过去两年大家都在比谁的 AI 数据中心更大、更烧钱，动辄几百亿美元、三到五年才能盖好。伦敦一家叫 Runware 的公司偏不这么玩。8 月 4 日他们扔出一个叫 Sonic Inference Pod 的东西——说白了，就是把最多 1200 块 GPU 塞进一个 20 英尺的集装箱里，插上电就能当一座推理数据中心用。
一个集装箱就是一座厂
这个 Pod 不是玩具。它自带定制服务器、电路板和闭环液冷系统，单箱能出大约 1 兆瓦的算力。最妙的是冷却方式：用一套密闭循环管路，只循环大约 1.5 立方米的水，几乎不消耗新水，还能把 GPU 温度稳在目标值上下 2 度以内，电源效率标到 99%。对比传统数据中心，差不多三分之一的电都拿去制冷而不是算题，这一下就把账算明白了。
贵在”只做推理这一件事”
Runware 的逻辑很简单——普通数据中心为了通用负载堆了一堆推理用不上的冗余：备份系统、过度设计的结构、超大建筑。他们算过，传统机房 40% 到 60% 的开支花在了推理根本用不到的地方。Pod 把这些全砍了，只保留推理要的部件。结果就是他们敢承诺推理价格比同行低 30% 到 80%，硬件成本比传统千兆瓦级数据中心低到差不多百分之一百倍，省下的钱直接反映到 GPU 小时报价上。
“推理需求增长的速度，比机房盖出来的速度快得多。”Runware 联合创始人兼 CEO Flaviu Radulescu 说，”我们想做的是给全世界的智能供能，成为每个模型跑起来时身下的那根骨干。”
哪里有电，就拖到哪里
这种集装箱最大的卖点是”可搬家”。因为它自带一切、不挑电网，哪有便宜的电——比如太阳能电站旁边——往那一放就行。平均三周能部署一个，传统方案要三到五年。每个 Pod 接入同一张网络，一个挂了流量自动切到别的节点，不会整片瘫痪。目前 Runware 说已经在美、欧、亚太部署了 10 个，还有 160 个预备点位，客户里能点到 Higgsfield AI 和 Wix 的名字。
一场和超大规模厂的逆向赛跑
有意思的地方在于，OpenAI、xAI 和几家云巨头都在往几百亿、上千亿美元的固定资产里砸钱，Runware 却从另一头进场：那些对运行地点不挑、哪儿便宜往哪跑的推理负载，用能 truck 进来、插上电、再挪走的算力也许更划算。公司背后是今年 1 月拿到的 5000 万美元 A 轮（Dawn Capital 领投，a16z speedrun、Comcast Ventures 等跟投），说自己已经帮 20 多万开发者跑出 100 多亿次生成。下半年他们计划先上 1 万个推理节点，2027 年冲到 1 吉瓦。
- 单箱最多 1200 块 GPU、约 1 兆瓦算力，闭环液冷不耗新水
- 推理报价比同行低 30%–80%，设施成本可低至传统方案的百分之一
- 平均三周部署，哪里有电拖到哪里，故障自动切流
- 下半年先上 1 万节点，2027 年冲 1 吉瓦
便宜归便宜，1200 块 GPU 塞一个箱子，网络带宽和供电接口反而可能成新瓶颈。超大规模厂拼的是生态和调度能力，pod 这种模式能不能接住突发流量、会不会被大客户整箱包走，才是决定它走多远的关键。
作为在运维岗位上待过的人，这种集装箱思路确实戳到点了。传统机房那些冷却和冗余开销，本来就是推理负载用不上的，砍掉之后便宜一个数量级听着离谱但也合理。不过 1.5 方水循环夏天能不能扛满负载，还得等第一批真实跑起来的数据说话。