人工智能基础设施初创公司 Runware 近日宣布了一项雄心勃勃的计划：建立一座工厂，像生产汽车一样在流水线上大规模组装其 Sonic Inference Pod（AI 推理单元）。
这一概念并非首创，Kratos 和施耐德电气等公司此前也销售过类似的预制数据中心产品。但 Runware 试图通过极致的规模化生产来改变行业格局。
产能目标：对标美国全年新增量
Runware 联合创始人兼首席执行官 Flaviu Fadulescu 向 TechCrunch 透露，该公司计划将其位于罗马尼亚的工厂产量提升至每天 30 兆瓦的数据中心容量，即每月近 1 千兆瓦。这一目标定于 2028 年前实现。
作为参考，预计今年全球数据中心的新增容量约为 10 千兆瓦。如果 Runware 达到上述产能，其一年的产量将大致相当于整个美国市场的全年新增总量。这反映了当前行业对更快、更高效部署数据中心的迫切需求。
尽管 Nvidia 早些时候推出了旨在简化 AI 数据中心建设的 Vera Rubin AI 工厂和 DSX POD，但 Fadulescu 强调，Runware 的区别在于它实际上已经建成了一座实体工厂，而不仅仅是设计了基础设施方案。
制造与交付流程
据 Fadulescu 介绍，Runware 将从明年开始逐步增加产量。预计第二个工厂将在几个月内完工，并于明年年初投入运营。
该工厂采用模块化生产线制造数据中心。客户可以选择提供自己的场地，或者由 Runware 协助寻找合适地点。公司的目标是在 48 小时内完成从运输到上线的全过程，这一时间包含安装和设置，但不包括构建时间。
目前，单个单元的制造周期约为三周，但随着产量提升，这一时间有望缩短。若零部件出现故障，Runware 将提供备件支持。
在商业模式上，客户可以租用计算能力或自带 GPU，并支付每月的单元和操作费用。电力和互联网连接则单独收费。
定制化与供应链策略
Sonic Pods 拥有标准设计，但可根据客户需求及最新 GPU 芯片进行配置。Fadulescu 指出，由于高端芯片通常面临较长的交货期，Runware 利用这一时间差调整基础设施以适应订购硬件。对于新一代 GPU，公司内部硬件团队可自行设计、构建和测试组件，从而实现快速适配。
然而，执行层面仍面临挑战。建厂需要大量人员、库存、供应链物流及资金支持。历史上不乏制造业重塑失败的案例，如估值曾超 130 亿美元的电动汽车初创公司 Arrival。
Runware 目前已筹集超过 6000 万美元，并表示正在筹备 B 轮融资，同时推进工厂建设。Fadulescu 称：“我们的成本结构非常不同。”他解释称，通过自主设计系统并使用广泛可得且负担得起的零部件，有助于降低成本。此外，公司聘请了一位来自汽车行业的资深工厂经理与硬件主管合作，以确保执行效率。
在采购方面，虽然冷却系统等标准组件由 Runware 自行设计和制造，但部分零件（如风扇）需从德国进口，网络设施则依赖 Nvidia。尽管如此，自一个月前向外部客户提供 Sonic Pods 以来，Runware 声称已获得 10 亿美元的意向承诺。
能源与环境考量
针对美国数据中心因能耗巨大而对电网和资源造成的压力，Fadulescu 表示，Sonic Pods 仅需电力和互联网连接。这些设备采用闭环液体冷却系统和空气冷却散热器释放热量，并在高达 86 华氏度（约 30 摄氏度）的环境下完全静音运行。
“我们正在与电力供应商合作，建设一个覆盖 397 兆瓦的站点管道。”Fadulescu 说道，“这些站点通常已有电力供应，因此不会进一步压迫电网或破坏社区环境。”
Runware 表示正积极扩大能源供应商和站点网络，并尽可能使用可再生能源，目标是将其作为主要能源来源。
Fadulescu 总结道：“模块化系统是未来，很快就会成为大型人工智能部署的标准。客户应该能够从一开始就围绕工厂制造的单元规划超大规模数据中心。”
