10 月 19 日，一张全球 AI 新云（NeoCloud）产业图谱引发行业关注。
CoreWeave、Nebius 以 GPU 云服务为核心；Lambda、Together AI 与九章云极 DataCanvas 则在算力供给之上，跨入 " 训练推理Token 工厂 " 交叉赛道；AI 工程与 AIDC 运营，则作为底层底座贯穿整条产业链。在这场全球竞争中，九章云极是为数不多跻身第一梯队的中国厂商。
这张图谱提供了观察行业的窗口：全球 NeoCloud 服务商正在告别单一算力售卖模式，走向商业模式分化、能力边界持续延伸的专业化赛道。
资本对头部标的的评估标尺也随之迭代，算力规模、硬件跑分等浅层指标逐步失效，行业核心评判标准收敛至四项：总体拥有成本（TCO）、训推交付稳定性、Token 服务效率、AI 基础设施工程成熟度。四项指标共同锚定技术底盘、履约能力、客户价值与长期经营质量，把短期算力红利沉淀为可复购、可持续的服务价值。
01
全球 AI 新云巨头分野
2026 年，全球 NeoCloud 分层格局已经明朗。
Gartner 高级总监分析师 Enrique Castera 提出，具备长期投资价值的新云厂商，除差异化技术能力之外，还需要稳定的客户结构、健康的财务模型与标准化企业级交付能力。
行业退去 " 有卡就能盈利 " 的幻想，集群供给、模型服务能力、工程运维水平、融资成本，共同划定企业的增长上限。
从业务路径划分，当前 NeoCloud 演化出三条并非互斥的赛道。
第一类，是以 GPUaaS 为核心，主打算力供给效率，代表厂商为 CoreWeave、Nebius。竞争围绕大规模 GPU 集群、AI 原生云底座建设与算力交付效率展开，叠加融资成本决定单位算力盈利水平，客户以大模型研发企业与大型集团为主。
第二类为 GPUaaS 叠加 MaaS，从算力向上延伸至模型服务，Lambda、Together AI、Crusoe、GroqCloud、九章云极 DataCanvas 均布局于此。其核心增量不是外挂一层模型 API，而是打通算力与模型运行链路：训练团队需要弹性大规模集群，应用开发者需要低抖动、高吞吐的推理接口，政企客户看重合规可控、成本可预测的完整服务。
第三类将算力、模型服务统一纳入 AI Engineering 体系，依托优化物理编排与 AIDC 运营为底座，逐层对外开放。这条路线在中国及算力主权市场都具备特殊现实意义。随着模型与集群规模扩张，算力能否释放理论性能，高度取决于软硬件协同。客户采购算力之后，环境适配、模型调优、运维排障会持续消耗研发资源；集群越大，网络、存储、散热、故障自愈越容易成为瓶颈。AI Engineering 负责调度适配、训推优化与全链路运维；AIDC 运营保障供电、网络、容灾稳定——硬件理论性能，只有在工程与基础设施协同之下，才能转化为稳定的生产算力。
九章云极 DataCanvas 是国内率先打通 GPUaaS、MaaS、AI Engineering 的新云厂商，同步参与多条赛道竞争。平台基于异构算力调度、训推编排、自动化运维搭建一体化底座，可帮助客户将 TCO 降低 73.8%。
赛道边界持续消融，伴随硬件迭代与应用落地，AI 新云正在发生训练、推理、Token 三重技术裂变与商业模式变化。竞争落脚点，最终是算力资源向标准化、可付费服务的转化能力。
02
国内市场：评估标尺回归业务本质
中国 AI 新云已进入训练与推理双轮驱动的增长周期。
IDC 数据显示，2025 年国内智算云基础设施（AI IaaS）市场规模 486.7 亿元，同比增长 128%；同年公有云公有云 MaaS 模型调用量达到 1944 万亿 Tokens，增幅约 16 倍，对应营收 30.7 亿元。IDC 预测，2026 全年 Token 消耗量将达到约 4 万万亿 Tokens，公有云 MaaS 营收有望攀升至 186 亿元。
AI IaaS 代表底层基建需求，MaaS 代表模型商业化落地规模，二者不能简单加和，但共同印证增长同时发生在算力底座和模型服务两端。赛道热度持续吸引资本入场，2026 年，花旗研究看好 AI 新云平台从算力供应商向完整 AI 平台演进，支撑逻辑包括 GPU 供需格局、企业 AI 应用渗透、底层软件栈升级。但资本市场已经告别无差别看多，融资成本、交付履约、细分增速、技术储备，都列为核心考察项。
落到厂商层面，具备可比性的评估指标回归业务本源：
总体拥有成本（TCO），衡量客户综合投入；训练与推理效率决定算力产出价值；Token 服务能力决定模型服务的经济性；AI Engineering 工程能力决定 AI 落地效率。
这套指标串联技术与商业：对厂商，它决定红利能否转化为收入、现金流与关键场景；对客户，它决定采购的算力能否变成可用的 AI 能力。
03
九章智算云率先跑通全栈路径
在全球 NeoCloud 第一梯队图谱中，九章云极 DataCanvas 是少数具备完整全栈能力的中国厂商，在 TCO、训练、推理、Token 生产四项核心指标上达到国际领先水平，并被 Forrester 列为亚太地区普惠算力利用率的领先者之一。
区别于单纯供给算力资源，九章智算云依托 " 训推一致 +AI 工厂 " 闭环体系，打通异构算力调度、训推协同与底层基础设施运营，走出适配复杂硬件生态的差异化路线。
训练侧，九章智算云以长期有效算力利用率为核心，而非单纯比拼集群规模。灼识咨询 30 天满载压测显示：平台 MFU（模型 FLOP 利用率）可达 54.1%，日间波动率仅 1.60%，优于行业常规区间。更高的算力利用率能够压缩训练周期、摊薄单位成本。平台推出独家 DCU（1 度算力）标准化计费模式，助力客户将总体拥有成本降低约 73.8%。其自研 DART-GUI-7B 拿下 OS World 7B 赛道全球第一，印证平台支撑高难度 RL 场景的工程实力。
多方评估显示，九章智算云已成为国内科研机构、模型研发、物理 AI 开展大模型微调、强化学习训练的主流平台。
训推一致是这套体系的核心优势，落地难度远高于海外。海外 NeoCould 大多基于同构 GPU 集群搭建，而国内多芯片架构并存、软件生态割裂，极易出现 " 训得好、推不动 " 的断层。九章智算云的训练工厂与 Token 工厂共享 Alaya OS+Alaya Atom Pod 异构调度底座，训练阶段沉淀的算子、通信、集群优化策略可直接复用至推理，依托万卡级弹性集群支撑高吞吐推理服务。
面向 Token 规模化生产，九章智算云配套全套底层组件：自研 DingoFS 混合存储支持分钟级检查点，数百 GB 模型归档压缩至 60 秒内完成；叠加产品矩阵与 DCU 计量体系，将抽象算力转化为可计量、可交易的标准化 Token 服务，全量兼容国内主流开源大型，Token 生产效率提升 80%，已经在物理 AI、科研等场景落地。
物理硬件编排构筑底层护城河。平台基于硬件拓扑感知就近分配任务，采用轨道优化互连与网络内计算技术，All-Reduce 性能翻倍、流量减半；自动化容灾能力让千节点集群扩容耗时降低 85% 以上，节点配置提速 7 倍，把硬件纸面参数转化为稳定的生产算力。底层 AIDC 运营和上层 MaaS 服务互补，这也是它和算力租赁、API 分销厂商最本质的区别。
九章智算云率先跑通全栈路径并实现高质量增长。灼识咨询口径，按 2025 年智算服务收入统计，九章智算云位居国内智算新云市场第一。
04
九章云极：异构环境下的中国方案
在全球 NeoCloud 能力图谱中，九章云极 DataCanvas 将算力供给、模型服务、AI 工程三层能力纳入同一框架，代表全球竞争语境下的中国方案。它的核心不是产品堆叠，而是打通异构算力、资源调度、训推交付的完整链路，直面算力本土化进程中长期存在的异构生态约束。
国内 AI 新云与生俱来的挑战，是多类芯片、驱动、编译框架长期共存，硬件无法互通。同一模型的运行表现，持续受算子适配、显存调度、通信框架、推理引擎制约。客户痛点早已不只是在算力资源，而是环境适配、算子调优、持续运维消耗大量研发资源。
九章云极依靠异构资源管理与云原生工程体系，覆盖异构算力、资源调度、训练推理、数据存储与性能观测，大幅降低 AI 落地摩擦。
算力供给层面，平台依托多容器集群适配多样化负载。面向训练场景，保障多卡多节点集群稳定运行，减少等待与任务中断；面向推理场景，按需弹性扩缩，规避高峰资源不足、低谷资源闲置，异构环境越复杂，调度价值越突出。推理链路中，PD 分离、KV Cache 复用、连续批处理等优化。这些技术的价值，最终需要在相同模型、相近硬件和一致工作负载下，以吞吐、时延、资源利用率及单位 Token 成本等指标验证。
AI 工程层面，训练、推理、数据、调度是一体化闭环，完成从单项技术到工程协同。以具身智能研发为例，这类模型研发流程横跨数据采集、大规模并行训练、云端仿真、终端部署，算力需求波动明显。借助弹性能力，算力规模跟随研发阶段动态调整，削减闲置成本。
对九章云极而言，已经构建的异构生态工程能力，最终需真实业务的检验，体现在训练效率、推理性能、资源利用率与总体拥有成本等可量化指标上。
全球 NeoCloud 正沿着 GPU 供给，模型服务、数据中心基础设施和 AI 工程协同等不同路径演进，中国市场的增长为各类玩家提供了广阔空间。与此同时，驾驭复杂异构生态，既是中国 AI 新云厂商必须跨过的门槛，也可能成为构建差异化竞争优势的关键。
赛道竞争终将回归经营本质：能否稳定交付、控制成本，并持续降低客户的工程损耗，决定算力能否真正转化为可持续的服务价值。基本功的比拼，才是经营之道。
