傳統上建造資料中心需要數年時間，但 Runware 認為它可以在三週內完成同等規模的建設。
該 AI 基礎設施公司於週二推出了 Sonic Inference Pod，這是一種模組化、容器化的運算單元，可於任何有電力供應且前置時間極短的地點部署。每個 Pod 以 20 英尺集裝箱運送，內置超過 1,000 個 GPU，採用專有液冷技術，提供 1 兆瓦的推論運算能力。將足夠多的 Pod 堆疊在一起，即可構成一個資料中心，且無需歷時數年的許可、建設或電網協商。
最後一部分是宣傳點。傳統數據中心從規劃到運營需耗時數年，而 Runware 声稱其部署時間僅需三週，這使其 Sonic 模組比傳統建設快約 50 倍。
Sonic Inference Pod 的實際功能
每個模組均專為 AI 推理工作負載設計，而非訓練。這項區別至關重要。訓練需要大型集中式叢集運行數週，而推理是模型實際回應使用者查詢的階段，必須快速、靠近使用者並具備擴展性。
Runware 正為邊緣部署配置模組：將位置設置在接近終端用戶的地方，而非遙遠的超大規模數據中心。適用於生成式媒體平台、實時多模態應用，以及任何延遲是主要障礙的使用情境。這些模組可接入經濟實惠的區域電力來源，避開了現代 AI 基礎設施中最頭痛的問題之一：在主要人口中心附近尋找足夠廉價的電力。
軟體層同樣是提案的核心。Runware 建立了其稱為 Model Lake 的統一儲存庫，其中包含超過 400,000 個 AI 模型。該系統可處理跨模組的優化路由，將查詢導向正確位置的正確模型。
公司已宣布計劃運營 10,000 個 Sonic 推理節點。若每單位為 1 MW，這將代表龐大的分散式計算容量，但未說明達成該目標的時間表。
支撐這項雄心的資金
Runware 的擴張得到了迅速的融資支持。該公司於 2024 年 11 月籌集了 300 萬美元，隨後於 2025 年 9 月完成 1300 萬美元的種子輪融資。最近，它在 2025 年 12 月至 2026 年 1 月期間完成了 5000 萬美元的 A 輪融資，使總披露融資額達 6600 萬美元。
支撐所有這些的成本效益主張是，與傳統設置相比，基礎設施成本可能降低十倍。其背後的邏輯成立：在規模化的情況下使用容器化硬體，採用區域電力而非集中式電網接入，並透過軟體層消除冗餘的模型存儲和計算浪費。