当AI从“回答”转向“执行”，基础设施的旧账本开始失效

过去两年，企业采购AI基础设施的逻辑几乎被训练集群的算力需求单方面定义。GPU交付周期、集群规模、每卡时成本，构成了采购决策的主轴。但当AI智能体开始被要求完成订票、审批、跨系统调用、持续跟踪任务状态这类真实工作，而非仅仅生成一段文本时，一个被忽略的问题浮出水面：为“回答问题”设计的基础设施，是否还能承接“执行工作”所需的持续性、状态管理和权限边界？

问题首先暴露在延迟和状态管理上。回答类工作负载通常是无状态的单次推理，而执行类工作负载要求智能体在数分钟甚至数小时内保持上下文、调用工具、写入系统、等待外部响应。这意味着基础设施不仅要提供算力，还要承担记忆、权限校验和工具编排。传统云架构中，这些能力分散在应用层、数据库和身份系统里，由企业自己拼装。对大多数组织而言，这既不是它们想做的事，也不是它们擅长的事。

更深层的矛盾在于成本结构。回答类工作负载的计费单位是token或推理调用次数，而执行类工作负载的计费单位可能是一段持续数小时的任务会话。会话期间，智能体可能反复读取记忆、调用外部API、等待审批流返回、在失败后重试。如果底层基础设施仍然按无状态请求的模式调度资源，任务状态可能丢失，权限上下文可能中断，工具调用链可能断裂。企业不得不额外部署向量数据库、工作流引擎、身份代理和审计系统来弥补这些缺口，最终形成一套脆弱的拼接架构。

正是在这个背景下，AI基础设施公司Granite于2026年9月28日宣布完成400万欧元融资，由Bifrost Studios领投，并有私人投资者参与。公司称，这笔资金将用于推动其“智能体云”技术商业化，将软件与硬件结合交付给客户。融资轮次未披露。

字段 内容
公司 Granite
轮次 未披露
金额 400万欧元
投资方 Bifrost Studios（领投）、私人投资者
总部 未披露
创始人 未披露
官网 https://www.graniteinfra.ai/

“智能体云”不是新概念，但Granite把赌注押在物理层与软件层的耦合上

Granite将其产品定义为“智能体云”（agentic cloud），据公司披露，这套基础设施专为AI智能体设计，而非在既有云架构上为智能体做改造适配。这一表述的实质含义是：Granite不是在现有虚拟化层之上增加一个AI编排插件，而是从计算、存储、网络的组合方式开始，重新定义智能体运行所需的底层结构。

据公司披露，其平台将计算、存储和网络与Granite自有的操作系统及AI编排软件结合。平台还包含一个管理AI智能体的层，为智能体提供记忆、权限和工具。从已披露的架构描述看，这意味着Granite试图把通常分散在PaaS层、身份系统、向量数据库和任务队列中的能力，下沉到基础设施层统一提供。这是一个有野心的技术路线，但来源材料并未披露该操作系统与编排软件的具体实现方式、支持的智能体框架、兼容的模型生态或性能指标。因此，其技术完成度目前只能视为公司自述，尚无独立第三方验证。

更值得注意的差异化在于交付形态。Granite通过模块化数据中心交付基础设施，据公司披露，这些模块化数据中心由集装箱化单元组成，内含计算、存储和网络，可部署在有电力供应的地方。这一设计将Granite与主流超大规模云厂商的集中式数据中心路线区分开来。集装箱化单元意味着部署门槛从“自建或租用大型数据中心”降低为“有电即可”，这在电力接入便利但数据中心资源稀缺的地区，或对数据驻留有严格要求的主权场景中，可能构成一个真实的选择空间。但需要指出的是，模块化数据中心的物理形态并不等于智能体工作负载的性能优势，二者之间的因果链条尚未被公开信息证实。

从技术架构的角度看，Granite的路线隐含着一个关键假设：智能体工作负载对基础设施的需求，与训练或传统推理负载存在结构性差异，而这种差异需要从物理层开始重新设计。如果这个假设成立，那么Granite的模块化单元可能在网络拓扑、存储层次和计算调度上做出针对性优化，例如为长时任务保留状态、为工具调用降低跨节点延迟、为权限校验提供硬件级隔离。但这些可能性目前都停留在推断层面，来源材料没有提供任何架构细节或基准测试结果。

两种交付模式并行的商业逻辑：云服务与专用系统之间的张力

Granite的商业模式包含两条路径：以云服务方式提供基础设施，以及提供可由组织自行运营、自主掌控的专用系统。这种双轨设计在AI基础设施领域并不常见。大多数基础设施创业公司要么选择纯软件、要么选择托管云、要么选择卖硬件，而Granite试图同时覆盖托管与自持两种部署偏好。

从商业逻辑看，这可以理解为对AI主权诉求的直接回应。当企业将执行类工作负载交给智能体时，数据流经的路径、权限授予的范围、模型调用的记录，都成为比“回答一个问题”更敏感的治理对象。Granite方面在融资报道中表示：“AI正在从回答问题转向执行工作。这改变了企业对其背后基础设施的需求。我们正在构建Granite，是为了让组织在AI运行位置、底层技术控制权以及长期AI能力发展方式上拥有真正的选择。”这段引语未具名，来源仅标注为Granite方，未标明发言人姓名。

但双轨模式也带来一个无法回避的问题：云服务和专用系统面向的客户群体、销售周期、交付复杂度和毛利结构差异极大。云服务模式需要Granite自己运营基础设施，承担电力、散热、硬件维护和容量规划的持续成本，收入通常以订阅或用量计费的方式实现。专用系统模式则更接近项目制交付，客户一次性采购或分期采购硬件与软件组合，Granite需要完成现场部署、与客户现有系统的集成以及后续支持。一个初创公司同时推进两条线，意味着要在托管服务的运营效率和专用系统的项目制交付之间分配有限的工程与销售资源。

400万欧元的融资规模，按欧洲AI基础设施创业公司的常规成本结构推算，通常只够支撑一支小型团队12到18个月的运营。在未披露客户数量、合同金额和收入数据的情况下，双轨模式究竟是战略选择还是资源分散，目前无法判断。如果Granite在两条线上都只做到浅层交付，可能既无法建立云服务的规模效应，也无法积累专用系统的交付口碑。

400万欧元在AI基础设施牌桌上的真实分量

把400万欧元放在2026年AI基础设施的融资语境中看，这是一个相当克制的数字。当主流AI云厂商单轮融资以亿美元计，GPU集群的采购订单动辄数亿欧元时，400万欧元更接近一家早期产品公司的种子轮或前A轮体量。Granite未披露轮次，这一信息缺口使得外界难以判断公司所处的阶段：是产品尚未完全成型、需要资金完成首次商业化交付，还是已有初步客户、需要资金扩大交付能力。

领投方Bifrost Studios的背景同样未被来源材料披露。这家机构在公开信息中并不以AI基础设施投资著称，其投资逻辑、基金规模和投后管理能力均无法从现有材料中核实。私人投资者的身份也未披露。这意味着本轮融资的信号意义大于资金意义：它表明至少有一家机构愿意为“智能体原生基础设施”的叙事买单，但无法证明更广泛的市场验证已经发生。

从资金用途看，公司明确表示新资金将用于技术商业化，包括将软件与硬件结合交付给客户。这暗示Granite目前可能仍处于从技术验证向商业交付过渡的阶段。将软件与硬件结合交付，意味着需要完成供应链组织、集成测试、现场部署和售后支持等一系列工程化工作，这些工作的成本往往被早期技术团队低估。400万欧元能否覆盖从“能跑”到“能交付”的鸿沟，是Granite面临的第一道现实考题。

另一个值得注意的细节是，来源材料没有披露这笔资金的具体到账状态、是否包含债务成分、是否有对赌条款或里程碑要求。在AI基础设施领域，硬件相关的交付承诺可能带来额外的现金流压力。如果Granite需要为客户预采购计算和存储设备，400万欧元中的相当一部分可能被锁定在供应链预付款中，实际可用于软件开发和市场拓展的资金可能进一步收窄。

没有竞品对照的“智能体云”，更像一个待验证的品类假设

来源材料未披露Granite的竞争对手信息。但这并不意味着Granite处于无人区。相反，智能体基础设施正在成为多家厂商同时押注的方向。超大规模云厂商正在将智能体编排能力嵌入其PaaS层，模型厂商在推动原生工具调用和长时任务执行，而一批创业公司则在向量数据库、智能体框架和推理运行时等细分层展开竞争。

Granite的差异化主张在于“专为智能体设计的基础设施”和“模块化物理交付”。这两个主张分别指向两类替代方案：前者指向用传统云资源拼装智能体能力的做法，后者指向集中式数据中心或托管私有云。但来源材料没有提供任何与替代方案的直接比较数据，例如单位工作负载的成本、部署周期、运维复杂度或智能体任务完成率。因此，Granite的差异化目前停留在架构主张层面，尚未转化为可验证的竞争壁垒。

一个值得关注的编辑推断是：如果Granite的模块化数据中心确实能以集装箱化单元在“有电即可”的条件下部署，那么它的直接竞争对象可能不是AWS或Azure的智能体服务，而是边缘计算设备商、私有云集成商以及企业自建的小型GPU集群。这些替代方案在采购决策中通常由IT部门和业务部门共同评估，决策链条比纯软件采购更长。Granite能否在这个决策链条中建立清晰的成本或控制权优势，取决于其尚未披露的定价模型和交付案例。

此外，智能体基础设施的竞争维度可能正在从“谁能提供更多算力”转向“谁能把记忆、权限和工具编排变成基础设施的默认能力”。如果这一判断成立，那么Granite的对手将不仅包括云厂商和硬件商，还包括那些在应用层已经积累了大量智能体编排经验的平台公司。这些公司可能不需要自建模块化数据中心，而是通过与现有云资源深度集成来提供类似能力。Granite的物理层优势能否转化为体验层优势，仍需验证。

投资逻辑的成立条件：控制权溢价能否覆盖切换成本

从投资逻辑看，Bifrost Studios押注的是一个“控制权溢价”假设：当AI从回答问题转向执行工作，企业会愿意为运行位置可控、底层技术透明、能力发展自主的基础设施支付溢价。这个假设在监管敏感行业和数据主权意识强的地区有一定合理性，但它要成立，需要同时满足几个条件。

第一，Granite的智能体管理层必须能显著降低企业在记忆、权限和工具编排上的集成成本。如果企业仍需自行对接大量外部系统和身份源，那么“专为智能体设计”的价值就会被集成复杂度稀释。第二，模块化数据中心的部署成本必须低于企业自建或租用传统数据中心的等效成本，否则控制权溢价会被硬件成本吞噬。第三，Granite需要在云服务和专用系统之间建立一致的运维体验，否则双轨交付会演变成两套产品、两个团队、两种成本结构。以上三个条件，来源材料均未提供数据支撑。

另一个不可忽视的风险是模型层的快速变化。智能体的记忆、权限和工具调用能力，正在被模型厂商以原生功能的形式持续增强。如果未来主流模型在推理侧直接提供长时记忆和工具编排，那么基础设施层提供这些能力的必要性将被削弱。Granite的架构将智能体管理能力下沉到基础设施层，这在当前模型能力边界下有其逻辑，但模型层的演进速度可能比基础设施层的迭代更快。这是一个结构性风险，而非执行层面的风险。

从更宏观的视角看，Granite的投资逻辑还隐含着一个关于AI工作负载长期演进的判断：执行类工作负载将成为一个独立且足够大的市场，大到值得为其单独设计一套基础设施。如果执行类负载最终被吸收进通用云平台的标准能力中，或者被模型层的原生功能覆盖，那么Granite的品类假设将面临根本性挑战。这个判断目前既无法证实，也无法证伪。

信息真空本身就是一种信号：这家公司还不打算被完整审视

Granite的公开信息呈现出一种罕见的空白状态：官网未披露、总部未披露、成立年份未披露、创始人未披露、客户未披露、轮次未披露。在一家宣布完成融资的公司身上，这些缺失叠加在一起，构成了一种信息策略上的选择，而非偶然的疏漏。

一种可能的解释是，Granite仍处于隐身模式向公开市场过渡的早期阶段，其团队背景、客户关系和交付能力属于需要保护的竞争信息。另一种解释是，公司尚未积累起足以对外展示的商业化证据，因此选择以产品叙事而非业绩叙事来吸引市场关注。无论哪种解释成立，对潜在客户和后续投资者而言，这些信息真空都意味着更高的尽调成本。一家销售“控制权”和“透明度”的基础设施公司，自身却保持着极低的信息透明度，这本身构成一种叙事上的张力。

从已披露事实可以确认的是：Granite提出了一个与AI工作负载演变方向一致的产品主张，选择了与主流云厂商不同的物理交付路径，并获得了足以支撑短期商业化探索的资金。但从产品主张到客户验证、从架构差异到竞争壁垒、从双轨模式到可持续的单位经济，每一步都还缺少公开证据。400万欧元买到的，是一个把“智能体原生基础设施”从概念推向交付的入场券，而不是一张已经验证的市场地图。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

  • 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
  • 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
  • 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：Granite的故事真正值得追踪的，不是400万欧元的数字，而是它把“智能体云”从软件叙事推进到了物理交付层。当AI开始执行工作，基础设施的竞争维度将从“谁能提供更多算力”转向“谁能把记忆、权限和工具编排变成基础设施的默认能力”。但一个连总部和创始人都未披露的公司，要说服客户把最敏感的AI工作负载交给自己，首先要证明的恰恰是它要求客户相信的东西——透明度。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。