Neocloud(新云算力)是指围绕人工智能训练、推理和高性能计算需求,提供 GPU 集群、计算资源租赁及相关基础设施服务的新型云计算模式。随着生成式 AI、大语言模型和企业 AI 应用不断发展,计算资源正在从传统 CPU 主导的通用云服务,向 GPU 加速计算和专用 AI 基础设施扩展。
这一变化不仅影响云计算行业,也正在重塑加密货币挖矿企业的发展方向。过去,比特币矿企主要通过部署 ASIC 矿机、获取低成本电力并参与网络算力竞争获得收入。如今,部分矿企开始将电力资源、数据中心场地和基础设施建设能力用于 AI 数据中心托管,甚至进一步探索 GPU 云计算业务。
不过,Neocloud 与比特币挖矿在技术架构、客户需求和盈利方式上存在显著差异。拥有电力资源并不意味着能够直接运营高性能 AI 集群,签订长期数据中心合同也不等于已经形成稳定利润。本文将从 Neocloud 的定义与商业模式出发,分析 AI 算力需求如何推动矿企转型,并结合 CoreWeave、IREN、Core Scientific 等案例,探讨这一趋势背后的机遇与风险。
Neocloud(新云算力)是一类以 GPU 集群、AI 模型训练和推理为核心的新型云计算服务模式,代表企业包括 CoreWeave、Nebius、Lambda 和 Crusoe。
与 AWS、Microsoft Azure 等传统云服务相比,Neocloud 更专注于 AI 算力供应、高性能 GPU 集群和专用计算基础设施,但两类服务正在逐渐融合。
AI 算力需求增长,使电力容量、数据中心选址、冷却系统和高速网络成为重要基础设施资源。
比特币矿企拥有部分电力和数据中心运营经验,因此开始探索 AI 数据中心托管及 GPU 云服务,但 ASIC 矿机无法直接替代 AI GPU。
从加密挖矿转向 Neocloud 并非简单的业务升级。企业需要面对更高的资本开支、不同的技术标准、长期合同履约要求及客户集中度风险。
评估矿企转型时,需要区分传统比特币挖矿、AI 数据中心托管和自营 GPU 云服务三种不同商业模式。
Neocloud 通常指专门面向 AI 和高性能计算需求提供 GPU 云服务的企业或基础设施平台。其核心业务是部署高性能 GPU、建设高速互联网络和配套存储系统,再通过按需租赁、长期算力合同或专用集群的方式向客户提供计算能力。
传统云计算平台通常提供覆盖计算、存储、数据库、网络、安全及应用开发的完整服务体系。AWS、Microsoft Azure 和 Google Cloud 等超大规模云服务商拥有广泛的企业客户和成熟的软件生态,而 Neocloud 企业通常将更多资源投入 AI GPU 集群的建设与运营,围绕模型训练、推理部署和高性能计算提供专业化服务。
例如,一家 AI 模型开发企业需要数千张 GPU 进行大规模训练时,除了考虑 GPU 型号和租赁价格,还需要评估集群网络带宽、GPU 间通信效率、存储吞吐量以及任务调度能力。Neocloud 的竞争力不仅来自拥有多少 GPU,还来自能否将这些硬件组织成稳定、高效的计算系统。
| 对比维度 | Neocloud | 传统云计算 |
|---|---|---|
| 核心定位 | AI 专用 GPU 算力服务 | 综合云计算服务 |
| 主要计算资源 | GPU 加速计算集群 | CPU、GPU 及多种计算资源 |
| 典型应用 | AI 训练、推理、HPC | 企业应用、数据库、存储、AI |
| 主要客户 | AI 实验室、模型企业、科研机构 | 各行业企业、开发者、AI 公司 |
| 商业模式 | GPU 租赁、专用集群、长期算力合同 | 按量付费、预留实例、综合云服务 |
| 主要挑战 | GPU 折旧、资本开支、客户集中度 | 综合运营成本、服务复杂度、竞争压力 |
需要注意,Neocloud 并不是与传统云计算完全对立的技术体系。大型云厂商同样提供 AI GPU 服务,而 Neocloud 企业也可能逐步扩展软件平台和企业服务能力。两者的区别更多体现在业务重点、资源配置方式和市场定位,而不是严格的技术边界。
AI 模型的训练和推理需要大量并行计算资源,尤其是大规模语言模型、多模态模型和复杂推理系统,对 GPU 性能、显存容量和集群互联提出了更高要求。
在模型训练阶段,企业通常需要将大量 GPU 连接成统一计算集群,通过高速网络实现参数同步和数据交换。随着模型规模扩大,单张 GPU 的性能不再是唯一决定因素,集群整体的计算效率、网络稳定性和存储性能同样重要。
在模型推理阶段,算力需求则来自持续运行的 AI 服务。聊天机器人、代码助手、企业智能体以及多模态应用需要在用户提交请求后完成计算并返回结果。随着 AI 应用用户数量和使用频率增长,推理服务也需要不断扩充计算资源。
这使 AI 基础设施需求从单纯采购芯片,逐渐延伸至电力、土地、数据中心、液冷系统和高速网络。即使企业能够购买足够数量的 GPU,如果没有相应的供电容量和数据中心条件,设备也无法及时投入运行。
Neocloud 企业正是在这一背景下发展起来。它们尝试通过集中采购 GPU、建设专用计算集群以及提供灵活的算力租赁服务,帮助 AI 企业降低自建基础设施的复杂度。
但市场需求增长并不必然带来稳定盈利。GPU 采购价格、设备更新周期、电力成本、融资条件和客户使用率,都会直接影响 Neocloud 企业的经营表现。随着更多竞争者进入市场,算力租赁价格也可能受到供需变化影响。

比特币挖矿与 AI 云计算虽然使用不同的计算硬件,但两者都属于高度依赖电力和数据中心的业务。因此,部分大型矿企已经积累了可以用于新业务的基础设施资源。
电力。比特币挖矿需要持续运行大量 ASIC 矿机,矿企通常会在电价较低、电力供应相对充足的地区建设设施,并与电力供应商建立长期合作关系。随着 AI 数据中心用电需求上升,已经取得一定供电容量、具备变电设施或拥有扩容条件的场地,可能具有较高的开发价值。
土地和数据中心运营经验。大型矿场通常涉及土地租赁、机房建设、电力设备维护、散热管理和全天候运行。虽然这些设施不能直接等同于 AI 数据中心,但企业在大型计算设施建设与运维方面积累的经验,可以成为进入新业务的基础。
融资和客户合作机会。相比收入主要受到比特币价格、网络难度和区块奖励影响的挖矿业务,AI 数据中心托管可能通过多年期合同形成相对明确的收入安排。这种合同结构有助于企业规划投资,也可能为项目融资提供支持。
不过,现有矿场的价值需要具体评估。某些矿场虽然拥有较大的电力容量,却缺乏适合 GPU 集群的冷却系统、高速网络或冗余供电设施。若改造成本过高,原有设施未必比新建 AI 数据中心更有优势。
比特币矿机与 AI GPU 的计算任务存在本质区别。比特币挖矿主要通过 ASIC 芯片执行特定哈希计算,以参与网络工作量证明竞争。ASIC 的设计高度专用,通常只能高效完成有限类型的计算任务。
AI 模型训练和推理则需要执行大量矩阵运算、张量计算和并行数据处理。GPU 具有更强的通用并行计算能力,并配套相应的软件框架,因此更适合运行复杂 AI 工作负载。这意味着,矿企转型 AI 并不是将 ASIC 矿机改成 GPU,而是重新部署计算设备,并对数据中心进行系统性升级。
改造通常涉及供电、散热、网络和软件四个方面。
在供电层面,AI GPU 机柜可能具有更高的功率密度,需要相应的配电设备、备用电源和电力管理系统。
在散热层面,高密度 GPU 集群可能采用液冷技术,而原有矿场常见的风冷方案未必能够满足要求。
在网络层面,大规模 AI 训练需要 GPU 节点之间进行高频数据交换,因此需要高速、低延迟的网络架构。传统矿机通常独立执行计算任务,对节点之间的高速通信依赖较低。
在软件层面,AI 云服务还需要集群调度、资源隔离、容器管理、监控、存储和客户服务能力。这些能力通常不是传统矿企的核心业务,需要额外投资或通过合作获得。
因此,矿企拥有的电力和场地可以缩短部分基础设施开发流程,但无法消除 AI 云计算在硬件、网络和软件方面的技术门槛。
矿企参与 AI 基础设施市场,并不意味着所有企业都需要成为完整的 Neocloud 服务商。根据资产投入和运营责任的不同,主要可以分为三种模式。
| 商业模式 | 主要收入来源 | 核心资产与能力 | 主要风险 |
|---|---|---|---|
| 比特币挖矿 | 区块奖励、交易手续费 | ASIC、矿场、电力 | BTC 价格、挖矿难度、减半 |
| AI 数据中心托管 | 机房、电力及基础设施服务费 | 数据中心、供电、冷却 | 改造成本、交付进度、客户集中 |
| GPU 云服务(Neocloud) | GPU 租赁、算力合同、托管云服务 | GPU、网络、存储、云软件 | 芯片折旧、融资成本、利用率 |
第一种是传统比特币挖矿模式。企业部署 ASIC 矿机,通过参与 Bitcoin 网络计算获得收入。其盈利能力与币价、全网算力、区块奖励和电力成本密切相关。
第二种是 AI 数据中心托管模式。企业主要提供机房空间、供电容量、冷却和相关基础设施,客户则负责部署或使用 GPU 设备。这种模式不一定需要矿企自行采购全部 GPU,因此与完整的 AI 云服务相比,承担的硬件折旧风险可能较低。
第三种是 GPU 云服务模式。企业不仅建设数据中心,还采购 GPU、部署网络和软件平台,并直接向客户提供 AI 算力。这种模式能够覆盖更多服务环节,但也意味着更高的资本投入和技术运营要求。
在实际经营中,企业也可能同时采用多种模式。例如,一部分数据中心用于比特币挖矿,另一部分提供 AI 托管服务,还有部分设施用于自营 GPU 云计算。
因此,分析矿企的 AI 转型进度时,需要关注其实际收入结构,而不能仅凭企业宣布建设 AI 数据中心,就将其视为成熟的 Neocloud 公司。
Neocloud 与加密矿企转型之间的联系,可以通过不同企业的发展路径观察。
CoreWeave 成立于 2017 年,早期业务与加密货币挖矿及 GPU 计算资源有关。随着 AI 计算需求增长,公司逐渐将业务重心转向 GPU 云服务,并发展为专注 AI 训练、推理和相关基础设施的平台。
与单纯出租服务器不同,CoreWeave 已将 GPU 集群、高速网络、存储、资源调度和开发工具整合为云服务体系。公司于 2025 年 3 月在纳斯达克上市,股票代码为 CRWV。
CoreWeave 的发展说明,原本服务于加密计算的基础设施企业,有机会通过技术积累和市场转型进入 AI 云计算领域。但其商业模式也高度依赖 GPU 采购、数据中心建设和外部融资,因此与传统矿企相比,面临不同的财务和运营风险。
IREN 是矿企向 AI 云服务转型的代表案例之一。公司早期主要从事比特币挖矿,随后利用已有的数据中心、电力资源和基础设施开发能力,逐步扩展 GPU 云服务业务。
2025 年 11 月,IREN 与 Microsoft 签订长期 GPU 服务协议。其披露的合同总价值约为 97 亿美元,服务分阶段部署,计划持续至 2031 年。2026 年 5 月,IREN 还与 NVIDIA 签订了约 34 亿美元总价值的五年期云服务合同。
在截至 2026 年 6 月 30 日的财年中,IREN 的 AI 云服务收入约为 1.288 亿美元,而比特币挖矿收入约为 5.782 亿美元。虽然 AI 业务增长明显,但从已实现的年度收入结构看,转型仍处于推进阶段。
IREN 的案例表明,矿企可以从原有电力和数据中心资产出发,进一步向 GPU 云计算和软件服务延伸。但这一过程需要持续投入,并不意味着原有挖矿业务能够立即被 AI 收入替代。
Core Scientific 的转型路径与 CoreWeave、IREN 不完全相同。其主要方向之一是将原有比特币挖矿基础设施改造为高密度数据中心,为 AI 和高性能计算客户提供托管服务。2024 年,Core Scientific 扩大了与 CoreWeave 的合作,计划提供约 200 MW 的数字基础设施容量用于高性能计算业务。此后,公司继续推进数据中心转型,并在 2026 年披露了新的长期租赁安排。
例如,2026 年 7 月,Core Scientific 与 AMD 签订涉及约 377 MW 关键 IT 容量的租赁协议,并与一家 Neocloud 客户签订涉及约 152 MW 容量的租赁协议。相关安排体现了企业从挖矿设施运营向 AI 数据中心基础设施供应扩展的方向。这一案例说明,矿企未必需要自行购买大量 GPU 才能参与 AI 产业链。通过提供电力、机房和冷却等基础设施,也可能进入 Neocloud 的供应链。
需要区分的是,Core Scientific 主要承担数据中心基础设施和托管角色,并不能因为其客户属于 Neocloud,就将其所有业务直接归类为 GPU 云服务。
Neocloud 的快速发展建立在大量前期资本投入之上。与传统软件服务不同,GPU 云计算需要先采购高价值硬件、建设数据中心、完成供电和网络部署,再通过客户使用和长期合同逐步收回成本。
GPU 折旧风险。AI 芯片技术更新较快,新一代 GPU 可能在性能、能效和单位计算成本方面形成优势。如果企业在较高价格采购大量设备,却无法在设备经济寿命内维持足够的使用率,就可能面临资产减值和盈利压力。
融资成本。部分 Neocloud 企业通过债务、设备融资或以长期客户合同为基础的融资安排支持扩张。当融资利率上升、资本市场风险偏好下降时,企业可能需要承担更高的资金成本。
客户集中度。大型 AI 训练集群的需求可能集中于少数科技公司和模型开发商。虽然长期合同有助于提高收入可见性,但如果主要客户减少算力采购、调整部署计划或出现履约问题,服务商的现金流也可能受到影响。
基础设施交付风险。AI 数据中心项目需要协调电力接入、芯片供应、施工进度、冷却系统和网络部署。即使企业已经签订算力合同,也可能因为设备或电力供应延迟而无法按期交付。
2026 年 10 月,市场对 Neocloud 企业债务负担、融资能力及长期盈利模式的关注明显上升。相关讨论反映出一个重要问题:AI 算力需求增长与 Neocloud 企业能否实现可持续回报,是两个需要分别评估的命题。对于从比特币挖矿转型的企业而言,还需要额外考虑原有矿机资产减值、数据中心改造支出和业务过渡期的收入变化。AI 业务规模扩大可能改善长期收入结构,但短期内也可能增加资本支出和财务压力。
评估矿企的 AI 转型,不应只关注企业公布了多少兆瓦的数据中心容量,或者签订了多大金额的长期合同。更重要的是判断这些资源是否已经转化为可交付的计算服务,以及能否形成可持续现金流。
需要区分已规划容量、已取得供电条件的容量、正在建设的容量和已经投入运营的容量。企业公布的大规模电力或数据中心开发计划,并不意味着所有设施都已经具备实际服务能力。
需要观察 AI 业务的实际收入。长期合同总额通常覆盖多个年度,不能直接等同于当期收入。即使企业宣布签订数十亿美元的算力协议,相关收入仍需要随着设备部署和服务交付逐步确认。
需要分析资本开支与融资结构。对于自营 GPU 云服务商,应重点关注 GPU 采购成本、设备利用率、折旧和融资利息;对于数据中心托管企业,则应关注机房建设成本、客户承担的设备投资比例以及长期租赁合同的履约条件。
需要比较 AI 业务与原有比特币挖矿业务的经济表现。挖矿业务虽然受到 BTC 价格和网络难度影响,但具有相对成熟的运营模式。AI 业务可能带来长期合同收入,却同时引入新的技术和资金风险。
需要判断企业是否具备持续运营 AI 基础设施的能力。GPU 云计算不仅是一次性设备投资,还涉及网络维护、软件更新、客户支持和计算资源调度。能否长期提供稳定服务,是决定企业能否真正进入 Neocloud 市场的重要因素。
Neocloud 的发展正在改变市场对加密矿企基础设施价值的理解。
过去,矿企的核心竞争力主要体现在矿机效率、电力成本、挖矿规模和 BTC 持有策略。随着 AI 算力需求增长,电力容量、数据中心位置、基础设施建设能力和长期客户合同,也逐渐成为评估部分矿企的重要因素。
这可能推动加密挖矿行业出现更明显的业务分化。一部分企业继续专注比特币挖矿,通过更新 ASIC 设备、优化电力采购和运营效率提高竞争力;另一部分企业则将部分资源转向 AI 数据中心托管,或进一步发展 GPU 云服务。
不过,并非所有矿企都适合转型。部分矿场所在地区缺乏高质量网络连接,或无法满足 AI 数据中心的冷却和供电冗余要求。对于这些企业而言,继续优化挖矿业务可能比大规模改造更符合其现有资源条件。
此外,AI 算力与比特币挖矿对电力的使用方式也不同。部分挖矿业务可以根据电价和电网需求灵活调整运行负载,而承担长期服务承诺的 AI 数据中心通常需要更高的运行稳定性。这种差异意味着,矿企原有的电力运营策略也需要相应调整。
从更广泛的行业角度看,Neocloud 并不代表加密挖矿必然被 AI 计算取代,而是为拥有合适基础设施的矿企提供了新的商业化选择。未来行业竞争可能同时围绕 BTC 挖矿效率和 AI 基础设施交付能力展开。
Neocloud 是以 GPU 集群、AI 模型训练和推理服务为核心的新型云计算模式。随着人工智能应用发展,算力基础设施的竞争已经从芯片采购扩展到电力、数据中心、网络、冷却和软件平台等多个层面。
这一变化为部分加密矿企提供了新的发展方向。拥有电力资源、土地和数据中心运营经验的企业,可以通过改造现有设施进入 AI 数据中心托管市场,也可以进一步投资 GPU 和云软件,发展更完整的 Neocloud 服务。
CoreWeave、IREN 和 Core Scientific 展示了不同的发展路径:前者已形成 AI 专用云平台,IREN 正在从比特币挖矿扩展至 GPU 云服务,而 Core Scientific 则重点发展高密度数据中心托管。
但 AI 算力需求增长并不意味着所有转型项目都能获得稳定回报。GPU 折旧、融资成本、客户集中度和项目交付能力,仍然决定着企业能否建立可持续的商业模式。
对于加密行业而言,Neocloud 最值得关注的变化,是部分矿企正在从依赖区块奖励的算力运营商,转向面向 AI 客户提供基础设施和计算服务的企业。这一转型可能改变企业的收入结构与估值逻辑,但最终仍需要通过实际交付、收入增长和现金流表现加以验证。
Neocloud 是专注于 GPU 云计算、AI 模型训练和推理服务的新型云计算模式,通常通过 GPU 租赁、专用集群和长期算力合同向客户提供计算资源。
Neocloud 更专注于 AI 专用 GPU 基础设施,而 AWS、Azure 等传统云厂商提供覆盖计算、存储、数据库和企业应用的综合服务。两者的业务范围存在重叠。
部分矿企已经拥有电力容量、土地和数据中心运营经验。随着 AI 数据中心需求增长,这些资源可能用于开发新的托管和云计算业务。
通常不可以。ASIC 矿机专门用于特定哈希计算,而 AI 训练和推理主要依赖 GPU 等加速计算硬件。矿企转型通常需要重新采购设备并改造数据中心。
是。CoreWeave 是专注于 AI GPU 云服务的代表企业,提供 GPU 集群、网络、存储及相关软件平台。
IREN 正在从比特币挖矿向 AI 云服务转型。截至其 2026 财年披露数据,比特币挖矿仍贡献了相当一部分已实现收入,而 AI 云服务业务正在扩张。
Core Scientific 更适合被描述为高密度数据中心及托管基础设施提供商。它为 Neocloud 等客户提供设施服务,但不等于其全部业务都是自营 GPU 云计算。
主要通过 GPU 按需租赁、长期算力合同、专用集群及相关云服务获得收入。部分基础设施企业则通过数据中心租赁和托管收费。
主要风险包括高额资本开支、GPU 折旧、融资成本、客户集中度和数据中心交付延迟。算力需求增长并不必然转化为盈利。
不会必然取代。两者使用不同的计算设备,具有不同的收入来源和运营要求。部分矿企可能同时经营比特币挖矿与 AI 基础设施业务。
* 投资有风险,入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。
* 在未提及 Gate 的情况下,复制、传播或抄袭本文将违反《版权法》,Gate 有权追究其法律责任。





