Tenho acompanhado a ascensão das neonuvens nos últimos dois anos e começarei admitindo que os números são genuinamente surpreendentes. O Synergy Research Group relata que as receitas da neocloud atingiram US$ 9 bilhões somente no quarto trimestre de 2025, um aumento de 223% ano após ano, ultrapassando US$ 25 bilhões no ano inteiro. Prevê-se que o mercado se aproxime dos 400 mil milhões de dólares até 2031, com uma taxa de crescimento anual composta sustentada de 58%. A ABI Research coloca a receita de GPU como serviço de provedores de neocloud em um caminho para ultrapassar US$ 250 bilhões até 2030, acima dos US$ 42 bilhões em 2025, e prevê mais de 2.200 data centers operados por neocloud em operação globalmente até 2035, acima dos apenas 558 em 2025. Somente o CoreWeave eclipsou US$ 5 bilhões em receita anual mais rápido do que qualquer plataforma de nuvem na história. Esses números descrevem a categoria de infraestrutura de expansão mais rápida que a indústria já viu.
Então, o que é exatamente uma neonuvem? Resumindo, é uma nuvem especializada que se concentra inteiramente em servir sistemas baseados em IA. Em vez dos milhares de serviços que um hiperescalador oferece, uma neonuvem oferece computação de GPU, memória de alta largura de banda e interconexão rápida desenvolvida especificamente para treinamento de IA e cargas de trabalho de inferência. Provedores como CoreWeave, Lambda, Nebius e Crusoe implantam clusters densos de GPU com refrigeração líquida e rede de alta velocidade que podem ser colocados on-line em meses, em vez dos três a cinco anos exigidos pela construção de um data center tradicional em hiperescala.
As neonuvens são, na verdade, uma resposta arquitetônica ao fato de que as cargas de trabalho de IA impõem restrições rígidas em torno do paralelismo, da localidade e da concentração computacional que a elasticidade generalizada da nuvem nunca foi projetada para atender. Vejo um lugar claro para eles no ciclo de vida da arquitetura empresarial moderna, entre os hiperescaladores de nuvem pública e os provedores de serviços gerenciados (MSPs), uma camada criada especificamente para as cargas de trabalho específicas de IA que nem os hiperescaladores nem os MSPs atendem com eficiência.
