编者按：随着 AI 算力需求持续增长，新云公司的竞争正在从「谁拥有更多 GPU」转向「谁能控制从硬件到软件的完整技术栈」。当裸算力租赁越来越难摆脱价格竞争，一个更关键的问题开始浮现：决定 AI 基础设施价值的，究竟是 GPU 本身，还是调度、编排和优化 GPU 运行效率的软件层？

本文作者 David Levy 从 Nscale 以约 16.5 亿美元收购 Anyscale 切入，梳理了 Nebius 收购 Eigen AI、CoreWeave 收购 Weights & Biases、IREN 收购 Mirantis 等交易。五笔收购指向同一趋势：拥有 GPU、电力和数据中心的新云公司，正在集体向 MLOps 和 AI 编排层延伸。

这篇文章的核心判断是，新云公司购买的并不只是一套软件或一批客户，而是从「按 GPU 小时收费」转向「按任务结果竞争」的能力。调度系统决定一项任务需要消耗多少 GPU 小时，也决定算力利用率、客户成本和平台利润。掌握软硬件两层后，厂商既能进行协同优化，也能通过更深的系统集成提高客户迁移成本，将效率提升带来的收益留在平台内部。

与此同时，整合也在反向发生。Lightning AI 与 GPU 提供商 Voltage Park 合并，Fireworks、Modal、Baseten 等推理平台也在不同程度上建设或控制底层算力。基础设施公司向上收购软件，推理平台向下扩张硬件，双方正从相反方向走向同一个终点：同时掌握算力资产和编排软件。

这意味着，新云竞争的下一阶段不再只是拼 GPU 数量、电力合同和交付速度，而是争夺整套 AI 工作负载的控制权。真正的壁垒，可能来自谁能把芯片、集群、调度和推理服务整合为一个效率更高、客户更难离开的系统。不过，两条路径虽然终点相同，成本结构却截然不同：新云公司可以通过收购补齐软件，而推理平台想要向下建设基础设施，则必须承担更重的资本开支。这也为第二部分留下了关键问题——当所有公司都想控制完整技术栈，谁能为这场扩张找到足够便宜的资金？

以下为原文：

欢迎进入属于你的技术栈，从此再也无法回头。

AI 技术栈正在向「一家公司包揽一切」的方向收拢，而产业链两端都在争相构建这样的全栈能力。新云公司通过收购一路向上延伸，推理平台则从软件层向基础设施层扩张。只不过，其中只有一方能够借到足够的钱——但这是之后要讲的故事。

上周，新云领域的新玩家 Nscale 收购了 AI 编排软件公司 Anyscale。这至少是过去一年左右时间里第五起「AI 基础设施公司收购 AI 软件公司」的交易。

简单来说，就是那些带着呼机、管理 GPU 集群的技术宅，开始收购那些穿着连帽衫、凌晨两点还在提交代码的技术宅——后者编写的软件，决定了前者的集群究竟如何运转。

Anyscale 是开源 AI 工作负载编排框架 Ray 背后的公司。Ray 由其创始团队在加州大学伯克利分校期间开发。据彭博社报道，Nscale 将斥资约 16.5 亿美元，获得 Anyscale 的商业平台、工程团队，以及 Coinbase、Runway 和 Bedrock Robotics 等客户。

Ray 已于 2025 年转入 PyTorch 基金会，未来仍将保持开源。Anyscale 则会作为 Nscale 旗下的 AI 编排业务继续运营，并保留 Anyscale 品牌——尽管在被 Nscale 收购之后，名字里的「A」和「y」似乎已经显得有些多余。

这并不是一笔孤立的交易。今年 5 月，Nebius 以 6.43 亿美元收购 Eigen AI，IREN 收购 Mirantis；2025 年，CoreWeave 收购了 Weights & Biases；而就在不久前，高通也完成了对 Modular 的收购。

五笔交易，指向同一个方向：掌握底层硬件的人，都想进一步控制决定这些硬件如何运行的软件层。

顺便一提，我之前曾在这篇文章里讨论过这一趋势，而且几乎是原话写道：「又一笔 AI 基础设施交易——但它其实并不只是基础设施交易。忽视这一点，将是一个错误。」

当然，我平时说了那么多话，偶尔蒙对一两次也很正常。

新云公司买下了运维与编排层

Porch Capital 推出的创业公司技术采用监测工具 STAX，追踪了约 1.2 万家风险投资支持公司的技术栈。其中，MLOps 类别的数据少得可怜：只有 58 家公司采用相关工具，约占样本总量的 0.5%。但看看这 0.5% 里都有谁：Ray 和 Weights & Biases 合计贡献了该类别 68 条采用记录中的 60 条。需要说明的是，一些公司可能同时使用多种工具。

截至 7 月 30 日，这两家公司都已经名花有主：CoreWeave 拿下了 Weights & Biases，Nscale 则收购了 Anyscale。换句话说，在短短 18 个月内，STAX 样本中几乎整个具备商业价值的 MLOps 层都换了主人。

交易本身是新闻，整个类别的控制权转移才是真正的故事。

顺带一提，STAX 的 MLOps 数据之所以如此稀少，是因为应用层公司几乎不会自己运行 MLOps 工具——至少从外部看不到。

这本身也是一个值得注意的发现：创业公司通常只是调用模型，而不是自己负责模型的部署与运营。

它们真正买下的是什么？

很多人把裸 GPU 租赁视为一种商品化业务：列一张价目表，按小时收费，没有任何护城河。

这种说法未免过于草率。电力合同、互连网络拓扑和算力交付时间，都是真实存在的竞争壁垒。任何真正尝试过为数据中心选址的人，都明白这一点。

不过，从大方向上看，这种判断又不算完全错误——至少每一家新云公司都在按照这一逻辑采取行动。

软件层的价值在于，它能让竞争从「每小时算力多少钱」，转向「完成一项任务需要多少钱」。而且，一旦客户完成系统集成，就不会仅仅因为另一张报价单便轻易离开。

如果同时掌握基础设施和软件层，公司就能对两者进行协同设计。这意味着效率提升带来的收益可以留在自己手中，而不是通过更低的账单全部让给客户。

这就是为什么，一家出售 GPU 小时数的公司愿意为调度系统支付 16.5 亿美元。

因为调度系统决定的，正是一项任务究竟需要消耗多少个 GPU 小时。

现在把方向反过来看

AI 基础设施公司在收购软件，而 AI 软件公司也在反过来建设基础设施。

其中，Lightning AI 与 GPU 基础设施提供商 Voltage Park 完成了一笔价值 25 亿美元的合并交易，合并后由 Lightning AI 作为存续公司。

Fireworks、Modal 和 Baseten 等推理与模型服务平台，如今分布在一条从「完全租用基础设施」到「不断增加自有资产」的光谱上。

其中一些公司出于战略原则，坚持轻资产模式；另一些则开始自己建设基础设施。

但它们的战略终点与 Nscale、CoreWeave 和 Nebius 并无不同：既要拥有底层硬件，也要控制编排这些硬件的软件层。

终点相同，方向相反

所有人都想掌控整个 AI 技术栈。

新云公司通过收购软件层向上延伸，推理平台则通过建设基础设施向下扩张。两条道路通往同一个终点，只不过，其中一条路远比另一条昂贵。