AI 基础设施初创公司 Runware 希望像汽车制造商造车一样生产数据中心，让成品从装配线上下线。据报道，首席执行官 Flaviu Radulescu 表示，公司计划到 2028 年实现每日 30 兆瓦的数据中心产能，并在任何已具备电力供应和联网条件的场址于 48 小时内将每个机柜上线。不过，这些目标尚未在更大规模上得到验证。

这一方案的吸引力在于生产和投运的速度。Runware 的思路是先在工厂内建造并测试机柜，再交付安装，以减少现场施工的工作量。但能否按时、以更低的成本实现这些目标，仍是另一道有待解决的难题。

像汽车一样从装配线下线的机柜

Runware 的模块化 AI 数据中心 Sonic Pod 长约 20 英尺，内置约 1,200 个图形处理器（GPU）。每个机柜可提供 1 兆瓦算力，其闭环液冷系统无需永久性供水连接。该公司目前已在罗马尼亚组装这类模块化数据中心，并预计第二座工厂将于 2027 年初投产。

目前建造一个 Sonic Pod 约需三周。据 Radulescu 称，采用装配线后可将时间缩短至一天。而 48 小时的目标指的是另一回事：它不包括制造和电网接入，仅涵盖在已准备就绪的场址安装和调试一台成品机柜。

Runware 预期客户需求激增将推动其增长战略。公司声称已获得 10 亿美元的意向投资，对应超过 20 兆瓦的产能，但这些意向尚未转化为已完成的销售。公司在 10 月 30 日宣布，大规模生产预计将于 2027 年底开始。

Nvidia 的标准、Crusoe 的工厂、Runware 的推理押注

Runware 并非唯一一家寻求加快数据中心建设的公司。10 月 21 日，Nvidia 发布了 DSX POD，这是基于 Nvidia Vera Rubin 计算平台打造的即用型系统参考设计。这些设备在出厂前完成组装和测试，Nvidia 声称在已准备就绪的场址安装只需两周，而传统方法需要六个月。

Crusoe 正是合作方之一。其 Spark 平台将一座占地 35.2 万平方英尺的科罗拉多工厂与 Crusoe Cloud 相连。该公司自 2020 年起运营模块化设施，并表示最快可在三个月内交付可投入使用的 AI 算力。

不过，这些时间线衡量的阶段各不相同：Runware 的 48 小时涵盖安装调试，Nvidia 的 14 天涵盖部署，Crusoe 的三个月则涵盖可用算力的交付。

Runware 的商业模式也有所不同。它出售的不是数据中心空间，而是推理服务——即运行已训练好的 AI 模型以生成输出的工作。客户可以使用自己的 GPU，但 Runware 在网络方面仍依赖 Nvidia。

一个 758 亿美元的市场与硬性限制

随着模块化数据中心需求上升，加快其制造速度的压力随之而来。据 Grand View Research 数据，该市场规模在 2024 年约为 290 亿美元，到 2030 年可能达到 758 亿美元，年增长率为 17.4%。

据 JLL 称，到 2030 年全球数据中心总容量可能达到 200 吉瓦，需要近 3 万亿美元的投资。该机构还预测，从 2027 年起，推理将比训练更受欢迎。在日本，JERA、Dell 和 RHAELM 正计划为一个 150 亿美元、400 兆瓦的项目采用可复用的设计。

然而，更快的建设速度无法解决行业的电力问题。JLL 表示，主要市场的电网接入等待时间超过四年；与此同时，IEA 预计到 2030 年数据中心的电力消耗将达到 950 太瓦时。

公众反对带来另一重挑战。Pew 的调查显示，54% 的美国人认为数据中心对环境有害，高于 1 月的 39%。得克萨斯州于 8 月暂停了正在审查项目的电网审批，并于 9 月叫停了环境许可。

制造业本身也有其风险。正如 TechCrunch 报道的那样，电动汽车初创公司 Arrival 曾难以让大规模生产实现盈利。Runware 如今面临类似的考验：证明其装配线能否达到它所声称的速度和规模。

本文基于 Cryptopolitan 的报道。