数据中心能否走向便携？Runware推出模块化Pod尝试作答

周二，AI基础设施公司Runware宣布推出其自研的模块化数据中心——Sonic Inference Pod。该Pod被设计为一个可运输的独立单元，代表了一种更为灵活的计算形态，可与超大规模运营商的数据中心项目并驾齐驱。 Runware表示，与其他无服务器推理平台和GPU云相比，Pod能够以更低的成本提供更高质量的推理服务。模块化设计意味着可以快速新建Pod来扩展容量，而无需扩建固定数据中心。Runware联合创始人兼CEO Flaviu Radulescu向TechCrunch表示，从某种程度上说，这就是未来。 “我们相信，分布式计算——更靠近最终用户以实现更快推理——将是长期制胜的关键。”Radulescu说，并以自家公司为例。除了更低的价格，Radulescu还指出，Runware系统能够快速扩展和增加容量，在有电力的地方部署，并能迅速适应新的硬件发布。Runware的Pod也不使用水，而是采用闭环冷却系统，建造时间仅需数天，而传统数据中心往往需要数月甚至数年。 “推理需求的增长速度超过了设施建设速度，”Radulescu说，“我们想要的是为全球智能提供动力，成为所有AI模型运行的骨干，让算力跟上需求，而不是制约需求。” Radulescu透露，Runware目前在美国、欧洲和亚太地区部署了10个Pod。公司已为多家企业提供推理服务，包括Higgsfield AI和Wix，并已拥有160个可用站点来为Pod供电。Runware在去年12月宣布完成5000万美元A轮融资，旨在为企业提供生成图像所需的基础设施。他们视Pod扩展为公司核心使命的一部分：为企业提供推理服务，而非单一产品。 像OpenAI和SpaceX这样的AI实验室仍然竞相在美国各地建设数据中心。例如，据报道，OpenAI接近达成一项5000亿美元的交易，将在俄亥俄州建设数据中心。但Radulescu并不认为这些项目会对Sonic Inference Pod构成威胁，他将Pod的灵活性视为关键差异点。 “每个Pod都作为单一网络的一部分运行，因此请求会发送到任何有容量的地方，更靠近用户；如果某个Pod离线，流量会转移到另一个Pod。”他补充说，系统故障意味着只有一个Pod宕机，而不是整个固定设施瘫痪。“需要专用硬件的客户可以独享整个Pod。” 他也不太担心其他公司自行建造类似产品，直截了当地表示硬件开发速度缓慢，而且能找到的建造和维修这类技术的专业人才很少。 “电路板设计中的一个错误，可能导致重新设计、仿真、制造、测试和交付之间耗费数月时间。”他说，“每一步都需要有人清楚了解每个组件的作用，以及缺失时会导致什么故障。” 然而，建设AI数据中心是一个有争议的话题，尤其是因为它消耗大量资源。数据中心所在地的社区已经报告公用事业费用上涨。Runware设想有朝一日能使用可再生电力运行，不占用社区所需的资源，但这一天未必是现在。 Radulescu表示，无论如何AI电力消耗都会增长，“这是由推理需求驱动的，而不是由谁供应驱动的。”他说，Runware当前关注的是如何满足这一需求。“没有输电损耗，冷却不用水，我们使用的是现有电力，而不是要求新建电网容量。用这种方式建设的推理算力越多，在同等计算量下所需的新电网和用水就越少。”