Cosa sono i Neocloud? L'ascesa dell'infrastruttura cloud AI-first

Cosa sono i neocloud?

I neocloud sono fornitori di servizi di cloud computing specializzati e incentrati sulle GPU, progettati specificatamente per gestire carichi di lavoro di intelligenza artificiale come l'addestramento dei modelli e l'inferenza, piuttosto che per l'elaborazione generica.La richiesta da parte dell'intelligenza artificiale generativa di cluster di GPU ad alta densità e reti ad alta larghezza di banda ha superato le capacità per cui erano state progettate le piattaforme cloud tradizionali, dando origine a questa nuova categoria di fornitori.

A differenza degli hyperscaler (AWS, Microsoft Azure, Google Cloud), che offrono cataloghi di servizi ampi progettati per soddisfare la più ampia gamma possibile di carichi di lavoro generici, i neocloud si concentrano in modo mirato sull'offerta di calcolo GPU denso, networking ad alta velocità e prestazioni bare-metal per l'AI. Gli esempi più importanti includono CoreWeave, Lambda, Crusoe, Nebius e Vultr.

Il termine è emerso alla fine del 2024 e nel 2025, diventando da allora una categoria standard del settore. La sua scala è già significativa e in forte accelerazione. 

Secondo Synergy Research Group, i ricavi dei neocloud hanno superato i 25 miliardi di dollari nel 2025, raggiungendo i 9 miliardi di dollari solo nel quarto trimestre, con un aumento del 223% rispetto all'anno precedente. La stessa analisi prevede che il mercato si avvicinerà a 400 miliardi di dollari entro il 2031, con un tasso di crescita annuo composto costante del 58%, a riflesso degli attuali impegni di sviluppo e del divario tra la domanda di calcolo AI e la capacità degli hyperscaler. 

Questa traiettoria riflette una realtà strutturale: la domanda di calcolo accelerato da GPU continua a superare la capacità che i tradizionali hyperscaler riescono a mettere in campo. Non si tratta di un picco ciclico. Riflette un cambiamento significativo in termini di dove avviene il calcolo per l'AI.

Cosa sono i neocloud di GPU e perché sono importanti?

La maggior parte dei neocloud è, in pratica, un neocloud di GPU. Comprendere la categoria inizia con il capire perché la GPU è l'elemento fondamentale.

Una GPU (unità di elaborazione grafica) è un processore ottimizzato per il calcolo parallelo, in grado di eseguire migliaia di calcoli simultaneamente, mentre una CPU gestisce le attività in modo sequenziale. L'addestramento e l'inferenza dei modelli di AI sono problemi massicciamente paralleli, motivo per cui sono le GPU, anziché le CPU, a gestirli. Questo è il fondamento del modello di consumo "GPU-as-a-Service" (GPUaaS), in cui i clienti noleggiano capacità di GPU su richiesta anziché acquistare direttamente l'hardware.

Tra le caratteristiche distintive di un neocloud basato su GPU ci sono:

• Architettura GPU-first: elaborazione, networking e storage sono ottimizzati in base alle prestazioni degli acceleratori, anziché a macchine virtuali generiche.

• Accesso bare-metal o thin-VM: i carichi di lavoro vengono eseguiti vicino all'hardware, riducendo al minimo l'overhead di virtualizzazione che può erodere le prestazioni dell'AI.

• Fabric di rete ad alta velocità: InfiniBand o Ethernet 400G/800G connette i cluster GPU per l'addestramento distribuito.

• Catalogo di servizi mirato: un set concentrato di servizi di calcolo AI anziché centinaia di offerte non correlate.

• Accesso basato sul consumo on-demand: prezzi orari delle GPU senza le commissioni a livelli comuni agli ambienti hyperscale.

Quali sono i principali vantaggi dei neocloud per i carichi di lavoro AI?

Per i team che li valutano, il valore dei neocloud si misura in base ai risultati ottenuti, non alle specifiche tecniche. Ogni vantaggio risponde a una domanda diretta: cosa significa questo per il business?

• Tempi più rapidi per la capacità di AI: il provisioning richiede minuti anziché settimane e i nuovi siti diventano operativi in mesi anziché anni.

• Costo inferiore per ora GPU: un'infrastruttura progettata specificamente può offrire un'economia di scala notevolmente migliore per i carichi di lavoro di AI ad alta intensità di calcolo, con i neocloud che in genere prezzano le GPU di fascia alta al di sotto delle istanze degli hyperscaler comparabili.

• Carichi di lavoro AI prevedibili e ad alte prestazioni: l'accesso bare-metal e il networking ottimizzato per l'AI eliminano i costi di virtualizzazione e gli effetti "noisy neighbor" che affliggono i cloud generici.

• Prezzi trasparenti e basati sul consumo: tariffe orarie per le GPU senza i costi aggiuntivi a più livelli tipici degli ambienti hyperscale.

• Accesso all'hardware GPU più recente: i neocloud in genere implementano le nuove generazioni di GPU a poche settimane dal lancio, non dopo mesi.

Questi vantaggi rendono i neocloud particolarmente adatti per la capacità di burst, la sperimentazione e l'addestramento di modelli di frontiera, ovvero proprio i carichi di lavoro in cui la velocità di accesso agli acceleratori più recenti è fondamentale. Per l'inferenza costante 24/7 o per i dataset altamente regolamentati, tuttavia, il calcolo cambia e tale distinzione influirà sul modo in cui le organizzazioni progetteranno l'AI negli anni a venire.

In che modo i neocloud si differenziano dagli hyperscaler?

Le stesse piattaforme hyperscale che eccellevano nei carichi di lavoro web elastici semplicemente non possono continuare ad assemblare soluzioni puntuali per l'AI. Il prossimo decennio sarà definito non da chi possiede il maggior numero di servizi, ma da chi è in grado di fornire capacità di calcolo AI alla velocità, alla scala e con la sovranità che le aziende ora richiedono.

La distinzione è meglio inquadrata come ampiezza rispetto alla profondità. Da un lato, gli hyperscaler offrono ampiezza: centinaia di servizi, regioni globali e funzionalità per uso generico. Dall'altro lato, i neocloud offrono profondità: un catalogo GPU mirato, prestazioni AI prevedibili e prezzi più semplici.

Il pattern che sta emergendo non è la sostituzione, ma la specializzazione. Le aziende eseguono sempre più spesso applicazioni aziendali sugli hyperscaler e carichi di lavoro di AI sui neocloud, orchestrando entrambi nell'ambito di una strategia multicloud ibrido più ampia. La credibilità dei neocloud dipende dal riconoscerli come complementari agli hyperscaler, non come loro sostituti. Insieme, formano i due estremi di una realtà di AI ibrida che le organizzazioni devono ora imparare a gestire come un tutt'uno.

Quali sono i comuni use case dei neocloud?

I neocloud servono i carichi di lavoro che richiedono una capacità di GPU densa e dedicata. Tra i più comuni figurano:

• Addestramento di modelli AI su larga scala: addestramento di modelli di base o fine-tuning di modelli linguistici di grandi dimensioni su migliaia di GPU, laddove l'accesso on-demand agli acceleratori è più importante del loro possesso.

• Inferenza AI ad alto throughput: esecuzione di carichi di lavoro di inferenza in produzione in cui latenza prevedibile e prestazioni dedicate sono essenziali.

• Sviluppo di applicazioni di intelligenza artificiale generativa: startup e team di intelligenza artificiale aziendali che sfruttano la capacità delle GPU senza i tempi di approvvigionamento legati all'acquisto di hardware.

• Calcolo scientifico e ad alte prestazioni: genomica, modellazione climatica, scoperta di farmaci e simulazioni su larga scala.

• Carichi di lavoro AI sovrani e regolamentati: aziende e organizzazioni del settore pubblico che necessitano di un'infrastruttura AI che rimanga all'interno di una specifica giurisdizione.

Quest'ultimo use case rappresenta il punto in cui la crescita della categoria si interseca con un più ampio mutamento geopolitico, e in cui i neocloud cessano di essere una scelta di approvvigionamento per diventare una strategia di sovranità.

In che modo i neocloud supportano l'AI sovrana?

La categoria dei neocloud non sta crescendo solo in termini di dimensioni, ma anche in termini di diversità geografica e politica. Oggi oltre 100 neocloud operano in tutto il mondo, espandendosi in Europa, Medio Oriente e Asia.

L'AI sovrana è un importante driver. In parole semplici, l'AI sovrana è un'infrastruttura AI che mantiene i dati e la governance all'interno di un paese o di una giurisdizione specifica, lo stesso principio su cui si basa un cloud sovrano. La questione è rilevante a causa delle normative sulla residenza dei dati, dei settori regolamentati come quello pubblico, della difesa, della sanità e della finanza, e delle crescenti preoccupazioni geopolitiche riguardo alla dipendenza dagli hyperscaler. 

Framework come l'AI Act dell'UE e il DORA (Digital Operational Resilience Act) codificano ora queste aspettative nella legge, richiedendo alle organizzazioni di mantenere i dati sensibili e le dipendenze operative all'interno di giurisdizioni controllate. Gli hyperscaler, progettati per footprint generalizzati e massicci, hanno storicamente faticato a offrire una vera localizzazione, sebbene molti offrano ora ambienti cloud sovrani e specifici per area geografica progettati per soddisfare questi requisiti. 

I neocloud regionali e sovrani possono rivelarsi ideali per questi carichi di lavoro: possono supportare gli obiettivi di sovranità attraverso l'implementazione di un'infrastruttura localizzata e regioni circoscritte, in modo che la proprietà intellettuale sensibile e i dati regionali non escano mai dalla loro giurisdizione. 

Garantire tale sovranità, tuttavia, richiede molto più di un data center localizzato. Richiede una piattaforma multicloud ibrida che imponga la residenza dei dati, la governance e la sicurezza sull'intero footprint, una disciplina definita da decisioni legali, operative e architetturali piuttosto che da una singola funzionalità di prodotto. La sovranità non è una destinazione, è una disciplina e i neocloud che avranno successo saranno quelli associati alla piattaforma ideale per imporla.

Dal noleggio di GPU alle piattaforme di servizi completi: come si stanno evolvendo i neocloud?

Il modello iniziale dei neocloud era semplice: noleggio di GPU pure con tariffe orarie lineari. Questo modello sta cambiando. I principali neocloud si stanno muovendo verso la parte alta dello stack per offrire un catalogo più ampio di servizi AI:

• GPU-as-a-Service (GPUaaS)

• Kubernetes-as-a-Service (K8s-aaS)

• Notebooks-as-a-Service

• Database vettoriale come servizio (per retrieval-augmented generation e AI agentica)

• Modelli come servizio

Questo cambiamento evidenzia la principale sfida operativa: servire più clienti aziendali da un'infrastruttura GPU condivisa richiede solide funzionalità di multi-tenancy, misurazione dei consumi e governance, caratteristiche che la maggior parte dei neocloud non ha ancora sviluppato da zero. Quasi tutti i neocloud sono confluiti indipendentemente nello stesso stack di base, ma mancano di un vero catalogo di servizi AI multi-tenant e gestito, dotato di misurazione dei consumi e fatturazione integrate. 

In breve, i neocloud hanno risolto il problema della fornitura di hardware, ma non hanno risolto il problema del software aziendale. La creazione di un cloud AI è un problema software e le GPU grezze non costituiscono un'architettura completa. I provider di neocloud meglio posizionati per la prossima fase saranno quelli che colmeranno questo divario.

Il divario software: perché i neocloud hanno bisogno di un layer di piattaforma

I neocloud hanno risolto la fornitura di hardware, ma non le esigenze di software aziendale come il multitenancy e la governance. Piattaforme come la Nutanix Cloud Platform sono un esempio di software che affronta questo divario, fornendo orchestrazione, governance e routing ibrido tra i neocloud e l'infrastruttura nel proprio data center.

Nutanix non è un neocloud. Fornisce funzionalità software che aiutano i provider di neocloud a operare come provider di servizi AI di livello enterprise e che consentono alle aziende di gestire la capacità dei neocloud come parte di un modello operativo AI ibrido.

Per i creatori di neocloud, la Nutanix Cloud Platform fornisce le fondamenta software per offrire servizi di AI sicuri e multitenant:

• La Nutanix Kubernetes Platform offre orchestrazione, resilienza e operazioni day-2 di livello enterprise ai carichi di lavoro di AI cloud-native distribuiti su datacenter, edge e cloud pubblico.

• Nutanix Cloud Manager unifica la governance e le operazioni tramite un'unica console, semplificando la gestione necessaria ai neocloud per scalare.

• Nutanix Enterprise AI semplifica l'implementazione, il monitoraggio e l'adattamento dei modelli di AI grazie a controlli degli accessi basati sui ruoli e operazioni isolate (air-gapped), trasformando la capacità di calcolo grezza in un servizio AI governato e multitenant. 

Insieme, questi elementi formano un layer software che può aiutare le organizzazioni a costruire un ambiente operativo di AI pronto per l'azienda che supporta gli obiettivi di sovranità.

Per le aziende, la stessa piattaforma ridefinisce il rapporto con i neocloud. Più che una destinazione verso cui migrare, un neocloud diventa un endpoint a cui indirizzare dinamicamente le richieste. Il Nutanix Agent Gateway funge da piano di controllo unificato: i carichi di lavoro di picco e non sensibili vengono indirizzati a un neocloud, mentre i carichi di lavoro sovrani e regolamentati rimangono nel proprio data center, il tutto gestito tramite un'unica interfaccia. 

Il principio è semplice: porta l'AI dove risiedono i tuoi dati; non inviare i tuoi dati dove sono noleggiate le GPU. Il possesso di infrastrutture AI risulta vantaggioso in termini di costo totale di proprietà a volume sostenuto e gravità dei dati, mentre i neocloud estendono la capacità di proprietà anziché sostituirla. Le organizzazioni non devono scegliere tra AI nel proprio data center e neocloud; hanno bisogno di un unico piano di controllo per governarli entrambi.

Ecco perché la sovranità digitale non è un aspetto secondario. Insieme a Nutanix, i neocloud possono supportare le organizzazioni che perseguono obiettivi di AI sovrana in regioni specifiche e localizzate, mantenendo la proprietà intellettuale sensibile e i dati regionali all'interno della propria giurisdizione e ottenendo al contempo la scalabilità GPU nativa per il cloud.

I neocloud sono un potente componente architetturale e raggiungono il loro pieno potenziale solo se abbinati a un modello operativo di AI ibrida. Per scoprire come Nutanix può alimentare il tuo neocloud o unificare la tua strategia di AI ibrida, parla con un esperto o esplora le nostre soluzioni AI.