AI基建公司Spectro Cloud完成1亿美元D轮融资，专门解决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。

它既不生产芯片，也不训练大模型。这家公司专门处理一件更琐碎、却困扰许多企业的事情：GPU采购回来后，如何真正投入使用。

昂贵设备为何总在闲置

公有云、自建数据中心，以及散布于医院、工厂、门店和通信基站的部分设备，共同构成企业的AI基础设施。它并非表面所见的一排服务器，而是持续变动的组合：芯片分别来自NVIDIA或AMD，服务器、网络、存储并不相同，还须在其上配置驱动、Kubernetes、监控、安全工具与模型服务。

系统中的任意一层发生升级，都可能波及整体。在AWS上顺畅运行的团队配置，迁移至裸金属服务器后不一定可用；适用于中心机房的管理方式，放到网络时断时续的边缘节点也可能失灵。

Spectro Cloud CEO Tenry Fu曾表示，不少企业的GPU利用率仅为30%左右。高价计算卡多数时间都在等待，症结通常并非芯片性能，而是资源分配、软件兼容性及组织流程。

按照公司说法，PaletteAI能将利用率提高到约60%。尽管该数字仍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，已超过自身运维能力。

三名创始人，第二次解答同一道题

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。

从操作系统、容器平台，到GPU、模型及数据位置，进入Kubernetes和AI时代后，企业面临的锁定范围不断扩大；而在云计算早期，它们主要担心应用受制于某一家云厂商。正因为经历过这些变化，团队不仅了解大型企业如何采购软件，也清楚异构基础设施的实际难处，这些认知构成了Spectro Cloud的产品基因。

云平台架构工作与多项分布式系统、安全专利，是技术型CEO Tenry Fu在VMware和Cisco任职经历的一部分。团队中，技术路线交由Saad Malik负责，工程交付则长期由Gautam Joshi管理。由于三人此前已一同走完创业、扩张、出售的全过程，其磨合程度明显超过首次创业公司。

将复杂系统变成可复制的“配方”

容器调度虽可交给Kubernetes，但企业仍须自行确定操作系统、网络、存储、安全及监控工具，几十种组合能否顺利升级也不在其保证范围内。为应对这些问题，Spectro Cloud将核心产品Palette构建在Kubernetes之上。

从底层操作系统、中间采用的Kubernetes版本，到继续叠加的网络、存储、监控及应用组件，企业可将整套选择整理成一份受版本管理的基础设施配方。Palette把这套机制称为Cluster Profile；配方一经确认，便能反复部署于公有云、私有云、裸金属服务器和边缘设备。

云、数据中心、裸金属及边缘环境均由PaletteAI统一管理

后续的升级、补丁、配置漂移检测以及回滚同样由平台负责。对大型企业来说，核心价值在于一致性：工程师无须逐个维护数千个节点，安全政策也不会因部署地点不同而失去控制。

在全球数千家医院部署AI应用时，医疗影像公司RapidAI面对的部分环境无法连接互联网。借助Palette，它得以统一管理设备并完成零停机升级，凸显了这项能力对边缘场景的重要性。该平台还被GE HealthCare用于支持Edison医疗系统在云端和本地运行。

医院边缘环境中的医疗影像AI由RapidAI运行

与“多云管理”相比，这些案例更能说明Spectro Cloud的竞争力。公有云厂商善于管理自家云平台，而Spectro Cloud更适用于无法将所有业务迁至单一云平台的客户。

从集群管理延伸到模型管理

从Kubernetes集群起步的产品范围，如今已覆盖GPU、AI工作负载与模型服务。推动这一延伸的节点包括：公司于2025年对外发布PaletteAI；到2026年3月，PaletteAI进入正式全面可用阶段，同时将NVIDIA AI Enterprise纳入产品体验。

企业可在自己的硬件上部署大模型，并按照治理要求、性能和成本选择模型，这是2026年7月推出的Inference Launchpad带来的进一步能力。按照公司说法，结合智能路由与本地推理后，token成本最多可降低70%。

PaletteAI Inference Launchpad由Spectro Cloud推出

并非所有推理任务都适用这一承诺：对于需求起伏较大、模型经常变动的小规模应用，沿用公有API可能成本更低；数据敏感且稳定、高频的任务，则更适合在本地运行。Spectro Cloud需要证明的关键，不是给现有体系再添一层管理软件，而是让企业的选择成为能够测量并自动执行的策略。

高毛利潜力与重服务同时存在的生意

受管GPU是PaletteAI收取固定费用的计费对象，边缘及裸金属环境依据受管节点收费，虚拟化与云环境则计算使用量；其中，云端使用量以代表千核小时的kCh计量。针对政府和监管行业，企业还可选购支持自托管、隔离网及合规要求的VerteX版本。Palette由此按照部署环境形成不同的计费口径。

概念验证、安全审查、解决方案架构师与长期技术支持，通常都是客户采用这类产品所需的环节，因此其销售交付难以具备普通SaaS的轻量特征。另一方面，当集群配置、安全政策和升级流程全部进入Palette后，任何迁移都会牵动整套生产系统，由此形成较高的转换成本。

每年10万美元，是公司官网曾经列出的Pro支持层级专属技术客户经理额外购置价格。至于企业实际签订的合同，结构还可能是多年协议或其他定制形式。

巨头之间留下的市场空隙

完整的产品与监管行业信誉由Red Hat OpenShift占据，SUSE Rancher背后有开源社区，Nutanix则在整合Kubernetes、虚拟机和超融合基础设施；与此同时，AWS、微软、Google仍在加强自己的托管服务。由此可见，容器平台早已是竞争密集的市场。

同时采用多种芯片和云、管理裸金属及断网节点，并保有更换底层组件的空间，是部分客户的共同需求。边缘医疗、国防、主权AI、通信网络与异构GPU集群均具备这些特点，也构成巨头体系之间留给Spectro Cloud的机会；若只比拼功能数量，该公司很难胜过这些对手。

降低客户使用非NVIDIA硬件的难度，是AMD需要更多软件的原因；Ericsson看重AI在分布式通信网络中的应用，Maximus则具备政府采购经验。由这些资本方可以看出公司的发展方向，而且它们除投资者之外，还可能承担联合方案提供者及销售渠道的角色。

对于复杂的Kubernetes环境，Spectro Cloud已经证明客户愿意付费让其管理。下一阶段，它还要证明AI基础设施能否构成规模更大的第二增长曲线。

但无论最终能否成功，它都可作为观察服务器市场的一项重要指标。