Runwares Sonic Inference Pod: ett komplett AI-datacenter i en fraktcontainer

Tanken är att minska väntetiden för ny AI-infrastruktur. I stället för att bygga ett traditionellt datacenter från grunden, med år av tillståndsprocesser, byggarbete och nätanslutningar, levereras podden med lastbil. Den behöver enligt Runware i praktiken mark, el och nätverksanslutning för att kunna börja hantera inferens – alltså den del där en färdig AI-modell används för att generera ett svar, en bild, en video eller annat innehåll .

Vad finns inuti Sonic Inference Pod?

Varje pod är byggd som en komplett, fristående inferensenhet. GPU:erna sitter i noder med mellan två och åtta kort. NVIDIA RTX PRO 6000 uppges vara huvudarbetskortet, medan B200- och B300-serierna är avsedda för tyngre arbetslaster .

Konstruktionen är specialanpassad från grunden: servrar utan traditionella chassin, egna rack, proprietär PCIe-växling, högfrekventa processorer och lokal NVMe-lagring. Ovanpå själva containern placeras en kylare i ungefär samma storleksklass .

Runware uppger att podden kan levereras färdigmonterad och testad. När den väl står på plats ska installationen ta omkring en dag, medan tiden från beställning till drift anges till cirka tre veckor .

Kylning utan löpande vattenförbrukning

Den höga GPU-densiteten kräver effektiv kylning. Sonic Inference Pod använder därför ett slutet vätskekylsystem som återcirkulerar omkring 1,5 kubikmeter vatten kontinuerligt. Enligt Runware innebär det ingen normal vattenförbrukning, inget spillvatten och inga utsläpp från själva kylkretsen .

Systemet kombineras med torrkylning och ska hålla temperaturen inom två grader under långvarig belastning . Det innebär inte att podden saknar vatten helt – samma mängd vätska cirkulerar i systemet – utan att den inte behöver fyllas på löpande under normal drift.

Specifikationer och kostnadsmål

• Beräkningskapacitet: cirka 1 200 GPU:er och 1 MW IT-kapacitet per pod
• Inferenskostnad: Runware anger 30–80 procent lägre kostnad än traditionella molnleverantörer; i vissa bolagsuppgifter nämns besparingar på upp till 90 procent
• Leveranstid: ungefär tre veckor från beställning till drift
• Kylning: slutet vätskekylsystem utan löpande vattenförbrukning
• Nätverk: poddarna ska fungera som en gemensam flotta som i realtid styr förfrågningar till närmaste lediga kapacitet

Det sista är centralt i Runwares modell. I stället för att låta all trafik gå till ett fåtal stora, centrala datacenter vill bolaget placera beräkningskapacitet närmare både elanläggningar och användare . Kortare avstånd kan i teorin minska fördröjning och behovet av långväga överföring, även om den faktiska effekten beror på var poddarna placeras och hur nätverket används.

Tio poddar är redan utplacerade

Vid lanseringen uppgav Runware att tio poddar redan var installerade i USA, Europa och Asien–Stillahavsområdet . Europa var då den första regionen som hanterade trafik, medan utrullningen på USA:s västkust hade inletts .

Runware hade identifierat 160 platser för fortsatt expansion under andra halvåret 2026. Den första utbyggnadsvågen ska ge upp till 10 000 inferensnoder under året, och bolaget siktar på mer än 1 GW inferenskapacitet under 2027 .

Kundbasen fanns före poddarna

Sonic Inference Pod är ny, men Runwares plattform har redan använts i stor skala. Bolaget uppger att tjänsten har drivit mer än 10 miljarder AI-genereringar åt över 200 000 utvecklare och mer än 300 miljoner slutanvändare . Bland de namngivna kunderna finns Wix, Together.ai, ImagineArt, Quora, OpenArt, Freepik och Higgsfield AI, tillsammans med ett antal privata företagsinstallationer .

På sin webbplats rapporterade Runware vid mitten av 2026 över 20 miljarder hanterade förfrågningar, mer än 500 miljoner slutanvändare, över 1 miljon utvecklare och fler än 400 000 modeller på plattformen . Siffrorna är bolagets egna och avser plattformens samlade användning, inte enbart de nya poddarna.

Finansiering på 63 miljoner dollar

Runware har tagit in två större finansieringsrundor:

• 13 miljoner dollar i såddfinansiering i september 2025, ledd av Insight Partners, med deltagande från a16z Speedrun, Begin Capital och Zero Prime .
• 50 miljoner dollar i Serie A, rapporterad i december 2025 och formellt presenterad av Runware i januari 2026. Dawn Capital ledde rundan, där även Comcast Ventures, Speedinvest, Insight Partners och a16z Speedrun deltog .

Baserat på dessa rundor uppger bolaget att den totala finansieringen uppgår till 63 miljoner dollar .

Miljöargumentet – och vad de faktiskt betyder

Runware lyfter fram fyra miljö- och infrastrukturskäl för den modulära modellen:

1. Ingen löpande vattenförbrukning i kylningen. Den slutna kretsen återanvänder samma kylvätska i stället för att förlita sig på vattenkrävande evaporativ kylning .
2. Mindre behov av långväga överföring. Poddar kan placeras nära befintliga transformatorstationer, industriparker eller andra lämpliga platser nära användarna .
3. Bättre utnyttjande av befintlig elkapacitet. Runware vill ansluta enheterna där el redan finns tillgänglig, i stället för att alltid kräva nya nätförstärkningar .
4. Snabbare etablering. En levererad podd ska kunna installeras på ungefär en dag, även om hela processen från beställning till drift tar omkring tre veckor .

Det är dock främst en förändring av hur AI-kapacitet byggs och placeras – inte ett löfte om att all energianvändning försvinner. Poddarna behöver fortfarande stora mängder el, och klimatpåverkan beror bland annat på vilken energimix som används på varje plats.

En möjlig ny modell för AI-infrastruktur

Sonic Inference Pod är Runwares försök att göra AI-infrastruktur mer modulär och flyttbar. Om bolagets tidsplan håller kan nya kapacitetsenheter placeras där el, nätanslutning och efterfrågan redan finns, i stället för att all AI-trafik koncentreras till avlägsna jättedatacenter .

Med tio poddar i drift, 160 identifierade platser och målet att nå över 1 GW kapacitet 2027 återstår den stora frågan: om modellen kan skalas i praktiken med samma kostnad, prestanda och driftsäkerhet som Runware nu utlovar.