AI数据中心能像汽车一样批量生产吗？Runware押注工厂化部署

导语

AI算力需求增长的瓶颈，越来越不只是芯片本身，也包括机房、电力、散热和部署周期。美国初创公司Runware正尝试把AI数据中心从一次性工程，转变为可在工厂装配、运输并快速上线的标准化产品。它的目标听起来像汽车制造：在装配线上批量生产预制数据中心模块，再运到客户场地完成部署。

核心要点

• 从模块化机房走向流水线生产。 Runware此前推出Sonic Inference Pod，这类模块化数据中心在工厂制造后运往客户现场。公司目前在罗马尼亚运营一座工厂，并正在建设第二座工厂，后者预计于明年初投产。
• 产能目标激进。 Runware计划逐步提升产量，到2028年达到每天30兆瓦的数据中心容量，按公司说法约相当于每月接近1吉瓦。这个目标远高于传统项目逐个选址、设计和施工的节奏，但目前仍属于规划，而非已经验证的产能。
• 48小时指现场上线，不是从零造好。 客户可以提供场地，也可以由Runware协助寻找。公司希望在具备电力和网络条件的地点，将模块安装、调试并投入运行的时间压缩到48小时；单个模块的工厂制造时间则计划从约三周缩短至一天。
• 标准化之上仍保留定制。 模块采用统一设计，但可以根据客户需求和不同GPU进行配置。Runware表示，GPU交付周期有时长于其模块交付周期，这给了公司根据硬件变化调整基础设施的时间。

意义与风险

如果这一模式能够稳定复制，AI基础设施建设或许可以从“建一座数据中心”转向“采购若干标准化算力模块”。这不仅可能缩短部署周期，也有利于在较小场地部署算力。Runware还表示，其系统使用闭环液冷和风冷散热器，通常不需要接入供水；部分站点则已有电力，目标是减少对社区和电网的额外压力。

但工厂化并不会自动消除数据中心行业的复杂性。企业需要提前准备人员、库存、物流和资本，还要处理来自德国的泵和风扇等部件，以及对英伟达网络设备的依赖。汽车初创公司Arrival曾试图重塑制造流程，却未能证明新模式能以足够低的成本大规模生产，这也是Runware必须面对的警示。

Runware已融资超过6000万美元，正计划进行B轮融资；公司称已获得约10亿美元的意向，涉及超过20兆瓦的交付需求。不过，“意向”不等于完成订单，未来工厂能否按计划投产、客户能否获得电力和网络，以及模块在不同GPU世代下能否持续适配，才是这套模式能否成立的关键。模块化部署可能成为AI基础设施的重要方向，但Runware仍需要用实际交付证明，数据中心确实能够像汽车一样被规模化制造。

来源：TechCrunch AI