर्चाचा मागोवा घेतील. हे फ्युचर्स सादर करून, कंपनी उच्च-क्षमतेच्या AI चिप्सच्या रेंटल मार्केटमधील किंमतीतील चढ-उतारांपासून संरक्षण (Hedge) मिळवण्याचा मार्ग उपलब्ध करून देईल.
सध्या, कंपन्यांना AI कम्प्युट क्षमतेसाठी भविष्यातील किमती निश्चित करण्याचा कोणताही प्रमाणित मार्ग उपलब्ध नाही. AI इन्फ्रास्ट्रक्चरमधील गुंतवणूक वाढत असताना, खर्चातील अस्थिरतेचे व्यवस्थापन करणे डेटा सेंटर ऑपरेटर्स आणि AI डेव्हलपर्ससाठी प्राधान्याचे बनले आहे. Silicon Data एक तटस्थ बेंचमार्क लेयर म्हणून काम करते, जे SiliconMark सारखी साधने कार्यक्षमतेचे मोजमाप करण्यासाठी आणि मार्केट सहभागींना रेंटल मार्केट समजून घेण्यासाठी मदत करते.
नियामक आणि बाजारातील आव्हाने
कम्प्युट फ्युचर्स सादर करण्यामागचा उद्देश वेगाने बदलणाऱ्या मार्केटमध्ये स्थिरता आणणे असला तरी, गुंतवणूकदारांनी काही धोके लक्षात घेणे आवश्यक आहे. सर्वात महत्त्वाचा धोका म्हणजे नियामक मंजुरी प्रक्रिया. या फ्युचर्स कॉन्ट्रॅक्ट्सचे लाँच तपासणीच्या अधीन असल्याने, नियामकांकडून कोणतीही दिरंगाई किंवा नकार कंपनीच्या टाइमलाइन आणि बिझनेस मॉडेलवर परिणाम करू शकतो.
नियामकां व्यतिरिक्त, स्टार्टअपला AI हार्डवेअरच्या स्वरूपामुळे आव्हानांचा सामना करावा लागत आहे. कम्प्युटचे मानक युनिट परिभाषित करणे कठीण आहे, कारण समान चिप मॉडेल्समध्येही कार्यक्षमतेत लक्षणीय फरक असू शकतो. या फरकांमुळे एक विश्वासार्ह किंमत निर्देशांक (Price Index) तयार करणे गुंतागुंतीचे होते. शिवाय, AI कम्प्युट मार्केट अत्यंत केंद्रित आहे, जिथे Nvidia या डेटा सेंटर्समध्ये वापरल्या जाणाऱ्या चिप्सचा मोठा पुरवठा करते. एकाच प्रमुख पुरवठादारावर अवलंबून राहिल्याने सिस्टिमिक धोका निर्माण होतो; हार्डवेअर उत्पादकांकडून पुरवठ्यात किंवा किंमत धोरणांमध्ये कोणताही व्यत्यय Silicon Data द्वारे तयार केल्या जात असलेल्या निर्देशांकांच्या स्थिरतेवर परिणाम करू शकतो.
शेवटी, या नवीन आर्थिक उत्पादनांचे यश बाजारातील स्वीकृतीवर अवलंबून असेल. फ्युचर्स कॉन्ट्रॅक्ट्स प्रभावी होण्यासाठी, त्यांना पुरेशी लिक्विडिटी (Liquidity) आवश्यक आहे, ज्यासाठी AI क्षमता भाड्याने घेणाऱ्या कंपन्यांचा व्यापक सहभाग आवश्यक आहे. एक तटस्थ बेंचमार्क प्रदाता म्हणून विश्वास संपादन करण्याची कंपनीची क्षमता, या इन्फ्रास्ट्रक्चर आणि मार्केटमधील आव्हानांना सामोरे जाताना, ऑक्टोबरमध्ये नियोजित लाँच तारखेपर्यंत पुढील काही महिन्यांसाठी एक महत्त्वाचा मापदंड असेल.