AI数据中心能否像造汽车一样量产？这家创业公司正在验证

从模块化到流水线：AI数据中心的”汽车式”制造梦

AI基础设施公司Runware再次引发行业关注。就在几个月前，该公司发布了Sonic推理舱（Sonic Inference Pod）——一种在工厂预制、可直接运输交付的模块化数据中心。如今，Runware提出了更大的愿景：建立一条生产线，像制造汽车一样批量组装这些推理舱。

产能目标：日产量对标全美年度新增

Runware联合创始人兼首席执行官Flaviu Radulescu向TechCrunch透露，公司计划将位于罗马尼亚的工厂产能扩展至每天30兆瓦的数据中心容量，到2028年，月产能将近1吉瓦。这一规模意味着什么？按照该节奏，Runware一年的产量大约相当于美国今年预计全部新增的数据中心电力总和——约10吉瓦。

这一雄心反映了整个行业对数据中心部署速度与效率的迫切追求。

并非首创，但强调”真实制造能力”

预制模块化数据中心本身并非新概念。Crusoe、施耐德电气等公司早已推出类似产品。但Runware声称其交付速度更具竞争力。

值得注意的是，英伟达今年也推出了Vera Rubin AI工厂和DSX POD产品，旨在帮助企业更快、更简单地构建AI数据中心。然而Runware的区别在于：它拥有实际运转的工厂，而非仅提供让他人建厂的基础设施方案。

两条生产线，制造周期大幅压缩

Radulescu表示，Runware目前已拥有两座工厂——一座已稳定运营数年，专门用于组装推理舱；另一座今年早些时候动工，预计数个月内完工并投入运营。

在流水线生产模式下，客户可自行提供场地进行部署，也可委托Runware代为选址。公司目标是将推理舱从安装到上线的周期压缩至48小时——这一时间仅指现场安装与调试，不含制造时间。据公司介绍，过去一个推理舱的建造需要三周，随着产能爬坡，这一数字将缩短至仅一天。

灵活的商业模式

推理舱采用标准设计，但可根据客户需求进行配置，适配最新的GPU芯片。由于芯片采购往往需要较长的等待周期，这反而为Runware提供了缓冲空间。

“我们的交付周期远短于当前GPU的交货周期，这为我们预留了适配硬件的时间，”Radulescu表示。”针对新一代GPU，我们的内部硬件团队可以自行设计、制造和测试组件，实现快速响应。”

客户可租赁Runware的计算资源，也可自带GPU，按月支付舱体及运维费用
电力和网络费用另行计费
如部件故障，Runware提供备件支持

吸取教训，严控成本结构

当然，目前这一切仍处于计划阶段，真正的考验在于执行。建设工厂需要大量人员、库存、供应链物流和资金投入。电动汽车初创公司Arrival曾是一记警钟——该公司一度估值超130亿美元，却因难以以有成本优势的方式实现电动车量产而陷入困境，最终被出售资产。

Runware目前已融资超过6000万美元，去年12月刚完成由Dawn Capital和Comcast Ventures领投的5000万美元A轮融资。公司计划推进B轮融资，但现阶段正依靠A轮资金推进工厂建设与投产。

“我们的成本结构与Arrival完全不同，”Radulescu解释说。”我们确实有人力和材料成本，但相对于部署AI计算的价值而言，工厂人员的成本效益相当可观。此外，自主设计系统并使用广泛可得、价格合理的零部件，有助于控制成本。我们还聘请了一位在汽车制造业经验丰富的厂长，与我们的硬件主管协作，确保执行力到位。”