Crusoe sichert 3 Milliarden US-Dollar bei 30 Milliarden US-Dollar Bewertung
Crusoe hat eine Finanzierungsrunde von über 3 Milliarden US-Dollar abgeschlossen. Das Unternehmen wird damit mit rund 30 Milliarden US-Dollar bewertet. Zu den Investoren der Runde gehören Atreides Management und Valor Equity.
Die Finanzierung wurde maßgeblich durch einen Cloud-Vertrag mit dem quantitativen Handelsunternehmen Jane Street im Volumen von rund 13 Milliarden US-Dollar über fünf Jahre beeinflusst. Crusoe wird Jane Street GPU-Cluster und die dazugehörige Infrastruktur für KI-Training und -Inferenz über seine Cloud-Plattform bereitstellen.
Crusoe Energy Systems, gegründet 2018, positioniert sich als energy-first AI cloud provider. Das Unternehmen entwickelt und betreibt KI-optimierte Rechenzentren, die eine Mischung aus erneuerbaren Energien und Erdgas nutzen. Das ehemalige Bitcoin-Mining-Geschäft wurde 2024 veräußert, um die vollständige Konzentration auf KI-Infrastruktur zu ermöglichen.
Jane Street ist nun der prominenteste Cloud-Kunde. Weitere Vereinbarungen bestehen mit Meta Platforms und Oracle. Crusoe ist zudem am Stargate-Projekt von OpenAI beteiligt.
Bis Juni 2026 hatte Crusoe eine KI-Infrastrukturkapazität von 4,9 Gigawatt vertraglich zugesichert, bei einer Entwicklungspipeline von über 40 GW. Der 1,2-Gigawatt-Campus in Abilene, Texas, ist seit Oktober 2025 in Betrieb.
Quelle: TechCrunch AI
FAQ
Welche Bewertung hat Crusoe nach der neuen Runde erreicht?
Das Unternehmen wird mit rund 30 Milliarden US-Dollar bewertet. Dies stellt eine erhebliche Steigerung zur vorherigen Series-E-Bewertung von über 10 Milliarden US-Dollar dar.
Welche Rolle spielt der Jane-Street-Vertrag?
Der Fünf-Jahres-Vertrag im Volumen von rund 13 Milliarden US-Dollar hat die Finanzierungsrunde maßgeblich getrieben und das Interesse weiterer Investoren verstärkt.
Wie unterscheidet sich Crusoes Ansatz von traditionellen Cloud-Anbietern?
Crusoe integriert Energieerzeugung und Recheninfrastruktur vertikal und setzt dabei auf eine Mischung aus erneuerbaren Quellen und Erdgas, um eine energy-first Architektur für KI-Workloads zu schaffen.