这家初创公司正在帮助科技巨头和房地产开发商寻找数据中心用地，并利用其自己的GPU集群来实现这一目标

(SeaPRwire) –   Acres的创始人卡特·马洛伊（Carter Malloy）的两个女儿把脸贴在办公室后面的玻璃窗上，试图看看她们父亲一直赞不绝口的嗡嗡作响的机器——两台高端GPU藏在一个黑暗的角落里。

马洛伊在2024年从英伟达（NVIDIA）购买了这两台机器，最近又订购了两台，预计本周晚些时候到货。他还在天花板上铺设新的电缆，以便将这些机器直接连接到他的数据科学团队的电脑上，这样他们就可以直接在现场训练模型，而不必在云端租用时间。

“在本地训练要便宜得多，而且实际上更快，”马洛伊说。

Acres可能只是一家只有约70人的小型初创公司，但它是越来越多的利基数据公司之一，它们在科技巨头的围墙之外悄悄地组装GPU集群，押注拥有自己的计算能力将成为一种竞争优势。著名的安德森·霍洛维茨（Andreessen Horowitz）公司拥有自己的GPU集群，并将其出租给初创公司以换取股权。包括视频托管初创公司Gumlet在内的一些初创公司也表示，他们也在托管自己的硬件。这种硬件每块GPU的成本可能超过25000美元，再加上持续的能源成本。在去年那样的供应短缺期间，小公司很难在没有数月等待名单的情况下获得它们。

但马洛伊表示，对于运营一家地理空间数据智能公司来说，拥有自己的集群更有意义。

情况并非一直如此。几年前，马洛伊经营着一家截然不同的公司——AcreTrader，这是一个位于阿肯色州费耶特维尔的农田投资金融科技平台，实际上，它让投资者可以像购买股票一样购买土地份额。去年夏天，他以一笔未公开的金额出售了业务中的“Trader”部分，以便专注于一件事：数据。

从一开始，这家初创公司的一个小团队就一直在收集数据，以帮助土地所有者定价和评估农田——从销售和租赁历史、水利基础设施数据到激光雷达地形、卫星图像，甚至德克萨斯州水井的深度。随着时间的推移，内部地图和分析堆栈“很快就变得比Trader所能处理的要大”，马洛伊说，因为土地信息不仅难以获取且时效性强，而且通常需要数据工程师进行解析。

随着大语言模型变得越来越复杂，马洛伊设想了客户与他的团队精心收集和清理的数据进行交互的新方式。通过新的Acres测试平台，开发人员可以输入一个简单的英语提示：给我找一块40英亩的地块，大部分在洪泛区之外，距离污水基础设施三英里以内，在一个以快速审批闻名的县——然后系统会梳理其地图和数据，找出可行的地点。通过Acres与公共信息初创公司Hamlet的整合数据中心公司还可以分析当地市县政府对新开发项目和数据中心项目是友好还是不友好。

GPU登场了。Acres处理地理空间数据——不仅仅是电子表格，还包括定义土地所有权和分区地图背后的点、线和多边形的矢量和栅格图层。处理这种图像和几何图形计算量很大，据马洛伊说，将GPU引入公司内部可以让团队更快、更低成本地训练模型和进行选址分析。他拒绝透露他的水电费上涨了多少，只是说“它消耗了一些电力”。

马洛伊在谈论这件事时兴高采烈。在他看来，他的团队就像是在数据科学的前沿运作。“我们在利用人工智能的地理空间科学方面取得了突破……我们正在构建一些还没有学术论文的东西。”

他可能有点夸大其词，但这个想法有一定道理：在这个规模上，将地块级土地记录、审批数据和高分辨率图像与大语言模型结合起来仍然是相对较新的领域。

马洛伊唯一担心的似乎是跟上变化的速度和需求。Acres几周前才开始向企业客户推出其新的生成式人工智能搜索功能，马洛伊说，他看到客户们对他们认为这可能为他们节省的时间既发誓又大笑。

马洛伊说，从历史上看，Acres试图过快地招揽客户。客户支持团队只有五个人，马洛伊希望谨慎地将客户转移到新的测试平台上。更不用说——Acres出售曾经是其核心业务部分还不到一年。

“这肯定让我睡不着觉——我们会操之过急。我们以前就这样做过，”马洛伊说。