人工智能计算的军备竞赛已然打响。以CoreWeave、Lambda、Nebius、RunPod和Vultr为代表的Neoclouds（新型云服务商），正凭借更廉价的GPU资源和针对AI优化的基础设施，向亚马逊AWS、谷歌云和微软Azure等超大规模巨头发起冲击。但这场“新贵”对“老牌”的抢夺战，真的能撼动企业市场的基本盘吗？

　　Neoclouds的崛起：数据不说谎

　　一部分人坚信，Neoclouds正蓄势接管越来越多AI原生工作负载。数据似乎也支撑这一判断：

　　Synergy Research Group 显示，2025年Neoclouds整体收入已超过 250亿美元。

　　Gartner 预测，到2030年，Neoclouds有望占据2670亿美元AI云市场的 20%。

　　Gartner高级首席分析师 Hardeep Singh 指出：“Neoclouds提供针对AI优化的NVIDIA原生基础设施，包含InfiniBand网络、裸机访问和更低成本。它们专注高性能GPU集群和灵活合约，这与超大规模厂商那种传统而厚重的平台截然不同。”

　　据麦肯锡统计，目前全球有超过100家Neoclouds，但美国境内仅10～15家具备“实质性规模”。尽管赛道在膨胀，鲜有证据显示大量企业已将Neoclouds作为标准选择——这暗示着，热潮之下仍存变数。

　　什么是Neoclouds？——为AI重写的云基因

　　Neoclouds是一类新型公有云，其设计初衷并非复制AWS或Azure，而是从头为AI计算构建。它们提供基于使用量的GPU算力平台，并集成高带宽存储与网络，以支撑大型模型的训练和推理。

　　AI服务公司Mindbeam AI的CEO Nii Osae 强调：“Neoclouds已成为AI基础设施生态的关键一环，为研究实验室和企业提供垂直整合的GPU及配套硬件。”

　　R Systems的云安全副总裁 Rohan Gupta 则点出本质差异：“超大规模厂商的架构是为2010年的互联网设计的——数百万台小型多租户虚拟机，通过超额订阅的以太网互联。而Neoclouds是为今天才出现的工作负载设计的：单一租户、数千块GPU、彼此间大规模并行通信。”

　　Vultr CMO Kevin Cochrane 补充：“Neoclouds扩展了传统云原生计算，嵌入了将AI代理体验融入现有应用所需的全部专业AI服务和基础设施。”

　　差异化杀手锏：成本、性能与架构

　　成本优势是Neoclouds最直接的吸引力。AI公司Different Day的CEO Lauri Kien Kotcher 表示：“同样GPU容量，Neoclouds的运营成本通常只有超大规模云的三分之一，而且交付周期以天计，而非以月计。”《计算机周刊》更指出，与超大规模GPU实例相比，Neoclouds可节省 60%～70% 的费用。这得益于它们与芯片制造商（尤其NVIDIA）的紧密关系，在GPU短缺期尤具诱惑力。

　　Presidio的Michael Byrne 也证实：“许多Neoclouds与NVIDIA有深厚合作，经济模型直接反映在更低的按小时GPU定价上。”

　　性能层面，裸机访问消除了虚拟化开销，释放GPU全部潜力；高带宽互连和并行文件系统（如VAST、WEKA、DDN）专为大规模分布式训练优化，大幅提升“有效吞吐量（Goodput）”——即剔除故障、重启和I/O延迟后真正用于训练或推理的算力比例。Backblaze产品营销总监 David Johnson 强调：“Goodput才是衡量AI基础设施效率的核心指标。”

　　最意外的大客户：超大规模厂商自己

　　Neoclouds的客户名单上，最引人注目的不是创业公司，而是它们的直接竞争对手——超大规模云厂商。据披露，微软一家就贡献了CoreWeave 2025年收入的 67%，OpenAI也是其重要客户。CoreWeave在SEC文件中坦言：“截至2024年12月31日的年度，约77%的收入来自前两大客户。”

　　IT咨询机构Futuriom分析：“超大规模厂商已意识到过度依赖NVIDIA、OpenAI和某些新云带来的供应链风险。通过投资或将GPU云外包给这些新玩家，他们正在分散自身资产负债表的风险。”

　　然而，CoreWeave的高负债和客户集中度也引发对其长期可持续性的质疑。当“最大客户”也是“最大对手”，Neoclouds如何保持战略自主？Redgate Software的John Q. Martin 直言：“构建有竞争力的AI原生软件栈需要海量资金、工程人才和时间。当你的最大客户正在跟你竞争时，这种张力真实而尖锐。”

　　硬币的另一面：权衡与短板

　　尽管成本和性能诱人，不少企业仍对Neoclouds保持审慎。

　　运营碎片化是主要障碍。Redgate的《2026年数据库景观报告》显示，43%的受访者运营混合数据库资产。若AI计算放在Neoclouds，数据留在超大规模云上，将引入复杂的跨云数据出口成本、割裂的安全与身份管理、分散的运维开销。Martin坦言：“裸机GPU性能固然好，但失去了超大规模云开箱即用的自动扩缩容、可观测性和企业级SLA。”

　　企业级成熟度也是短板。Rafay Systems CEO Haseeb Budhani 指出：“超大规模厂商用了数十年建立治理、安全、身份、审计、计费和运营控制体系，这些是新云尚未企及的。”Sonar工程副总裁 Scott Sanders 补充：“对于大型企业中的AI负载，超大规模厂商提供的生态广度和集成深度，难以被专业提供商替代。”

　　韧性风险同样值得关注。NCC集团顾问 Nigel Gibbons 警告：“性能和成本之外，风险包括可移植性挑战、运营开销、对利基供应商的依赖。企业需平衡优化与弹性、合规覆盖、长期可行性，尤其对关键任务或受监管负载。”

　　硬件折旧也威胁着成本优势。Futuriom指出：“与铁路或光纤不同，GPU贬值极快，四到五年就可能过时，这使长期定价充满不确定性。”

　　结论：共赢而非取代

　　综合来看，Neoclouds与超大规模云各有优劣，且都面临混合部署和自研芯片等新变量的冲击。A10《2025年AI基础设施报告》显示，35%的企业主要在公有云托管AI负载，42%偏好混合方式——这意味Neoclouds不仅要与超大规模竞争，还要与本地及混合架构争夺份额。

　　同时，超大规模厂商的自研芯片（如AWS Trainium、谷歌Ironwood、微软Maia）提供了结构和成本上的独特优势，这是作为NVIDIA分销商的Neoclouds难以复制的。

　　但Neoclouds的前景并非黯淡。Futuriom创始人 Scott Raynovich 展望：“这些公司会从纯GPU租赁走向全球基础设施、应用服务、数据隐私与安全的全栈提供商。”Different Day的Kotcher 总结：“Neoclouds赢得了真正的市场，但并未赢得整个战场。诚实答案是——这是一场胜利，而非一场接管。”

　　Backblaze的Johnson 给出了最精辟的定位：“领先的Neoclouds并非试图在全局上取代AWS或Azure，而是为那些超大规模经济学失效的AI工作负载，构建一个互补层。”

　　最终，最可能的格局是共存。Gupta预测：“Neoclouds将守住前沿训练和部分NVIDIA推理业务，而超大规模厂商则牢牢把控数据平面、受监管负载、自研芯片推理和企业商务关系。”两者各安其位，共同支撑起AI时代的多元化算力版图。

来源：https://www.infoworld.com/article/4211105/can-neoclouds-corner-ai-compute.html