Runware的“汽车流水线”野心：用造手机的方式组装AI数据中心

【科技24时区】当AI算力需求以指数级膨胀，传统的基建速度似乎成了最大的瓶颈。在这一背景下，基础设施公司Runware再次将目光投向了更激进的解决方案——不是简单地交付预制模块，而是试图建立一条能够像生产汽车一样组装数据中心的流水线。

这家公司的故事始于几个月前，当时其推出的“Sonic Inference Pod”（声纳推理舱）曾引发关注。这是一种在工厂内完成组装、随后运抵客户现场即可直接安装的模块化数据中心。然而，现在的目标显然更大。据Runware联合创始人兼CEO Flaviu Radulescu向TechCrunch透露，公司计划在罗马尼亚的工厂实现规模化量产，目标是到2028年，每日产能达到30兆瓦的数据中心容量，折合每月近1吉瓦。

这一数字听起来令人咋舌。要知道，按照这个 pace，Runware一年生产的算力容量，几乎相当于美国今年预计新增的全部数据中心电力总和（约10吉瓦）。这并非孤立的豪言壮语，而是整个行业对“更快、更高效部署”焦虑的缩影。英伟达今年早些时候宣布的Vera Rubin AI工厂和DSX POD，同样旨在降低企业自建AI数据中心的门槛。但Runware强调了一个关键差异：其他玩家大多在设计基础设施蓝图，而Runware声称自己已经真正建起了一座实体工厂。

从概念验证到大规模执行，中间隔着巨大的鸿沟。Radulescu表示，自明年起，生产线将逐步提速。目前，Runware已拥有两座工厂：一座已运行数年，另一座于今年初动工，预计数月后完工并于明年初上线。新的装配线将把模块化数据中心的建造时间从过去的三周压缩至一天。值得注意的是，这里的“一天”仅指安装与设置时间，而非制造周期。一旦上线，客户可在48小时内让Pod投入运行。

这种极速交付的背后，是对供应链痛点的精准打击。GPU芯片的供货周期往往漫长且不可控，而Runware的策略是“提前布局”。Radulescu解释道：“我们的交付时间短于当前GPU的到货时间，这给了我们充足的窗口期，根据硬件订单调整基础设施。”对于新一代GPU，其内部硬件团队甚至能自主设计、构建和测试组件，从而实现快速适配。

当然，资本市场的态度更为冷静。尽管Runware已获得超过6000万美元融资，并计划进行B轮融资，但其目前的扩张仍依赖于去年12月募集的5000万美元A轮资金。面对可能重蹈Arrival（一家估值曾超百亿美元、最终因难以实现低成本量产而陷入困境的电动汽车初创公司）覆辙的风险，Runware显得颇为谨慎。Radulescu指出，虽然人力和材料成本依然存在，但与部署算力的价值相比，其工厂人员成本具有极高的性价比。通过自主研发系统和采购通用零部件，成本控制得以优化。此外，一位来自汽车行业的高管被引入担任厂长，协助确保执行层面的严谨性。

供应链的挑战依然客观存在。尽管冷却系统等核心部件由Runware自行设计与组装，但泵、风扇等部分组件仍依赖德国供应商，网络架构则离不开英伟达的支持。不过，市场反馈似乎给出了初步答案：自一个月前向外部客户开放以来，Runware已收到价值10亿美元的Sonic Pod意向订单，涉及超过20兆瓦的容量，目前正全力交付中。

能源消耗一直是大型数据中心备受诟病的焦点。对此，Radulescu澄清称，这些Pod仅需电力和网络连接。它们采用闭环液冷系统配合风冷散热器释放热量，无需接入水源，从而避免了对水资源的占用。公司正在对接一个覆盖397兆瓦电力的站点管道，潜在扩展空间达1.2吉瓦。与亚马逊、微软和谷歌等超大规模厂商不同，Runware选择的站点面积更小，且通常已具备电力基础，意在减轻电网负担并减少对社区的干扰。

“在86华氏度以下温度运行时，Pod完全静音。”Radulescu补充道，“我们尽可能使用可再生能源，并正积极扩大能源提供商和站点的网络，目标是使可再生能源成为主要电源。”

展望未来，Runware计划于明年初启动新工厂，随后向美国及其他全球地区扩张。Radulescu坚信，模块化系统是未来，并将很快成为“大规模AI部署的标准”。他描绘了一幅愿景：“客户从一开始就应围绕工厂建造的Pod来规划超大规模数据中心，使其在数月内而非数年内即可投入使用。”

这场关于速度与效率的实验，正在从图纸走向现实。而对于那些渴望算力却苦于基建周期的企业而言，Runware提供的或许不仅仅是一个集装箱大小的机房，而是一种全新的基础设施范式。