Crusoe 融资 39 亿美元，推动吉瓦级数据中心与卡车运载式 AI 工厂

新闻摘要

Crusoe，这家最初以加密货币挖矿起家、如今专注于 AI 基础设施的公司，已完成 39 亿美元的 F 轮融资，估值推高至 309 亿美元。该轮融资于 2026 年 9 月 17 日（美国东部时间）宣布，将同时资助两种截然不同的建设方向：用于训练最大规模 AI 模型的庞大吉瓦级数据中心园区，以及小型、可卡车运输的“Spark”单元，后者可在数周内部署到几乎任何电源附近。

融资轮次

这轮 39 亿美元的 F 轮融资由 Atreides Management、Mubadala Capital 和 Valor Equity Partners 联合领投，Founders Fund、GIC、Nvidia、卡塔尔投资局、Radical Ventures、TPG 以及其他二十多家投资方参投。此轮融资距离 Crusoe 2025 年 10 月的 E 轮融资约十个月，当时该公司以 100 亿美元估值筹集了 13.8 亿美元——这意味着其估值在不到一年内大约增长了两倍。

作为本轮融资的一部分，三位新成员加入了 Crusoe 董事会：Cloudflare 首席财务官 Thomas Seifert；Primary Digital Infrastructure 合伙人兼首席投资官 Bill Stein；以及电池回收公司 Redwood Materials 创始人兼首席执行官、特斯拉董事会成员、自 2021 年起投资 Crusoe 的 JB Straubel。

Crusoe 成立于 2018 年，最初利用油田燃烧掉的多余天然气进行加密货币挖矿。随着 AI 算力需求激增，该公司几乎完全转向为 AI 训练和推理建设并运营数据中心基础设施，这一转型使其成为当前 AI 建设浪潮中最受关注的基础设施参与者之一。

两种截然不同的“AI 工厂”

Crusoe 的增长战略建立在两种互补的基础设施形态之上。

第一种是大型园区级数据中心，其位于得克萨斯州阿比林的站点便是典型代表。Crusoe 已在那里建成一座 900 兆瓦设施，以支持 Microsoft 的 AI 基础设施需求，该公司表示，随着持续扩建，阿比林园区的总容量预计将达到 2.1 吉瓦。阿比林站点还曾承载 OpenAI 的训练工作。像这样的大型园区最适合训练前沿 AI 模型，这一过程受益于将海量芯片集中在一个地点。

第二种形态是 Spark，这是一系列模块化、可卡车运输的数据中心单元，由 Crusoe 自主制造。据首席执行官 Chase Lochmiller 称，推理工作负载——即运行已训练好的 AI 模型来回答查询或生成内容——通常需要的芯片远少于训练，因此将这类工作集中在阿比林规模的园区中可能成本过高。Spark 单元的设计是在工厂中制造，用卡车运到有可用电力的站点，并在数周内完成连接，而传统数据中心建设通常需要数年。Crusoe 正在丹佛建设一座制造设施，该公司预计其最终年产能可达 1 吉瓦的 Spark 容量。部分 Spark 单元已在内华达州里诺运行，电力来自一个微电网，该微电网结合了太阳能电池板与通过 Redwood Materials 提供的再利用电动汽车电池，后者由 Crusoe 新任董事会成员 JB Straubel 领导。

商业模式与近期势头

Crusoe 主要通过三种方式创收：向自带 GPU 的客户租赁数据中心空间；出租 Crusoe 自有的 GPU；以及代表客户出售用于运行 AI 模型的推理算力。其客户名单包括 Meta、Microsoft、Oracle 和 OpenAI。

该公司报告称，其已签约的数据中心总容量约为 6 吉瓦，其中约 1 吉瓦目前已投入运营，其余部分正在建设中或处于开发阶段。其于 2025 年底推出的托管推理产品，据报道已在几个月内从 2026 年初的近乎零收入增长到超过 1 亿美元的签约年度经常性收入。

Crusoe 最近还与量化交易公司 Jane Street 签署了一份为期五年、价值 130 亿美元的云基础设施合同，为其提供 GPU 和 AI 算力，这是同类交易中已披露规模最大的交易之一，且客户是金融服务公司而非 AI 实验室。

下一步

首席执行官 Chase Lochmiller 将公司战略概括为端到端控制 AI 供应链，“从电子到词元”——意味着从确保电源到向客户交付最终 AI 输出的一切环节。凭借新资金，Crusoe 计划继续扩展其基础设施组合的两端：扩大阿比林等吉瓦级训练园区，同时提升丹佛的 Spark 产量，以服务更小、更分散的推理工作负载。

Crusoe 的领导层还与包括 Goldman Sachs 和 Morgan Stanley 在内的主要投资银行进行了初步讨论，探讨未来潜在首次公开募股的可能性，不过尚未设定正式时间表。此轮融资的规模——以及其背后的主权财富基金、芯片制造商和基础设施投资者阵容——凸显了电力可用性和制造速度对于更广泛 AI 行业跟上算力需求的能力已变得多么核心。