ai-infra: Nscale 20億美元融資揭示2026 AI基建三大關鍵趨勢與 GPU危機及未来展望

ai-infra是這篇文章討論的核心

圖：新世代AI數據中心｜資料來源：Pexels

💡 核心結論

Nscale 憑藉 20 億美元融資，估值飆升 146 億美元，验证了專精 AI 基礎設施市場的盈利能力。
Nscale 與 Microsoft 簽下 116,000 顆 GPU 的大單，直接對 hyperscalers 發起挑戰。
2026 年全球 AI 支出預計突破 2.52 兆美元，但 GPU 短缺可能導致成本暴漲 15–20 倍。
能源消耗成為最大瓶頸：單一 AI 數據中心機架功耗高達 60+ kW，相當於 30–60 個家庭總用電。
垂直整合模型（自建數據中心 + GPU 集群 + 自動化平台）成為新創對抗巨頭的秘密武器。

📊 關鍵數據 (2027–2034 預測)

全球 AI 市場規模：2026 年達到 $2.52T，Gartner 預測 2030 年 AI 將佔 Info-tech 支出的近乎 100%。
AI 基礎設施市場：2026 年約 $750 億–$1,010 億，並以 ~25% CAGR 成長，2034 年上看 $4,600 億–$5,000 億。
AI 芯片市場：2025 年 $530 億，2030 年預估 $2,950 億，CAGR ~33%。
AI 數據中心總投資：2026 年 hyperscalers 預計投入 $650B。

🛠️ 行動指南

檢查現有工作流程的 GPU 利用率，避免因排程不當產生的算力浪費。
評估 neocloud (如 Nscale、CoreWeave) 提供的彈性 GPU 租賃方案，降低成本 30% 以上。
關注 HBM (高頻寬記憶體) 庫存週轉情況，這將直接影響 AI 服務合約價格。
優先考慮能源效率（如 NVIDIA B200/GB300）來抵銷電價上漲壓力。

⚠️風險預警

GPU 缺貨導致交期延長 6–12 個月，新創 AI 公司可能面臨推遲產品發佈。
AI 數據中心用水量驚人（單一設施數百萬加侖/年），可能引發當地社區反彈與監管調查。
過度依賴單一芯片供應商（NVIDIA）將在未來 2–3 年面臨地緣政治與供應鏈中斷風險。

引言：Neocloud 崛起與 AI 算力軍備競賽

2026 年 3 月，AI 基礎設施領域炸出一顆震撼彈：英國新創 Nscale 宣布獲得 20 億美元 Series C 融資，公司估值一口氣衝上 146 億美元。這一估值在不到四個月內增長近五倍（2025 年 9 月 Series B 估值僅 31 億美元），直接改寫歐洲科技公司融資紀錄。更引人注目的是，arren 名單包括 Aker ASA、8090 Industries，以及 NVIDIA、Dell、Lenovo、Nokia 等硬體巨頭，甚至請來前 Meta 高管 Sheryl Sandberg 與 Nick Clegg 加入董事會。

觀察到這則消息時，我第一個念頭是：AI 的算力需求真的疯了。過去我們談論 AI продакшн 時，著重在演算法、數據、模型參數量，但這輪融資揭示了一個殘酷事實：誰握有 GPU，誰就握有 AI 咽喉。Nscale 的故事不是單純的融資成功，而是 AI 基礎設施市場從小眾走向主場的關鍵拐點。

核心問題來了：Nscale 憑什麼從一票 neocloud（新世代數據中心提供者）中脫穎而出？這場 AI 算力軍備競賽又將如何重塑 2026 年的全球科技版圖？

Nscale 的垂直整合打法：從 GPU 到控制中心

傳統雲端供應商（AWS、Azure、GCP）提供的是「虛擬化」資源，但 AI 訓練需要的是bare metal GPU 集群，對延遲、带宽、排程效率有極致要求。Nscale 從第一天起就定位為「AI 專屬 hyperscaler」， vertical integration（垂直整合）是其核心競爭力。

從 Dell 合作夥伴 Spotlight 可見端倪：Nscale 平台提供 bare metal 與虛擬化 GPU 節點、Kubernetes 原生服務（NKS）、基於 SLURM 的 AI 工作負載排程，以及高級推理服務。這意味著開發者可以拿到一整套從訓練到部署的流水線，而不必在多家供應商之間拼接工具鏈。

更具野心的還有「Control Center」軟體。這個工具能自動伸縮 GPU 集群規模，根據用戶需求動態調整資源分配。簡單說，Nscale 不只是賣算力，它賣的是算力管理的自動化。

與 Microsoft 的戰略聯盟

2025 年 10 月，Nscale 與 Microsoft 簽署了一项重磅協議：在美國與歐洲供應額外 116,000 顆 NVIDIA GB300 GPU。這是對 hyperscaler 的供應補給，但也展示了 Nscale 的生態影響力——它能夠直接向巨頭批量出貨稀缺 GPU 資源。

實際上，Nscale 的客戶名單涵蓋多家大型科技公司。根據 CNBC 報導，Nscale 的定位是為企業客戶提供高效、可擴展的訓練與推論服務，降低 AI 應用成本並加速模型部署。這直接對標 CoreWeave，形成美國 neocloud 雙雄局面。

Pro Tip：觀察 Nscale 的成長曲線，可以發現一個關鍵模式：pre-Series C SAFE $433M（2025 年 10 月）→ Series B $1.1B（2025 年 9 月）→ Series C $2B（2026 年 3 月）。估值從 $3.1B 跳到 $14.6B，幾乎每次融資都搶在市場預期之前完成，並且不斷引入戰略投資者（NVIDIA、Dell 等）。這表明 Nscale 已經不只是融資，而是在構建一個足以影響芯片分配的生態系統。

GPU 缺口危機：成本飆升與時間窗口

Nscale 的崛起不能孤立看待，它發生在一個 GPU 極度短缺的背景下。根據多方資料，2025–2026 年高端 GPU（NVIDIA H100/A100、B200/GB300）供不應求，導致 AI 公司訓練成本暴增。

關鍵數據點：

DeepSeek V3 訓練耗時 2.79M GPU 小時，成本 $5.6M。
AI 推理成本通常是訓練成本的 15–20 倍，這意味著模型上線後的費用才是大头。
AI 初創公司資本支出中 80% 花在 GPU 上。
GPU 短缺已推長交期至 6–12 個月， Enterprises 不得不提前鎖定供應商。

Nscale 的優勢在於它透過導演協議╱合作夥伴網絡鎖定了大規模 GPU 資源。除了與 Microsoft 的 116,000 顆 GPU 協議，它還從 NVIDIA 直接獲得芯片分配支持。這讓 Nscale 能在短缺市場中仍確保供貨能力，成為企業客戶的首選替代方案。

資料來源：Gartner, Fortune Business Insights, Precedence Research

能源之牆：能耗與冷卻的生存戰

AI 數據center darkest horse（黑馬）威脅不是 GPU 短缺，而是能源與冷卻。根據 Wikipedia 摘要，AI 數據rack 功耗高達 60+ kW，相比傳統數據center 的 5–10 kW，翻了 6–12 倍。一整個 AI 數據中心（如 Amazon 的 Project Rainier）的用電量高達 2.2 GW，相當於 100 萬個家庭的總用電。

energy consumption 已成為限制 AI 擴張的首要瓶頸。台灣、愛爾蘭、荷蘭等地因電力不足而暫停新建大型數據中心。與此同時，液冷技術與能源效率指標（如 Power Usage Effectiveness, PUE）成為 neocloud 區分優劣的關鍵。

Nscale 在宣傳中強調其「energy-efficient 數據中心與 high-performance GPU 集群」。具體技術細節未完全披露，但觀察到其合作伙伴 Dell 與 AMD 都強調能源效率，暗示 Nscale 可能在液冷與低 PUE 設計上投入。

Pro Tip：2026 年 AI 數據中心用電量預計達全球數據中心總用電的 40% 以上。企業選擇 AI 供應商時，務必將 PUE（能耗效率）與冷卻方案納入 RFP 評分項。忽略這點，短期成本可能低，但長期會面臨電力配額限制與碳稅壓力。

2026 市場展望：兆美元級的生態重組

綜合 Gartner、Morgan Stanley、Fortune BI 等機構的預測，2026 年全球 AI 支出將突破 $2.5T，年增 44%。這不是短期泡沫，而是基礎設施層面的長期投入。Hyperscalers（Google、Meta、Microsoft、Amazon、Oracle）單獨在 AI 數據中心的花費將達 $650B，相當於 2025 年整個雲端基礎設施市場的規模。

Neocloud 作為新興力量，正在從幾個方面瓦解传统格局：

彈性供給：不同於 hyperscaler 的長約鎖定，neocloud 提供更短租期與 GPU 類型選擇（如 H100 vs H200）。
垂直整合：從硬件到軟體平台一體化，降低客戶的整合成本。
地緣分散：Nscale 在美國、歐洲同步部署，幫客戶規避出口管制與數據本地化要求。

但風險同樣存在：

Neocloud 融資雖多，但相比 hyperscaler 的現金流與資本負債能力仍9量級差距。一場經濟下行可能導致整合併購，存活下來的將是資本最雄厚的玩家。
能源成本與水資源壓力可能在 2027–2028 年觸發監管反彈，各國對大型數據中心的審批趨嚴。

歸根結柢，Nscale 的 $2B 融資是一個信號：AI 基礎設施正在從「支援」轉變為「主場」。對技術決策者而言，現在是重新評估供應鏈、把算力成本結構攤開來談的時候了。

常見問題 (FAQ)

甚麼是 Neocloud？它和傳統雲端供應商有什麼不同？

Neocloud 是指一類新興的數據中心運營商，專注於 AI 和機器學習工作負載。不同於 AWS、Azure 等 hyperscaler，neocloud 通常提供 bare metal GPU 存取、更靈活的租賃條款，以及針對 AI 訓練優化的網路架構。代表公司包括 CoreWeave、Nscale、Nebius、Lambda 等。

GPU 短缺會持續多久？

根據業界分析，GPU 短缺預計持續到 2026 年底甚至 2027 年。主要原因是台積電 3nm/2nm 產能有限，以及 HBM 記憶體產能無法快速提升。NVIDIA 已擴大增產，但需求曲線更陡峭。長期來看，2027–2028 年随着新晶圆廠投產，供需有望趨於平衡。

企業如何降低 AI 基礎設施成本？

具體措施包括：(1) 優先選擇 neocloud 或混合方案，避免過度依賴單一 hyperscaler；(2) 利用自動 Scaling 工具（如 Nscale Control Center）提升 GPU 利用率；(3) 選擇能源效率高的硬體與數據中心位置（如寒冷地區以減低冷卻成本）；(4) 對於推理工作負載，考慮遷移至 ASIC 或 TPU 以降低單位成本。