EcoHash, die Tochtergesellschaft von Cango für HPC und KI-Inferenz, nimmt den kommerziellen Betrieb auf

13.04.2026

DALLAS, 13. April 2026 /PRNewswire/ -- Cango Inc. (NYSE: CANG) („Cango" oder das „Unternehmen"), ein führender Bitcoin-Miner, der seine weltweiten Aktivitäten nutzt, um eine integrierte Energie- und KI-Rechenplattform zu entwickeln, gab heute den Start des offiziellen digitalen Portals für seine Tochtergesellschaft EcoHash Technology LLC („EcoHash" oder die „Tochtergesellschaft") bekannt. Auf diese Plattform kann unter www.ecohash.com zugegriffen werden, und sie dient als zentrale Schnittstelle für die Hochleistungsrechner- (HPC) und KI-Inferenz-Prozesse von EcoHash. Die Website wurde entwickelt, um die strategische Zusammenarbeit mit zwei wichtigen Zielgruppen zu optimieren: KI-Entwickler, die Rechenleistung mit geringer Latenz und in der Nähe der Datenquelle benötigen, sowie Betreiber energieintensiver Rechenzentren, die modulare Wege zur Diversifizierung ihrer Infrastruktur suchen.

Goldman Sachs Research prognostiziert, dass der Strombedarf von US-Rechenzentren bis 2030 700 TWh erreichen könnte, was größtenteils auf KI-Inferenz-Workloads zurückzuführen ist. Das maximal verfügbare Angebot liegt jedoch weiterhin bei knapp über 300 TWh, was eine strukturelle Lücke von rund 400 TWh zwischen der rasant steigenden Rechennachfrage und dem verzögerten Ausbau der Infrastruktur verdeutlicht. EcoHash begegnet diesen Herausforderungen, indem es Cangos globale Energieinfrastruktur nutzt, um standardisierte, Plug-and-Play-Rechenmodule in Verbindung mit der firmeneigenen EcoLink Orchestration Platform bereitzustellen. Dieses integrierte System bündelt und plant geografisch verteilte Rechenkapazitäten, um durch intelligentes Failover eine Verfügbarkeit auf Unternehmensniveau zu gewährleisten. Das Ergebnis: Elastische Rechenleistung mit geringer Latenz, die sich nahtlos skalieren lässt und bei Bedarf aktiviert wird.

Cango stellt für diese Initiative Fläche in seiner eigenen 50-MW-Mining-Anlage in Georgia zur Verfügung. Durch die Nutzung der bestehenden Infrastruktur und des Energiezugangs der Anlage wird der Standort Container-Modelle der gesamten Serie als „lebenden Showroom" betreiben. Diese Anlage soll nicht nur die reale Leistung unter verschiedenen thermischen und Stromversorgungskonfigurationen demonstrieren, sondern auch als strategischer Proof-of-Concept-Hub für Industriepartner im gesamten Ökosystem der digitalen Infrastruktur und des Mining dienen. Durch die Demonstration der kommerziellen Tragfähigkeit dieser Plug-and-Play-Module möchte Cango globale Partner dazu einladen, sich in das EcoHash-Netzwerk zu integrieren. Dieser kooperative Ansatz zielt darauf ab, ein robustes, global verteiltes KI-Stromnetz aufzubauen und das Georgia-Modell an Standorten mit hohem Potenzial sowohl innerhalb als auch außerhalb des aktuellen Netzwerks von Cango zu replizieren.

Jack Jin, Chief Technology Officer von EcoHash, kommentierte: „EcoHash ist das Kerninstrument unserer Strategie, eine zukunftsfähige Plattform zu entwickeln und als unser nächster Wachstumsmotor zu dienen, der nun in eine Phase der beschleunigten Kommerzialisierung eintritt. Unsere proprietäre Orchestrierungsschicht, das zentrale Nervensystem unseres Netzwerks, ist darauf ausgelegt, eine intelligente Ressourcenallokation in Echtzeit zu ermöglichen. Dies verbindet dezentrale Energieanlagen direkt mit den Anforderungen von LLM-Inferenz, generativer KI und einem wachsenden Spektrum rechenintensiver Anwendungen, während unsere Knoteninfrastruktur skaliert."

Kontakt: ir@cangoonline.com

Logo - https://mma.prnewswire.com/media/2933411/Logo.jpg

Cision View original content:https://www.prnewswire.com/news-releases/ecohash-die-tochtergesellschaft-von-cango-fur-hpc-und-ki-inferenz-nimmt-den-kommerziellen-betrieb-auf-302740504.html

Other news

ETH Zürich und RWTH Aachen erzeugen künstliche Erschütterungen im Furka-Baustollen

30.04.2026

Im Gotthardmassiv im Tessin ist einem internationalen Forschungsteam erstmals gelungen, die Erde kontrolliert zum Beben zu bringen. Im Untergrundlabor "Bedrettolab", das in einem ehemaligen Baustollen des Furkatunnels eingerichtet wurde, lösten Wissenschaftlerinnen und Wissenschaftler gezielt eine Serie von Mikrobeben aus. Die beteiligte Rheinisch-Westfälische Technische Hochschule Aachen (RWTH Aachen) sprach von einem "sehr erfolgreichen" Versuch.

Über mehrere Tage injizierten Fachleute der ETH Zürich, der RWTH Aachen und des italienischen Nationalen Instituts für Geophysik und Vulkanologie (INGV) Wasser mit hohem Druck in eine natürliche Bruchzone tief im Fels. Ziel des Experiments war es, Spannungsänderungen im Gestein hervorzurufen und damit kleinste Erschütterungen auszulösen. Genau das trat ein: Registriert wurde eine ganze Serie von Mikrobeben, teilweise mit Magnituden knapp unterhalb von 0. An der Erdoberfläche waren diese Ereignisse nicht zu spüren.

Um die künstlich erzeugten Beben detailliert zu erfassen, installierte das Team Hunderte hochsensibler Sensoren in unmittelbarer Nähe der Verwerfung. Die Messinstrumente reagierten so feinfühlig, dass im Bedrettolab sogar das Erdbeben in Japan vom 20. April präzise aufgezeichnet werden konnte. Durch die direkte Platzierung an der Bruchzone konnte die Entstehung der Erschütterungen erstmals am Ursprungsort und nicht wie sonst üblich an der Erdoberfläche verfolgt werden. Die aufgezeichneten Signale seien "unglaublich", sagte Projektleiter Florian Amann von der RWTH Aachen, man erhalte einen einzigartigen Einblick in die Erdbebenphysik.

Das Experiment ist Teil des Projekts "FEAR" – kurz für "Fault Activation and Earthquake Rupture". Langfristig sollen die Daten dazu beitragen, die Vorhersagbarkeit von Erdbeben zu verbessern. Im Fokus steht die Frage, was im Gestein passiert, bevor ein größeres Beben einsetzt. Nach Angaben der Forschenden gehen starken Erdbeben typischerweise tausende kleine Ereignisse voraus. Deren Entwicklung im Labor nachzuzeichnen, soll helfen, die physikalischen Prozesse entlang natürlicher Störungszonen besser zu verstehen und Frühindikatoren für künftige Beben zu identifizieren.