据 TechCrunch 10 月 30 日报道，AI 基建初创 Runware 联合创始人兼 CEO Flaviu Radulescu 称，公司计划到 2028 年把罗马尼亚工厂的模块化数据中心产能提升至每天 30 兆瓦，接近每月 1 吉瓦。产品是公司几个月前发布的 Sonic Inference Pod——在工厂制造、运抵客户现场即可安装的模块化数据中心。Radulescu 称，pod 到场后 48 小时内可上线，这只计算安装与调试时间，不含建造。

商业数字同样出自公司口径：Runware 称，开放对外销售仅一个月，已获得 10 亿美元“承诺意向”，对应超过 20 兆瓦容量。TechCrunch 在报道中提示，这些目前还都是计划；10 亿美元意向未经独立验证。

Runware 工厂产线俯瞰渲染图：格状厂房内排布着大量模块化装配工位

产能爬坡从明年开始：第二座工厂数月内完工、明年初上线

Radulescu 称，Runware 现有两座工厂：一座已使用数年、用于制造 pod，另一座于今年早些时候动工，预计数月内完工、明年初上线。产能将从明年起逐步爬坡，到 2028 年达到每天 30 兆瓦——TechCrunch 据此算了一笔账：按这个速度，Runware 一年生产出的容量，大致相当于全美今年预计新增的数据中心电力总量（约 10 吉瓦）。

生产方式是汽车式的装配线：模块化数据中心在产线上逐台组装，客户可以自带场地用于拼装，也可以由 Runware 代为寻找场地。这条赛道并不缺同行。TechCrunch 提到，Crusoe 和 Schneider Electric 等公司同样出售预制 pod，但 Runware 称自己出货更快；Nvidia 今年早些时候发布了 Vera Rubin AI 工厂与 DSX POD，同样瞄准缩短 AI 数据中心的建设周期。TechCrunch 写道，区别在于 Runware 称自己已经真正建成工厂，而不只是设计了让别人去建的基础设施。

pod 建造要从三周压到一天，交付后按月计费

安装之外，建造环节也在提速。按公司的说法，一座 pod 此前的建造周期是三周，随着产线爬坡，很快会压缩到一天。

交付之后的安排同样具体：组件故障由 Runware 提供备件；客户可以租用 Runware 的算力，也可以自带 GPU（图形处理器），按月支付 pod 与运维费用，电力和互联网接入单独计费。pod 采用标准设计，可按客户需求和最新 GPU 芯片配置调整。芯片下单后往往要等很久才能到货，这反而对 Runware 有利：“我们的 pod 交付时间比当前 GPU 的交货周期更短，这给了我们时间去适配所订购的硬件。针对新一代 GPU，我们的内部硬件团队可以自行设计、制造并测试部件，让我们能够快速适应。”

先给自己的推理业务造机房，再把机房变成产品

Sonic pod 的规格来自 Runware 自己的描述。公司 官方博客（8 月 4 日发布）称，一座 pod 是装进 20 英尺集装箱的 1 兆瓦 IT 算力，内含约 1,200 块 GPU，服务器不带机箱、像积木一样插进机架，安装以小时计；集装箱顶部压着一台与箱体尺寸相当的冷却机组。冷却系统为闭环液冷，循环约 1.5 立方米冷却液，不接水管、正常运行不耗水，在环境温度 50°C 下可将 GPU 温度控制在目标值 2°C 以内。公司还称，在 pod 上运行推理，每 GPU 小时的成本比其他推理供应商低 30%～80%。

这条产品线是被自己的业务逼出来的。博客回忆，公司起点是 2022 年的图片生成产品 PicFinder；由于租用 GPU 成本高、托管机房大多不接受液冷机架，两位创始人从 2023 年底开始自己设计服务器和承载它们的数据中心，2024 年 10 月 Runware 推理平台上线。据博客称，Sonic pod 现已部署在美国和欧洲，公司计划在 2026 年下半年让最多 10,000 个节点上线，瞄准 2027 年超过 1 吉瓦的推理算力，手头有 160 个已具备电力的可用站点；主力节点使用 RTX PRO 6000，也能运行 B200 和 B300，并预计成为首批规模化部署 Vera Rubin GPU 的供应商之一。博客还援引客户 Higgsfield 的战略合作副总裁 Deykhan Ten 的话称，Higgsfield 从 Runware 的模型 API 起步，随后扩展到其推理基础设施。

Runware Sonic pod 渲染图：20 英尺集装箱顶部装有尺寸相当的大型冷却机组

397 兆瓦站点管道与 B 轮筹备

“相当于超过 20 兆瓦，我们正在努力交付。”Radulescu 这样描述那 10 亿美元意向。该数字未经独立验证。资金方面，公司称迄今融资超过 6,000 万美元，其中 5,000 万美元 A 轮于 2025 年 12 月完成——时间与金额与官方博客一致；目前正用这笔 A 轮资金完成并启动新工厂，同时筹备 B 轮融资。

数据中心因能耗及对电网的影响在美国国内外受到批评。Radulescu 的回应从场地说起：公司正与电力供应商推进一条覆盖 397 兆瓦的站点管道，有潜力扩展至 1.2 吉瓦；这些场地远小于 Amazon、Microsoft 和 Google 等超大规模运营商的园区，且通常已有电力接入，因此不应进一步加重电网负担。他称 pod 只需电力和网络连接，采用闭环液冷加风冷散热器排热，无需接水，在气温 30°C（86 华氏度）以下“完全静音”；公司尽可能使用可再生能源，“目标是让可再生能源成为主要能源”。

“执行才是考验”

TechCrunch 在报道中写道：“就目前而言，这些全是计划——执行才是考验。”按其梳理，工厂需要大量人手、库存、供应链物流和资金。报道举出的警示案例是电动车初创 Arrival：它一度估值超过 130 亿美元，2024 年 2 月进入破产管理，却难以像传统工厂那样低成本地量产电动车。

Radulescu 的回应是成本结构不同：“我们确实有人力和材料成本，但相对于部署 AI 算力的价值，我们的工厂人力是划算的。”他补充说，自行设计系统、采购市场上便宜易得的通用部件，有助于控制成本；公司已从汽车行业请来一位经验丰富的厂长，与硬件负责人一起把执行做到位。公司博客里还有一笔对应的账：博客引用 OpenAI 首席财务官 Sarah Friar 的估计称，吉瓦级 AI 数据中心仅设施本身造价约 150 亿美元；按 Runware 的说法，其 pod 在设施与部署层面的成本约为每吉瓦 1.5 亿美元，两种口径均不含 GPU 硬件。

供应链是绕不开的短板。尽管 Runware 称冷却等 pod 系统均为自行设计、采用标准部件，但泵和风扇等部分部件来自德国，网络设备仍依赖 Nvidia。

写了日期的节点，和没写日期的订单

在 Radulescu 看来，模块化系统很快会成为“大型 AI 部署的标准”。“客户应该能够从一开始就围绕工厂制造的 pod 规划一座超大规模数据中心，并在几个月而不是几年内让它投入使用。”

时间表上写了日期的有两处：公司称今年年底前让最多 10,000 个节点上线；第二座工厂明年初投运，随后扩张到美国和全球其他地区。没写日期的那一项是订单——10 亿美元意向何时变成真正交付的容量，报道里没有给出时间。

参考链接

本文由 AREX Agent 基于公开网络信源自动整合梳理。
AI 可能存在信息遗漏、时序偏差或事实误判。文中观点与事实请结合文末原始链接交叉核验，请勿直接作为决策依据。

内容中包含的图片若涉及版权问题，请及时与我们联系删除