大厂盯上了低成本算力网，这家公司融了10亿

界面新闻记者 |


陆柯言

界面新闻编辑 |


文姝琪

在大多数算力公司的故事里，GPU越新、规模越大，往往越容易获得资本青睐。但云天畅想




讲出了另一套逻辑：它不造




端侧




GPU，而是把分散在各地、型号各异甚至处于闲置状态的GPU组织起来，通过




高速




网络




将算力实时




送到手机、电脑、汽车和智能硬件上




，让这些设备像拥有一块本地GPU一样工作




。

成立于2016年的云天畅想




(C




loudsky




)




，




在




近日




宣布完成超10亿元人民币E轮融资，由中国互联网投资基金领投，中金资本等机构联合投资。

云天畅想创始人兼CEO茅晓东在接受界面新闻专访时表示，





过去6年间，云天畅想每年的营收






复合






增速都达到100%，其客户已覆盖绝大部分






头部互联网及终端厂商。






目前，最让这家公司发愁的仍然是






算力






供不应求。

茅晓东曾在英特尔从事GPU设计，后加入索尼，参与多代PlayStation游戏主机及云游戏平台的研发。创业之前，他曾想过继续做端侧GPU，但PS3一代复杂的芯片研发令他患上了所谓的“GPU恐惧症”：芯片要塞进消费电子设备，必须同时解决性能、体积、功耗和成本问题，而先进制程又意味着巨额投入。

到了PS4阶段，他开始考虑另一种解决方案




：与其继续挑战一颗端侧GPU




，




不如




把




已有




GPU部署在靠近用户的服务器里，由高速网络将算力实时传输到终端。如果传输和计算产生的延迟足够低，用户感受到的效果就像GPU仍在本地，类似于




一块存在于网络上的“端侧虚拟GPU”。

早在十几年前，云游戏和云电脑就曾掀起一轮热潮，它们都建立在类似的设想之上。

茅晓东认为，游戏是最严苛的试验场之一。例如电竞网吧追求2K




分辨率




、




300Hz刷新率




的画面，




相邻两帧的显示间隔仅约3.3毫秒




，




云端




渲染




需要




尽可能




从




鼠标操作、画面传输和服务端渲染都必须在极短时间内完成。




把GPU放在服务器上并不难，难的是让用户感觉它就在自己的手机或电脑里。




如果一套网络能够支撑硬核玩家实时对战，也就有机会迁移到智能座舱、机器人等场景。

此后，5G网络的建设热潮又为这家公司送来了机会。




更快的网络和更低的时延，让算力通过网络实时抵达终端具备了落地条件。云天畅想借此




进入




运营商和互联网大厂供应链，由其提供实时渲染和传输技术，运营商则提供网络、机房和用户渠道，双方合作部署边缘节点




。

借助运营商的5G建设，公司扩大了节点规模，也初步跑通了商业模式




，云游戏、云会议等场景




因此成为5G商用化




的




代表案例。




据其披露，目前公司




已




在国内部署




数百个算力节点，网络覆盖全球300多个城市，




可调度GPU超过30万张，




服务终端用户超过6亿。

理论上，节点数量越密集、离用户越近，时延也就可以做到越低。茅晓东举例，在半径50公里内部署一个节点，可以将时延控制在10毫秒以内；若把覆盖半径缩小至5公里，则有机会进一步降至1毫秒左右。

这是一门规模效应很强的生意。云天畅想




提出了“




实时智算织网




”




战略




，长期目标




是




将




算力




节点铺得像通信基站一样密集。




节点越密




、离用户越近，端侧体验就越接近本地计算；而随着客户和应用场景增加，同一张网络上的算力也能被更高效地复用




，公司




的




竞争壁垒




随之提高




。

运营商和互联网厂商之所以愿意为之买单，核心原因仍在于算力资源的短缺与高成本。一个背景是，中国市场既缺少高端GPU，也存在大量国产中低端GPU和闲置资源




；与此同时，中国拥有发达的通信网络




。如何




利用高速网络




盘活这些




分散




算




力，将其转化为端侧可调用的计算能




力，也是一门具有现实需求的生意。

茅晓东介绍，云天畅想自研的StackGPU技术可通过软件调度，将不同




品牌、




型号




和性能




的GPU纳入同一资源池，




并根据不同终端和应用场景的需求组合、切分和




分配算力。他把这套能力形容为一块不在设备内部的“虚拟大GPU”。大量日常推理可以在边缘侧完成，复杂任务再调用中心云，由此降低整体成本




，并减少对单一高端GPU的依赖




。

在此基础上，互联网平台可以将渲染任务放到云端，让低配设备运行高负载内容；终端厂商则能用远端算力补足本地性能，降低硬件和AI推理成本。




但这并非简单地把GPU接入资源池：每一种GPU如何发挥能力、如何适配具体应用，都需要长期投入。建网、异构堆叠和逐个场景适配，构成了云天畅想过去十年的主要技术积累。

头部云厂商和三大运营商同样在布局边缘计算。但在茅晓东看来，云厂商更习惯集中建设大型节点，而云天畅想追求的是节点密度






和场景适配






，长期目标是将算力点铺得像基站一样密集。小公司缺少覆盖全国的能力，大公司则未必愿意为细分场景承担分散部署和逐个适配的成本






。这些漫长而投入巨大的工作






，






反而构成了云天畅想的生存空间。

在大厂之外，云天畅想的




新




增




长点正在从AI应用延伸到




AI硬件。




生成式AI带来的算力需求，不仅来自互联网大厂，也来自大量希望通过内容生成、短视频和AI员工降本增效的中小微企业。与此同时，




大模型正在进入手机、




可穿戴设备、




玩具、家电、汽车等硬件，但这些设备通常放不下高功耗GPU，也很难承受持续调用中心云大模型的费用。

例如，一台AI手机调用智能体订张火车票，消耗Token的成本若比




车




票本身还高，产品也就失去了意义，这时就需要




低成本、低时延的




边缘算力提供补充。

茅晓东透露，





云天畅想目前覆盖的汽车相关终端已超过百万台





，





AI玩具则可能会超过千万台。

云天畅想同时也在加速出海。过去一年间，这家公司尝试进入了美国、欧洲、南美和中东。不同市场的特点并不相同，例如中东的拓展受到地区冲突影响，欧美市场算力供给相对充足，客户需要的主要是便利性和算力补充




。




总体而言，对低成本算力的需求是全世界的共性，这也为云天畅想提供了机会。

某种程度上，云天畅想押注的是一种




新的产业分工：芯片公司提供计算单元，运营商提供网络，模型公司提供底层能力，而




云天畅想




负责




将




这些资源




连接




起来




，通过一张实时智算网络，把GPU和AI能力送到具体设备




，完成AI




落地




前的“最后一公里”。

茅晓东对下一个十年的畅想是，任何一台端侧设备，只要连上网络，就能成为一台强智能终端。




实现这一目标仍需




要




持续扩大节点规模、迭代技术并完成更多场景适配。




网络越大，可复用的算力、客户和场景就越多。




在他看来，AI算力可能是人类最后一次大规模基础设施建设。