Lumalawak ang Hyperscale Data sa pagpapautang ng AI compute sa kampus sa Michigan, na naglalayon ng 340 MW hanggang 2029

iconCryptoBriefing
I-share
Share IconShare IconShare IconShare IconShare IconShare IconCopy
AI summary iconSummary

expand icon
Ang Hyperscale Data ay nagpapalawak ng pagpapautang ng AI compute sa kanyang campus sa Michigan, na naglalayon na makamit ang 340 MW bago ang Q3 2029. Ang kumpanya ay nakakuha ng mga kasunduan sa enerhiya upang suportahan ang paglago at plano na ilunsad ang on-demand NVIDIA GPU cloud platform noong H1 2026. Ang AI + crypto news ay nagpapakita ng pagbabago habang nagtatrabaho ang kumpanya kasama ang AGIBOT PTE. LTD. para sa mga operasyon sa AI at robotics. Ang data sa inflasyon ay patuloy na isang pangunahing salik sa mga desisyon sa pag-invest sa infrastraktura.

Hyperscale Data ay patuloy na nagpapatupad ng mga plano na mag-lease ng AI compute capacity mula sa kanilang Michigan Data Center Campus, na nagtatakda ng pinakabagong hakbang sa mas malawak na pagbabago mula sa crypto miner patungo sa infrastructure-as-a-service provider. Ang kumpanya ay nag-e-evaluate ng mga matagalang pagpapalawak na opsyon para sa isang facility na maaaring kumain ng 340 MW ng kapangyarihan.

Mula sa mining rigs hanggang AI racks

Ang Michigan campus ng Hyperscale Data ay sumasakop sa 600,000 square feet sa loob ng 34.5 acres. Kasalukuyang nagpapatakbo ito sa halos 30 MW ng kapasidad, nagtataglay ng kita mula sa digital asset mining at colocation services.

Ang mga plano para sa pagpapalawak ay nagsasaulo ng pagpapalawak hanggang 70 MW sa ikalawang kwarter ng 2027, na may layunin na buong 340 MW na pagbuo sa ikatlong kwarter ng 2029. Upang suportahan ang paglago na ito, ang Hyperscale Data ay nakapag-ayos ng mga kasunduan noong Pebrero 2025 para sa 300 MW mula sa isang utility ng kuryente at karagdagang 40 MW mula sa isang utility ng natural na gas.

Ang kumpanya ay patuloy ring nagbuo ng kanilang GPU cloud offering. Isang on-demand NVIDIA GPU cloud platform ay inaasahang ilunsad sa unang kalahati ng 2026, na nagbibigay ng access sa mga modelo ng NVIDIA H100, B200, at B300 para sa AI training, inference, at high-performance computing workloads.

Ang Hyperscale Data ay nagpapatakbo na ng mga GPU cluster ng NVIDIA para sa isang umiiral na cloud provider mula sa Silicon Valley.

Kapital at mga pagkakasundo

May isinampa ang Hyperscale Data ng $125 milyon na shelf registration upang mapadali ang kailangang kapital para sa pag-unlad.

Sa larangan ng pagkakasundo, ang kumpanya ay nagtatrabaho kasama ang AGIBOT PTE. LTD. para sa mga operasyon sa AI at robotika.

Ang mga plano ng pagpapalawak ng Hyperscale Data ay kasama ang pagpapahingi ng higit sa 500 empleyado sa mga sumunod na tatlong taon.

Ano ang ibig sabihin nito para sa mga investor

Ang mga panganib ay magkakaparehong totoo. Ang $125 milyong shelf registration ay nangangahulugan na darating ang dilution. Ang timeline mula sa 30 MW ngayon patungo sa 340 MW hanggang Q3 2029 ay may malaking panganib sa pagpapatupad, parehong sa pagtatayo at sa pagpuno ng kapasidad na iyon ng mga bayad na customer. Dapat suriin ng mga investor ang mga pahayag tungkol sa mga anchor tenant, mga kondisyon ng kontrata, at tunay na kita mula sa GPU cloud services kapag magsisimula na ang platform noong 2026.

Disclaimer: Ang information sa page na ito ay maaaring nakuha mula sa mga third party at hindi necessary na nagre-reflect sa mga pananaw o opinyon ng KuCoin. Ibinigay ang content na ito para sa mga pangkalahatang informational purpose lang, nang walang anumang representation o warranty ng anumang uri, at hindi rin ito dapat ipakahulugan bilang financial o investment advice. Hindi mananagot ang KuCoin para sa anumang error o omission, o para sa anumang outcome na magreresulta mula sa paggamit ng information na ito. Maaaring maging risky ang mga investment sa mga digital asset. Pakisuri nang maigi ang mga risk ng isang produkto at ang risk tolerance mo batay sa iyong sariling kalagayang pinansyal. Para sa higit pang information, mag-refer sa aming Terms ng Paggamit at Disclosure ng Risk.