问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
云原生算力优化服务商ScaleOps近期完成1.3亿美元C轮融资，本轮资金将主要投入基于Kubernetes架构的实时自动化算力调度技术研发，针对性解决当前AI产业高速扩张带来的GPU供给短缺、云服务成本飙升等行业痛点，为大模型训练、推理等场景提供高性价比的算力支撑方案。
过去两年，大模型训练、生成式AI应用的爆发式增长，把全球算力供需矛盾推到了前所未有的高度：头部科技公司动辄包下整条GPU生产线，中小AI企业排队半年仍拿不到足量算力，而拿到GPU的企业也普遍面临算力利用率不足30%的尴尬，云算力开支已经超过人力成本，成为不少AI公司的第一大支出项。
第三方统计数据显示，2025年全球AI算力需求同比增长217%，但同期GPU供给增速仅为42%，供需缺口超过60%。与此同时，现有算力资源的浪费情况十分突出：由于传统的算力分配机制相对僵化，大量GPU显存、CPU核心在任务间隙长时间处于闲置状态，部分企业的GPU平均利用率甚至不足20%，相当于每买5张卡就有4张处于空转状态，进一步放大了供给缺口和成本压力。
ScaleOps的核心解决方案，正是基于Kubernetes的分布式调度框架实现算力资源的实时动态分配。这套方案不需要企业修改现有业务代码，就能自动识别不同任务的算力需求优先级，灵活调配闲置算力资源——比如把大模型训练任务暂时闲置的GPU显存分配给低优先级的推理任务，还能根据云服务商的价格波动实现错峰调度，进一步降低成本。根据ScaleOps公开的测试数据，这套方案能将企业的平均算力利用率从不足30%提升至70%以上，云算力成本平均降低40%，部分推理场景的成本降幅甚至可以达到60%。
此前AI赛道的投资主要集中在上游芯片设计、下游大模型和应用层，而处于中间层的算力优化技术正在成为新的投资热点，仅2026年第一季度，全球就有12家算力调度、优化领域的初创公司拿到了融资，总融资额超过37亿美元。随着生成式AI应用的大规模落地，推理算力的需求还会持续暴涨，在GPU供给短期难以大幅提升的背景下，算力效率的提升将成为降低AI产业落地成本、推动应用普及的核心路径，赛道长期增长空间十分可观。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号