夜雨聆风从算力产业的底层演进逻辑来看，纯粹的裸金属租赁模式（Bare-Metal-as-a-Service, BMaaS）仅仅是一个应对算力供需短期极度失衡的过渡性产物，而非一种具备长期防御性的商业模式。
将物理GPU集群简单地以时间或容量为单位进行租赁，由于其极低的准入门槛，往往在初期能够实现资本的快速周转与规模扩张。然而，这种模式在深入发展后不可避免地会陷入利润率压缩、客户粘性低下以及残酷的价格战陷阱之中。
底层硬件资产随着摩尔定律与芯片迭代周期面临快速折旧的风险，而闲置算力则会直接侵蚀整体的盈利能力。
更深层次的危机在于算力基础设施的商品化（Commoditization）趋势。由于云服务市场上游受制于芯片供应商的配额分配，下游面临亚马逊（AWS）、微软（Azure）和谷歌（GCP）等超大型云厂商的规模霸权，仅仅提供裸计算资源的新锐数据中心极易沦为价格接受者（Price Taker）。当前，超大型云厂商依然占据了全球云市场的主导地位，其中AWS占据约30%的市场份额，微软Azure占据约20%，而谷歌云（GCP）则凭借其在数据分析和机器学习领域的优势攀升至13%左右。
在这种寡头垄断的竞争格局下，新锐云平台如果仅仅停留在硬件租赁层面，其长期生存空间将被极其严重地压缩。
对于运营规模在5兆瓦至40兆瓦之间的中型企业而言，自建数据中心（Build vs. Lease）的争论已经超出了单纯的资本开支范畴。自建一个这样规模的数据中心在理想条件下通常需要耗费24到48个月的时间，且需要数亿美元的前期投资，这会严重拖累企业在人工智能集成和安全扩展等核心创新的步伐。
因此，中型企业极度渴望通过租赁模式来获取算力。然而，他们需要的绝不仅仅是通电的机房和未配置的物理服务器，他们需要的是能够直接接入业务流的计算平台。如果数据中心缺乏平台层抽象复杂性的软件能力，这些企业将被迫继续忍受超大型云厂商高昂的溢价，或者承担自行搭建底层软件架构的巨大风险。
在此背景下，数据中心的长期经济可行性并不取决于其囤积了多少张高端GPU，而在于其能否通过构建软件层抽象复杂性，将底层算力转化为高附加值的AI能力交付给企业级客户。
成功的AI云提供商必然经历从基础设施层（提供具有专用性能和控制权的虚拟化或裸机计算）到平台层（通过标准化平台抽象底层复杂性），最终走向托管AI服务层的价值链攀升。
在人工智能领域，企业真正的需求并不是“拥有或租用GPU”，而是“获取模型的推理结果或完成模型的训练”。软件堆栈是连接裸露硅片与最终业务价值的唯一桥梁。数据中心如果放弃了这一桥梁的建设，就等于将产业链中利润最丰厚、护城河最深厚的环节拱手让给了第三方软件公司或超大型云巨头。
进一步深入技术底层，当代AI计算需求正在发生显著的二元分化——即高功耗的大模型训练（Training）与对延迟极度敏感的模型推理（Inference）之间的分化。这两种工作负载虽然都运行在GPU之上，但对基础设施的设计理念和资源调度方式提出了截然不同的要求。如果数据中心缺乏自有的软件能力进行深度适配，将根本无法承接这些前沿任务。
在超大规模生成式AI模型的训练阶段，算力需求往往表现为成千上万个计算节点的同步运算。这种工作负载不能容忍任何单一节点的网络拥塞或计算延迟，因为在同步梯度下降等算法中，整个集群的计算速度受制于最慢的那个节点。
这导致训练基础设施对电力负荷的要求达到了史无前例的高度，部分前沿计算系统单机架的功率消耗已经逼近惊人的1兆瓦（MW）水平。单纯的裸机堆砌不仅无法实现高效的线性计算加速比，反而会因为通信瓶颈造成庞大的资源浪费。
因此，数据中心必须深度依赖于底层网络协议栈与集群调度软件的完美结合。只有通过复杂的软件定义网络（SDN）技术、动态路由优化以及智能的网络算力操作员（Network-Operator），才能确保InfiniBand或以太网架构下的无阻塞数据吞吐，进而将硬件的理论峰值转化为真实的算力利用率（Model FLOPs Utilization, MFU）。
此外，大型模型的训练周期往往长达数周甚至数月，在此期间，硬件故障（如GPU宕机、内存错误）几乎是必然发生的概率事件。这就要求数据中心必须具备传统的HPC调度工具（如SLURM）与现代容器编排系统（如Kubernetes）的深度融合能力。通过软件层面的自动容错（Fault Tolerance）、检查点（Checkpointing）恢复以及故障节点的自动隔离与替换，数据中心能够确保训练任务的连续性。这部分软件能力的缺失，将直接导致客户面临灾难性的训练中断与巨额的沉没成本，这是任何企业级客户都无法接受的致命缺陷。
与训练集群需要大规模、紧密同步的阵列不同，推理工作负载具有高度的原子化（Atomizable）和离散特征。推理任务可以在单一GPU或小型集群上独立执行，其核心痛点在于如何应对来自最终用户不可预测的突发流量（即波峰波谷），同时保持极低的端到端响应延迟（Latency）。为了最小化延迟，推理基础设施通常需要与应用程序后端和存储系统进行紧密托管。推理工作负载的这些特征直接催生了对高级软件能力的庞大需求。
数据中心必须提供无服务器架构（Serverless）以实现计算资源的动态扩展（Autoscaling），即在流量高峰时瞬间拉起大量实例，在流量低谷时自动缩容以节省成本。同时，通过显存切片（GPU Slicing）和多租户资源隔离等软件技术，数据中心可以将一张高性能GPU切分给多个轻量级推理任务共享，从而成倍地提升硬件的经济效益。对于最终客户而言，他们最理想的消费模式是直接调用兼容OpenAI标准的API接口，并按照实际消耗的Token数量进行计费，而不是预先租赁一整台物理服务器。
如果数据中心仅仅提供裸金属，客户将不得不自行部署vLLM或Triton等复杂的推理框架，这无疑构筑了巨大的采纳壁垒。通过内置全栈软件层，数据中心能够自动管理负载均衡、KV Cache优化和推理排队，大幅度降低企业的部署门槛，并借此向客户收取远高于硬件摊销成本的软件溢价。
Nebius在市场拓展上完全遵循了其在Yandex时代被验证过的成功路径：从底层的云基础设施起步，逐步切入具有巨大商业价值的物理人工智能（Physical AI）领域，其全资拥有的自动驾驶解决方案公司AVRIDE、AI数据集和标注平台Toloka以及流行的开源数据库管理解决方案Clickhouse，共同构成了一个难以复制的庞大生态帝国。
在云算力业务这一核心板块，Nebius彻底摒弃了仅做算力二房东的短视行为。其构建的Aether生态系统是一个旨在屏蔽硬件异构复杂性、直接赋能模型开发者的云原生操作系统。
Nebius的基础设施不仅包含配备最新一代NVIDIA加速器（包括GB300 NVL72、GB200 NVL72、H200、H100等）的超大集群，更集成了带有Quantum-X800支持的高性能InfiniBand网络。在集群调度与环境编排这一关键软件层，Nebius为客户提供了前所未有的灵活性。
开发者既可以选择全面托管的Kubernetes服务，以适应现代微服务和容器化应用；也可以选择基于SLURM的经典高性能计算集群方案，满足传统科研机构和重型训练任务的偏好。
在基础设施即代码（IaC）的维度上，Nebius提供了深度的Terraform集成支持、完备的API接口体系以及命令行工具（CLI），使得基础设施工程师能够通过几行代码实现成千上万张GPU的自动化拉起、网络隔离配置以及存储挂载。
为了进一步缩短客户“从取得算力到模型上线”的生命周期，Nebius精心打造了包含大量即用型方案的解决方案库（Solution Library）。这其中包含了针对分布式框架Anyscale和SkyPilot的无缝集成插件，以及专用于跨区域多Kubernetes集群管理的Terraform配方，从而完美支撑了客户“在一个区域进行模型训练，在另一个区域进行推理服务”的复杂拓扑需求。
Nebius在软件能力构建上最引人瞩目的杰作，当属其推出的Token Factory平台。这是一个全面覆盖大语言模型（LLM）从实验探索到生产部署全生命周期的一站式集成环境。Token Factory的出现，标志着Nebius正式跨越了IaaS（基础设施即服务）的边界，挺进MaaS（模型即服务）的腹地。
该平台不仅提供了与主流OpenAI规范完全兼容的推理API，使开发者能够零成本迁移现有应用代码，还内置了包括函数调用（Function Calling）、外部工具集成、结构化JSON输出保障以及严格的速率限制与弹性伸缩在内的一整套高级推理控制功能。
在模型的后训练（Post-training）和微调阶段，Token Factory提供了专属的Data Lab用于数据集清洗与预处理，支持针对特定行业数据的微调作业管理，并能实现LoRA适配器层与基础模型的无缝合并。
这套深度的软件工具链，赋予了Nebius极其强悍的客户粘性。通过其深度的软件平台支撑，Nebius能够针对不同层级的硬件提供极为精细化且灵活的定价策略，从而最大化其物理资产的回报率。
根据其公开的计费标准，Nebius巧妙地利用了软件层面的任务抢占与资源池化机制，推出了具有显著价格差异的“抢占式”（Preemptible）与“按需式”（On-demand）实例。例如，搭载24个vCPU和346 GB内存的NVIDIA HGX B300实例，其按需价格为每GPU小时6.10美元，而通过软件智能调度的抢占式价格仅为3.40美元；同样，HGX H100实例的按需价格为2.95美元，而抢占式价格则低至1.25美元。这种结合了高达35%的长期承诺折扣方案的灵活计费系统，必须依赖于极为强大的分布式计费软件和资源调度算法才能实现。
与Nebius“生而全栈”的顺畅路径不同，另一家备受市场瞩目的新锐云厂商IREN（前身为Iris Energy）则展示了另一幅波澜壮阔的画卷。IREN的演进史，完美地诠释了一家重资产企业如何从传统业务起步，在触及单纯裸金属模式的天花板后，通过敏锐的战略纠偏与大规模的外延式并购，最终艰难但坚定地奔向软件赋能的全栈AI云服务商之路。
IREN的初始竞争优势构建在绝对硬核且不可复制的物理基础设施资源之上。作为一家以比特币挖矿起家的企业，IREN深刻理解能源在算力产业中的核心地位。它拥有大量位于北美（如得克萨斯州和加拿大）和亚太地区富余可再生能源地带的并网土地，其保障的并网电力容量高达惊人的3吉瓦（GW）。利用比特币挖矿积累的极低电力获取成本（约0.033美元/千瓦时）与大规模液冷数据中心建设经验，IREN在AI算力荒初期，迅速将业务重心向AI云基础设施转移。这一重资产模式在财务上取得了立竿见影的效果。在2025财年第三季度，IREN创下了1.448亿美元的创纪录季度营收，净利润环比增长28%达到2400万美元，调整后的EBITDA达到8330万美元，利润率高达56%。尤其值得注意的是，得益于廉价的清洁能源，其新兴的AI云服务板块在该季度的硬件毛利率达到了惊人的97%，远超其传统比特币挖矿业务约70%的硬件毛利率水平。
IREN裸金属模式的巅峰之作，是其在2025年11月与科技巨头微软（Microsoft）签署的高达9.7亿美元的多年期GPU云基础设施部署协议。根据这份里程碑式的协议，IREN将在其位于得克萨斯州Childress的750MW园区内，分四个阶段（Horizon 1-4）为微软部署大量基于NVIDIA GB300的高端计算集群，最终将提供高达200MW的关键IT负载量。
该合同不仅包含了20%的巨额预付款（约1.93亿美元），全面验证了IREN作为底层算力“房东”的银行可融资性（Bankability），更为其带来了约19.4亿美元的年化运行营收（ARR）和高达85%的EBITDA利润率保证。为了支撑这一庞大的建设任务，IREN还与戴尔科技（Dell Technologies）签署了价值58亿美元的GPU及配套设备采购协议。
紧随其后，IREN再次引爆市场，宣布与芯片霸主Nvidia达成了一项价值3.4亿美元的AI云计算合同，以及一项规模空前的5吉瓦部署合作伙伴关系。根据该协议，Nvidia获得了在未来五年内以每股70美元的价格购买最多3000万股IREN普通股的权利，潜在投资总额高达21亿美元，这些未来的大规模部署将以IREN位于得克萨斯的2吉瓦Sweetwater园区为核心旗舰阵地。
这标志着AI领域的竞争已经从单纯的芯片之争，不可逆转地向着对电力、土地、数据中心和集成计算部署的全面控制权争夺转移。然而，在这些超级大单的喧嚣背后，单纯裸金属模式的深层战略隐患却在悄然放大。正如敏锐的市场观察家所指出的，在与微软的这笔价值近百亿美元的交易中，微软扮演的是“800磅的大猩猩”角色。微软拥有自身极其强大的Azure软件基础设施生态和终端客户资源，它完全将最高附加值的“AI软件基础设施”服务溢价截留在了自己手中。
在这场博弈里，微软乐于让IREN去承担建设、运营、维护数据中心以及巨额硬件折旧的庞大资本支出风险（CapEx），而自身则坐享底层算力的红利。对于IREN而言，如果不进行战略升维，其高达数吉瓦的庞大管道产能只能流向低利润率的“大宗计算资源”（Bulk Compute）交易。在这种高度商品化的裸金属超级巨头订单中，IREN完全没有任何定价权，缺乏差异化的护城河，更没有通向更高长期利润的阶梯。一旦全球算力供应链瓶颈缓解，或微软等巨头转向其他提供更低廉电费的数据中心，IREN将彻底沦为随时可被替换的“电力与铁皮”通道商。
为了打破这一致命的战略天花板，完成从单纯的算力房东到垂直整合的全栈AI云平台（Vertically Integrated AI Cloud Platform）的历史性跃升，IREN采取了极为果断且代价高昂的并购策略。
2026年5月初，IREN宣布以全股票交易方式、斥资约6.25亿美元的巨资，收购全球知名的云基础设施与Kubernetes解决方案提供商Mirantis。这一跨界并购案在行业内引发了巨大的轰动，它不仅是对IREN自身商业模式的彻底重塑，更是整个数据中心行业从“重硬轻软”向“软硬融合”演进的里程碑事件。分析机构Futurum Group一针见血地指出，这笔交易发出了一个强烈的信号：IREN立志要超越原始的裸计算容量提供商的身份，意图在完整的AI基础设施堆栈上与巨头展开全面竞争。通过将Mirantis纳入麾下，IREN瞬间补齐了其在软件栈和企业服务领域的三块关键拼图：
跨越异构环境的编排引擎与自动化能力：Mirantis带来了在云基础设施领域长达二十多年的深厚积累，其核心竞争力在于能够跨越裸金属、传统虚拟机以及现代Kubernetes环境的集群编排软件能力。特别是Mirantis主打的k0rdent AI平台，这是一个基于开源标准、原生支持Kubernetes的AI生命周期管理系统。它能够彻底消除底层GPU基础设施的复杂性，将算力从“冰冷的硅片”转化为“即插即用的模型部署能力”（From metal to model）。
企业级运维经验与SLA保障体系：服务于对业务连续性和服务等级协议（SLA）要求极高的中大型企业，与服务拥有强大IT团队的科技巨头截然不同。Mirantis在OpenStack和云原生领域积累了长达十多年的生产级部署经验，这为IREN注入了其此前极度欠缺的成熟企业支持能力与故障排查体系，大幅增强了其在部署效率和运营可见性层面的技术底蕴。例如，Mirantis带来的推理自动扩展（Inference Autoscaling）功能，能够根据AI应用程序接收到的提示词请求数量，自动且实时地调整分配的硬件资源，这对于优化客户成本至关重要。
高价值的庞大企业客户池与市场准入：除了技术资产，Mirantis还带来了一个由超过1500家成熟的全球企业客户组成的庞大业务阵列。这些客户中许多正在积极探索和运行AI工作负载。这为IREN自身尚未被巨头包揽的闲置算力提供了一个现成的、极具价值的消化渠道，创造了巨大的交叉销售（Cross-selling）空间，使得IREN终于有能力绕开超大型云厂商的渠道封锁，直接接触广阔的长尾企业市场。基础设施提供商越来越深刻地认识到，单纯拥有算力已经无法赢得战争。业务编排、Kubernetes容器管理、部署自动化以及企业级的支持服务，正在迅速演变为AI价值链中的战略控制点（Strategic Control Points）。
正如IREN联合创始人兼联席首席执行官Daniel Roberts所言，IREN的核心优势在于极其强大的落地执行力——从保障充足的电力供应到建设先进的数据中心，再到大规模部署GPU使其上线运行；而Mirantis的加入，完美地建立在这一基础之上，彻底强化了这些海量计算资源是如何被最终客户部署、管理和运营的。
