Runware 2027年AI推論容量目標不一：官方資料分列1GW與10GW

Runware公布一款1MW級AI推論資料中心，可將約1,200顆GPU裝進20英尺貨櫃，透過模組化伺服器與冷卻設備，減少現場安裝作業。

Runware在8月4日發布的「Sonic Pods」介紹文章中，將這套設備稱為「Sonic Pod」。公司表示，貨櫃內配置了針對推論工作設計的伺服器，以及封閉式液冷系統。

AI推論是訓練完成的模型接收輸入後，產生回答或圖片等結果的過程；GPU則是用於這類AI運算的處理器。

模組化設施會先依固定配置組裝伺服器、冷卻設備等，再運送至安裝地點，目的在於減少現場逐一安裝設備的作業。

不過，貨櫃式設施本身無法解決電力問題。Runware表示，安裝地點仍須具備場地、電力與網路連線。德州案例中，資料中心相關電力需求的併網申請占了相當比重，顯示現場電力供應仍須與設備模組化分開評估。

成本節省幅度則是Runware提出的比較數據。公司宣稱，依工作類型不同，每張GPU每小時的使用成本比其他推論服務低30%至80%；目前未提供這項數據的獨立驗證結果。

Runware的官方資料對擴建目標有不同說法。公司8月4日發布的介紹文章表示，計畫在2027年將推論容量提升至1GW以上。

但截至10月30日查閱的Runware「Sonic Pods」介紹頁面，將同年的目標列為10GW。公司尚未說明兩項數字為何不同。

Runware也提出在2026年下半年達成「1萬個節點」的目標。公司資料沒有說明節點與Pod之間的關係，因此無法將這項目標換算為「1萬個Pod」。

此次確認的新資訊，是Runware不同官方資料對2027年容量目標的標示不一致。

8月公開相關資訊時，Reddit技術社群有使用者肯定以水循環進行冷卻的方式。這些是使用者意見，並非對設備效能的驗證結果。

也有使用者指出，仍須考量耗電量、噪音，以及包含冷卻設備在內的實際安裝空間。僅憑水冷設計的說明，無法判定當地電力負擔也會降低。

輝達（NVIDIA，$NVDA）也在10月21日公布「DSX POD」設計，將設備整合到模組化貨櫃中並完成測試後，再運往現場。這項設計與Runware的Sonic Pod是不同方案。

輝達表示，在場地已準備就緒的情況下，部署時間可從6個月縮短至最短14天。合作夥伴提出的供應目標時程為2027年初。

模組化設施計畫與透過專用生產線大量製造的計畫應分開看待。Runware官方資料未提供工廠所在地、生產線投資規模，也未列出2028年量產時程。