新云服务商(Neocloud)正在快速抢占市场份额,部分增长来自对传统数据中心基础设施提供商的替代。
新云服务商被定义为专业化的云计算平台,提供以GPU为核心的高性能基础设施,主要用于支持人工智能(AI)工作负载。
这类企业通常分为两大类:一类是相对新兴的初创公司,另一类是正在向高性能AI计算服务转型的加密货币挖矿企业。初创公司包括CoreWeave、Lambda Labs、Crusoe和Nebius,而从加密矿企转型而来的新云服务商则包括Applied Data Centers、IREN和TeraWulf。
Synergy Research Group最新数据显示,新云服务商的营收正以前所未有的速度扩张——第四季度收入达到90亿美元,同比增长223%,2025年全年收入突破250亿美元。Synergy预测,该市场规模到2031年将接近4000亿美元,对应的复合年增长率高达58%。
Synergy首席分析师兼研究总监John Dinsdale表示,如此高速的增长势必会对传统云服务市场造成冲击。他说:"所有人都在争夺同一块大蛋糕。新云服务商更加专注和垂直,但本质上,它们所做的事情传统云服务商也能做到。而市场需求如此巨大,足以容纳双方共存。"
从硬件层面来看,新云服务商与传统数据中心的差异并不明显。新云服务商以GPU为核心,但同样使用与传统云服务商相同的CPU、内存和存储设备。真正的区别在于,以GPU为导向的数据中心功率密度更高,由此带来一系列相关挑战。
由于使用相同的硬件,新云服务商和传统云服务商同样面临供应短缺的问题。受AI数据中心需求激增影响,零部件供应商正在经历严重短缺,Synergy观察到新云服务商也像传统云服务商一样遭遇交货延迟。
Dinsdale表示:"目前需求已经超过供给,供需恢复平衡还需要一段时间。"
在新云服务商中,CoreWeave是最直接挑战传统超大规模云服务商的企业。与此同时,OpenAI和Anthropic代表着另一个独特且日益重要的类别——以平台为核心的服务商,以类云方式提供对基础模型和AI开发环境的访问。
Synergy指出,随着对AI基础设施需求的持续加速,新云服务商正将自身定位为亚马逊、微软和谷歌等传统超大规模云服务商的专业替代选择。
Q&A
Q1:新云服务商(Neocloud)和传统云服务商有什么区别?
A:新云服务商是以GPU为核心的专业化云计算平台,主要服务于AI工作负载,功率密度更高。传统云服务商提供更通用的云服务。两者在硬件上差异不大,都使用CPU、内存和存储设备,但新云服务商更加专注和垂直化,主打高性能AI计算场景。
Q2:新云服务商市场规模有多大?未来增长趋势如何?
A:根据Synergy Research Group数据,新云服务商2025年全年营收超过250亿美元,第四季度单季收入达90亿美元,同比增长223%。预计到2031年市场规模将接近4000亿美元,复合年增长率约为58%,增速非常可观。
Q3:新云服务商目前面临哪些挑战?
A:当前最主要的挑战是硬件供应短缺。由于AI数据中心需求激增,GPU等关键零部件供应严重不足,导致新云服务商和传统云服务商都面临交货延迟问题。Synergy分析师表示,目前市场需求已明显超过供给,供需恢复平衡仍需一段时间。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。