Legrand укрепляет позиции на рынке ИИ-ЦОД: стратегическое приобретение Kratos и инвестиции в жидкостное охлаждение Accelsius

Французский технологический гигант Legrand совершил два стратегически важных шага, которые кардинально изменят ландшафт инфраструктурных решений для центров обработки данных нового поколения. Приобретение американского производителя силового оборудования Kratos Industries и участие в раунде финансирования серии B компании Accelsius знаменуют переход от традиционных подходов к созданию специализированной экосистемы для ИИ-фабрик и высокоплотных вычислительных сред. Эти сделки отражают глубокое понимание компанией трансформационных изменений, вызванных экспоненциальным ростом спроса на вычислительные мощности для искусственного интеллекта.

Кто такая Kratos Industries и почему её приобретение критически важно для ИИ-ЦОД

Kratos Industries, базирующаяся в Арваде (штат Колорадо), специализируется на производстве низковольтного и средневольтного силового оборудования для критически важных инфраструктур. Компания выделяется вертикально интегрированной моделью производства с подходом «проектирование под заказ», что позволяет создавать решения, точно соответствующие требованиям конкретных проектов ЦОД. В условиях, когда современные ИИ-кластеры потребляют до 100 кВт на стойку (против стандартных 5–10 кВт в традиционных ЦОД), надёжность системы электропитания становится вопросом не комфорта, а выживания бизнеса.

Приобретение Kratos даёт Legrand возможность предложить клиентам единую экосистему распределения электроэнергии — от кабельных лотков и нагрузочных стендов до шинопроводов и интеллектуальных блоков распределения питания (PDU). Особенно ценным становится расширение портфеля в сегменте средневольтного оборудования, необходимого для подключения мощных ИИ-кластеров напрямую к распределительным сетям без множественных этапов преобразования напряжения. Это снижает потери энергии на 15–20% и повышает общую надёжность системы — критически важные факторы при эксплуатации дорогостоящего оборудования для машинного обучения.

Двухфазное жидкостное охлаждение: почему инвестиции в Accelsius — это прорыв

Параллельно с приобретением Kratos Legrand объявила об участии в раунде финансирования серии B компании Accelsius, лидера в области двухфазного прямого жидкостного охлаждения (2P-DLC). В отличие от традиционного воздушного охлаждения или однофазного жидкостного охлаждения, двухфазная технология использует фазовый переход хладагента — жидкость испаряется при контакте с горячими компонентами, а пар конденсируется в радиаторе, отдавая тепло. Этот процесс обеспечивает теплоотвод в 1200 раз эффективнее, чем воздушное охлаждение.

Совместные инициативы Legrand и Accelsius будут ориентированы на интеграцию решений охлаждения непосредственно в инфраструктуру на уровне стоек. Предполагается создание модульных систем, где элементы распределения питания и охлаждения спроектированы как единое целое. Для ИИ-фабрик, где плотность размещения оборудования постоянно растёт, такая интеграция позволит размещать до 200 кВт вычислительной мощности в стандартной 42U стойке без риска теплового дросселирования процессоров и ускорителей. По оценкам экспертов, к 2027 году более 40% новых ИИ-ЦОД будут использовать двухфазное жидкостное охлаждение как основную технологию теплового менеджмента.

Финансовая стратегия: как ИИ меняет бизнес-модель Legrand

Генеральный директор Legrand Бенуа Кокар (Benoit Coquart) в интервью агентству Reuters подчеркнул трансформационное влияние искусственного интеллекта на бизнес-модель компании. Если ещё три года назад решения для ЦОД составляли менее 15% выручки Legrand, то в 2025 году этот сегмент достиг 26%, а к 2027 году может вырасти до 40%. Такая динамика объясняется не просто ростом рынка ЦОД, а фундаментальным изменением требований к инфраструктуре.

Финансовые результаты 2025 года подтверждают успешность стратегии: выручка составила €9,48 млрд ($11,26 млрд), что на 9,6% выше показателя предыдущего года и немного превысило прогнозы аналитиков (€9,46 млрд). Скорректированная операционная прибыль выросла на 10,5% до $1,96 млрд при марже 20,7%. На 2026 год компания прогнозирует рост продаж на 10–15% и операционную маржу на уровне 20,5–21%, что указывает на устойчивость бизнес-модели даже в условиях высокой конкуренции на рынке ИИ-инфраструктуры.

Практическое применение: как ИТ-директорам готовить инфраструктуру под ИИ-нагрузки

Для российских компаний, планирующих развивать собственные ИИ-решения или размещать вычислительные задачи в коммерческих ЦОД, изменения на рынке инфраструктурных решений имеют прямое практическое значение. При проектировании новых вычислительных сред или модернизации существующих необходимо учитывать три ключевых аспекта:

• Энергоэффективность распределения питания: Традиционные решения с множественными этапами преобразования напряжения (среднее → низкое → постоянный ток для серверов) теряют до 8% энергии. Интегрированные системы, подобные тем, что создаёт Legrand после приобретения Kratos, минимизируют эти потери за счёт оптимизации архитектуры.
• Тепловой менеджмент нового поколения: При плотности мощности свыше 30 кВт на стойку воздушное охлаждение становится экономически нецелесообразным. Двухфазное жидкостное охлаждение снижает энергопотребление систем охлаждения на 40–60% по сравнению с лучшими решениями на основе чиллеров.
• Модульность и масштабируемость: ИИ-проекты часто стартуют с небольших пилотных кластеров, но быстро масштабируются. Инфраструктура должна поддерживать поэтапное наращивание мощностей без полной реконструкции.

При выборе серверного оборудования для ИИ-нагрузок рекомендуется обращать внимание на совместимость с современными системами охлаждения. Например, стойковые серверы Dell PowerEdge серии XE оптимизированы для работы в средах с повышенной плотностью мощности и поддерживают интеграцию с системами жидкостного охлаждения через специальные интерфейсы. Для проектов среднего масштаба могут подойти башенные серверы с улучшенной системой воздушного охлаждения, но для полноценных ИИ-кластеров предпочтительны именно стоечные решения.

Сравнение технологий охлаждения для ИИ-ЦОД: практическая таблица

Эффективность различных технологий охлаждения для высокоплотных вычислительных сред

Технология охлаждения	Макс. плотность мощности на стойку	PUE*	Капитальные затраты	Операционные затраты	Подходит для ИИ-кластеров
Традиционное воздушное (холодные коридоры)	15–20 кВт	1.5–1.8	Низкие	Высокие	Только для небольших пилотов
Воздушное с точечным охлаждением	25–35 кВт	1.3–1.5	Средние	Средние	Ограниченно
Однофазное жидкостное охлаждение	50–70 кВт	1.1–1.2	Высокие	Низкие	Да, для средних кластеров
Двухфазное жидкостное охлаждение (Accelsius)	100–200+ кВт	1.03–1.08	Очень высокие	Очень низкие	Идеально для ИИ-фабрик
*PUE (Power Usage Effectiveness) — показатель энергоэффективности ЦОД. Чем ближе к 1.0, тем эффективнее используется энергия.

Как это влияет на российский рынок ИТ-инфраструктуры

Хотя сделки Legrand происходят на глобальном уровне, их последствия непосредственно затронут российский рынок ИТ-инфраструктуры. Российские компании, развивающие собственные ИИ-решения в финансах, телекоммуникациях, промышленности и государственном секторе, столкнутся с необходимостью модернизации вычислительных мощностей. Уже сейчас наблюдается рост спроса на высокопроизводительные серверы с поддержкой ускорителей машинного обучения и соответствующую инфраструктуру.

Ключевым преимуществом для российских заказчиков станет возможность получать комплексные решения «под ключ» от единого поставщика. Ранее компании вынуждены были интегрировать решения от разных вендоров — одного для распределения питания, другого для охлаждения, третьего для серверного оборудования. После завершения интеграции Kratos и Accelsius в экосистему Legrand появится возможность создавать гомогенные среды с минимальными рисками совместимости. Это особенно важно для критически важных систем, где время простоя измеряется миллионами рублей в час.

Для предприятий, планирующих развивать гибридные ИИ-архитектуры (часть вычислений локально, часть в облаке), важно учитывать совместимость локальной инфраструктуры с облачными платформами. Современные системы хранения данных должны поддерживать протоколы, необходимые для эффективной работы с распределёнными ИИ-моделями, а сетевое оборудование — обеспечивать минимальную задержку при передаче больших объёмов данных между локальными и облачными ресурсами.

Пошаговая инструкция: как оценить готовность вашей инфраструктуры к ИИ-нагрузкам

Часто задаваемые вопросы об инфраструктуре для ИИ-ЦОД