2026年计算机行业海外巨头启示录系列（十九）：Neocloud的崛起与进击

如何看待 Neocloud 在 AI 时代下的生命周期？

1、Neocloud：专注提供 GPU 租赁服务的新型云服务商

AI Neocloud（AI 新云）是指专注于提供 GPU 计算租赁服务的新型云计算提供 商，这些纯粹的 GPU 云平台为客户提供尖端的性能和灵活性。AI Neocloud 市 场规模庞大，是 GPU 需求增长的最重要驱动因素，预计 Neocloud 的需求将增 长至总需求的三分之一以上。 当前的 AI Neocloud 市场由四类主要服务商构成： （1）传统超大规模云服务商：如 Google Cloud、Azure、AWS、Oracle、腾讯、 百度、阿里巴巴，凭借成熟生态与企业客户群，拥有最低的资本成本，但其定价 高于 AI 云的合理水平，限制了 AI 初创企业的使用。 （2）Neocloud 巨头：如 CoreWeave、Crusoe、Lambda Labs、Nebius，专 注于 GPU 云服务，部分公司规划部署超过十万块 H100 等效 GPU。它们的资金 成本虽高于 Hyperscalers，但依然能够获得相对低息融资。 （3）新兴 Neocloud 平台：数量众多，涵盖主权 AI 云（欧洲、印度、中东、马 来西亚等地的区域性厂商）。这类平台资本成本较高、基础设施经验有限，但在 隐私与合规诉求推动下具备较大成长空间。 （4）经纪商/平台/聚合商：如 GPU 市场平台或算力撮合商，本身并不持有 GPU， 而是撮合供需、抽取佣金。它们以两种模式运作：平台模式（如 Shopify 式 IaaS 服务）和聚合模式（如亚马逊式市场）。

结合云服务能力排名，综合考虑在手云服务协议订单情况，本文我们重点关注已 在美股上市、在手云服务协议大单体量过百亿的neocloud龙头厂商Coreweave、 Nebius、Iren 以及 Oracle。根据 semianalysis《AI Neocloud Playbook and Anatomy》，在测试了安全性、生命周期、编排、存储、网络、可靠性、监控、 定价、合作伙伴关系以及可用性 10 个标准类别后，CoreWeave 继续保持 Platinum（白金级）唯一成员地位，并且是唯一在终端用户访谈中能够持续维持 “溢价定价能力”的云服务商；Nebius、Oracle 和 Azure 位列 Gold（金级）阵 营，Crusoe 和新晋的 Fluidstack 也进入 Gold 级；Google 跃升至 Silver（银级） 最高位，与 AWS、Together.ai 和 Lambda 并列。

Neocloud 厂商在构建流程中的职责包括：起草并优化硬件与软件 BoM；设计 高性能训练集群的网络与存储架构；执行集群部署、烧机测试，持续日常运维； 构建客户可用的软件系统与监控平台；精细化成本控制与规模化交付等。核心在 于确保 Neocloud 能为客户提供“高性能、可租赁、可扩展”的 GPU 云服务， 同时通过优化硬件/构架/运维降低拥有成本并提升盈利能力。

2、Neocloud 崛起于算力外溢及大厂优化 CapEx/风险敞口 契机

我们认为，AI Neocloud 的崛起本质上是 AI 算力供需结构性错配带来的算力外 溢需求、资本结构变化带来的资产外包化需求、以及技术需求变化与生态利益重 构共同作用的结果。 AI 算力投入 FOMO 及应用需求爆发导致算力荒。由大型 AI 训练任务驱动的短 期 内 大 规 模 GPU 与 整 机 交 付 需 求 ， 超 出 了 传 统 超 大 云 CSP 厂 商 （AWS/Azure/GCP）与现有数据中心的弹性供给能力，这直接催生了以 CoreWeave、Nebius、Crusoe 等为代表的 neocloud——它们通过承接长期租赁 合同、专门优化的机架/网络/存储栈与更灵活的电力/基建安排来补位。以 OpenAI 为例，近年来，Sam Altman 多次对外表示 GPU 供不应求、算力限制产品迭代 及对外提供服务，如 25 年 2 月，Altman 在 X 上发表的一篇文章中表示，GPT-4.5 版本需要“数万个”额外的 GPU，才能让更多 ChatGPT 用户能够使用，“我们 的业务增长非常迅速，GPU 已经用完了”；25 年 5 月，由 GPT-4o 模型驱动的 原生图像生成功能发布后，该工具因其能够创建吉卜力工作室风格的 AI 图像而 迅速走红，据 CEO Sam Altman 称，它已经“压垮”了公司的 GPU，迫使公司 暂时限制其性能。从 2025Q4 各大 CSP 业绩会表述来看，大规模基础设施扩张 仍是其明确战略方向。然而，对比 AI 厂商披露的未来算力需求曲线，目前行业 算力缺口依旧显著。在传统 CSP 扩容周期难以完全覆盖需求的背景下， neocloud 依旧处在顺势扩张的窗口期。

GPU 即服务是 AI 时代下对传统云计算模式的一次商业模式革新。1）从服务提 供模式和定价来看，与传统超大规模云服务商不同，AI 新云巨头几乎完全专注 于 GPU 云服务。Neocloud 将最核心、最稀缺的 GPU 算力资源剥离出来，以一 种更纯粹、更高效的方式，直接交付给最需要的 AI 客户。传统超大规模云服务 商多元化的商业模式使其拥有最低的资本成本，但其集成化的生态系统、数据湖 以及庞大的企业客户群意味着其定价远高于其他服务商；此外，超大规模云服务 商的云业务利润率往往很高，因此其定价远高于人工智能云的合理水平。2）从 合约签订方式来看，AI 训练需求爆发使得算力需求从“弹性计算”变为“长期占 用”，AI 训练是长周期、持续占用、集中调度的计算模式，公有云为通用性优化 的架构（虚拟化层、安全层、调度策略）反而无法高效支撑这种工作负载；Neocloud 巨头的业务通常围绕着与大型 AI 初创企业、AI 实验室和企业之间的大规模双边 长期（3-4 年）协议展开，这些协议随后成为推动 Neocloud 巨头数据中心容量 扩建和 GPU 采购的基石。 GPU 的可用性和成本是企业用户转向新型云的主要原因。根据网站托管评测网 站 HostingAdvice 25 年 7 月份的一项调查，25%的受访者已广泛使用 NeoCloud， 另有 34%的受访者正在测试其使用方法，21%的受访者计划在六个月内采用， 该调查的对象包括来自医疗保健、软件、IT、金融和汽车行业的工程师、数据科 学家、云架构师和财务运营专业人员。近三分之一的受访者表示，缩短等待时间 是他们选择新型云服务提供商的首要原因。超过三分之一的受访者表示，他们通 常需要等待两到四周才能从传统云提供商处获得 GPU 访问权限，而 20%的受 访者则需要等待三个月或更长时间。成本也可能成为一项优势，整体上，Neocloud 较传统 CSP 厂商的 GPU“裸租赁”价格更低。

AI 公司希望外包 CapEx，新云通过算力租赁方式分担投入风险。大厂如果自己 建数据中心，成本太高、周期太长、风险也太大；而从 Neocloud 租算力，则可 以把原来需要重 CapEx 投入的建设成本，转化为按需支付的 OPEX，资金压力 小、灵活性更高，也不需要承担 GPU 和数据中心快速迭代带来的资产贬值风险。 因此，当算力需求爆发时，大厂更愿意“租而不是买”，这直接催化了 Neocloud 行业的加速成长。 部分 AI 大厂当前已面临现金流被资本支出强烈挤压的状况。微软与 Alphabet 拥有稳健的经营现金流，但仍面临数十亿美元级别的资本开支。而像 Amazon 和 Oracle，其自由现金流被自建基础设施 (CapEx) 强烈挤压，若完全通过自建满 足 AI 算力需求，其建造成本、资金锁定与设备折旧风险都非常高。与此同时， Neocloud 厂商如 CoreWeave 正在集中承担这些资本密集型建设，通过重资产 扩张获得规模；而 Nebius 与 Iren 等则以更弹性的资本结构参与。对大厂而言， 与 Neocloud 合作并租赁其算力，可以将一部分庞大的基础设施支出转为租赁支 付 (OPEX)，从而降低财务杠杆、减缓现金流压力，并将技术迭代风险转嫁。这 一资本优化策略是 Neocloud 爆发增长背后的核心驱动力之一。

3、算力稀缺资源、AI Infra 优化能力、杠杆管理能力系 Neocloud 长期价值来源

我们认为，Neocloud 厂商的长期价值，来源于三大核心能力：一是对稀缺算力 要素（GPU 、电力等）的掌控，决定其可扩展的增长空间；二是深度的 AI Infra 优化能力，决定单位算力的成本结构、利用率与盈利能力；三是资金杠杆的管理 能力，决定商业回报效率。 部分 Neocloud 厂商天然具备最稀缺的算力要素禀赋（GPU+电力）。当前 AI 发展面临的两大核心瓶颈是高端 GPU 供给与可扩展电力供给。Neocloud 厂商由 于其独特的产业起源（如 CoreWeave、Iren、Crusoe 源自加密矿场运营，Nebius 源自大型互联网平台），不仅长期积累了大规模算力集群部署和运维经验，且部 分企业通过与 NVIDIA 的深度绑定获得了更稳定的 GPU 分配渠道；同时，它们 通过锁定长期、低成本、可扩容的电力合同，掌握了高功率数据中心的扩张能力。 上述资源禀赋使得其在从算力运营向 AI neocloud 转型过程中具备显著先发优 势。

AI Infra 优化能力决定了 Neocloud 在同等 GPU 资源下能否实现更高性能、 更低拥有成本（TCO）以及更好的客户体验。根据 semianalysis 创始人 Dylan， Neocloud 之间存在很大差异化，Neocloud 不仅仅是买 GPU 放数据中心那么简 单，差异化体现在部署速度、可靠性、网络性能、软件能力等。 Neocloud 之间的路线差异：虚拟机（VM）还是裸金属（Bare-Metal）？

裸金属、规模化：像 CoreWeave 和 Oracle 这样的服务商主张使用裸金属 架构（Bare-Metal），以追求最大化性能。然而，这种方式需要将网络、存 储、安全等功能卸载到 DPU（数据处理单元）上（如 Nvidia BlueField）， 从而复制了 AWS 在其 Nitro 系统中推广的超大规模云架构模式。 CoreWeave 起源于加密算力运营，具备深厚的数据中心基础设施与电力资 源管理经验，其商业模式延续了加密矿业时期的打法，即优先锁定电力与机 房资源，通过高强度资本投入迅速扩张基础设施规模，并在此基础上与 GPU 厂商建立深度供货合作关系，从而形成重资产、快速扩张的路径依赖。

虚拟机、向软件层发展：像 Nebius（使用 kubevirt）和 Crusoe（使用 cloud-hypervisor）这样的厂商，则采用轻量化虚拟机（VM）方案。他们的 主张是：这种方式在运维上具有显著优势，比如：部署速度快（几秒即可完 成，相比裸金属通常需要几分钟甚至几小时）；支持有状态快照（stateful snapshots）；共享存储；更干净的安全隔离。以 Nebius 为例，他们已经 实现了接近裸金属性能的虚拟化水平。Nebius 具备典型的互联网技术背景， 其团队长期从事大型互联网平台与云基础设施（Cloud Infra）的建设与运营， 在分布式系统、资源调度与云服务稳定性等方面拥有成熟能力。

无论哪种路线，通过极度精细化的基础设施设计和运营优化，实现远低于传统云 的 GPU TCO，是 neocloud 的核心能力壁垒。根据 SemiAnalysis，neocloud 可采取的精细化优化策略包括：1）硬件（BoM）精简：剔除如 Bluefield-3 DPU 等对训练场景非核心的昂贵部件，显著降低节点 CapEx；2）网络优化：采用 8-rail 拓扑、适度 oversubscription，并通过 virtual modular switch 以铜代光， 兼顾通信性能与大幅节省网络与功耗成本；3）软件效率优化：使用 GPUDirect RDMA、HPC-X、优化驱动与调度系统（K8s/SLURM 等），保证高通信效率与 资源利用率；4）运维优化：通过长时间 burn-in、完备监控体系与自动化故障处 理，降低故障率与运维成本；5）训练效率提升：部分 Neocloud（如 TogetherAI） 提供更高效 CUDA kernels（如 FlashAttention），进一步提升实际吞吐。 SemiAnalysis 的估算显示，相较 Reference Architecture（约 31.8 万美元/ 节点），Neocloud 通过上述优化将单节点 TCO 降至约 28.3 万美元，同时保 持高性能和高利用率，从而具备显著成本优势与盈利空间。