硅谷创业案例 | Expanse算力优化的终局是预测而非调度

这是一家什么公司

每当一个万亿级市场出现时，一个千亿级的“浪费市场”也随之诞生。今天的AI算力就是如此。

Expanse 官网首页（expanse.sh）

微软自己都承认，内部深度学习任务的GPU利用率，也就50%。整个行业，浪费在过度配置上的云支出高达30%。

这些数字背后是什么？是无数AI研究员对着终端里的任务队列望眼欲穿，是CFO们对着账单上飙升的GPU成本眉头紧锁。说白了，大家都在用最贵的锤子，敲最便宜的钉子。

Expanse想做的，就是为这柄昂贵的锤子装上一个智能瞄准镜。

它不是另一个资源调度器或监控面板。调度器解决的是“谁先用”，监控面板告诉你“已经用了多少”。Expanse要在任务运行之前就回答两个核心问题：

• 这项任务到底需要多少资源？不多也不少。
• 这项任务会不会中途失败？如果会，别浪费时间了。

Expanse想成为计算基础设施的“智能预言家”，一个通过预测来根除浪费的软件层。这个定位，让它避开了和主流调度平台的正面冲突。一个更根本、也更难的切入点。

创始团队

Expanse的创始团队，简直就是为解决这个问题而生的。

四位年轻的工程师，履历横跨两个对算力压榨到极致的领域：量化金融和国家超算中心。Millennium、G-Research、Morgan Stanley、英国国家超算中心（EPCC）……这些名字意味着他们处理过复杂、昂贵的计算工作负载。他们不是旁观者，他们就是那些曾经因为资源分配不当而浪费掉数百万美元的亲历者。

这种“从战壕里走出来的创始人”是YC最偏爱的画像。他们对问题的理解不是来自市场报告，而是来自无数个日夜的真实痛苦。

CEO Ismaeel Bashir在EPCC的研究项目，就是构建超越所有已知基准的HPC资源预测器。所以这不只是一个创业点子，这是他学术生涯的延续。团队其他成员，也早就分别在分布式模型训练、图神经网络预测SLURM队列这些领域深耕多年。

这是一个典型的技术驱动型团队。他们不是带着问题找答案，而是带着答案来找问题。在人人都喊算力瓶颈的今天，这样一个团队本身，就是稀缺品。

产品现在能做什么

从YC S26毕业不过几个月，Expanse已经从一个学术原型，进化成了一个可以实际部署的产品。

它的官网提供了一个清晰的入口：expanse analyse。一个命令行工具，承诺给你的每一个计算任务做一次“体检”，包含三项核心服务：

1. 资源预测告诉你运行这个任务最合适的GPU、内存和时间，实现“恰当规模”(right-sizing)。别再靠工程师的“祖传经验”去猜了。
2. 优化建议直接给出代码和配置层面的修改建议。不只发现问题，还给解法。
3. 失败预测在任务吞噬掉几百个GPU小时之前，提前警告你它可能会失败。这对于动辄训练数周的大模型来说，价值连城。

但这里有个反直觉的地方。Expanse的强大，恰恰在于它的“克制”。它将所有模型和分析都部署在客户自己的集群上，数据不出内网。在这个数据主权日益重要的时代，尤其对于他们起家的量化基金和大型企业客户而言，这种对隐私的尊重，可能比任何功能都更有说服力。

就这样。它把自己定位成一个轻量、非侵入式的“智能插件”，而不是一个需要重构整个基础设施的庞然大物。

发展轨迹

Expanse的轨迹，堪称YC模式的教科书。什么意思？就是把顶尖人才的技术洞察，用三个月时间，猛火催化成一个商业实体。

彼时（2026年初，YC Demo Day），我们看到的是一个“基于创始人研究”的宏大叙事。赌注完全压在团队的背景和他们声称的技术优势上。当时的核心判断是：这群人是解决这个问题的最佳人选，但他们能把象牙塔里的算法，变成生产环境里稳定运行的产品吗？

此时（2026年05月），他们给出了答案。官网有了，产品能部署了，免费试用开放了，连给实验室和对冲基金的解决方案页面都做好了。Expanse已经跑通了从0到0.1的阶段，开始用产品，而不是PPT说话。

更值得注意的是商业模式的雏形："Start for free... Upgrade when you need intelligence." 一个聪明的免费增值策略。基础的浪费扫描免费，让你感知到痛苦；而解决痛苦的“智能预测”，需要付费。

社区与影响力

Expanse GitHub 仓库（github.com）

坦白讲，Expanse目前还不是一个社区驱动的公司。

你在GitHub上找不到一个星光熠熠的开源项目。他们是发布了一个开源的“浪费扫描器”，但这更像一个市场营销的钩子，用来吸引潜在客户，让他们亲眼看看自己的集群浪费有多严重。非常务实且高效的获客手段。

创始人的社交媒体更新很勤奋，但影响力还局限在HPC和系统工程的小圈子里。这并不奇怪，甚至可以说是正确的。对于这类深耕企业基础设施的公司，早期的成功不取决于广泛的知名度，而取决于能否搞定几个灯塔客户。他们的影响力，需要用客户的成功案例来书写，而不是用Twitter上的粉丝数。

他们在招什么人

Expanse目前没有公开的招聘信息。

这说明什么？

说明创始团队依旧是唯一的战斗力。他们仍在产品和市场的崎岖小路上亲自探索，用代码和客户访谈来寻找PMF（产品市场契合点）。他们没有急于用融来的钱扩张团队。

这是一种成熟和专注。在基础设施软件领域，过早扩张往往是灾难的开始。在没有得到市场明确的积极信号之前，保持小团队的灵活性和高沟通效率，是唯一的正确选择。

竞争格局

算力优化赛道从不缺少玩家，但Expanse选择的战场很巧妙。

• 它和 Run:ai 或 Determined AI 这样的资源管理平台，做的不是一回事。后者是调度，Expanse是调度的“前置工序”，优化的是提交给调度器的“作业”本身。它们之间更像是互补，而非竞争。一个聪明的平台，完全可以将Expanse集成进来。
• 它和 NVIDIA DCGM 或云厂商的 CloudWatch 也不一样。后者提供的是原始数据，是“仪表盘”；Expanse提供的是洞察，是“导航仪”。它把复杂的遥测数据翻译成了工程师能立即执行的建议。
• 它最大的“对手”，其实是各大公司的内部平台工程团队。许多顶尖公司都想自己干这事，但成本高昂且成功率不高。Expanse的潜台词就是：把这事交给我们，你们可以省下一个顶尖系统团队的薪水。

Expanse的护城河，正在从创始团队的“个人才华”，慢慢转变为“数据网络效应”。模型见过的奇葩工作负载越多，它的预测就越准。而其坚持的本地部署和数据隐私策略，则可能成为攻入金融、医疗等敏感行业的敲门砖。

总结

Expanse是它所在YC批次里，最对“YC味儿”的公司之一：用极其聪明的方式，解决一个巨大且昂贵的问题。市场时机、团队背景、技术切入点，都近乎完美。

然而，从一个完美的概念到一个成功的商业公司，中间隔着一条名为“Go-to-Market”的鸿沟。

基础设施软件的销售，尤其是在本地部署的环境下，周期长、决策链复杂，极度考验团队的耐心和执行力。

未来的12个月，Expanse的成败不在于模型能把预测精度再提升几个百分点，而在于：

• 能否拿下2-3个无可辩驳的灯塔客户，并用量化的ROI（比如“节省了30%的GPU成本”）来证明自己。
• 能否将复杂的部署和适配过程，打磨得足够简单，让客户的平台工程师愿意“试一试”。
• 创始团队能否从纯粹的工程师，进化成能够向CIO和CFO兜售“效率”和“节省”的销售者。

Expanse正在做一件正确且艰难的事。他们没有选择更容易的SaaS或云原生路径，而是直面最传统、最复杂但也最有价值的HPC和企业本地集群。

这是一种勇气，也是一种策略。

他们赌的是，在算力的世界里，智慧终将战胜蛮力。

竞品横向对比

Expanse 目标市场场景潜力评估

Expanse 在 YC 公司目录（ycombinator.com）

#AI #OPC #YC #创业