اگر امروز برای اجاره‌ی GPUها با تأخیرهای چندماهه دست‌وپنجه نرم می‌کنید، مدل کسب‌وکار Verda دقیقاً برای پایان دادن به این انتظار طراحی شده است. این شرکت با هدف تبدیل محاسبات از یک قرارداد اجاره‌ی خشک به یک ابزار سیال، در حال بازتعریف زیرساخت‌های ابری است.
Verda در ۲۲ سپتامبر ۲۰۲۶، پس از جذب ۱۸۹ میلیون دلار سرمایه در دور سری B، رسماً به جایگاه تک‌شاخ (Unicorn) رسید. این جذب سرمایه که توسط Emergence Capital رهبری شد، مجموع سرمایه‌گذاری‌های این شرکت را در قالب سهام و بدهی به بیش از ۴۵۰ میلیون دلار رساند. این دور جذب سرمایه که تقاضا برای آن بیش از عرضه بود، شاهد مشارکت گروه متنوعی از سرمایه‌گذاران بود؛ از جمله MUFG Innovation Partners, Supermicro, شرکت بیمه بازنشستگی متقابل Varma, Lifeline Ventures, 6 Degrees Capital (6DC), byFounders و Tesi (شرکت سرمایه‌گذاری صنعتی فنلاند). همچنین سرمایه‌گذاران فرشته‌ای مانند اولا تورودباکن و مارک ساروفیم در این مرحله مشارکت داشتند. روبن برایون، بنیان‌گذار و مدیرعامل شرکت، بر فوریت این لحظه تأکید کرد و اظهار داشت: «در حال حاضر پنجره‌ای باز است تا یکی از شرکت‌های تعیین‌کننده در حوزه محاسبات این نسل را بسازیم، آن هم از قلب اروپا. این فرصت برای مدت طولانی باز نخواهد ماند.»
برای سال‌ها، تیم‌های هوش مصنوعی با محاسبات (Compute) — که شبیه به تأمین برق برای یک شهر بزرگ است و بدون آن هیچ مدلی نمی‌چرخد — به عنوان یک مانع اداری و تدارکاتی برخورد می‌کردند. مهندسان ماه‌ها برای تأمین محیط‌های سخت‌افزاری ثابت مذاکره می‌کردند و در نهایت متوجه می‌شدند که تا زمان رسیدن سخت‌افزار، نیازهای کاری و بارهای پردازشی پروژه تغییر کرده است. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی چالش‌های مقیاس‌پذیری مدل‌های زبانی اشاره کردیم، این چرخه صلب با نیازهای امروز که آموزش مدل‌ها باید فوراً آغاز شود و استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، مثل خودِ آشپزی و نه دوره‌ی آموزش آشپز — به مقیاس‌پذیری آنی نیاز دارد، سازگار نیست.
دنیایی را تصور کنید که در آن محاسبات یک اجاره‌ی ایستا نیست، بلکه یک ابزار کاربردی و سیال است. Verda با مالکیت کامل کل زنجیره (Stack) در حال ساخت این دنیاست: از مراکز داده فیزیکی و زیرساخت‌های داخلی گرفته تا پلتفرم ارکستراسیون. این یکپارچگی عمودی به آن‌ها اجازه می‌دهد ظرفیتی ارائه دهند که با تقاضا تغییر می‌کند و در عین حال، ردپای کربنی کمتری نسبت به میانگین صنعت داشته باشد. این رویکرد در حالی صورت می‌گیرد که تقاضای جهانی برای زیرساخت‌های پردازشی به شدت افزایش یافته است، چنان‌که درآمد مراکز داده انویدیا به دلیل همین گسترش زیرساخت‌ها به ۸۹ میلیارد دلار رسید.
مقیاس‌بندی زیرساخت‌ها
به نقل از گزارش رسمی verda.com، این شرکت در ژوئیه ۲۰۲۶ به نرخ درآمد سالانه ۱۶۵ میلیون دلار رسید. برای پشتیبانی از این رشد سریع، Verda تیمی متشکل از بیش از ۲۵۰ نفر را به خدمت گرفته است که در شهرهای هلسینکی، لندن، تایپه و سان‌فرانسیسکو توزیع شده‌اند.
برای حمایت از این مسیر رشد، Verda به شدت در حال گسترش حضور فیزیکی خود است:
- این شرکت انتظار دارد تا سال ۲۰۲۷، بیش از ۲۵۰ مگاوات ظرفیت عملیاتی داشته باشد.
- عملیات فعلی در فنلاند فعال است و گسترش‌های آتی در اروپا، بریتانیا، ایالات متحده و آسیا در پیش است.
- استقرار اولیه سیستم‌های NVIDIA VR200 NVL72 در ماه‌های آینده پیش‌بینی می‌شود.
پاسخ به تقاضای مدل‌های عامل‌محور
بار کاری مدل‌های مدرن هوش مصنوعی دیگر قابل پیش‌بینی نیست. گردش‌های کاری عامل‌محور (Agentic) — شبیه به کارمندی که برای انجام یک وظیفه، چندین ابزار مختلف را باز می‌کند و ناگهان حجم زیادی از پردازش ایجاد می‌کند — باعث ایجاد جهش‌های ناگهانی در تقاضا می‌شوند، دقیقاً در لحظه‌ای که یک فراخوانی ابزار (Tool Call) بازمی‌گردد. این وضعیت نیازمند زیرساختی است که بتواند این جهش‌های ناگهانی را بدون تأثیر گذاشتن بر سایر کاربران مدیریت کند. این موضوع به‌ویژه برای استنتاج در محیط تولید (Production) که تأخیر (Latency) و در دسترس بودن (Availability) در آن غیرقابل مذاکره است، بسیار چالش‌برانگیز است.
Verda برای حذف این گلوگاه‌ها روی مدل‌های استنتاج بهینه‌شده (Tuned Inference Models) و تخصیص سریع‌تر منابع سرمایه‌گذاری کرده است. هدف این است که هزاران نشست (Session) به‌طور همزمان پشتیبانی شوند، بدون اینکه جهش پردازشی یک تیم، به مشکلی برای تیم دیگر تبدیل شود. این تمرکز بر بهینه‌سازی استنتاج، همسو با استراتژی شرکت‌های پیشرو در لایه کاربردی است؛ برای مثال، انویدیا اخیراً در حال مذاکره برای سرمایه‌گذاری در Perplexity است تا اکوسیستم مدل‌های پاسخ‌گو و سریع‌تر را تقویت کند.
برای تسریع استقرار، این پلتفرم قابلیت‌های زیر را معرفی می‌کند:
- کاهش زمان راه‌اندازی نمونه‌ها (Instances) و خوشه‌ها (Clusters).
- اتصال سریع‌تر فضای ذخیره‌سازی.
- ارائه ذخیره‌سازی شیء سازگار با S3 و کوبرنتیز مدیریت‌شده (Managed Kubernetes).
- خوشه‌های آنی که اکنون دارای کوبرنتیز با Kueue یا Slurm از طریق Slinky هستند که در زمان استقرار به‌طور پیش‌فرض پیکربندی شده‌اند.
آزمایشگاه AI و عمق مهندسی
برخلاف ارائه‌دهندگان ابری سنتی، Verda یک آزمایشگاه داخلی AI (AI Lab) را اداره می‌کند. این تیم اختصاصی، بارهای کاری تحقیقاتی واقعی را روی پلتفرم اجرا می‌کند تا مسائل سخت مهندسی مانند مهندسی کرنل (Kernel Engineering)، بهینه‌سازی استنتاج و بهره‌وری GPU را حل کند. آن‌ها با ساخت کامپایلرهای اختصاصی و نرم‌افزارهای سرویس‌دهی خودشان، تضمین می‌کنند که نقشه راه محصول بر اساس گلوگاه‌های واقعی دنیای واقعی پیش برود، نه صرفاً بر اساس درخواست‌های مشتریان.
این عمق مهندسی در حال حاضر کاربرانی با مقیاس بالا را از بیش از ۵۰ کشور جذب کرده است:
- Aleph Alpha از Verda برای زیرساخت‌های تحقیق و توسعه (R&D) استفاده می‌کند و مهندسان مقیم آن‌ها با پشته نرم‌افزاری زیرین همکاری می‌کنند.
- Magnific برای تولید رسانه با میلیون‌ها درخواست در روز از این زیرساخت استفاده می‌کند.
- Epsilon Health از خوشه‌های اختصاصی برای آموزش مدل‌های هوش مصنوعی رادیولوژی با رزولوشن اصلی تصاویر استفاده می‌کند.
آرجون کارپور، مدیر یادگیری ماشین در Epsilon Health، اشاره کرد: «چیزی که انتظارش را نداشتیم، تیمی از مهندسان بود که بتوانند به ما در طراحی استریم داده‌ها و مدیریت خوشه کمک کنند، به جای اینکه فقط یک خوشه را تحویل دهند و بروند.»
آمادگی برای سطح سازمانی
با انتقال هوش مصنوعی از مرحله آزمایشی (Pilot) به تولید، امنیت به اصلی‌ترین نقطه اصطکاک تبدیل شده است. سازمان‌ها نیازمند اعتماد در مورد این هستند که چه کسی به داده‌ها دسترسی دارد، داده‌ها چگونه محافظت می‌شوند و آیا این کنترل‌ها در برابر حسابرسی (Audit) مقاوم هستند یا خیر. Verda برای پاسخ به این نیازهای حسابرسی، گواهینامه‌های SOC Type II و C5 را معرفی کرده است.
برای ارتقای مدیریت هویت و دسترسی (IAM)، آن‌ها قابلیت‌های Audit Logs و SSO را راه‌اندازی کردند. برای داده‌های با امنیت بسیار بالا، این شرکت اکنون از محاسبات محرمانه (Confidential Computing) با پشتیبانی پیشرو در صنعت از ۸ عدد GPU مدل NVIDIA HGX B300 و B200 پشتیبانی می‌کند. این امر تضمین می‌کند که داده‌ها حتی در زمانی که در حال استفاده و پردازش هستند، محافظت شده باقی بمانند.
تجربه توسعه‌دهنده و اکوسیستم
برای اطمینان از اینکه این قابلیت‌ها در دسترس باشند، Verda برای هر نوع گردش کاری ابزاری می‌سازد. توسعه‌دهندگان می‌توانند از طریق کنسول وب، رابط خط فرمان (CLI) یا از طریق API با پلتفرم تعامل داشته باشند. این انعطاف‌پذیری تضمین می‌کند که انتقال به یک ابر تخصصی AI، عادت‌های موجود توسعه‌دهندگان را مختل نکند.
این چرخش به سمت یک ارائه‌دهنده محاسباتی با رهبری اروپایی و مدل Full-stack، نشان می‌دهد که عصر اتکای مطلق به غول‌های ابری (Hyperscalers) مستقر در آمریکا در حال پایان است. Verda با کنترل برق، سیستم خنک‌کننده و کامپایلرها، شرط‌بندی کرده است که ابرهای تخصصی AI در هر دو زمینه هزینه و بهره‌وری کربنی، ابرهای عمومی را شکست می‌دهند.
چه یک استارتاپ باشید و چه یک سازمان بزرگ، توانایی راه‌اندازی یک خوشه در عرض چند دقیقه به جای چند ماه، خط پایه جدید رقابتی است. معیار حیاتی بعدی که باید رصد کرد این است که این ۲۵۰ مگاوات ظرفیت، با چه سرعتی در آمریکا و آسیا عملیاتی می‌شوند.
گام بعدی شما
- اگر در حال مدیریت خوشه‌های GPU هستید، مدل «یکپارچگی عمودی» Verda را به عنوان جایایگزینی برای اجاره‌های سخت‌افزاری سنتی بررسی کنید.
- برای کاهش تأخیر در مدل‌های عامل‌محور، روی ابزارهای تخصیص سریع منابع (Fast Provisioning) تمرکز کنید.
- استانداردهای امنیتی جدید مثل محاسبات محرمانه در GPUهای سری B200 را برای پروژه‌های حساس داده‌ای رصد کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو