AI基建公司Spectro Cloud完成1亿美元D轮融资，专门破解GPU闲置难题

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。

芯片制造和大模型训练都不是这家公司的业务，它关注的是更琐碎却困扰众多企业的问题：买回来的GPU究竟如何投入实际使用。

昂贵设备为什么总在闲置

表面上，AI基础设施只是一排服务器；实际上，它由持续变化的组件组合而成。芯片可能来自NVIDIA或AMD，服务器、网络与存储配置各不相同，还要在其上部署驱动、Kubernetes、监控、安全工具和模型服务。企业同时拥有公有云与自建数据中心，部分设备甚至分散在医院、工厂、门店及通信基站。

其中任何一层发生升级，都可能牵动整个系统。在AWS运行顺畅的团队配置，迁移到裸金属服务器后未必还能使用；适用于中心机房的管理方式，放到网络频繁中断的边缘节点也可能失灵。

Spectro Cloud CEO Tenry Fu曾表示，很多企业的GPU利用率仅有30%左右。高价计算卡多数时间都在等待，问题通常不是芯片性能不足，而是资源分配、软件兼容性与组织流程没有理顺。

按照公司的说法，PaletteAI能够把利用率提升至约60%。尽管这一数字尚未得到大规模独立验证，却准确揭示了AI建设的新矛盾：企业采购硬件的速度，已经快于运维能力的提升。

三位创始人再次挑战同一个问题

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。

Spectro Cloud的产品基因源于这段经历：团队不但了解大型企业如何采购软件，更熟知异构基础设施的棘手之处。企业在云计算早期忧虑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、模型乃至数据位置都成为新的锁定环节。

云平台架构工作是Tenry Fu在VMware和Cisco的职业经历，他还拥有多项分布式系统与安全专利，是典型的技术型CEO。团队内，技术路线和工程交付分别由Saad Malik、Gautam Joshi负责。由于三人曾一起走完创业、扩张、出售的全过程，其磨合程度远超首次创业团队。

将复杂系统封装为可重复使用的“配方”

建立在Kubernetes之上的Palette，是Spectro Cloud的核心产品。容器调度虽可交给Kubernetes，但操作系统、网络、存储、安全和监控工具仍需企业自行选择，几十种组件组合能否顺利升级也得不到自动保证。

企业先确定底层操作系统和中间层Kubernetes版本，再配置网络、存储、监控及应用组件，最终形成一份受版本管理的基础设施配方；Palette将这套机制称为Cluster Profile。配方确认后，同一套配置便能反复部署于边缘设备、裸金属服务器、私有云和公有云。

云、数据中心、裸金属与边缘环境均由PaletteAI纳入统一管理

后续升级、补丁安装、配置漂移检测与回滚同样由平台处理。对大型企业来说，其主要价值在于保持一致性：工程师无需逐个维护数千个节点，安全政策也不会因部署地点变化而失去控制。

边缘场景最能体现这项能力的价值。RapidAI的AI应用需要覆盖全球数千家医院，部分运行环境还与互联网隔离；Palette让这家医疗影像公司能够统一管理设备并完成零停机升级。Edison医疗系统要同时在云端和本地运行，GE HealthCare同样以该平台提供支持。

RapidAI 将医疗影像 AI 部署在医院边缘环境

相比“多云管理”，这些案例更能体现Spectro Cloud的竞争优势。公有云厂商更擅长管理自家云服务，而Spectro Cloud面向的是无法把所有系统迁入单一云平台的客户。

从集群管理进一步延伸至模型管理

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：企业可按治理要求、性能和成本选择模型，并将大模型部署在自有硬件上。按公司说法，智能路由配合本地推理，token成本最多可降70%。

PaletteAI Inference Launchpad由Spectro Cloud推出

这项承诺也存在明确边界。稳定、高频且涉及敏感数据的推理任务，更适合部署在本地；面对需求剧烈波动、模型频繁更换的小规模应用，继续使用公有API或许更经济。Spectro Cloud需要证明的是，它能否将这些选择转化为可测量、可自动执行的策略，而非仅仅增加另一层管理软件。

高毛利潜力与重服务特征同时存在的生意

Palette会根据部署环境选择不同计费方式：虚拟化和云环境按照使用量收费，边缘及裸金属环境按照受管节点计费，PaletteAI则针对受管GPU收取固定费用。云环境使用量以kCh计量，也就是千核小时。政府与监管行业还可采购VerteX版本，以满足隔离网、自托管及合规需求。

当集群配置、安全政策和升级流程全部进入Palette后，客户若要迁移，整套生产系统都会受到影响，因此这类企业软件有很高的转换成本。它的销售与交付也不具备普通SaaS的轻量特点，通常离不开安全审查、概念验证、长期技术支持和解决方案架构师。

按公司官网曾经列出的信息，在Pro支持层级之外增购专属技术客户经理，每年价格是10万美元；而企业的实际合同也可能设计为多年协议或采用其他定制结构。

巨头体系之间留下的空间

这个容器平台市场已有多路竞争者：完整产品与监管行业信誉是Red Hat OpenShift的优势，SUSE Rancher背靠开源社区，Nutanix则在整合Kubernetes、虚拟机及超融合基础设施；与此同时，Google、微软和AWS也不断加强自己的托管服务。

想靠功能数量战胜这些企业，对Spectro Cloud而言并不现实。真正的机会位于巨头体系之间：客户同时采用多种云与芯片，既要管理裸金属和断网节点，又希望保留替换底层组件的自由。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。

公司的发展方向也能从资本方阵容中看出：为了让客户更容易采用非NVIDIA硬件，AMD需要更多软件；分布式通信网络中的AI是Ericsson关注的重点；Maximus则熟悉政府采购。这些机构除了投资，还可能提供联合方案或承担销售渠道角色。

Spectro Cloud已经验证，市场愿意为复杂Kubernetes环境的管理付费。下一阶段，它必须证明AI基础设施能够发展成规模更大的第二增长曲线。

不过，不论最终能否成功，它都是观察服务器市场变化的一项良好指标。