Advertentie
De explosieve groei van AI zet datacenters onder zware druk. Racks worden warmer, bouwtrajecten complexer en de behoefte aan snelle ingebruikname groter. Darren Cox General Manager Europe bij Kaytus ziet daarin een kans: met modulaire, vloeistofgekoelde infrastructuur en centrale beheersoftware wil het bedrijf AI-clusters sneller, efficiënter en voorspelbaarder uitrollen.
Wie vandaag een AI-datacenter wil bouwen, loopt al snel tegen dezelfde vragen aan: hoeveel vermogen is er nodig, hoe wordt de warmte afgevoerd, hoe snel kan de capaciteit live en hoe blijven de operationele kosten beheersbaar? Volgens Kaytus draait het daarbij niet meer alleen om servers leveren, maar om het ontwerpen van complete infrastructuur: van rack en koeling tot datacenterindeling en beheerlaag.
Het bedrijf positioneert zich als leverancier van end-to-end infrastructuur voor cloud-, AI- en edge-omgevingen. Op zijn eigen website noemt Kaytus onder meer volledige AI-racks, edge-servers, vloeistofkoeling en infrastructuurmanagement als belangrijke pijlers. In recente aankondigingen legt het bedrijf bovendien sterk de nadruk op prefab datacenterconcepten, waarbij IT, stroomvoorziening en koeling zoveel mogelijk vooraf geïntegreerd worden.
Van bouwproject naar productieplatform
De kern van die aanpak is tijdswinst. Traditionele datacenterprojecten kunnen makkelijk anderhalf tot twee jaar duren, terwijl de vraag naar AI-capaciteit veel sneller groeit. In het gesprek stelt Kaytus dat container- en prefaboplossingen zo’n traject fors kunnen verkorten. Waar een klassiek project jaren in beslag neemt, moet een modulaire aanpak volgens het bedrijf in sommige gevallen binnen enkele maanden operationeel kunnen zijn.
Dat is niet alleen een technische kwestie, maar vooral een economische. AI-infrastructuur vraagt hoge investeringen in GPU’s, stroomvoorziening, koeling en netwerkcapaciteit. Zolang een cluster niet produceert, levert het niets op. Kaytus gebruikt daarvoor de term ‘time to token production’: de tijd tussen investeren en het moment waarop klanten daadwerkelijk AI-capaciteit kunnen monetariseren.
Waarom standaardisatie lastig blijft
Waarom standaardisatie lastig blijft
Een opvallend punt in het gesprek is het gebrek aan standaardisatie in datacenterontwerp. Dat lijkt verrassend in een markt die zo volwassen oogt, maar volgens Kaytus is het logisch. AI-workloads verschillen sterk van traditionele HPC- of cloudomgevingen. Een high-end AI-rack kan richting 200 kilowatt of meer gaan, terwijl een conventioneel compute-rack daar maar een fractie van vraagt.
Dat verschil heeft direct gevolgen voor de infrastructuur eromheen. Leidingen, pompen, warmtewisselaars en koelcapaciteit moeten precies aansluiten op de workload. Te weinig capaciteit is riskant, maar te veel koeling is inefficiënt en duur. Juist daarom blijft maatwerk belangrijk, zeker bij vloeistofgekoelde AI-clusters waar vermogensdichtheid en thermisch ontwerp nauw met elkaar samenhangen.
Software als onmisbare beheerslaag
Hardware alleen is in die wereld niet genoeg. Kaytus benadrukt dat de waarde van AI-infrastructuur pas ontstaat wanneer de onderliggende software het geheel beheersbaar maakt. Het bedrijf noemt onder meer KSManage voor infrastructuurbeheer en MotusAI als softwarelaag rond AI-functionaliteit. Daarmee wil Kaytus klanten inzicht geven in capaciteit, energieverbruik, storingen en uiteindelijk zelfs tokengebaseerde facturatie.
Volgens Kaytus kan de beheersoftware lekken in vloeistofkoeling snel detecteren, storingen isoleren en de rest van het cluster operationeel houden. Daarnaast claimt het bedrijf extra energiebesparing bovenop bestaande optimalisaties: tot 20 procent bij luchtkoeling en 10 procent bij vloeistofkoeling. Dat soort percentages zijn relevant, omdat energieprijzen en netcapaciteit in Europa steeds vaker bepalend zijn voor de haalbaarheid van nieuwe AI-projecten.
OCP, edge en de volgende fase van AI
Naast AI ziet Kaytus een bredere beweging richting OCP-achtige infrastructuur. Waar Open Compute Project-ontwerpen ooit vooral met hyperscalers en telco’s werden geassocieerd, schuiven ze volgens het bedrijf nu ook op richting colocatie, neoclouds en gewone cloud service providers. De aantrekkingskracht zit in kostenreductie, eenvoudiger onderhoud en een meer gestandaardiseerde manier van bouwen.
Tegelijk verwacht Kaytus dat AI niet uitsluitend in centrale datacenters blijft draaien. Veel modellen worden in grote clusters getraind, maar komen daarna terecht in toepassingen die dichter bij de gebruiker draaien. Dat betekent meer edge-datacenters: kleinere locaties bij winkels, fabrieken, logistieke knooppunten of andere plekken waar snelle verwerking nodig is.
Retail loopt daarin volgens Kaytus voorop. Denk aan automatische kassasystemen, diefstaldetectie en andere toepassingen waarbij beeldherkenning en inferentie lokaal waarde toevoegen. De eisen zijn anders dan in een groot AI-trainingscluster: minder brute rekenkracht, maar meer aandacht voor betrouwbaarheid, fysieke robuustheid en functioneren in minder ideale omgevingen.
Physical AI als volgende horizon
Op de vraag wat er over een jaar anders zal zijn, verwacht Kaytus geen plotselinge revolutie op korte termijn. De grotere verandering ligt volgens het bedrijf in physical AI: de combinatie van kunstmatige intelligentie en robotica. Denk aan robots in zorg, logistiek, industrie en uiteindelijk misschien ook thuis. De technologie ontwikkelt zich snel, maar wetgeving, aansprakelijkheid en maatschappelijke acceptatie bepalen mede hoe snel toepassingen breed doorbreken.
Daarmee verschuift de discussie van pure rekenkracht naar de impact van AI op de samenleving. Kaytus vergelijkt de ontwikkeling met eerdere grote technologische omwentelingen. AI is volgens het bedrijf geen hype die weer verdwijnt, maar een fundamentele verandering die werk, zorg, entertainment en sociale structuren de komende decennia zal beïnvloeden.
Conclusie
De boodschap van Kaytus is helder: de AI-revolutie wordt niet alleen gewonnen met snellere chips, maar ook met infrastructuur die snel, efficiënt en betrouwbaar gebouwd kan worden. In een markt waarin energie, koeling en bouwtijd steeds kritischer worden, probeert het bedrijf zich te onderscheiden met prefab datacenterconcepten, vloeistofkoeling en beheer vanaf één scherm. Of die aanpak breed aanslaat, hangt af van de vraag hoe snel Europese organisaties hun AI-ambities willen omzetten in concrete capaciteit. Maar duidelijk is dat de infrastructuur achter AI minstens zo bepalend wordt als de modellen zelf