大厂盯上了低成本算力网，这家公司融了10亿
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。