Soluna首季收入按年增58% 連續四季錄得增長

Soluna Holdings 有限公司（「Soluna」或「該公司」）（納斯達克：SLNH）為比特幣挖礦及人工智能等密集運算應用程式開發綠色數據中心，公布截至二零二六年三月三十一日止第一季度財務業績。

Soluna Holdings 行政總裁約翰·貝利澤爾表示：「我們連續四季錄得收入按季增長，以及按年增長58%，反映我們在整個投資組合中建立的營運槓桿。隨著 Kati 1 現已投入營運，Dorothy 1A 恢復全面產能，以及 Dorothy 2 全面提升，我們正從營運實力出發，進入 Soluna 增長的下一階段。」

Soluna Holdings 有限公司公布二零二六年第一季度經調整息稅折舊攤銷前利潤（按季度劃分） AP圖片

貝利澤爾續指：「我們在 Kati 2 的人工智能擴張正順利進行，而 Briscoe Wind 現已垂直整合支援 Dorothy 3 的電力層。連同全面收購 Dorothy 1A，這些里程碑為 Soluna 的持續增長及加速發展奠定基礎。」

二零二六年第一季度營運及企業重點：

Soluna Holdings 有限公司公布二零二六年第一季度毛利（按季度劃分） AP圖片

第一季度財務重點：

二零二六年第一季度按項目地點劃分的收入及收入成本

Soluna Holdings 有限公司公布二零二六年第一季度收入（按季度劃分） AP圖片

二零二五年第一季度按項目地點劃分的收入及收入成本

後續事件：

截至二零二六年三月三十一日止三個月的未經審計財務報表及向美國證券交易委員會（SEC）提交的 10-Q 表格季度報告，已於二零二六年五月十五日網上發布。

我們的最新投資者簡報可在此查閱。

Soluna 的詞彙表可在此查閱。

安全港聲明

本公告包含前瞻性聲明。這些聲明乃根據一九九五年美國私人證券訴訟改革法案的「安全港」條款作出。這些前瞻性聲明可透過「將會」、「預期」、「預計」、「未來」、「打算」、「計劃」、「相信」、「估計」、「有信心」及類似聲明等術語識別。前瞻性聲明的其他例子可能包括但不限於：(i) 該公司的計劃及目標聲明，包括在 Kati 2 的部署；(ii) 未來經濟表現聲明；(iii) 該公司財務預測聲明；及 (iv) 關於該公司或其業務的其他聲明所依據的假設聲明。Soluna 亦可能在其向美國證券交易委員會提交的定期報告、年度股東報告、新聞稿及其他書面材料中，以及其高級職員、董事或僱員向第三方作出的口頭聲明中，作出書面或口頭前瞻性聲明。非歷史事實的聲明，包括但不限於關於 Soluna 的信念及預期的聲明，均為前瞻性聲明。前瞻性聲明涉及固有風險及不確定性，有關進一步資料已載於該公司向美國證券交易委員會提交的文件中。本新聞稿提供的所有資料均截至新聞稿發布之日，除適用法律要求外，Soluna 概不承擔更新該等資料的責任。

非公認會計原則計量

除根據公認會計原則（GAAP）編製的數字外，Soluna 可能不時呈列其他非公認會計原則表現計量，例如息稅折舊攤銷前利潤、經調整息稅折舊攤銷前利潤、經調整淨溢利／虧損、經調整每股盈利、自由現金流（包括公司層面及項目層面）等。息稅折舊攤銷前利潤定義為扣除利息、稅項、折舊及攤銷前的盈利。經調整息稅折舊攤銷前利潤定義為經調整股份基礎薪酬成本、出售固定資產及優先購買權攤銷收益、SEPA 承諾費、公平值調整虧損，以及債務解除及重估收益（淨額）後的息稅折舊攤銷前利潤。項目層面計量可能未計入企業開支的全面分配。這些計量應被視為公認會計原則編製資料的補充，而非替代。替代表現計量不受公認會計原則或任何其他公認會計原則的約束。其他公司可能以不同方式定義這些術語。有關管理層如何使用這些計量評估其營運的解釋，請參閱我們截至二零二五年十二月三十一日止年度的 10-K 表格年度報告。投資者應審閱上文提供的非公認會計原則對賬，不應依賴任何單一財務計量來評估該公司的業務。

關於 Soluna Holdings 有限公司 (納斯達克: SLNH)

Soluna 的使命是利用運算作為催化劑，使可再生能源成為全球超級大國。該公司設計、開發及營運數碼基礎設施，將過剩的可再生能源轉化為全球運算資源。Soluna 的領先數據中心策略性地與風力、太陽能或水力發電廠共置，以支援高性能運算應用程式，包括比特幣挖礦、生成式人工智能及其他運算密集型應用程式。Soluna 的專有軟件 MaestroOS™ 有助於為更環保電網提供能源，同時提供具成本效益及可持續的運算解決方案及優越回報。如欲了解更多資訊，請瀏覽 solunacomputing.com。

Soluna 定期在其網站發布重要資訊，並鼓勵投資者及潛在投資者定期查閱 Soluna 網站的投資者關係及投資者資源部分。

隨附附註為這些未經審計簡明綜合財務報表不可或缺的一部分。

隨附附註為這些未經審計簡明綜合財務報表不可或缺的一部分。

隨附附註為這些未經審計簡明綜合財務報表不可或缺的一部分。

分部：

下表詳列該公司可呈報分部截至二零二六年及二零二五年三月三十一日止三個月的收入、收入成本及其他營運成本，並與綜合經營報表上的淨虧損對賬：

截至二零二六年三月三十一日止三個月

截至二零二五年三月三十一日止三個月

下表呈列分部經營溢利與除稅前淨虧損的對賬：

毛利細分：

下表概述截至二零二六年三月三十一日止三個月，各項目地點的加密貨幣挖礦收入、數據託管收入、高性能運算服務收入、需求響應收入、加密貨幣挖礦收入成本（不包括折舊）、數據託管收入成本（不包括折舊）、高性能運算服務成本及折舊成本的結餘：

下表概述截至二零二五年三月三十一日止三個月，各項目地點的加密貨幣挖礦收入、數據託管收入、高性能運算服務收入、需求響應收入、加密貨幣挖礦收入成本（不包括折舊）、數據託管收入成本（不包括折舊）、高性能運算服務成本及折舊成本的結餘：

息稅折舊攤銷前利潤及經調整息稅折舊攤銷前利潤表：

下表呈列過往期間息稅折舊攤銷前利潤及經調整息稅折舊攤銷前利潤與淨虧損（最可比的公認會計原則財務指標）的對賬：

下表呈列截至二零二五年十二月三十一日止，由二零二五年一月一日起每個三個月期間的經調整息稅折舊攤銷前利潤活動。

（美聯社）

Chef Robotics，一間食品行業實體人工智能公司，今日公布開發雙臂實體人工智能系統，用於備餐枱食物組裝。現時Chef的機械人主要處理食品生產輸送帶上的大批量餐點組裝，而這個新的雙臂實體人工智能系統，將專注於處理幽靈廚房、快餐店、航空公司餐飲、學校、醫院、軍隊、監獄、體育館、企業餐飲及酒店等行業中，較低產量但較高複雜度的備餐枱組裝工作。

隨著實體人工智能及模仿學習的出現，Chef的AI團隊正開發一個新的實體人工智能系統，旨在處理備餐枱上的餐點組裝任務，例如後廚的漢堡或墨西哥捲餅組裝。這些任務的產量較低，但複雜度較食品生產輸送帶上的組裝為高，因為單一工人（或機械人）必須組裝整份餐點，而非將流程分解為每個食材的獨立工作站。

Chef的雙臂實體人工智能系統，用於備餐枱食物組裝。 AP圖片

為執行較高複雜度的任務，新系統將採用兩隻機械臂，實現雙臂控制。它將能夠執行與人類手臂及手部相媲美的協調靈活操作。系統的末端執行器將足夠靈活，可拾取不同的食材及餐具。

由Chef的食物基礎模型（FFM）驅動

這個新的實體人工智能系統將由Chef的食物基礎模型（FFM）驅動，該模型比傳統機械人系統學習更快，並能適應更廣泛的應用場景。

現成的視覺語言動作模型（VLA）及實體人工智能模型，不足以應付食物操作。大多數VLA及實體人工智能模型均針對剛體操作進行訓練，但食物操作涉及高度可變形材料（例如濕潤、黏稠、不規則的物品）。這要求Chef的AI模型能夠在廣泛的物理狀態及互動中進行泛化。

FFM無需為拾取及放置食物、偵測托盤、隔間及內襯，以及處理可舀取或獨立食材等任務，分別建立獨立模型，而是透過單一的「基礎」人工智能模型，支援所有這些功能。它亦能更高效地擴展至新任務，並提升表現。

FFM並非透過編程，而是透過示範（模仿學習）來執行特定任務，例如組裝漢堡或製作墨西哥捲餅碗。它亦透過學習可跨硬件實體（例如具有不同運動學、末端執行器及配置的系統）轉移的任務表示，從而在不同機械人硬件平台之間進行泛化。從這個意義上說，Chef正在為食物構建實體人工智能層。

FFM預計將隨著時間推移，解鎖更多功能。例如，它可能支援零樣本或少樣本食材導入，以最少訓練適應新食材。該模型亦將自我改進，並隨著時間自主提升產量及一致性。

其他優點

Chef的新實體人工智能系統將具備：

Chef Robotics創辦人兼行政總裁Rajat Bhageria表示：「我們最初專注於高產量食品製造，但行業大部分仍依賴人手備餐枱組裝。這些環境更複雜、結構性較低，令自動化更困難。透過這個新的實體人工智能系統及我們的食物基礎模型，我們將擴展實體人工智能，以應對這些現實世界條件，並為食品行業解鎖更廣泛的應用。」

關於Chef Robotics

Chef是首間將可擴展人工智能驅動食品機械人解決方案商業化的公司。Chef已在生產中製作超1億份餐點，利用ChefOS這個用於食物操作的人工智能平台，提供機械人即服務解決方案，協助行業領先的食品公司增加產量及滿足需求。Chef總部位於加州三藩市，旨在透過加速智能機器的出現，賦予人類做人類最擅長的事情。

（美聯社）