Sonic Inference Pod Runware: Pusat Data AI 1.200 GPU yang Bisa Dikirim dengan Truk

Apa isi Sonic Inference Pod?

Satu pod memuat sekitar 1.200 GPU yang disusun dalam node berisi dua hingga delapan GPU. NVIDIA RTX PRO 6000 menjadi chip utama, sementara GPU seri B200 dan B300 ditujukan untuk beban kerja yang lebih besar .

Di dalam kontainer terdapat server tanpa casing, rak khusus, sistem switching PCIe milik Runware, CPU berfrekuensi tinggi, serta penyimpanan NVMe lokal. Seluruh perangkat dirancang khusus untuk inferensi—yakni proses menjalankan model AI untuk menghasilkan teks, gambar, video, audio, atau keluaran lainnya—bukan untuk menjadi server serbaguna .

Sebuah unit pendingin atau chiller berukuran hampir sama dengan kontainernya ditempatkan di bagian atas. Sistem pendinginnya menggunakan sirkuit cairan tertutup yang terus mengalirkan sekitar 1,5 meter kubik air. Air tersebut didaur ulang di dalam sistem, sehingga Runware menyatakan tidak ada konsumsi air, air limbah, maupun polusi dalam operasi normal .

Menurut Runware, kombinasi pendingin cair dan pendingin kering dapat menjaga suhu tetap stabil dalam kisaran 2°C saat sistem bekerja pada beban berkelanjutan .

Spesifikasi dan klaim biaya

• Kapasitas: sekitar 1.200 GPU per pod.
• Daya komputasi: 1 MW komputasi TI untuk inferensi .
• Waktu penerapan: sekitar tiga minggu sejak pemesanan hingga aktif .
• Pendinginan: sistem cairan loop tertutup tanpa konsumsi air dalam operasi normal .
• Efisiensi biaya: Runware mengklaim biaya inferensi 30–80% lebih rendah daripada penyedia cloud tradisional; beberapa materi perusahaan menyebut penghematan yang dapat mencapai 90% .
• Arsitektur jaringan: seluruh pod terhubung sebagai satu kumpulan kapasitas yang dapat mengarahkan permintaan ke kapasitas terdekat yang tersedia secara waktu nyata .

Klaim biaya tersebut berasal dari desain perangkat keras khusus dan kepadatan komputasi yang tinggi. Namun, angka penghematan merupakan klaim Runware dan hasil aktual dapat bergantung pada jenis model, tingkat pemakaian, harga listrik, serta lokasi setiap pod.

Sudah berapa banyak yang diterapkan?

Saat peluncuran pada Agustus 2026, Runware menyatakan telah memiliki 10 pod yang beroperasi di Amerika Serikat, Eropa, dan Asia-Pasifik . Eropa menjadi kawasan pertama yang melayani lalu lintas, sedangkan penerapan di wilayah Barat Amerika Serikat sedang berlangsung .

Perusahaan juga telah mengidentifikasi 160 lokasi untuk ekspansi pada paruh kedua 2026. Target yang diumumkan meliputi:

• 10.000 node inferensi online hingga akhir paruh kedua 2026 .
• Lebih dari 1 GW kapasitas komputasi inferensi pada 2027 .

Jika target tersebut tercapai, Runware tidak hanya mengoperasikan sejumlah pusat data kecil yang terpisah. Semua pod akan berfungsi sebagai satu jaringan terdistribusi, sehingga permintaan dapat diarahkan ke kapasitas yang paling dekat atau paling siap digunakan.

Traction pelanggan dan penggunaan platform

Sebelum meluncurkan Sonic Inference Pod, Runware telah membangun platform API untuk mengakses berbagai model AI. Pada Januari 2026, perusahaan menyatakan telah menangani lebih dari 10 miliar generasi AI untuk lebih dari 200.000 pengembang dan lebih dari 300 juta pengguna akhir .

Pelanggan yang disebutkan mencakup Wix, Together.ai, ImagineArt, Quora, OpenArt, Freepik, dan Higgsfield AI, selain puluhan penerapan oleh perusahaan swasta . Pada pertengahan 2026, situs Runware melaporkan lebih dari 20 miliar permintaan, 500 juta pengguna akhir, 1 juta pengembang, dan 400.000 model di platformnya .

Angka-angka tersebut menggambarkan skala penggunaan layanan Runware, tetapi tidak berarti seluruh permintaan itu diproses oleh Sonic Inference Pod. Sebagian besar metrik tersebut berasal dari platform Runware secara keseluruhan sebelum dan selama transisi menuju infrastruktur pod.

Pendanaan Runware

Runware telah mengumumkan dua putaran pendanaan utama:

• Pendanaan awal $13 juta pada September 2025, dipimpin Insight Partners, dengan partisipasi a16z Speedrun, Begin Capital, dan Zero Prime .
• Seri A senilai $50 juta, dipimpin Dawn Capital, dengan partisipasi Comcast Ventures, Speedinvest, Insight Partners, dan a16z Speedrun . Putaran ini pertama kali diberitakan pada 11 Desember 2025 dan diumumkan secara resmi oleh Runware pada 29 Januari 2026 .

Jika kedua putaran yang dirinci tersebut dijumlahkan, nilainya mencapai $63 juta. Pendanaan ini mendukung ambisi Runware untuk menyediakan akses ke berbagai model AI melalui satu API sekaligus membangun infrastruktur komputasi khusus.

Mengapa menggunakan model pod?

Runware menempatkan pod di lokasi yang sudah memiliki akses listrik, seperti kawasan industri, kampus pusat data, atau gardu induk. Strategi ini dirancang untuk mengurangi ketergantungan pada pembangunan pusat data raksasa yang jauh dari pengguna.

Perusahaan menyebut beberapa alasan utama di balik pendekatan tersebut:

• Mengurangi kehilangan transmisi: komputasi dapat ditempatkan lebih dekat dengan pengguna dan sumber listrik, sehingga tidak seluruh lalu lintas harus menempuh jaringan transmisi jarak jauh .
• Memanfaatkan kapasitas listrik yang sudah ada: pod dapat dipasang di lokasi yang telah memiliki daya tersedia, tanpa selalu menunggu pembangunan kapasitas jaringan baru atau peningkatan utilitas yang panjang .
• Menghindari konsumsi air untuk pendinginan: sistem loop tertutup memakai kembali cairan yang sama, berbeda dari sistem pendinginan evaporatif yang dapat mengonsumsi air dalam jumlah besar .
• Mempercepat pembangunan kapasitas: unit yang telah dirakit dapat dikirim dan dipasang jauh lebih cepat daripada fasilitas pusat data permanen .

Pendekatan ini bukan berarti setiap lokasi dapat langsung menerima pod. Ketersediaan lahan, kapasitas listrik, jaringan, izin setempat, dan kebutuhan pendinginan tetap menjadi faktor penting. Namun, desain modular memungkinkan Runware menambah kapasitas secara bertahap, alih-alih menunggu satu proyek pusat data besar selesai seluruhnya.

Kesimpulan

Sonic Inference Pod menunjukkan arah yang berbeda dalam pembangunan infrastruktur AI: membawa komputasi ke lokasi yang sudah memiliki listrik dan dekat dengan pengguna, bukan selalu mengirimkan semua permintaan ke pusat data terpusat yang jauh .

Dengan sekitar 1.200 GPU dalam satu kontainer, pendinginan loop tertutup, waktu penerapan yang diklaim hanya beberapa minggu, serta target 1 GW kapasitas pada 2027, Runware bertaruh bahwa pusat data modular dan portabel dapat menjadi bagian penting dari generasi berikutnya infrastruktur inferensi AI.