AI基建公司Spectro Cloud获1亿美元D轮融资，他们专注解决GPU闲置

2026年7月，Spectro Cloud完成超过1亿美元D轮融资，估值跨过10亿美元。Goldman Sachs Alternatives继续领投，AMD、Ericsson、LG Technology Ventures和美国政府服务商Maximus一同入场。

这家公司既不生产芯片，也不负责训练大模型。它要解决的是一件更琐碎、却令许多企业头疼的事情：购买GPU之后，如何让它真正运转起来。

昂贵设备为什么总是闲置

真正的AI基础设施并非眼前的一排服务器，而是持续变化的系统组合：NVIDIA或AMD提供芯片，网络、存储和服务器的配置并不相同，驱动、Kubernetes、监控、安全工具与模型服务也要安装其上。企业的设备环境既包括公有云和自建数据中心，也可能分布于通信基站、门店、工厂及医院。

系统中的任何一层发生升级，都可能牵动整个体系。某套配置在AWS上运行顺畅，迁移至裸金属服务器后未必还能使用；中心机房采用的管理方法，放到网络时断时续的边缘节点也可能失效。

GPU利用率只有30%左右，是Spectro Cloud CEO Tenry Fu提到的许多企业现状。昂贵计算卡长期等待，症结通常来自组织流程、软件兼容和资源分配，而非芯片性能。

按照公司说法，PaletteAI能够把利用率提升至约60%。尽管这一数字尚无大规模独立验证，它却准确揭示了AI建设出现的新矛盾：企业购买硬件的速度，已经超越自身运维能力。

三名创始人，再次解决同一个问题

Spectro Cloud成立于2019年，三位创始人Tenry Fu、Saad Malik和Gautam Joshi此前共同创办过多云管理公司CliQr。2016年，Cisco以约2.6亿美元收购CliQr，随后把产品发展为CloudCenter。

团队对大型企业的软件采购流程十分熟悉，也了解异构基础设施的实际难点，这段经历由此融入Spectro Cloud的产品基因。企业在云计算早期主要担心应用受制于单一云厂商；到了Kubernetes和AI时代，操作系统、容器平台、GPU、模型及数据位置也都进入锁定问题的范围。

云平台架构工作曾由Tenry Fu在VMware和Cisco承担，他还拥有多项分布式系统与安全专利，是典型的技术型CEO。技术路线交给Saad Malik，工程交付则长期由Gautam Joshi管理。三人此前共同走完过创业、扩张、出售全过程，彼此磨合明显强于首次创业公司的团队。

将复杂系统变成可复制的“配方”

建立在Kubernetes之上的Palette，是Spectro Cloud的核心产品。容器调度可以交给Kubernetes，但操作系统、网络、存储、安全和监控工具仍需企业选择，几十种组合能否顺畅升级也不在它的自动保证范围内。

所谓Cluster Profile，是Palette用于管理基础设施配方版本的一套机制。配方会确定底层操作系统、中间层Kubernetes版本，以及继续叠加的网络、存储、监控与应用组件。一份配方得到企业确认后，即可重复投放到边缘设备、裸金属服务器、私有云和公有云。

从边缘环境、裸金属到数据中心和云，均由 PaletteAI 统一管理

后续升级、补丁安装、配置漂移检测与回滚，也由平台负责。对大型企业来说，主要价值在于保持一致性：工程师无须逐个维护数千个节点，安全政策也不会因为部署位置不同而失去控制。

边缘场景更能体现这项能力：RapidAI的AI应用遍布全球数千家医院，部分运行环境无法接入互联网，Palette既帮助统一管理设备，也负责零停机升级。Edison医疗系统在本地与云端的运行，则由GE HealthCare使用该平台支持。

医院边缘环境中的医疗影像 AI 由 RapidAI 运行

与“多云管理”相比，这些案例更能体现Spectro Cloud的竞争优势。公有云厂商长于管理自家的云，而Spectro Cloud更适合无法将全部系统迁移到单一云平台的客户。

由管理集群进一步走向管理模型

2025年，公司对外发布PaletteAI；2026年3月，PaletteAI正式全面可用，并把NVIDIA AI Enterprise集成进产品体验。产品范围由Kubernetes集群继续向GPU、AI工作负载和模型服务延伸。

到了2026年7月，Inference Launchpad的推出让产品再进一步：企业可在自有硬件上部署大模型，并依据治理要求、性能和成本选择模型。按照公司说法，智能路由结合本地推理，最多能让token成本下降70%。

PaletteAI Inference Launchpad 由 Spectro Cloud 推向市场

这项承诺并非没有边界：本地部署更匹配稳定、高频且数据敏感的推理任务；若小规模应用需求起伏很大、模型又频繁变化，沿用公有API可能成本更低。Spectro Cloud最终要证明的是，这类选择能被转化成可测量且可自动执行的策略，而不是仅仅多出一层管理软件。

高毛利潜力和重服务同时存在的生意

计费口径会随Palette的部署环境变化：受管节点用于边缘与裸金属环境计费，虚拟化和云环境依据使用量收费，PaletteAI则对受管GPU收取固定费用。云环境使用量以kCh计量，即千核小时。针对政府与监管行业，还可购买满足隔离网、自托管和合规要求的VerteX版本。

客户一旦把安全政策、升级流程和集群配置纳入Palette，迁移便会牵动整套生产系统，因此这类企业软件的转换成本很高。它的销售与交付同样难以具备普通SaaS的轻量特征，通常少不了概念验证、安全审查、解决方案架构师以及长期技术支持。

每年10万美元，是公司官网曾为Pro支持层级额外购买专属技术客户经理列出的价格；实际企业合同也可能改用多年协议或其他定制结构。

巨头之间留下的市场空隙

这个容器平台市场已有众多参与者：监管行业信誉和完整产品是Red Hat OpenShift的优势，SUSE Rancher背后有开源社区，Nutanix正着手整合Kubernetes、超融合基础设施与虚拟机，而Google、微软和AWS仍在强化各自的托管服务。

仅靠功能数量，Spectro Cloud很难战胜这些企业。它的机会藏在不同巨头体系之间：客户同时采用多种云与芯片，必须管理裸金属和断网节点，还希望保有更换底层组件的自由。边缘医疗、国防、主权AI、通信网络及异构GPU集群，都具有这些特点。

公司走向也能从资本方构成中看出：为降低客户选择非NVIDIA硬件的难度，AMD需要更多软件；Ericsson着眼于分布式通信网络里的AI；政府采购则是Maximus熟悉的领域。除投资者身份外，它们还可能提供联合方案或成为销售渠道。

复杂Kubernetes环境的管理服务有人愿意付费，Spectro Cloud已经证明了这一点。下一步，它必须证明AI基础设施能够形成规模更大的第二增长曲线。

但无论最终能否成功，它都可以作为观察服务器市场的一项良好指标。