新云厂商发现，最赚钱的可能不是卖GPU

一年前，AI云服务商Nebius创始人兼CEO Arkady Volozh还在回答一个问题：谁会买那么多GPU？一年后，他给出的判断已经变成，真正的制约因素是人类究竟能够建出多少算力。

2025年，他主要从技术、资本和市场三个维度解释一家新云（Neocloud）如何成立；到了2026年，问题已经不只是“怎样做一家新云”，而是AI时代的云需要被怎样重新建设。

在Volozh的描述里，这套新的AI云向下延伸至土地、电力、数据中心和机架，向上则覆盖基础云服务、推理和智能体服务。支撑它的基础设施规模，可能达到过去建设规模的数百倍乃至数千倍，也因此需要“一套全新的工具”。

雷峰网(公众号：雷峰网)对比了Arkady Volozh在《Spotlight On》中2025年和2026年的两次访谈，从中看见一种思维方式的转变：新云开始从GPU基础设施供应模式，向新一代AI云底座演进 。

对新云来说，拥有GPU从来不等于拥有一朵云。

GPU本质上是一种计算资源，要把这些资源持续交付给客户，还需要数据中心、机架、网络、软件栈，以及足够的资本和客户需求。对早期的新云厂商而言，竞争也不只是拿到GPU，还要证明自己能把昂贵的计算资源真正组织成一项云服务。

2025年，Arkady曾把这种能力概括为“三条腿”：技术与人才、资本及市场销售。第一条是技术与人才，Nebius脱胎于原Yandex的荷兰上市主体。俄乌战争后，原Yandex N.V.于2024年出售俄罗斯业务，保留下来的团队中包括一批长期建设大规模机器学习基础设施的工程师，以及位于芬兰的数据中心。

Nebius之所以能够进入这一市场，很大程度上也来自原Yandex留下的工程团队、数据中心建设经验和资本基础。Volozh当时强调，团队能够自行建设数据中心、机架，并在硬件之上搭建软件栈，把它称为“全栈AI云（full stack AI cloud）”。

第二条腿是资本。AI基础设施需要在收入兑现前，先为芯片、电力和数据中心投入巨额资金。技术决定系统能不能运行，资本决定它能不能扩大规模。Nebius 承接了原上市主体的资本基础，账上拥有超过20亿美元现金，且没有负债；即便如此Volozh表示还会继续融资。**
**

“你要有好的技术和懂技术的人，也要有大量资本去建设AI基础设施。” Volozh说。

第三条是市场销售。机房、机架和软件完成以后，公司仍要找到真正的客户。Volozh当时判断，AI基础设施最早的一批客户主要集中在美国：一端是大型科技公司、超大型云服务商和争夺前沿模型的大型生态公司，另一端则是开发模型和AI应用的AI原生创业公司。

但他并不认为市场会长期停留在这两类客户。随着AI逐渐进入日常应用，客户会继续从AI原生公司扩展到数字原生企业，再进一步进入普通企业市场。金融、医药、机器人等行业都会逐步成为AI基础设施的使用者。Volozh当时甚至判断，几年后更广泛的企业客户会成为主要市场之一。

这三条腿解释了为什么“有GPU”不等于“有云”。GPU只是一项计算资源，云要解决的则是如何把大量GPU组织成稳定、可以被客户持续调用的服务：它们放在哪里、如何供电和联网，如何被软件管理，又如何按照不同客户需求交付。

所以，2025年的“全栈”首先是一张能力证明。公司需要向市场说明，Nebius不只是拥有一批当时热门的芯片，还有团队重建软硬件，有资本把基础设施建起来，也有能力找到客户。

不过，当时的采访已经埋下了下一阶段的线索。新云面对的不只有能够一次买走大批算力的巨头，也有大量AI原生创业公司，以及未来不断进入市场的企业客户。

对这些客户来说，问题最终不会只停留在“有没有GPU”。

随着AI客户开始分化，新云的产品也开始分层。对微软、Meta这样的超大型科技公司来说，向Nebius采购裸金属容量已经可以满足其需求，因为它们拥有自己的软件栈和工程能力，并不需要云厂商继续往上提供大量工具。

真正依赖云厂商工具和平台的，是大量AI原生创业公司和企业客户：它们没有能力自行建设成千上万张GPU，也缺少完整的软件栈，需要云服务商把底层算力进一步封装成可以直接使用的服务。Volozh在2026年的采访里把这部分客户直接称为Nebius的“主要市场”和“主营业务”。

“我们并不把这些大型裸金属合同当作主营业务，而是把它们作为融资方式之一 ，用来建设我们自己的云，服务市场上的其他客户。”Volozh说。

Nebius要建的，并不是一个更大的机房仓库，而是一套适应新用户的云。这套完全是为AI时代而建的基础设施体系，要求更大的规模和更多的工具，又要求公司控制更长的基础设施链条。

这样的客户分层和定位，也让AI云的竞争开始出现两个不同的维度。一个是规模。AI基础设施越来越像一场重资产建设竞赛：数十万乃至未来可能上百万张GPU，需要土地、电力、数据中心和持续的建设能力支撑。

另一个是产品深度：同样一批GPU，可以以裸金属的大宗方式出售，也可以继续往上叠加基础云服务、平台、推理，最终变成Token和智能体服务。Volozh把这种竞争概括为“规模”和“产品深度”两个维度。

这两个维度又彼此绑定：只做裸金属，厂商可以服务拥有成熟软件栈的大客户，却很难覆盖需要完整工具的中小客户；只做软件和上层服务，如果没有稳定的底层容量，推理等业务又会受到算力供给限制。

因此，AI云的竞争开始同时向两个方向延伸：向上争夺更高层的软件和服务，向下则不断深入土地、电力和数据中心 。

Volozh把起点放在土地上：先取得土地和工业许可，再解决电力许可和接入，随后建设数据中心及内部电气设施；往上是机架、集群软件、基础云服务，最后才是推理和智能体产品，最终建成一个自下而上完整而庞大的全栈AI基础设施。

为什么一定要从土地开始？他的答案近乎苛刻：“如果外包出去，它永远不可能高效。 ”每外包一层，公司都要向数据中心建设方、机架厂商或软件公司支付利润；更重要的是，分散在不同供应商手中的系统很难作为一个整体优化。垂直整合拿回的不只是利润，还有建设速度、工程效率和扩张节奏。

在Volozh的划分里，裸金属甚至只是典型新云生意的终点，却只是Nebius这套AI云的起点 。

但这样的架构模式注定让部分新云变得越来越“重”。早期为了快速获得容量，厂商完全可以使用第三方托管数据中心。

Nebius自己也曾采用这种方式，即便Volozh承认小型托管设施成本更高，因为当时最重要的是尽快上线。但随着规模扩大，公司正在建设的大型站点达到数百兆瓦甚至吉瓦级。

这背后的行业逻辑并不复杂：托管解决的是进入市场的速度，自建解决的是大规模AI基础设施能否长期按照自己的成本和工程要求扩张。

这种模式的另一面，是大客户合同也被纳入了扩张循环。微软超过170亿美元的裸金属合同可以被用于向银行融资；Meta的安排则包括约120亿美元的裸金属采购和约150亿美元的承购保障，为更多云容量提供融资基础。

于是，Volozh描述了一种更加完整的AI云扩张模式：大型客户提供规模订单和信用，中小客户提供更高层云服务的市场； 长期合同支撑融资，融资再变成新的数据中心、电力和GPU容量。

新云擅长的裸金属生意并没有消失，只是从终点变成了这套商业模式中的一层。

当AI云继续向上延伸，发生变化的不只是产品形态，算力的计量方式和使用者也开始改变。

在裸金属层，客户购买的仍是GPU、集群和使用时间等计算资源；而到了推理层，算力开始出现另一种计量方式：不再按GPU小时出售，而是直接出售Token。

在Volozh所构建的分层中，长期、大批量出售裸金属算力，正是“典型新云”的业务，但他认为Nebius不打算停留在这里，而是继续向上，在集群软件之上继续搭建基础设施服务层（IaaS层），以及在IaaS层之上继续为客户提供更高层服务的平台。

“我们在建的东西，是为了新一代客户建的，他们有完全不同的需求。”Volozh说。

在这种服务于新一代的构想下，Volozh认为，其实新一代的客户和十年前经典云的客户思考解决问题的方式是完全不一样的。新一代AI云用户开始以一种更加“智能体化”的方式使用云，他们甚至可以没有那么关心计算具体发送去哪里，也不需要把一百多种不同的工具拼凑在一起使用。

“因为这些工作由智能体完成，智能体本身也会优化效率。”Volozh强调。新一代用户更看重的是，一个可量化地更可靠、更高效、更便宜的平台。

对于用户而言，未来GPU正在被隐藏；而对于供应商而言，为了让Token更快、更便宜，必须要让电力、数据中心、机架和软件高度契合。上层的交付和计量方式越趋向标准化，底层工程反而越需要高度整合。

这也是Volozh认为市场仍存在窗口的原因，在他的判断里，AI云不是传统厂商与新云互相厮杀的红海，而是一片由新用户、新需求和新服务打开的蓝海 。“面对这些新需求和新用户，传统超大规模云厂商并不存在原有业务中那样的保护性护城河。我们不是要抢走它们原有的业务，而是和它们一起建设新的业务。这也不是一个赢家通吃的消费市场，而是一个B2B市场。”Volozh表示。

传统云厂商依然有庞大规模的客户基础、资金和软件生态。但Volozh押注的是，当AI带来一批使用方法完全不同的新客户时，原有优势未必能自动覆盖所有新增市场，新公司因而得到一个重新进入云计算牌桌的窗口。

对于试图向全栈AI云扩张的新云而言，扩张同时发生在两个方向：向下控制土地、电力和机房，以降低成本、扩大建设规模；向上进入Token和智能体服务，以适应新用户并获得更高层的收入。对向上扩张的厂商而言，如果停留在GPU和裸金属层，仍然需要承担重资产建设和融资成本，而面向客户出售的主要还是底层计算资源。

不过，向上走并不意味着算力短缺已经结束。Arkady预计，未来一年，算力仍会是制约因素，限制的是人类究竟能建设多少基础设施来满足新需求 。在需求足够高的阶段，新容量既可以整批按裸金属卖掉，也可以放到更高的产品层面，以Token和AI服务的形式出售。

从裸金属和GPU资源出发，部分新云正在试图走向另一种终局：成为一套为新一代用户重新建造、像基础设施一样持续输出AI能力的全栈云。

一年前，AI云服务商Nebius创始人兼CEO Arkady Volozh还在回答一个问题：谁会买那么多GPU？一年后，他给出的判断已经变成，真正的制约因素是人类究竟能够建出多少算力。

2025年，他主要从技术、资本和市场三个维度解释一家新云（Neocloud）如何成立；到了2026年，问题已经不只是“怎样做一家新云”，而是AI时代的云需要被怎样重新建设。

在Volozh的描述里，这套新的AI云向下延伸至土地、电力、数据中心和机架，向上则覆盖基础云服务、推理和智能体服务。支撑它的基础设施规模，可能达到过去建设规模的数百倍乃至数千倍，也因此需要“一套全新的工具”。

雷峰网(公众号：雷峰网)对比了Arkady Volozh在《Spotlight On》中2025年和2026年的两次访谈，从中看见一种思维方式的转变：新云开始从GPU基础设施供应模式，向新一代AI云底座演进 。

对新云来说，拥有GPU从来不等于拥有一朵云。

GPU本质上是一种计算资源，要把这些资源持续交付给客户，还需要数据中心、机架、网络、软件栈，以及足够的资本和客户需求。对早期的新云厂商而言，竞争也不只是拿到GPU，还要证明自己能把昂贵的计算资源真正组织成一项云服务。

2025年，Arkady曾把这种能力概括为“三条腿”：技术与人才、资本及市场销售。第一条是技术与人才，Nebius脱胎于原Yandex的荷兰上市主体。俄乌战争后，原Yandex N.V.于2024年出售俄罗斯业务，保留下来的团队中包括一批长期建设大规模机器学习基础设施的工程师，以及位于芬兰的数据中心。

Nebius之所以能够进入这一市场，很大程度上也来自原Yandex留下的工程团队、数据中心建设经验和资本基础。Volozh当时强调，团队能够自行建设数据中心、机架，并在硬件之上搭建软件栈，把它称为“全栈AI云（full stack AI cloud）”。

第二条腿是资本。AI基础设施需要在收入兑现前，先为芯片、电力和数据中心投入巨额资金。技术决定系统能不能运行，资本决定它能不能扩大规模。Nebius 承接了原上市主体的资本基础，账上拥有超过20亿美元现金，且没有负债；即便如此Volozh表示还会继续融资。**
**

“你要有好的技术和懂技术的人，也要有大量资本去建设AI基础设施。” Volozh说。

第三条是市场销售。机房、机架和软件完成以后，公司仍要找到真正的客户。Volozh当时判断，AI基础设施最早的一批客户主要集中在美国：一端是大型科技公司、超大型云服务商和争夺前沿模型的大型生态公司，另一端则是开发模型和AI应用的AI原生创业公司。

但他并不认为市场会长期停留在这两类客户。随着AI逐渐进入日常应用，客户会继续从AI原生公司扩展到数字原生企业，再进一步进入普通企业市场。金融、医药、机器人等行业都会逐步成为AI基础设施的使用者。Volozh当时甚至判断，几年后更广泛的企业客户会成为主要市场之一。

这三条腿解释了为什么“有GPU”不等于“有云”。GPU只是一项计算资源，云要解决的则是如何把大量GPU组织成稳定、可以被客户持续调用的服务：它们放在哪里、如何供电和联网，如何被软件管理，又如何按照不同客户需求交付。

所以，2025年的“全栈”首先是一张能力证明。公司需要向市场说明，Nebius不只是拥有一批当时热门的芯片，还有团队重建软硬件，有资本把基础设施建起来，也有能力找到客户。

不过，当时的采访已经埋下了下一阶段的线索。新云面对的不只有能够一次买走大批算力的巨头，也有大量AI原生创业公司，以及未来不断进入市场的企业客户。

对这些客户来说，问题最终不会只停留在“有没有GPU”。

随着AI客户开始分化，新云的产品也开始分层。对微软、Meta这样的超大型科技公司来说，向Nebius采购裸金属容量已经可以满足其需求，因为它们拥有自己的软件栈和工程能力，并不需要云厂商继续往上提供大量工具。

真正依赖云厂商工具和平台的，是大量AI原生创业公司和企业客户：它们没有能力自行建设成千上万张GPU，也缺少完整的软件栈，需要云服务商把底层算力进一步封装成可以直接使用的服务。Volozh在2026年的采访里把这部分客户直接称为Nebius的“主要市场”和“主营业务”。

“我们并不把这些大型裸金属合同当作主营业务，而是把它们作为融资方式之一 ，用来建设我们自己的云，服务市场上的其他客户。”Volozh说。

Nebius要建的，并不是一个更大的机房仓库，而是一套适应新用户的云。这套完全是为AI时代而建的基础设施体系，要求更大的规模和更多的工具，又要求公司控制更长的基础设施链条。

这样的客户分层和定位，也让AI云的竞争开始出现两个不同的维度。一个是规模。AI基础设施越来越像一场重资产建设竞赛：数十万乃至未来可能上百万张GPU，需要土地、电力、数据中心和持续的建设能力支撑。

另一个是产品深度：同样一批GPU，可以以裸金属的大宗方式出售，也可以继续往上叠加基础云服务、平台、推理，最终变成Token和智能体服务。Volozh把这种竞争概括为“规模”和“产品深度”两个维度。

这两个维度又彼此绑定：只做裸金属，厂商可以服务拥有成熟软件栈的大客户，却很难覆盖需要完整工具的中小客户；只做软件和上层服务，如果没有稳定的底层容量，推理等业务又会受到算力供给限制。

因此，AI云的竞争开始同时向两个方向延伸：向上争夺更高层的软件和服务，向下则不断深入土地、电力和数据中心 。

Volozh把起点放在土地上：先取得土地和工业许可，再解决电力许可和接入，随后建设数据中心及内部电气设施；往上是机架、集群软件、基础云服务，最后才是推理和智能体产品，最终建成一个自下而上完整而庞大的全栈AI基础设施。

为什么一定要从土地开始？他的答案近乎苛刻：“如果外包出去，它永远不可能高效。 ”每外包一层，公司都要向数据中心建设方、机架厂商或软件公司支付利润；更重要的是，分散在不同供应商手中的系统很难作为一个整体优化。垂直整合拿回的不只是利润，还有建设速度、工程效率和扩张节奏。

在Volozh的划分里，裸金属甚至只是典型新云生意的终点，却只是Nebius这套AI云的起点 。

但这样的架构模式注定让部分新云变得越来越“重”。早期为了快速获得容量，厂商完全可以使用第三方托管数据中心。

Nebius自己也曾采用这种方式，即便Volozh承认小型托管设施成本更高，因为当时最重要的是尽快上线。但随着规模扩大，公司正在建设的大型站点达到数百兆瓦甚至吉瓦级。

这背后的行业逻辑并不复杂：托管解决的是进入市场的速度，自建解决的是大规模AI基础设施能否长期按照自己的成本和工程要求扩张。

这种模式的另一面，是大客户合同也被纳入了扩张循环。微软超过170亿美元的裸金属合同可以被用于向银行融资；Meta的安排则包括约120亿美元的裸金属采购和约150亿美元的承购保障，为更多云容量提供融资基础。

于是，Volozh描述了一种更加完整的AI云扩张模式：大型客户提供规模订单和信用，中小客户提供更高层云服务的市场； 长期合同支撑融资，融资再变成新的数据中心、电力和GPU容量。

新云擅长的裸金属生意并没有消失，只是从终点变成了这套商业模式中的一层。

当AI云继续向上延伸，发生变化的不只是产品形态，算力的计量方式和使用者也开始改变。

在裸金属层，客户购买的仍是GPU、集群和使用时间等计算资源；而到了推理层，算力开始出现另一种计量方式：不再按GPU小时出售，而是直接出售Token。

在Volozh所构建的分层中，长期、大批量出售裸金属算力，正是“典型新云”的业务，但他认为Nebius不打算停留在这里，而是继续向上，在集群软件之上继续搭建基础设施服务层（IaaS层），以及在IaaS层之上继续为客户提供更高层服务的平台。

“我们在建的东西，是为了新一代客户建的，他们有完全不同的需求。”Volozh说。

在这种服务于新一代的构想下，Volozh认为，其实新一代的客户和十年前经典云的客户思考解决问题的方式是完全不一样的。新一代AI云用户开始以一种更加“智能体化”的方式使用云，他们甚至可以没有那么关心计算具体发送去哪里，也不需要把一百多种不同的工具拼凑在一起使用。

“因为这些工作由智能体完成，智能体本身也会优化效率。”Volozh强调。新一代用户更看重的是，一个可量化地更可靠、更高效、更便宜的平台。

对于用户而言，未来GPU正在被隐藏；而对于供应商而言，为了让Token更快、更便宜，必须要让电力、数据中心、机架和软件高度契合。上层的交付和计量方式越趋向标准化，底层工程反而越需要高度整合。

这也是Volozh认为市场仍存在窗口的原因，在他的判断里，AI云不是传统厂商与新云互相厮杀的红海，而是一片由新用户、新需求和新服务打开的蓝海 。“面对这些新需求和新用户，传统超大规模云厂商并不存在原有业务中那样的保护性护城河。我们不是要抢走它们原有的业务，而是和它们一起建设新的业务。这也不是一个赢家通吃的消费市场，而是一个B2B市场。”Volozh表示。

传统云厂商依然有庞大规模的客户基础、资金和软件生态。但Volozh押注的是，当AI带来一批使用方法完全不同的新客户时，原有优势未必能自动覆盖所有新增市场，新公司因而得到一个重新进入云计算牌桌的窗口。

对于试图向全栈AI云扩张的新云而言，扩张同时发生在两个方向：向下控制土地、电力和机房，以降低成本、扩大建设规模；向上进入Token和智能体服务，以适应新用户并获得更高层的收入。对向上扩张的厂商而言，如果停留在GPU和裸金属层，仍然需要承担重资产建设和融资成本，而面向客户出售的主要还是底层计算资源。

不过，向上走并不意味着算力短缺已经结束。Arkady预计，未来一年，算力仍会是制约因素，限制的是人类究竟能建设多少基础设施来满足新需求 。在需求足够高的阶段，新容量既可以整批按裸金属卖掉，也可以放到更高的产品层面，以Token和AI服务的形式出售。

从裸金属和GPU资源出发，部分新云正在试图走向另一种终局：成为一套为新一代用户重新建造、像基础设施一样持续输出AI能力的全栈云。