本周，微软公布了其第二代自研AI芯片“玛雅200”，同时推出软件配套工具，计划率先在美国艾奥瓦州的一座数据中心投入使用。
亚马逊、微软、谷歌等头部云厂商当下都在自研AI芯片，尤其是针对AI训练场景的芯片，目的是减少对英伟达的依赖。而基于这种情况的担忧，英伟达长期以来也在培植像CoreWeave和Crusoe这样的AI云新秀公司，并通过直接将搭载其芯片的服务器出租给企业客户，以抢占早已竞争激烈的云计算市场。
AI云竞争重心的变化，既是机会，也在抬高行业门槛。
亮眼的后起之秀也依附于大厂
AI大模型需求的迸发，早已让AI算力/GPU云服务市场的排位悄然发生转变。
2025年末，SemiAnalysis公布了一份全球AI云玩家的报告，过去Top级的AWS、Azure、GCG等云厂商被排在了第二三梯队，而CoreWeave、Nebius、Lambda、Crusoe等AI创企业竟成为了前排选手。
笔者注意到，2025年美国AI新秀企业总体融资依旧极度火热，AI相关融资同比增长超过70%，过亿美元融资轮次的公司数量持续增长。
其中，AI专用芯片、服务器、AI云服务平台类的创企是更受资本偏爱。
顺着AI云的需求浪潮，新进厂商都在尝试抓住一个独特切入口。
CoreWeave
CoreWeave无疑是其中最亮眼的一位。凭借曾经在以太坊挖矿的经验，CoreWeave囤积了不少GPU，且具备优秀的优化能耗与调度能力。2019年，正式更名后，CoreWeave就将手上囤积的GPU和自研调度系统改为面向AI渲染和机器学习的AI云，强调“比传统公有云有更高性价比”。
2023年借大模型爆发的浪潮，CoreWeave拿下了与OpenAI、微软等大厂的大额AI云订单，营收数倍增长。2025年，CoreWeave已经与OpenAI达成三项新的合作协议，总合作订单额达到224亿美元，这些订单任务主要针对AI模型的训练领域。2025年9月，CoreWeave与新客Meta签署一份为期6年、价值142亿美元的合作协议。这也让CoreWeave成功从“矿工”逆袭，成为200亿美元级别的AI云“新贵”。
Crusoe
与Coreweave的发展路径类似的是，Crusoe属于从能源领域转身，顺势切入AI云领域。起初Crusoe是一家利用油田燃气火炬气放空的公司，通过在风电太阳能场附近部署数据中心，利用电网消纳多余电力，从而实现节能减排。起初，团队使用ASIC芯片，随后团队意识到GPU更通用，便开始在油田部署AI GPU集群，为机器学习等应用提供算力，将“废气→电力→AI计算”做成商业模式。等到大模型需求爆发时，Crusoe已经有一批能就地利用廉价能源的基础设施，成为低碳型AI基建的代表厂商。
自2025年3月以来，Crusoe就一直在努力扩大其数据中心规模，期间，Crusoe与OpenAI合作开发了Abilene，Abilene作为“星级之门”项目之一，其装机容量超过1.2GW。截至年底，Crusoe建成的数据中心容量已经达到3.4GW。
Nebius
作为Coreweave的最直接竞争对手，Nebius已经与包括微软、Meta在内的大型科技公司签署合作，单一大额合同金额达数十亿美元。Nebius还与微软签署了一份为期五年、价值174亿美元的合同，为其提供数据中心服务。据最新披露数据，Nebius的2025年三季度季度收入同比增长355%，尽管增速放缓，但其调整后EBITDA提前实现盈亏平衡，这无疑是积极信号。
追溯其历史能够发现，Nebius在2023年由Yandex拆分为俄罗斯业务与国际业务，原Yandex Cloud、自动驾驶等国际资产被装入Nebius团队，团队保留了原有云平台的大量工程和运营经验。自此，Nebius以荷兰为基地，继承了完整的自研云计算技术栈，选择走“全栈自建+垂直整合”的AI云路线，而不是简单倒卖硬件。这种低成本资本运作的模式，得到了多家AI新秀公司模仿。
Lambda
Lambda最早以卖给AI研究团队深度学习工作站、服务器和GPU集群闻名，逐步积累了软硬一体的AI训练环境和工具链。随着业务上云模式的转变，Lambda推出了面向AI开发者的GPU云和训练平台，同时也保留了本地硬件业务，定位为专为AI大模型训练和推理打造的数据中心。截至2025年，公司通过股权和债务累计融资14亿美元，2026年年初又宣布获得15亿美元巨额融资。
能够看到，这些如今发展成为AI云领域的新贵，早在大模型浪潮之前就已经囤积了重要的AI硬件基础——GPU。而这些公司同样与英伟达关系密切：
与英伟达绑定最深的CoreWeave，由英伟达注资持股→CoreWeave采购其GPU→英伟达承诺回购GPU（排他性），这种模式甚至被外界视为“循环交易”。
Nebius，由英伟达投资→Nebius用英伟达芯片构建GPU基础设施→与微软签订GPU合同消耗容量。
Lambda，2025年与英伟达签订了15亿美元合同，4年内从Lambda租赁1.8万台GPU，英伟达投资Lambda→Lambda构建英伟达GPU基础设施→英伟达从Lambda回购。
这也让外界不难认为，培植像CoreWeave和Crusoe这样的新兴AI云新秀公司，对于英伟达而言是必须要走的路。
老牌玩家“危”与“机”
在AI云玩家中，除了三大头部云厂商，以及上面提及的AI新秀企业外，还有一位老牌选手Oracle不容忽视。而实际上，这家厂商在SemiAnalysis的全球AI云玩家报告中同样排在前列。
2025年9月，Oracle外界对AI云预期的推动，其股价创下历史高位，但随后到12月已累计下跌近乎一半。尤其是在12月2026财年第二季度财报发布后，其股价当日下跌约11%–15%，并带动一揽子AI概念股下挫。
笔者此前分析认为，Oracle目前的发展路径存在一定风险性。这与2025年年初以微软为代表采取的AI基建去泡沫化动作有很大关联性。此外，建设大规模数据中心依赖于长期且高昂的现金流投入，GPU集群的地点电力瓶颈也已经在美国多个州地区出现。
一旦对大规模训练的长期需求无法精准预估，那么之前为数据中心投入的风险也将成倍而来。摩根士丹利数据显示，2025年美国AI数据中心相关资本开支增长了四倍，已接近4000亿美元级别，集中在少数巨头身上，且结构高度单一。
与此同时，不少分析人士认为，美国目前过度建设数据中心存在风险。一些大型电力企业高管已经在财报上警告：为AI数据中心扩建电力和燃气基础设施存在过度建设的真实风险，在美国多个州抢项目，重复计入收入预期。美国佐治亚州公共事业委员会(PUC)指出，数据中心项目取消率明显偏高，结合数据，此前预测的数据中心相关增长在过去18个月内已被削减了44%。德勤预估，美国AI数据中心的用电需求可能从2024年的约4GW，增长到2035年的123GW，增幅超过30倍。甚至，谷歌和微软已采取措施自给自足实现电力供应，此前谷歌斥资48亿美元收购电力生产商Intersect，微软则提高电价并补贴电网扩建。
电网压力、接入延迟和电价等能源瓶颈正成为当下核心考验。
再回到Oracle自身。目前市场对Oracle有很大顾虑，核心在于其投入的节奏远快于收入兑现的节奏。
一是AI数据中心资本开支远超预期。Oracle在最新季度披露AI数据中心相关资本开支约120亿美元，远高于上一季度的85亿美元，也明显超过市场预期的约82.5亿美元。公司还把全年资本开支指引从350亿美元上调到500亿美元级别，意味着未来几个季度还要持续大量烧钱建AI机房和基础设施。这些支出大量依赖负债和现金消耗，半年内已耗掉约100亿美元现金，这无疑引发了市场对杠杆率和财务安全的担忧。
二是收入增速与云指标不及AI故事的高度。2026财年第二季度，Oracle当季总收入约160.6亿美元，同比增14%，但略低于市场预期的162亿美元，属于增长不差，但达不到过高预期。其云业务（OCI）收入约41亿美元，同比大增约68%，但这一数字在绝对体量上仍明显落后于AWS、Azure和谷歌云，市场原本期待的是爆表式加速。更关键的是，被视为未来增长风向标的剩余履约义务（RPO）和云业务订单增速低于前几季度Oracle给出的极度乐观指引，打破了直线上扬的幻想。
此外，Oracle一直对外宣称的AI大单+高杠杆，正放大外界对AI泡沫的担忧。Oracle此前因与OpenAI签署大规模算力/云合作协议，以及和Meta等巨头签订AI云合同。2026财年第一季度显示，Oracle与三家不同客户签署了四份价值数十亿美元的合同，其中包括与OpenAI达成价值超过3000亿美元的交易。
业内人士认为，这些数十亿美元的合同可能会对其AI云业务的利润率造成影响。市场后来发现，这些订单一方面兑现周期长，另一方面还部分依赖于复杂的融资结构、债务和与合作伙伴的资金关系。同时，正如笔者此前提及的，Oracle债务和现金流压力上升，未来几个季度可能要更强调资本开支的阶段性收敛。
Oracle在经历了一次急跌后给市场带来了一个重要信号：Oracle能否真正意义上成为三大云厂商之后的“第四朵云”仍有待观察，而其他的AI云厂商们也终将面临与Oracle价值重估的同样考验。
再看2026
AI基建已成为AI新云厂商竞争的战场，过去云厂商之间的竞争主要集中在计算资源可用性、企业合作关系以及价格方面。
但如果从需求端来看，越来越多对AI有诉求的企业客户开始介入基础模型的相关业务，客户选择的AI技术栈正决定其运行和扩展业务的市场份量。GPU资源的稀缺性、不断演进的模型生态，头部云厂商所倡导的不同云策略，例如AWS的模型中立，阿里云的模型开源策略等，这些都在影响客户对于AI云的决策方式。
AWS的市场份额有所下降，因为从结果上来看，AWS提供的仍然是中立模式，AWS没有专有或者说更强有力的基础大模型作为其技术栈的底座。因此，希望获得更广泛计算力、能与多个第三方模型进行互操作的企业客户将热衷于AWS。
对于微软而言，Azure仍然依赖其模型分销渠道以及与OpenAI和Anthropic的合作关系，这种策略在高端市场表现良好，但并未转化为企业客户更强劲的接受度。其合作关系份额的略微下降反映出，企业客户正转向微软生态中能提供丰富AI实用工具的预期。
谷歌的AI技术栈正摆脱早期的实验模式，而转化给长期可提供给客户的云服务。目前谷歌的大模型Gemini与AI Studio和Vertex生态集成，同时通过比特币矿企Cipher Mining持续扩展基础设施。这些做法都在促使企业客户将业务搬上谷歌云。这一策略行之有效：2025第三季度，谷歌云积压订单环比增长46%，达到1550亿美元，其中AI收入是关键驱动因素。
那么，2026年AI云市场格局将发生怎样的变化？
CBIsights 研究判断， 2024-2025年期间，与此前三年（2022-2024）会有明显格局上的增量变化：其中，谷歌云的占比将提高4%。目前约有25%的AI软件采用多云架构。
CBIsights指出，“这并非出于架构偏好，而是因为GPU的稀缺迫使团队在任何能够找到计算资源的地方进行部署。而大多数公司最开始会选择单一云平台，后期则因规模扩张的需要部署到其他云平台。随着头部AI云服务商将竞相增加容量，预计这些需求驱动的多云模式将在未来12-24个月内持续增长。”
结合Air Street Capital此前发布的《人工智能现状报告2025》，尽管CoreWeave、Nebius、Lambda和Crusoe等新云平台不断涌现，但实际使用这些平台运行AI工作负载的用户却寥寥无几。相比之下，报告指出用户更倾向于直接使用OpenAI、谷歌云和Anthropic等平台。这意味着新云厂商的的算力服务对象其实仍然是专注于AI的实验团队和超大规模计算机构。
对于海外头部云厂商而言，CUDA生态下开发者与英伟达软硬件栈往往高度绑定，为减少对英伟达的依赖，自研AI芯片也是必经之路；与此同时，随着未来面向推理和Agent的业务应用越来越多，云厂商更需要密切关注推理延迟、并发、Token成本、长上下文等指标优化，而不是只针对训练场景做算力优化，云厂商将更加在意成本和定制需求的满足。
一般来说，产业链越靠上游，越需要特别大的规模效应，上游企业往往对技术的整合能力、需求的共性把握会特别强。再看2026年，AI云作为基础设施的需求是长期存在的，AI时代能够去发力的这波新旧云厂商，自然会往上游走一走，去撬动市场的潜力和可能。
金富宝配资提示：文章来自网络，不代表本站观点。
