Night Office

CABINET  / The Physical Stack of AI / Neocloud

Neocloud 作为新资产类别

10.9k 字

本篇定位：这是 Cloud/Neocloud 研究系列的第 1 篇，也是整个系列的认知地基。目的不是词汇表，而是判断工具。读完这篇，你应该能回答：Neocloud 是什么、它到底算不算”云”、它的钱是怎么赚的、风险核心在哪里、应该用什么框架来估值。

与前几章的接口：本篇大量复用云、CPU、GPU、AI Infra 四章里建立的认知。如果读到陌生的硬件术语，回那几章找定义。

图：高密度 GPU 服务器是 Neocloud 可出租算力的物理底座。（图源：NVIDIA Certified Systems）
图：高密度 GPU 服务器是 Neocloud 可出租算力的物理底座。（图源：NVIDIA Certified Systems）

目录

  1. 极简定义：Neocloud 是什么
  2. NIST 五特征检验：它到底算不算”云”
  3. 为什么偏偏是 2023-2025 才爆发：三重推力
  4. 商业模式第一性原理：从 GPU 到现金流
  5. Neocloud vs 传统 CSP：四维对比
  6. 护城河分析：真实与虚假
  7. 把 Neocloud 放进资产分类框架
  8. 判断层：核心结论与失效条件

一、极简定义：Neocloud 是什么

一句话版本：Neocloud 是专为 AI 训练和推理构建的 GPU 云服务商，以 GPU 为核心资产，所有架构围绕高密度 GPU 集群设计。

传统云服务商（Cloud Service Provider，简称 CSP），也就是 AWS、Azure、GCP，是以 CPU 为核心构建的通用算力租赁平台，GPU 只是它们产品目录里的一个附加项，和”数据库服务""内容分发网络”平行陈列。

Neocloud 的出发点完全不同。它不是”也提供 GPU 的云”，而是”为 GPU 工作负载专门建造的基础设施”。这意味着：

  • 数据中心的冷却系统：从传统风冷改为液冷（Liquid Cooling），因为高密度 H100/H200 集群的热功耗是普通服务器的 5-10 倍
  • 网络互联：配置 InfiniBand（IB）或 RoCE（RDMA over Converged Ethernet）高速互联，实现 GPU 之间的低延迟通信（这是大模型训练的命脉，详见本系列 AI Infra 一章）
  • 电力规划：从用电侧规划 10-100MW 级别的专用电力接入，而不是靠传统数据中心的公共电网分配

代表玩家（2025 年格局）：

类型代表公司
纯 Neocloud（独立建设）CoreWeave、Nebius、Lambda Labs、Crusoe
矿工转型IREN（前身 Iris Energy）、Applied Digital
混合型Vultr、Together AI、Foundry
已被收购Paperspace（被 DigitalOcean 收购）

这个赛道在 2023 年之前几乎不存在，2025 年已经是一个每年融资规模超过 200 亿美元的市场，CoreWeave 在 2025 年 IPO，估值超过 230 亿美元。背后的力量我们在第三章拆清楚。

二、NIST 五特征检验：它到底算不算”云”

套用云那一章讲过的 NIST 五特征来检验 Neocloud，结论很有意思。

NIST 特征传统 CSPNeocloud差距说明
On-demand Self-service 按需自助✅ 完整，秒级开通⚠️ 部分，小规模可自助，大规模 GPU 集群需要事先签合同大型 AI 公司签 1-3 年 reserved contract，本质是预订而非按需
Broad Network Access 宽泛网络接入✅ 完整✅ 完整无显著差距
Resource Pooling 资源池化✅ 广泛多租户，高度池化⚠️ 有限，巨鲸客户（如 OpenAI）往往独占整个集群接近托管（dedicated hosting）而非真正共享
Rapid Elasticity 快速弹性✅ 秒级自动扩缩❌ 受 GPU 物理供给约束，不存在真正的弹性GPU 是实物资产，无法像 CPU 虚拟化那样按需分配
Measured Service 可计量服务✅ 完整✅ 完整，按 GPU-hour 计费计费单位不同，但特征满足

结论：Neocloud 在五特征里只满足了 2.5 个。它在严格意义上不完全是云。

那它是什么？最精确的描述是一种混合形态，介于以下三种模式之间：

  • 托管（Colocation）：你把服务器放到别人的数据中心，租用电力和机柜。Neocloud 更进一步，连服务器都帮你买了。
  • 专属主机（Dedicated Hosting）：整台服务器归你一人用，不和别人共享。Neocloud 的大客户合同就是这种逻辑。
  • 公有云（Public Cloud）：资源完全虚拟化，多租户共享，弹性无限。Neocloud 在小客户端接近这个形态。

更准确的名字应该叫 GPU-as-a-Service（GPUaaS） 或 AI 基础设施租赁。“Neocloud”这个名字有一定的市场营销成分，但业界已经约定俗成，就沿用。

这个认知对投资判断的意义：不要用”它是一朵云”的逻辑来评估它的弹性、毛利率和估值。它的运营逻辑更接近飞机租赁公司，而不是 AWS。我们在第七章详细展开。

三、为什么偏偏是 2023-2025 才爆发：三重推力

Neocloud 不是突然被发明出来的，它是三个力量同时到达临界点后催生的产物。

3.1 供给侧推力：GPU 稀缺催生套利空间

2023 年 ChatGPT 引发的 AI 热潮让 NVIDIA H100 瞬间成为全球最稀缺的资产之一。供给侧发生了一件微妙但关键的事：大型 CSP 拿到的 GPU 优先供给自己的 AI 服务。Azure 把算力喂给了它战略绑定的 OpenAI，GCP 把最好的 TPU 和 H100 留给了 Google DeepMind，AWS 也在大力投入自研芯片 Trainium。

外部 AI 公司（Anthropic、Mistral、xAI、各开源模型团队、众多 AI SaaS 初创公司）发现，从传统 CSP 订大规模 GPU 不仅贵，而且根本订不到。这个供给缺口打开了 Neocloud 的市场空间。

同时，一批有现成基础设施的主体嗅到了机会：

  • 比特币矿工：IREN 和 Applied Digital 手上有大量廉价电力合同（Power Purchase Agreement，PPA，即长期固定电价合同）和数据中心基础设施，但 2022 年加密货币寒冬让这些资产陷入亏损。把挖矿机器换成 GPU 集群，利用率暴增，单位电力收入飞升（这是外部电力系统研究里电力成本分析的直接应用，PPA 合同的价值在这里被重新定价）。
  • 独立数据中心运营商：有机房、有制冷、有网络，缺的只是 GPU 和客户。

套利逻辑：谁能更早拿到 H100、谁能更便宜地供电、谁能更快建成集群，就能在 GPU-hour 的市场价和自身成本之间赚到利差。这就是 Neocloud 的原始商业逻辑，不神秘，就是价差。

3.2 需求侧推力：AI 工作负载的专业化

训练大型语言模型（LLM）和推理（Inference，即模型对外提供服务）对算力基础设施的要求，和普通企业 IT 工作负载截然不同：

训练（Training）的特殊需求：

  • 需要数百乃至数千块 GPU 同时协作，GPU 之间延迟必须极低（InfiniBand HDR/NDR 互联，延迟 1 微秒级别）
  • 需要液冷系统处理高热密度
  • 需要专业团队 7x24 小时运维 GPU 集群，处理节点故障、网络抖动等问题

传统 CSP 的数据中心是为通用工作负载设计的，GPU 密度低，网络互联是为 CPU 服务器设计的通用以太网，不是为 GPU 集群训练优化的。在这类基础设施上跑大模型训练，效率损耗可达 20-30%。

推理（Inference）的另一套需求：

  • 需要地理分布广、延迟低（用户在哪里，算力就要靠近哪里）
  • 需要弹性扩缩（推理请求是突发性的）
  • 对价格极度敏感（推理成本是 AI 产品单位经济的核心变量）

Neocloud 的价值不是”比 AWS 便宜”，而是”用 AI-native 架构做 AI 工作负载”，在效率上有实质性优势。这是 Neocloud 的真实价值主张。

3.3 资本侧推力：GPU 作为可融资资产

这是 Neocloud 爆发的第三个轮子，也是最不直观但最重要的一个轮子。

核心问题：GPU 很贵（单块 H100 约 3-4 万美元，一个 GPU 机柜 DGX H100 约 30-40 万美元），建一个大规模集群需要数十亿美元的资本支出（Capital Expenditure，简称 Capex，即购买固定资产的一次性大额支出）。一般公司从哪里弄这么多钱？

答案：GPU 可以做抵押品，向银行和信贷市场借钱。

2024 年发生了一件标志性事件：私募巨头 Blackstone 向 CoreWeave 提供了 78 亿美元的贷款，以 CoreWeave 的 GPU 资产为抵押。这在金融历史上是第一次大规模的”GPU-backed debt（GPU 支撑的债务融资）”。

这个融资模式成立有三个前提：

  1. GPU 是实物资产，有清晰的市场价值，可以被没收和变现（类似飞机被抵押给银行）
  2. Neocloud 有长期客户合同（通常 1-3 年的 reserved contract），这些合同提供了可预测的现金流，让债权人放心
  3. GPU 的使用寿命（3-5 年）可以和债务期限匹配

这和 512-能源金属与关键矿产研究 里的资产支撑债（ABS，Asset-Backed Securities，即将资产打包成证券进行融资）逻辑是同构的，只不过底层资产从矿产储量变成了 GPU 算力资产。

融资结构创新的意义：大幅降低了 Neocloud 建设集群的股权资本需求，用低成本债务撬动高回报的 GPU 资产，形成杠杆效应。这是 Neocloud 在 2024-2025 年能够快速扩张的财务引擎。

四、商业模式第一性原理：从 GPU 到现金流

这是本篇的核心章节。我们要把 Neocloud 的商业模式拆到最底层。

4.1 核心资产：GPU（不是软件，不是数据，是铁疙瘩）

和软件公司不同，Neocloud 的核心资产是实物：NVIDIA GPU 卡和围绕它建设的基础设施。

GPU 有几个关键的财务特性，决定了 Neocloud 的整个商业逻辑：

  • 折旧（Depreciation，即资产价值随使用时间减少）：会计上通常按 5-6 年折旧，但市场残值下降更快，因为 NVIDIA 每两年就推出新一代产品。H100 大规模出货是 2023 年，B200（Blackwell 架构）在 2025 年出货，H100 的市场租赁价格随之快速下跌。
  • 残值不确定性：GPU 的二手市场价格和下一代产品的性能提升幅度直接挂钩。如果 B200 的性价比是 H100 的 3 倍，那么 H100 的残值就会加速蒸发。
  • 套利时间窗口有限：最高利润发生在 GPU 稀缺、租赁价格高企的时期（2023-2024 年）。随着供给增加和新一代 GPU 出货，租赁价格会回落。谁买得早、用得满、退出得快，谁就赚得多。

4.2 收入端：按 GPU-hour 计费的租赁模式

Neocloud 的收入来源很简单，就是把 GPU 时间租出去：

  • 按需（On-demand）价格：H100 约 2-4 美元/小时，B200 约 5-8 美元/小时（2025 年市场价，随供需波动）
  • 预留合同（Reserved Contract）价格：客户承诺使用 1-3 年，Neocloud 给出 30-50% 折扣，H100 reserved 约 1.5-2 美元/小时

客户类型和议价能力：

客户类型代表特征
AI Foundation Model 公司OpenAI、Anthropic、Mistral、xAI用量极大，但议价能力强，要求长协和折扣
AI SaaS 公司Midjourney、Runway、Pika推理用量稳定，对延迟敏感
企业 AI 团队大型银行、医药公司的 AI 部门用量相对小，愿意付更高的溢价
二级批发商其他小型 Neocloud利润最薄，主要是填充闲置容量

关键洞察：Neocloud 的营收高度集中。CoreWeave 披露其最大客户（Microsoft）占总营收超过 60%。巨鲸客户的优点是合同稳定，缺点是一旦合同到期不续签，整个收入结构塌陷。

4.3 成本端：四大支柱

成本项说明占比估算
GPU 资本开支（Capex）购买 GPU 硬件，分摊为折旧最大项，约 40-50%（折旧计入成本）
电力成本数据中心电费（通过 PPA 锁定，但仍是大头）15-25%
融资成本债务利息（CoreWeave 的债务利率超过 10%）10-15%
运维成本工程师、网络设备、液冷维护10-15%

电力成本是和外部电力系统研究直接相连的变量：Neocloud 的竞争优势之一是签到更便宜的电力合同。IREN 等矿工转型公司最初的吸引力就在于它们持有大量廉价可再生能源 PPA，这些合同在矿挖不下去的时候，成为 Neocloud 竞争成本的护城河。电价每降低 1 美分/kWh，在大规模集群上每年节省的成本以百万美元计。

4.4 单位经济（Unit Economics）：回本逻辑

白话版：单位经济就是”一块 GPU 值不值得买、多久能回本”的计算框架。

以一块 H100 为例，简化公式如下：

单 GPU 年收入 = GPU-hour 单价 × 年可用小时 × 利用率
单 GPU 年成本 = GPU 折旧 + 电力 + 融资利息 + 运维分摊
单 GPU 年毛利 = 年收入 - 年成本
Payback period（回本周期） = GPU 采购成本 / 年毛利

代入数字（保守场景）：

  • GPU 采购成本：约 3 万美元/块（H100，含服务器组装成本）
  • Reserved 单价：约 1.8 美元/小时
  • 年可用小时：8,760 小时
  • 利用率：75%（即 3/4 的时间 GPU 在跑任务）
  • 年收入：1.8 × 8,760 × 0.75 ≈ 11,826 美元
  • 年成本（电力 + 折旧 + 利息 + 运维）：约 7,000-9,000 美元
  • 年毛利：约 3,000-5,000 美元
  • 回本周期：6-10 年

等等，3-4 万美元的 GPU 要 6-10 年回本？这根本不合理，因为 GPU 的实际使用寿命也就 3-4 年（之后就被新一代淘汰了）。

这就是利用率的生死线。把上面的利用率改成 90%，年毛利能跳到 6,000-8,000 美元，回本周期压缩到 4-5 年，基本合理。但如果利用率跌到 60%，年毛利可能只有 1,000-2,000 美元，回本周期超过 15 年，整个商业模式就崩了。

核心判断：Neocloud 的真实经营风险是利用率（Utilization Rate）。这不是财务细节，是生死线。任何关于 Neocloud 的投资分析，利用率必须是第一个问题。

4.5 债务结构：GPU 作为抵押品的风险

第三章讲了 GPU-backed debt 的融资逻辑。这里要补充它的风险面：

债务期限和 GPU 残值的错配风险：如果贷款是 5 年期，但 GPU 的残值在第 3 年因为新一代产品出现而快速蒸发，抵押品价值不再覆盖债务余额，可能触发提前还款条款（即”Margin Call”，要求借款人补交抵押品或还款，类似股票质押爆仓）。

案例：CoreWeave 2025 年 IPO 招股书披露，公司负债规模接近 80 亿美元，年利息支出超过 8 亿美元，而公司仍然在亏损状态。它的生存逻辑是：只要利用率够高、合同续签，现金流能覆盖债务。一旦 AI 需求放缓或 GPU 价格快速下跌，债务结构就会承压。

五、Neocloud vs 传统 CSP：四维对比

维度传统 CSP（AWS、Azure、GCP）Neocloud（CoreWeave、Nebius、IREN 等）
资产重心通用计算（CPU 主导）+ 软件生态GPU + AI 专用基础设施
客户结构百万级 SMB（中小企业）+ 大型企业 + 开发者少数巨鲸 AI 公司（集中度极高）
毛利率30-40%（含 SaaS 层更高）20-30%（硬件为主，低于 CSP）
资本开支强度高但分散，可动态调整极高且集中，一次性投入大
软件护城河深（AWS 有超过 200 个托管服务）浅（主要是运维能力和网络优化）
财务特征盈利稳定，产生大量自由现金流现金流为负，依赖外部融资，重资产重债务
弹性几乎无限弹性受物理 GPU 供给限制，弹性差
估值逻辑SaaS（P/S、P/E）+ Utility（EV/EBITDA）接近 REITs + 飞机租赁（EV/EBITDA、Net Lease 倍数）

最重要的不对称：传统 CSP 是”现金牛”，用经营利润支撑 Capex，是滚雪球模式。Neocloud 是”现金漏斗”，用债务融资撬动 GPU 资产，用 GPU 产生的收入还债，是赌注模式。两种模式的风险收益特征完全不同。

六、护城河分析：真实与虚假

投资分析的核心之一是判断护城河（Moat）的真假。Neocloud 的护城河被过度宣传了。

6.1 真实护城河（值得认真对待）

与 NVIDIA 的直接关系（GPU 分配优先权）： NVIDIA 的 GPU 不是谁想买多少就能买多少的（尤其在 H100 时代），排队等货是常态。CoreWeave 和 NVIDIA 的关系足够深，能比一般买家更早、更大量地拿货。这是真实的先发优势，但随着 NVIDIA 产能提升，这个优势会逐渐削弱。

已建成的数据中心容量（土地、电力、液冷）： 建一个 100MW 的液冷 AI 数据中心，从选址、拿地、电力接入谈判到建设完毕，通常需要 18-36 个月。已经建好的容量是真实的时间护城河。新竞争对手不是因为没钱进不来，而是因为建设周期太长。

长协客户锁定： 多年期的大型合同（比如 CoreWeave 和 Microsoft 的长协）提供了稳定的现金流锚点。在合同期内，客户迁移的转换成本（包括迁移数据、重新配置训练任务、重新验证性能）足够高，让竞争对手难以直接挖墙角。

6.2 伪护城河（需要警惕的营销叙事）

“我们更懂 AI”： Neocloud 的运维工程师确实有 AI 训练的专业经验，但这不是技术壁垒，而是人才储备问题。顶级 AI 工程师是可以流动的，传统 CSP 的 AI 部门同样在积累这种能力。

“我们比 CSP 更便宜”： 这个说法部分成立（因为 CSP 有软件层溢价），但 Neocloud 没有神奇的降本技术。电力成本、GPU 折旧、融资利率决定了成本下限，没有任何 Neocloud 掌握了对手不知道的物理定律。

“我们有更好的网络优化”： InfiniBand 是 NVIDIA/Mellanox 的技术，任何人都可以买。RoCE 是行业开放标准。网络拓扑优化确实需要工程经验，但它是可以被学习和复制的技能，不是专利。

七、把 Neocloud 放进资产分类框架

给 Neocloud 找到正确的资产类别，是估值工作的前提。

7.1 它不是什么

  • 不是纯科技股：它没有软件护城河，没有网络效应，没有边际成本趋近于零的特征。用 P/S（市销率）或高倍 P/E 来估值是错误的。
  • 不是纯 REITs（Real Estate Investment Trusts，不动产投资信托）：REITs 的底层资产（土地和建筑物）不会因为技术进步而迅速贬值。Neocloud 的核心资产（GPU）有明确的技术淘汰风险，和房产的无限期存续完全不同。
  • 不是纯航空公司：飞机制造商（波音、空客）相对稳定，飞机的使用寿命 20-30 年，折旧慢，二手市场成熟。GPU 的迭代周期是 18-24 个月，残值曲线陡峭得多。

7.2 最接近的类比：数据中心 REITs + 飞机 Operating Lease 的混合体

数据中心 REITs（如 Equinix、Digital Realty）：

  • 核心资产：土地、建筑、电力基础设施，折旧慢，价值稳定
  • 收入：长期租赁合同（Net Lease，即租户承担大部分运营成本）
  • 估值：EV/EBITDA 或每平方英尺价值

飞机 Operating Lease（如 Air Lease Corporation、SMBC Aviation Capital）：

  • 核心资产：飞机机队（有折旧，但二手市场比 GPU 成熟得多）
  • 收入：向航空公司出租飞机，合同期通常 3-12 年
  • 估值：EV/EBITDA，重点看 Net Lease 覆盖率（租金收入是否足够覆盖债务利息）
  • 风险：飞机残值取决于型号受欢迎程度和市场供需

Neocloud 的独特风险：GPU 残值期权

在以上两者的基础上，Neocloud 还叠加了一个独特的风险因素：GPU 残值的技术不确定性。它更接近一张期权，即如果 AI 需求持续高增长、NVIDIA 下一代产品的性价比提升温和，那么现有 GPU 残值维持；如果 NVIDIA Blackwell 系列的性价比是 Hopper 的 5 倍，那么 H100 的残值快速归零。

对估值的含义：

  • EV/EBITDA 比 P/E 更有意义：Neocloud 短期内往往是亏损的（因为大量折旧和利息），净利润为负，P/E 没有意义。用 EV（企业价值）除以 EBITDA（息税折旧摊销前利润，即剥离掉融资结构和折旧影响后的盈利能力）来评估运营效率。
  • Net Lease 结构比绝对收入更重要：客户合同里的条款是否是 Net Lease（客户承担运营成本，Neocloud 只收净租金），决定了现金流的稳定性。
  • Capex 周期比利润波动更决定估值：Neocloud 的价值很大程度上取决于它买了多少 GPU、以什么价格买的、以多高的利用率在用。

八、判断层：核心结论与失效条件

这是全文的提炼。每一条判断都给出前提和失效条件，因为无条件的判断在投资里是危险的。

判断 1：Neocloud 不是严格意义的”云”，是 AI 基建租赁

前提：按 NIST 五特征检验，Neocloud 不满足 Rapid Elasticity 和完整的 Resource Pooling。 含义：不要用 AWS 的估值逻辑套 Neocloud，用飞机租赁公司的逻辑更接近真相。 失效条件：如果未来 Neocloud 完成了 GPU 虚拟化和真正的弹性调度（技术上可行但目前代价高），这个判断需要修正。

判断 2：商业模式本质是 GPU 套利：拿得早 + 融得便宜 + 用得满

前提：在 GPU 供给稀缺、AI 需求高速增长的阶段，先发者有明显的利差优势。 含义：这个模式是阶段性的，不是永久性的。随着 NVIDIA 产能扩张和市场竞争加剧，利差收窄是必然。 失效条件：如果 AI 需求增速持续超过 GPU 供给增速，套利窗口可以延续更长时间。

判断 3：真正的风险是利用率 + GPU 残值 + 融资成本，三者任一恶化都会触发连锁

前提：Neocloud 的财务模型是三个变量的乘积，任一下行都会导致非线性恶化。 含义：利用率低于 70% 是警报线，低于 60% 可能就无法覆盖债务利息。 失效条件：如果 Neocloud 能建立深度的软件服务层（提高客户粘性，获得软件溢价），对纯硬件利用率的依赖会降低。

判断 4：护城河薄弱，可持续竞争优势只有三个：与 NVIDIA 的关系、数据中心容量、巨鲸客户合同

前提：技术壁垒（网络优化、运维专业性）可以被复制，不构成持久护城河。 含义：选择 Neocloud 投资标的时，优先看谁和 NVIDIA 关系最深、谁的长协客户质量最高。 失效条件：如果某家 Neocloud 成功开发出专有软件层（如 MLOps 平台、推理优化引擎），软件护城河将重塑竞争格局。

判断 5：估值应该按 REITs + 飞机租赁框架，核心指标是 EV/EBITDA 和 Net Lease 覆盖率

前提：Neocloud 的财务特征（重资产、重债务、稳定合同收入）更接近基建资产而非科技股。 含义：10-15x EV/EBITDA 可能是合理估值区间，远低于 SaaS 公司的 20-40x。 失效条件：如果 AI 需求持续高增长且供给持续紧张，市场可能给予”成长溢价”，估值逻辑向科技股倾斜。

判断 6：2026-2027 年是 Neocloud 的关键考验期，三个变量同时到期

  • NVIDIA Blackwell（B200 系列）大规模出货：大幅增加 GPU 供给，市场租赁价格下行压力增大，H100 残值加速蒸发
  • 大型客户合同陆续到期（2024 年签的 2 年期合同在 2026 年到期）：续约价格能否维持？客户有没有迁移到 CSP 或自建？
  • 全球利率走向：高利率环境让 Neocloud 的债务成本居高不下，一旦降息，融资成本改善将直接改善单位经济

失效条件：如果 AI 模型规模继续以超预期的速度增长（即”Scaling Law 继续成立”），算力需求增速可以吸收供给增加，租赁价格维持。

判断 7：Neocloud 投资是对三个变量同时下注，任一反转都会带来重大损失

三个变量：

  1. AI 算力需求持续高增长（乐观假设）
  2. GPU 稀缺窗口继续维持（硬件供给跟不上需求）
  3. 融资环境持续宽松（低利率，债务可持续）

这三个变量在 2022-2025 年同时成立，催生了 Neocloud 的繁荣。但它们是独立的外部变量，不受 Neocloud 自身控制。这是一种宏观 Beta 下注，而不是阿尔法（Alpha，即个股超越市场的独特能力）。

指向后续文件的导航

  • 想深挖 GPU 财务细节和折旧模型 → 08-GPU折旧与融资结构专题
  • 想看算力市场的商品化趋势，以及 Neocloud 最终被压缩利润的路径 → 02-AI算力商品化路径
  • 想看第一个具体公司（俄罗斯 Yandex 拆分出来的 AI 云） → 03-公司画像-Nebius
  • 想看最大的 Neocloud 独立上市公司 → 04-公司画像-CoreWeave
  • 想看矿工转型 Neocloud 的典型 → 05-公司画像-IREN
  • 想看传统科技巨头（Oracle）如何切入 Neocloud 赛道 → 06-公司画像-Oracle
  • 想看 AWS、Azure、GCP 怎么看这个威胁 → 07-传统云玩家横扫
  • 回看云计算基础概念（VM、容器、IaaS/PaaS、K8s） → 本系列第一章「云」
  • 回看硬件架构（GPU、互联、芯片全景） → 本系列第二、三、四章「CPU」「GPU」「AI Infra」
  • 电力基础设施的完整框架（PPA 合同、数据中心电力需求）不在本系列内，是另一份独立的电力系统研究，本篇仅借用其中的判断，不作为可回看的前置章节