Crusoe

Crusoe 是一家 AI 基础设施公司，运营由可再生能源和闲置能源驱动的 GPU 云集群。该公司由 Chase Lochmiller 和 Cully Cavness 于 2018 年创立，起初通过捕获油田的伴生气并将其转化为模块化数据中心的电力起家。在 ChatGPT 引发 AI 算力需求激增后，Crusoe 全面转向 AI 云基础设施，并于 2025 年 3 月将其原有的数字火炬气减排（Digital Flare Mitigation）和比特币挖矿部门剥离给 NYDIG。2024 年 12 月，该公司以 $2.8B 的估值完成了 $686M 的 D 轮融资，由 Founders Fund 领投，NVIDIA、Fidelity 和 Mubadala 参投。到 2025 年 10 月，在完成 $1.375B 的 E 轮融资后，Crusoe 的估值达到了 $10B。

Crusoe Cloud 运行 NVIDIA H100、H200、B200 和 GB200 NVL72 集群以及 AMD MI300X 硬件，涵盖训练、微调和推理工作负载。按需定价为 H100（$3.90/hr）、H200（$4.29/hr）和 MI300X（$3.45/hr），预留容量合同可为持续的工作负载提供更大的折扣。该平台被 Windsurf（前身为 Codeium）、Decart、BosonAI、Pixelcut 和 Together AI 所使用。Crusoe 还是位于德克萨斯州阿比林的 Stargate 旗舰园区的首席开发商，这是一项由 OpenAI、Oracle 和 SoftBank 支持的耗资 5000 亿美元的 AI 基础设施计划，已于 2025 年 9 月投入运营。

2026 年 5 月 Crusoe 的实际业务

Crusoe Cloud 为 AI 工作负载提供裸金属和虚拟 GPU 集群。您可以选择 GPU 类型，通过 Web 控制台或 API 配置节点或集群，并在其上运行容器化的训练或推理堆栈。这里没有托管层，没有预构建的 ML 环境，也没有内置的实验跟踪。平台负责硬件可靠性、网络和电力；您的团队负责操作系统之上的一切。

当前按需 GPU 阵容：

• NVIDIA H100 SXM 80GB：按需 $3.90/hr

• NVIDIA H200 HGX 141GB：按需 $4.29/hr

• AMD MI300X 192GB：按需 $3.45/hr

• NVIDIA B200 / GB200 NVL72：联系销售

• NVIDIA A100 SXM 80GB：按需 $1.95/hr，竞价 $1.30/hr

• NVIDIA L40S 48GB：按需 $1.00/hr，竞价 $0.50/hr

预留容量合同允许团队在特定时期内锁定特定的 GPU 数量，并获得更大的折扣。这需要与销售人员沟通；没有自助式的承诺层级。API 遵循标准的 REST 约定，并与基于 Kubernetes 的编排层集成，不过团队必须自带容器基础设施和编排工具。

Crusoe 的能源采购使其有别于其他所有 GPU 云。数据中心依靠捕获的闲置天然气（通过其数字火炬气减排技术，自 2018 年以来已重新利用了超过 210 亿立方英尺的闲置天然气）、表后可再生能源以及风能/太阳能混合园区运行。德克萨斯州阿比林旗舰园区的运行功率为 1.2GW。冰岛和挪威的扩张正在进行中。这种能源故事是可审计的，而不仅仅是营销：Crusoe 公开披露了其避免的排放量和二氧化碳数据。

"Codeium 在 Crusoe 上的 NVIDIA H100 Tensor Core GPU 极其可靠，集群正常运行时间达到了 99.98%。" - Varun Mohan，Windsurf（前身为 Codeium）联合创始人兼 CEO，2024 年 12 月

Crusoe 与 CoreWeave 和 Lambda Labs 的定位对比

GPU 云市场分为三个不同的层级。CoreWeave 占据超大规模企业定位，Lambda Labs 通过更简单的自助访问服务于研究团队和成长阶段的初创公司，而 Crusoe 则介于两者之间：比 Lambda 规模更大、预留容量保证更好，H100 定价低于 CoreWeave 公布的按需费率，并且具有两个竞争对手都不具备的能源差异化优势。

CoreWeave 在美国和欧洲运营着 32 个以上的数据中心，部署了约 250,000 个 GPU。其 IPO 后 $65B 的估值（2025 年 3 月）反映了它与 Microsoft（用于 OpenAI 的算力）、Meta 和 Cohere 签订了长期的超大规模合同。CoreWeave 运行云原生 Kubernetes 基础设施，适合已经运行 K8s 工作负载的团队。H100 纯 GPU 定价约为 $4.25/hr 起，如果与 CPU/RAM 捆绑在完整的 HGX 节点中，则约为 $6.15/GPU。CoreWeave 对承诺的年度合同提供高达 60% 的折扣，但最低合同规模偏大。Crusoe 拥有更大的总 GPU 管道（946K GPU，3.4GW），集中在数量较少但规模更大的设施中，其 $3.90/hr 的按需 H100 费率低于 CoreWeave 公布的纯 GPU 费率。对于关心可持续性资质的团队，Crusoe 拥有公开的能源故事；而 CoreWeave 则没有这方面的营销。

Lambda Labs 列出的 H100 SXM 按需价格为 $3.29/hr，与 Crusoe 同类芯片 $3.90/hr 的价格相比具有 18.5% 的优势。Lambda 还在其 VM 镜像中包含了预安装的 ML 框架（PyTorch、TensorFlow、CUDA 驱动程序），使得小型实验的启动速度更快。代价是：Lambda 的 H100 和 H200 经常需要排队，因为该公司的可用库存较小。Crusoe 的预留容量模型为能够承诺用量的团队保证了 GPU 的可用性。Lambda 也更适合运行较小单节点任务的个人开发者或团队。Crusoe 的架构专为多节点训练集群和持续的高利用率工作负载而设计。如果您的团队计划进行为期 30 天的 70B 参数模型训练，Crusoe 的保证和定价结构更为合适。如果您只需要一个 H100 节点进行两天的实验，Lambda 的自助服务模型则更简单。对于探索将 RunPod 或 Modal 作为切入点的团队，这些平台提供了更易于访问的自助 GPU 服务，具有按秒计费和托管推理层，而这些是 Crusoe 不提供的。

"借助 Crusoe，我们在几小时内将容量扩展了五倍，以服务整个欧洲的所有 Oasis 用户。" - Dean Leitersdorf，Decart 联合创始人兼 CEO，D 轮融资公告，2024 年 12 月 12 日

在 Crusoe 上运行工作负载的实际体验

Crusoe 是纯粹的基础设施。您需要自带容器化堆栈。典型 AI 训练团队的入驻路径如下：联系销售获取预留容量，协商节点数量和承诺期限，接收 API 凭证，通过 Crusoe 控制台或 REST API 配置节点，然后使用您自己的编排工具（Kubernetes、SLURM 或自定义脚本）部署训练容器。Crusoe 负责硬件故障、网络架构和电力连续性。您的团队负责操作系统之上的一切。

支持质量是一个真正的优势。Crusoe 公布了其客户成功指标：平均首次响应时间为 6 分钟，自 2024 年 6 月以来的客户满意度得分为 100%，平均解决时间为 23.6 小时。对于 GPU 云来说，一个挂起的节点可能会使多天的训练运行停滞，因此这种响应时间至关重要。Pixelcut 团队指出：“我们所有的内部机器学习模型都是在 Crusoe Cloud 上训练的”——这是对生产级 ML 可靠性的认可，而不仅仅是评估用途。

对于内存带宽密集型工作负载，$3.45/hr 的 AMD MI300X 选项值得注意。MI300X 每张卡拥有 192GB 的 HBM3 内存，而 H100 只有 80GB，这对于服务大上下文窗口或在没有模型并行性的情况下运行超大模型非常重要。在长上下文任务上对推理每 Token 成本进行基准测试的团队发现，MI300X 在较低的每小时费率下与 H100 具有竞争力，尤其是在使用 JAX 或原生 ROCm 框架时。代价是，与 CUDA 生态系统相比，ROCm 的社区较小，且针对 Crusoe 的教程较少。

对于使用相关工具的团队，Crusoe 集群可以与 Together AI 的托管推理端点很好地协同工作，因为您可以使用 Crusoe 进行训练，并使用 Together AI 的推理 API 进行生产服务，而无需维护自己的服务基础设施。运行 Lambda Labs 进行小型实验的团队，在遇到 Lambda 的排队限制时，通常会将预留工作负载转移到 Crusoe。这种组合非常普遍，反映了市场中的一个真实模式：使用更简单的平台进行探索，然后在工作负载变得足够可预测以预留容量时，转向 Crusoe。

Crusoe 控制台偏向实用而非精致。对于熟悉云基础设施工作流的工程师来说，配置节点和管理 SSH 密钥访问只需几分钟。REST API 涵盖了相同的操作，并与 Terraform 良好集成，适合将基础设施作为代码进行管理的团队。监控功能是可用的，但达不到 AWS CloudWatch 或 GCP 运维套件的深度；运行生产推理的团队通常会补充他们自己的 Prometheus 或 Datadog 集成。

Crusoe 适合哪些用户

Crusoe 是具有以下特征的团队的正确选择：持续、高利用率的 GPU 工作负载（训练运行以天或周为单位，而不是小时）；需要有保证的集群可用性，而不是尽力而为的按需服务；拥有能够管理自己容器化堆栈的基础设施工程师；以及具有可持续性或 ESG 报告要求的组织，这使得清洁能源计算资质变得有价值。

知名客户涵盖了特定的画像：Windsurf（前身为 Codeium，拥有 700K+ 开发者用户）、Decart（需要快速扩展的病毒式产品发布）、BosonAI（大规模 LLM 训练）、Pixelcut（消费者应用中的生产级 ML）和 Oaklet（通过 Crusoe Managed Inference 进行实时记录处理）。这些不是业余爱好者用户。他们是拥有专门的基础设施工程师并运行生产级 AI 服务的团队。

Stargate 的角色是关于发展轨迹的一个信号。被任命为 OpenAI 旗舰计算园区的首席开发商并非营销噱头。这反映了 Crusoe 能够以 OpenAI、Oracle 和 SoftBank 签订合同的规模和可靠性水平进行交付。对于做出多年期 GPU 基础设施决策的企业来说，这种背景具有举足轻重的分量。

Crusoe 不是什么

Crusoe 不是面向个人开发者的自助式 GPU 租赁平台。没有信用卡注册，没有按秒计费，没有免费层，也没有一键式 Jupyter Notebook 环境。如果您是一名独立研究员，需要一个 H100 进行为期两天的实验，Lambda Labs 或 RunPod 可以让您在几分钟内开始；而 Crusoe 会要求您先与销售人员交谈。

Crusoe 不包含托管的 ML 基础设施。没有内置的实验跟踪，没有模型注册表，没有自动超参数搜索，也没有托管的服务层。一直使用 Google Vertex AI 或 AWS SageMaker 的团队会发现，Crusoe 更像是租用服务器，而不是使用云 AI 平台。您拥有从操作系统向上的完整堆栈。

在 2026 年初，地理覆盖范围是一个真正的限制。Crusoe 的大部分 GPU 容量都在美国（主要是德克萨斯州）。冰岛的扩张正在进行中；欧洲处于早期阶段。与 AWS 或 CoreWeave 的欧洲足迹相比，有欧盟数据驻留要求或对延迟敏感的欧洲推理工作负载的团队会发现选择有限。对于在全球范围内运行且不受此地理限制的托管推理 API，Together AI 或 Modal 是更好的选择。GPU 利用率从接近零波动到峰值再回落的突发和零星工作负载，非常不适合 Crusoe 的定价模型。无论 GPU 是饱和还是空闲，每小时的费率都是恒定的。