# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
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。
这家公司没有制造芯片，也不训练大模型。它处理的是一件更加琐碎、却让许多企业头疼的事：GPU买回来以后，怎样真正用起来。
AI基础设施看起来像一排服务器，实际是一组不断变化的组合。芯片来自NVIDIA或AMD，服务器、网络和存储各有不同；上面还要安装驱动、Kubernetes、监控、安全工具和模型服务。企业既有公有云，也有自己的数据中心，有些设备还散落在医院、工厂、门店和通信基站。
任何一层升级，都可能影响整套系统。一个团队在AWS上跑得顺利的配置，搬到裸金属服务器上未必可用；中心机房的管理方法，到了网络时断时续的边缘节点也会失效。
Spectro Cloud CEO Tenry Fu曾说，许多企业的GPU利用率只有30%左右。价格高昂的计算卡大部分时间处于等待状态，原因往往不在芯片性能，而在资源分配、软件兼容和组织流程。
公司宣称PaletteAI可以把利用率提高到约60%。这个数字仍缺少大规模独立验证，却准确点出了AI建设中的新矛盾：硬件采购速度已经超过了企业的运维能力。
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。
这段经历决定了Spectro Cloud的产品基因。团队熟悉大型企业的软件采购流程，也知道异构基础设施真正麻烦的地方。云计算早期，企业担心应用被某一家云厂商锁定；进入Kubernetes和AI时代，锁定问题又扩展到操作系统、容器平台、GPU、模型和数据位置。
Tenry Fu属于典型的技术型CEO，曾在VMware和Cisco负责云平台架构，并拥有多项分布式系统与安全专利。Saad Malik负责技术路线，Gautam Joshi长期管理工程交付。三个人已经共同完成过一次创业、扩张和出售，团队磨合程度明显高于首次创业公司。
Spectro Cloud的核心产品Palette建立在Kubernetes之上。Kubernetes可以调度容器，却不会自动替企业选好操作系统、网络、存储、安全和监控工具，更不会保证几十种组合都能顺利升级。
Palette采用一种叫作Cluster Profile的机制。可以把它理解为一份经过版本管理的基础设施配方：底层用哪种操作系统，中间安装哪个Kubernetes版本，再叠加什么网络、存储、监控和应用组件。企业确认一份配方后，可以把它重复部署到公有云、私有云、裸金属服务器和边缘设备上。
PaletteAI 统一管理云、数据中心、裸金属和边缘环境
平台还负责后续升级、补丁、配置漂移检测和回滚。对大型企业而言，价值主要来自一致性。数千个节点不需要工程师逐一维护，安全政策也不会因部署地点不同而失控。
这种能力在边缘场景尤其重要。医疗影像公司RapidAI需要在全球数千家医院运行AI应用，其中一些环境与互联网隔离。Palette帮助它统一管理设备并执行零停机升级。GE HealthCare也用这套平台支持Edison医疗系统在本地和云端运行。
RapidAI 在医院边缘环境运行医疗影像 AI
这些案例比“多云管理”更能解释Spectro Cloud的竞争力。公有云厂商擅长管理自己的云，Spectro Cloud更适合那些无法把一切搬上单一云平台的客户。
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。
2026年7月推出的Inference Launchpad又向前走了一步。它帮助企业在自有硬件上部署大模型，并根据成本、性能和治理要求选择模型。公司宣称，本地推理和智能路由最多可以降低70%的token成本。
Spectro Cloud 推出 PaletteAI Inference Launchpad
这个承诺有明确的边界。稳定、高频、数据敏感的推理任务更适合本地部署；需求波动很大、模型频繁变化的小规模应用，继续调用公有API可能更划算。Spectro Cloud要证明的，是它能否把这种选择做成可测量、可自动执行的策略，而不只是再增加一层管理软件。
Palette按部署环境采用不同计费口径：虚拟化和云环境按使用量收费，边缘与裸金属环境按受管节点收费，PaletteAI则按受管GPU收取固定费用。其中云环境的使用量可用kCh，也就是千核小时计量。政府和监管行业还可以购买支持隔离网、自托管和合规要求的VerteX版本。
这类企业软件具有较强的转换成本。一旦客户把集群配置、升级流程和安全政策都放进Palette，迁移会影响整套生产系统。与此同时，它的销售和交付很难像普通SaaS那样轻。客户通常需要概念验证、安全审查、解决方案架构师和长期技术支持。
公司官网曾列示，Pro支持层级额外购买专属技术客户经理的价格为每年10万美元；企业实际合同还可能采用多年协议或其他定制结构。
容器平台市场并不空旷。Red Hat OpenShift拥有完整产品和监管行业信誉；SUSE Rancher拥有开源社区；Nutanix正在把虚拟机、超融合基础设施和Kubernetes整合起来；AWS、微软和Google也持续增强各自的托管服务。
Spectro Cloud很难依靠功能数量击败这些公司。它的机会来自巨头体系之间的缝隙：客户同时使用多种云和芯片，需要管理裸金属与断网节点，还希望保留替换底层组件的自由。边缘医疗、国防、主权AI、通信网络和异构GPU集群都符合这一特征。
资本方的构成也透露了公司的方向。AMD需要更多软件降低客户采用非NVIDIA硬件的难度；Ericsson关注分布式通信网络中的AI；Maximus熟悉政府采购。它们既是投资者，也可能成为销售渠道和联合方案提供者。
Spectro Cloud已经证明，复杂的Kubernetes环境有人愿意付费管理。接下来，它需要证明AI基础设施可以形成更大的第二增长曲线。
不过无论它是否成功，它都是一个观察服务器市场的好指标。
文章来自于微信公众号 “帝亚梵的智库报告”，作者 “帝亚梵的智库报告”
