Krutrim：靠集团迁移撑起AI云，但外部客户与芯片赌注悬而未决

GPU云按小时卖算力，15分钟粒度锁住中小客户

Krutrim Cloud的核心产品是GPU虚拟机，H100-NVLINK-1x按需213卢比/小时，月度预留198卢比/小时，6个月预留186卢比/小时。计费以15分钟为最小单位向上取整，只对运行或初始化状态收费。这个设计对短任务友好，降低了试用门槛，但也意味着客户如果任务碎片化，实际单价会被抬高。

从产品结构看，Krutrim把CPU VM、GPU VM、GPU裸金属和AI Pods四类算力打包在一起卖，试图用低价的CPU实例（3卢比/小时）引流，再靠GPU实例赚钱。这种组合拳在印度市场有价格竞争力，但GPU供应受制于Nvidia的分配，据R14报道，它宣布部署Blackwell架构GB200，说明在赌下一代算力的窗口期。

模型侧，Krutrim-2是120亿参数、基于Mistral-NeMo 12B微调、支持128K上下文和22种印度语言。这个尺寸选择务实：推理成本可控，又能打“印度语言”差异牌。但120亿参数在通用能力上打不过头部闭源模型，所以它更适合作为云上的一个默认选项，而不是独立卖点。

AI Studio按token和音频分钟计费，微调后再按GPU时长收一次

AI Studio提供开源与自研模型目录，按输入/输出token和音频分钟计费，只对实际使用收费。微调按每百万token计费，微调后的模型部署在H100上，再按GPU实际使用时长收费。这是一个典型的“推理引流、微调锁客、算力变现”的漏斗：客户先小额调用API，一旦微调就产生迁移成本，最后为部署付GPU租金。

问题在于，这个漏斗的每一层都有更便宜的替代品。开源模型可以自己部署，云厂商的托管推理也在降价。Krutrim的差异化只能落在印度语言支持和数据主权叙事上，但这两点是否足以让企业支付溢价，账本没有给出外部客户的单价或留存数据。

从定价口径看，它没有公布具体的token单价，只确认了计费维度。这意味着它的API收入规模可能还小到不值得单独披露，或者定价随客户谈判浮动。对一家声称FY26营收30亿卢比的公司来说，API收入大概率不是主力，GPU租赁才是。

企业为GPU算力付租金，按需和预留两种价盘

第一条收入线是GPU虚拟机租赁。H100-NVLINK-1x按需213卢比/小时，月度预留198卢比/小时，6个月预留186卢比/小时，上述价格来自Krutrim Cloud官方文档（R4）。

这条线的客户是需要短期算力做训练或推理的企业。Krutrim称GPU算力大部分已承诺给外部企业工作负载，但“承诺”不等于收入确认，账本没有披露合同金额或期限。FY26营收约30亿卢比（约300 crore），是上一财年近三倍，这个增速如果主要来自GPU租赁，说明它吃到了印度企业算力需求的第一波。

但GPU租赁是重资产生意，毛利取决于利用率和电价。Krutrim没有披露毛利率，只称税后利润率超过10%。如果这个利润率是真实的，说明它的折旧和电力成本控制得不错，或者收入里有高毛利的软件成分。账本无法拆解，只能存疑。

API按量计费走薄利，真正赚钱的是微调后的算力绑定

第二条收入线是AI Studio的按量计费：token、音频分钟、微调token。单价没有公开，但从行业惯例看，API推理的毛利远低于GPU租赁，且面临开源模型自托管的竞争。Krutrim把微调后的模型部署在H100上按GPU时长收费，等于把API客户转化成算力客户，这是它收入模型里最聪明的一环。

不过，这个转化依赖客户真的需要微调。多数企业用通用模型加RAG就能解决大部分场景，微调需求集中在少数垂直行业。Krutrim声称服务超过25家大型企业客户，覆盖电信、金融、消费互联网、医疗、物流，这些行业确有数据本地化和微调需求，但25家客户的收入贡献分布不明。

定价上，它没有采用订阅制，全部按用量走。这对早期获客有利，但收入可预测性差。一家声称已实现全年盈利的公司，如果收入全是按量计费，利润率的波动会很大。账本没有披露收入确认口径，这是理解它盈利质量的关键缺口。

锚定Ola集团内部需求，外部25家大客户撑门面

Krutrim的客户分两层：第一层是Ola集团自身。2025年5月Aggarwal称Ola集团已退出Microsoft Azure，将全部业务迁至Krutrim自建平台，并称接入超2500名开发者。这是一个典型的“集团内包”起点：用兄弟公司的云支出养活自己的算力底座，再拿这个案例去说服外部客户。

第二层是外部企业，声称超过25家大型企业客户，覆盖电信、金融、消费互联网、医疗、物流。但账本同时记录，有报道质疑其早期收入与Ola生态关联，外部客户收入占比不明。这意味着25家客户名单可能包含集团关联方或试点项目，真实的外部商业化收入可能远小于30亿卢比的总营收。

对创业者来说，这个客户结构的启示是：先找一个愿意签长约的锚定客户，把固定成本摊掉，再去市场里打。但风险也在这里——如果锚定客户是关联方，外部客户会怀疑你的独立性和定价公允性，销售周期会被拉长。

靠创始人个人IP和集团渠道获客，缺独立销售网络

Krutrim的触达方式高度依赖Bhavish Aggarwal的个人影响力和Ola集团的商业关系。Aggarwal在社交媒体上活跃，亲自为Krutrim站台，2025年2月自投230亿卢比设立AI实验室，这种创始人背书在印度市场能快速建立信任。集团在出行、电动车、金融等领域的合作方，也是天然的客户线索池。

但账本没有显示它建立了独立的 enterprise sales 团队或渠道伙伴网络。25家大型企业客户如果是靠创始人关系签下来的，那这种获客方式不可规模化。AI云的采购决策通常涉及CTO、CFO、合规多个角色，个人IP能打开第一扇门，但走不完整个流程。

另一个渠道是Nvidia的合作。据R14报道，Krutrim宣布与Nvidia合作部署Blackwell架构GB200，并计划打造超级计算机。这个合作既是供应链保障，也是获客背书——客户会默认“用Nvidia最新卡的云”性能不会差。但Nvidia同时也在扶持其他印度云厂商，这个渠道不排他。

钱砸在GPU采购和数据中心，人力成本被裁员压缩

Krutrim最大的支出是GPU算力和数据中心。它提供H100虚拟机，又宣布部署Blackwell架构GB200，这两代卡的采购成本极高。2025年Ola Electric曾质押部分股权为Krutrim数据中心融资，后已偿还解除，说明数据中心建设一度需要集团资产背书，资金压力不小。

人力成本方面，2025年末业务重组中裁员超150人，并暂停芯片设计。芯片设计是典型的长期高投入、短期无回报的业务，砍掉它是把资源集中到能产生现金流的GPU云上。这个取舍说明管理层在压缩非核心开支，优先保算力供给。

据低置信度报道，峰值现金消耗为每月400万至500万美元，这个口径来源置信度低，但量级可以参考。按此量级，累计融资可覆盖数年运营，但GPU采购为一次性大额支出，实际现金曲线不平滑。它声称已财务自给、无需立即外部融资，这和峰值消耗的数据放在一起看，意味着它必须靠经营现金流覆盖资本开支，压力不小。

创始人自掏腰包加集团输血，外部VC只进了A轮

Krutrim的钱主要来自两笔：2024年1月5000万美元A轮，估值10亿美元；2025年2月Bhavish Aggarwal个人投资230亿卢比（约2.3亿美元）。累计融资2.8亿美元，其中2.3亿美元为创始人个人注资，5000万美元为A轮。这个结构在AI公司里少见，说明外部机构对它的商业模式有保留，或者Aggarwal不想让出更多股权。

它声称已实现财务自给，无需立即外部融资，包括创始人出资。同时据低置信度报道，它否认了2026年3月关于3亿美元股权加债务融资的报道。这两条信息放在一起，传递的信号是：它不想在市场估值不确定的时候融资，宁愿靠经营现金流和创始人兜底撑着。

但Ola Electric质押股权为数据中心融资的历史说明，集团层面的资金调度并不宽裕。如果GPU云的资本开支继续上升，而外部客户收入起不来，它可能被迫回到市场融资，届时估值能否维持10亿美元是未知数。

全栈自研是叙事，真正的壁垒是集团需求和数据本地化合规

Krutrim声称其全栈AI云完全自研、无外部依赖，是印度少数生产级自建AI云厂商之一。全栈自研是公司自述（R3、R9），账本未独立验证。这个叙事对主权AI客户有吸引力，但分析师认为从芯片设计转向GPU云只是横向移动，印度GPU云市场竞争拥挤。全栈自研在技术上可能是真的，但在商业上不构成排他性壁垒——客户换云的成本主要是数据迁移和合同期限，不是技术架构。

更实在的壁垒有两个：一是Ola集团的内部需求，这是一个稳定的锚定负载，让Krutrim的GPU利用率有底；二是印度数据本地化合规，金融、医疗、电信行业受监管约束，必须把数据留在境内，Krutrim的印度本土身份在投标时是加分项。

但这两个壁垒都有上限。集团需求会饱和，合规优势会被其他印度云厂商复制。Krutrim的模型能力（120亿参数、22种印度语言）是差异化，但模型本身不锁定客户，客户可以拿开源模型在自己的云上跑。所以它的护城河本质上是“关系+合规”，不是技术。

收入依赖集团关联交易，外部客户占比不明

有报道质疑其早期收入与Ola生态关联，外部客户收入占比不明。这是Krutrim最大的风险：如果30亿卢比营收里大部分来自Ola集团内部结算，那它的盈利和增长都是集团财务安排的结果，不是市场验证。外部客户只有25家，且没有披露单价和留存，无法判断其商业化能力。

这个风险会直接影响下一轮融资。外部投资人会要求拆分关联收入，如果拆分结果不好看，估值逻辑就从“AI云平台”变成“集团IT部门”。对创业者来说，早期靠关联客户活下来没问题，但必须在两年内把外部收入占比做到可披露的水平，否则故事讲不下去。

GPU云资本开支重，暂停芯片设计后技术差异化收窄

Krutrim暂停芯片设计，把资本和人才转向AI云，这个取舍短期保住了现金流，但长期让它退化成一家GPU转售商。芯片设计是它最初“全栈自研”叙事的技术根基，砍掉之后，它和印度其他GPU云厂商的差异只剩价格和合规。分析师已经指出印度GPU云市场竞争拥挤，价格战一旦开打，它的利润率会被压缩。

同时，据R2报道，消费级AI助手Kruti近期下线，说明它在C端没有找到留存。C端产品是模型能力的试金石，下线意味着模型迭代缺少用户反馈，长期看会影响它模型在B端场景的竞争力。

这两件事叠加，Krutrim的结局可能是：成为一家靠集团和合规订单活着的印度本土云厂商，规模中等，利润率薄，但不会死。如果GPU采购押错节奏（比如Blackwell部署延迟），它可能被迫再次融资或收缩。