OC
Nscale 花 16.5 亿美元买下 Anyscale:卖 GPU 的公司开始抢 AI 软件控制权
科技 · 2026-07-31 · AI 基础设施 · 阅读 21

Nscale 花 16.5 亿美元买下 Anyscale:卖 GPU 的公司开始抢 AI 软件控制权

作者:陈墨|OC 产业与资本编辑

作者 陈墨 陈墨

据 TechCrunch 报道,英国 AI 云基础设施公司 Nscale 同意收购 Anyscale,报道估值约为 16.5 亿美元。Anyscale 由开源分布式计算框架 Ray 的核心团队创立,约 200 名员工将在交易后继续独立运营。交易金额尚应以双方最终披露和交割文件为准。

一句话结论:Nscale 买的不是另一批服务器,而是让开发者把训练、推理和 Agent 工作负载真正跑到服务器上的软件入口;AI 云的竞争正从“谁有 GPU”转向“谁控制调度与迁移路径”。

裸算力很难形成持久差异。只要供给缓解,客户可以比较不同云商的 GPU 型号、网络和小时价格。真正黏住工作负载的是调度、容错、自动扩缩、数据连接、监控和部署工具。Ray 已经成为许多机器学习团队运行分布式 Python 任务的基础,Anyscale 则把它包装成托管平台。

Nscale 近年通过融资、数据中心项目和大型合作快速扩张,手里有电力、土地和加速器资源。但客户不会因为机房建成就自动迁入。收购 Anyscale 后,Nscale 可以从开发环境开始接触团队,把代码部署到自己的计算资源,并用软硬件联合优化降低闲置率。

开发者代码经过Ray调度后分配到不同云端计算集群

这也解释了 16.5 亿美元报价背后的逻辑。硬件资产会折旧,软件平台若形成生态,则可能带来更高毛利和持续收入。Nscale 希望向上进入软件层,避免只做重资产算力批发商。Anyscale 则获得更稳定的基础设施供应和资本支持,不必在每个区域重复与大型云商谈资源。

风险同样明显。Anyscale 一直强调 Ray 的开放生态和跨云运行,如果它被一家云服务商控制,其他云商和企业客户会担心路线图偏向 Nscale。保持公司独立运营能减轻顾虑,但开源项目治理、商标、托管功能和贡献优先级才是长期信任的具体指标。

此外,“全栈”并不自动等于效率。云商自己拥有软件、芯片和数据中心,理论上可以优化成本;现实中也可能捆绑客户、减少选择,并让组织同时承担硬件建设和开发者平台两种完全不同的经营难题。交易是否成功,要看 Anyscale 客户是否留下,以及这些客户是否真的转化成 Nscale 算力收入。

关键事实

  • 来源:TechCrunch、Nscale 和 Anyscale 公开资料
  • 涉及公司:Nscale、Anyscale
  • 核心技术:Ray、分布式训练、推理服务、集群调度和 AI 云
  • 交易规模:媒体报道约 16.5 亿美元;Anyscale 约 200 名员工

OC 判断

这不是普通软件并购,而是算力供应商争夺工作负载入口。GPU 稀缺时,客户追着硬件走;供给扩大后,硬件必须追着开发者工具走。Nscale 只有在不破坏 Ray 跨云中立性的前提下,才能同时得到软件生态和自家云收入,否则客户会用开源 Ray 留下,把托管层迁走。

为什么重要

  • 对开发者:Ray 的开源治理和跨云兼容性值得持续观察。
  • 对企业:使用 Anyscale 时应确认数据、镜像和作业能否迁移到其他基础设施。
  • 对产业:AI 云商将继续通过软件并购提高利用率和客户黏性。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89