图片来源：Runpod官网，为官方产品界面。
2021年，两位在Comcast工作的开发者花了大约5万美元，在各自地下室里搭起以太坊矿机。挖矿没能收回投入，他们便把GPU改造成AI服务器，并在Reddit上寻找愿意试用的开发者。
四年后，这批机器背后的产品Runpod已经做到1.2亿美元年化收入。
据TechCrunch报道，Runpod创始人称平台拥有50万开发者客户，覆盖31个地区，也服务年支出数百万美元的企业团队；在首次融资前，公司已靠自身收入做到超过2400万美元。上述收入和用户规模均为公司向媒体披露，未经第三方审计。
Runpod的增长并不只是一段“矿机转型”的传奇。它更像一次基础设施产品化实验：如何把昂贵、稀缺、配置复杂的GPU，卖成开发者可以立即试用并随用随付的云服务。
第一批客户从一篇Reddit帖子来
早期Runpod没有成熟品牌，也没有云计算销售团队。创始人只是在AI相关的Subreddit发帖，用免费算力换反馈。测试者随后变成付费客户；TechCrunch称，产品上线九个月后收入达到100万美元，两位创始人也因此离职创业。
这个渠道有效，是因为它直接触达了正在承受问题的人。2022年前后的机器学习开发者需要自己处理GPU驱动、环境、存储和实例配置，购买算力之前还要先解决一串基础设施问题。Runpod卖出的第一项价值，是让开发者更快跑起工作负载。
Reddit与Discord后来继续成为增长渠道。用户在公开社区里讨论可用GPU、配置方法和部署体验，既带来反馈，也降低了下一位开发者的试用门槛。甚至Runpod的首位机构投资人，也是先在Reddit看到这些帖子。
把昂贵硬件切成可以消费的产品
云算力的商业难题是利用率。GPU闲置时仍在产生成本，而开发者的推理请求可能突然涌入，也可能长时间沉寂。
Runpod用两类产品承接不同需求：Pods提供专用GPU实例，Serverless则把容器化模型部署成自动伸缩的API端点。按照Runpod Serverless说明，实例可在空闲时缩容到零，按秒计费，覆盖13档GPU；公开价目表则把不同显卡的小时价格直接列在购买入口。
这组设计把复杂基础设施翻译成三个开发者能立即判断的问题：需要什么GPU，运行多久，是否要持续在线。
透明价格也承担了分发功能。个人开发者不必先预约销售，就能估算一次实验的成本；当项目进入生产，消费从零散调用扩展到稳定实例、多地区和企业容量。Runpod由此用同一条产品路径连接个人试验与企业支出。
没有免费层，反而逼出了健康的供给
Runpod早期曾用赠送算力换反馈，但正式运营后没有长期免费层。TechCrunch提到，公司在近两年没有外部资金的情况下必须让业务自我维持，也拒绝举债购买GPU。
这个限制改变了产品选择。每一份算力都需要被计价，供给扩张也不能只靠烧钱。随着地下室服务器无法满足企业要求，Runpod转而与数据中心做收入分成，以合作方式扩充容量。
对基础设施公司而言，这比“先补贴用户、再寻找收入”更接近真实市场检验。开发者是否愿意付费，直接决定哪些配置值得提供；需求是否稳定，又决定数据中心是否愿意继续合作。
当ChatGPT带动AI应用爆发时，Runpod已经拥有付费用户、社区口碑和一套能扩张的供给关系。时机显然重要，但时机只放大了此前形成的结构。
开发者体验是一种基础设施壁垒
Runpod面对的竞争者并不少：三大云厂商、CoreWeave以及更多专业GPU云都能提供算力。硬件型号与价格也很难长期独占。
它更难被复制的部分，是开发者从实验到生产的连续体验。容器、API、命令行、Serverless伸缩和公开价格共同降低了启动成本；社区积累的教程与讨论，又让问题更容易被解决。开发者一旦把部署、监控和容量安排都建立在这套工作流上，迁移就不再只是比较每小时价格。
Runpod的故事把一个常被忽略的商业规律讲得很清楚：基础设施产品不必先拥有最多的机器，先让目标用户更容易购买、使用和扩张，也能建立规模。那批地下室GPU真正被转化的，不只是用途，而是销售算力的方法。