Nscale 公司深度頁
適用範圍：AI 產業鏈知識庫 · [[Chain-Cloud]]（雲端服務鏈）環節 最後資訊校驗截止：2025 年 6 月（公開資料）
1. 投資摘要
核心定位：Nscale 是總部位於英國、核心資產在挪威的 AI 基礎設施服務商，定位為面向大型模型訓練/推論的 GPU 雲端平台（[[GPU-as-a-Service]]），屬於 [[Chain-Cloud]] 鏈中的“垂直 AI 雲端 / 算力租賃”子環節。其核心投資邏輯（或觀察視角）建立在三個支柱上：1) 捕獲歐洲 AI 算力需求的結構性增長，特別是受資料主權法規（[[GDPR]] 等）驅動的本地化需求；2) 利用挪威獨特的水電和氣候條件，建置在歐洲範圍內具備成本與 [[ESG]] 優勢的算力基礎設施；3) 作為專注於 AI 的“垂直雲端”，在產品設計和運營上可能比通用超大規模雲端廠商（[[Hyperscaler]]）更貼合高效能 AI 工作負載。
關鍵假設與不確定性：公司的增長高度依賴於：1) 歐洲本土 AI 模型開發與企業 AI 應用需求的實際增長速度；2) 能否持續、穩定地從 [[NVIDIA]] 獲得充足的先進 GPU 供應（如 [[H100]]、[[H200]]、[[B200]] 等）；3) 能否在激烈的競爭中（對抗 [[CoreWeave]]、[[Hyperscaler]] 等）有效獲取並留存客戶。由於公司未上市且財務揭露極為有限，對其營收規模、盈利能力、資本回報率等關鍵財務指標的分析面臨重大數據缺口，任何估值或前景判斷均存在顯著不確定性。
2. 產業鏈位置
Nscale 在 [[Chain-Cloud]]（雲端服務鏈）中的位置清晰，專注於 AI 算力的“垂直化”供給，與通用雲端服務商形成差異化。
上游：[[GPU]] 晶片廠商（[[NVIDIA]]、[[AMD]] 等）→ 伺服器 [[ODM]]/[[OEM]]（如 [[Dell]]、[[HPE]]、[[Supermicro]]）→ 資料中心基礎設施（電力、冷卻、建築）
↓
┌─────────────────────────────────────────────┐
│ ★ Nscale 所在層級：AI 垂直雲端 / [[GPU-as-a-Service]] |
│ • 自建/租賃高密度 AI 資料中心（核心位於挪威） │
│ • 提供裸金屬 GPU 叢集租賃及配套軟體編排平台 │
│ • 聚焦 AI 訓練與推論工作負載 │
└─────────────────────────────────────────────┘
↓
下游：AI 基礎模型開發商、企業 AI/機器學習團隊、科研機構與高校、部分行業解決方案提供商定位辨析：
- 與 [[Hyperscaler]] 的區別：AWS、Azure、GCP 提供廣泛的計算、儲存、網路等通用雲端服務，AI GPU 是其龐大產品矩陣的一部分。Nscale 則專注於 AI GPU 算力的交付，業務更垂直，可能在該細分領域提供更最佳化的效能、價效比或使用者體驗。
- 與同類垂直 AI 雲端（如 [[CoreWeave]]、[[Lambda Labs]]）的區別：Nscale 的關鍵差異點在於 “歐洲本土 + 綠色能源” 的雙重屬性。其資料中心主要位於挪威，直接利用當地廉價、穩定且近乎零碳的水電資源，並受益於北歐低溫帶來的自然冷卻優勢。這使其在吸引有嚴格資料主權要求和 [[ESG]] 目標的歐洲客戶時具備獨特賣點。
3. AI 營收拆解
公開資料未見 Nscale 對自身營收結構的詳細揭露。基於其業務模式和行業慣例，可進行如下合理推斷：
- 主要營收來源（預估佔比高）：GPU 叢集租賃營收。客戶按特定週期（如按小時、按月或按年合同）租賃配備 [[NVIDIA]] 高階 GPU（[[H100]]、[[H200]] 等）的伺服器叢集。合同形式可能包括：
- 承諾合同（Committed Use）：客戶承諾一定期限（通常 1-3 年）和最低用量，以獲得折扣價格。這是營收穩定性的主要來源。
- 按需合同（On-Demand）：客戶按實際使用時間付費，靈活性高但單價更貴。這部分營收波動性較大。
- 次要營收來源（預估佔比中低）：
- 託管與運維服務費：為客戶提供資料中心物理空間託管及基礎運維服務。
- 增值服務營收：包括高速網路互聯（[[InfiniBand]]）、高效能儲存、監控管理平台等附加服務的收費。
- 專業服務營收：可能包括基礎設施部署、環境配置、技術支援等一次性或專案制服務。
- 營收驅動核心：營收增長的直接驅動力是 “已部署的可租賃 GPU 算力規模 × 出租率 × 平均租賃單價”。其中，GPU 供應（規模）和客戶需求（出租率）是關鍵。
4. 產品與業務
Nscale 的產品與服務圍繞“交付高效能 AI 算力”展開，可分為硬體、平台、服務三層。
4.1 核心硬體產品：GPU 雲端（IaaS）
- 產品形態：以 裸金屬伺服器叢集 為主要交付形式，而非傳統的虛擬機器。客戶獲得的是對物理 GPU 伺服器的直接訪問權，以最大化 AI 訓練/推論效能，避免虛擬化開銷。
- GPU 型號：
- 當前主力：[[NVIDIA H100]] 80GB（Tensor Core GPU，Hopper 架構）。公開資料表明這是其已部署和提供服務的核心型號。（來源：公司官網、2024年融資公告）
- 下一代計劃：已宣佈將部署 [[NVIDIA H200]]（Hopper 架構升級版，更大HBM3e記憶體）及 [[NVIDIA B200]]（Blackwell 架構）。但具體部署時間表、規模及對現有客戶的升級路徑公開資料未見。
- 叢集規模：支援從單機多卡到數千 GPU 的大規模分散式訓練叢集。具體可提供的最大叢集規模公開資料未見確切數字。
4.2 軟體平台層（PaaS）
- 目的：降低客戶在分散式訓練中面臨的複雜性，提升叢集使用效率。
- 關鍵能力（推斷）：
- 叢集編排與排程：管理 GPU 任務的分配、佇列和資源隔離。
- 高速網路管理：最佳化基於 [[InfiniBand]] 的 RDMA 網路配置，確保通訊效率。
- 儲存整合：提供對接高效能並行檔案系統（如 [[Lustre]]、[[Weka]] 等）的方案或服務。
- 監控與計量：提供資源使用情況的監控和計費介面。
- 具體產品名稱和技術棧細節公開資料未見。
4.3 資料中心與基礎設施
- 核心資產：位於挪威 Skien/Grenland 地區的資料中心叢集。這是其成本結構和環境承諾的物理基礎。
- 能源：100% 使用當地水力發電，電力成本在歐洲範圍內具有競爭力，且碳排放極低。
- 氣候：自然低溫環境可用於降低冷卻系統能耗（自然風冷或水冷）。
- 設計：為高密度 AI 工作負載（單機櫃功率遠超傳統資料中心）專門設計或改造。
- 擴張計劃：提及計劃在歐洲其他地點擴充套件資料中心，但具體選址、時間表和投資規模公開資料未見。
5. 上下游
5.1 上游供應鏈
Nscale 的運營高度依賴少數關鍵上游供應商，供應鏈的穩定性和議價能力是核心挑戰。
| 供應環節 | 關鍵供應商/型別 | 依賴程度與風險 |
|---|---|---|
| GPU 晶片 | [[NVIDIA]] | 極高。業務命脈完全繫於 [[NVIDIA]] 的供應。能否在 GPU 緊缺週期獲得配額，以及在技術迭代（如 Blackwell）時優先獲得供應，是其增長的關鍵瓶頸。Nscale 與 [[NVIDIA]] 的具體合作關係及採購配額公開資料未見。 |
| 伺服器硬體 | [[ODM]]/[[OEM]]（如 [[Dell]]、[[HPE]]、[[Supermicro]] 等） | 高。依賴這些廠商將 GPU 晶片整合到伺服器中，並進行交付和維護。 |
| 高速網路 | [[InfiniBand]] 裝置供應商（如 [[NVIDIA]] (收購 Mellanox)、部分其他廠商） | 高。大規模分散式訓練依賴低延遲、高頻寬的 [[InfiniBand]] 網路。 |
| 資料中心設施 | 建築承包商、電力裝置、冷卻系統供應商 | 中。雖然供應商可選，但資料中心的建設質量和可靠性直接影響運營。 |
5.2 下游客戶
- 目標客戶群：
- AI 基礎模型開發商：需要大規模算力進行預訓練和微調。
- 企業 AI 團隊：在金融、醫藥、製造、自動駕駛等領域進行 AI 研發和應用的大型企業。
- 科研機構與高校：進行前沿 AI 研究的單位。
- 行業解決方案提供商：將其算力作為底層資源整合到自身解決方案中。
- 客戶獲取關鍵因素：算力的可用性、效能、價格、服務穩定性，以及對歐洲資料主權和綠色算力的特定需求。
- 客戶集中度與粘性：公開資料未見具體客戶名單及營收集中度。大型模型訓練專案通常遷移成本較高（涉及資料搬運、環境除錯），一旦合作開始，可能形成一定粘性，但合同期限和續約率未見揭露。
6. 同業競爭
Nscale 所處的“垂直 AI 雲端”賽道競爭激烈，參與者可分為幾類：
| 競爭對手型別 | 代表公司 | 主要優勢 | Nscale 的相對競爭位置 |
|---|---|---|---|
| 全球垂直 AI 雲端龍頭 | [[CoreWeave]]（美國） | 規模極大（2025年IPO前融資超百億美元，2024年營收約$19億），與 [[NVIDIA]] 關係深厚，供應保障強。 | 規模劣勢顯著。Nscale 在資本實力、GPU 供應優先順序上難以正面抗衡。 |
| 其他美國垂直雲端/算力平台 | [[Lambda Labs]]、[[Together AI]]、[[Vultr]] 等 | 各有側重（如 Lambda 偏硬體與雲端結合，Together 偏推論與開源生態）。 | 同為追趕者，但在美國市場及全球開發者心智中，Nscale 作為後來者和歐洲玩家，知名度較低。 |
| 全球超大規模雲端廠商 | [[AWS]]、[[Azure]]、[[GCP]] | 品牌、生態、全球基礎設施、企業客戶關係深厚。AI 算力是其龐大產品體系的一部分。 | Nscale 在 AI 工作負載的專業化、極致價效比（部分源於能源） 上尋求差異化。但 Hyperscaler 正在快速補強 AI 雲端產品。 |
| 歐洲本土雲端/資料中心商 | [[Scaleway]]（法國）、[[OVHcloud]]、部分歐洲電信運營商 | 本土化運營，具備一定客戶基礎。 | Nscale 的 “AI 專注度”和“綠色能源故事” 可能更強。但這些對手也可能快速推出類似 AI 產品。 |
競爭總結：Nscale 並非市場領導者，而是一個利用 “區域（歐洲）+ 垂直（AI）+ 能源（綠色）” 組合拳尋求縫隙市場的參與者。其成功與否取決於能否將這個差異化定位轉化為實實在在的客戶獲取和留存能力，並在有限的供應視窗期內建立起足夠的規模。
7. 護城河
基於現有公開資訊，Nscale 的潛在護城河（或差異化壁壘）包括：
- 區位與能源成本優勢：挪威水電提供的 低成本、高穩定性、近乎零碳的電力，以及北歐自然氣候帶來的 冷卻成本節省，是其最硬的結構性成本優勢。這在電價高企的歐洲市場尤為突出，且難以被競爭對手在短期內複製（受限於地理和基建）。
- 資料主權與合規標籤：作為歐洲本土公司，其資料中心位於歐盟/歐洲經濟區（EEA）內，天然滿足歐洲客戶對 資料儲存與處理地域 的監管要求（如 [[GDPR]]、歐盟 [[AI Act]] 的潛在影響）。這在地緣政治和資料主權日益重要的背景下是一個關鍵賣點。
- 專注度與產品契合：作為“AI-first”的雲端，其全部研發、工程和運營資源都專注於最佳化 AI 工作負載（訓練、推論），可能在 軟體棧最佳化、技術支援響應、針對 AI 客戶需求的產品迭代速度 上比業務龐雜的 Hyperscaler 更有優勢。
- 先行者效應（在特定細分市場）：在“歐洲綠色 AI 雲端”這一細分定位上，Nscale 是較早的規模化版面配置者之一，可能正在積累針對該客群的服務經驗和口碑。
護城河的侷限性：
- 規模與資本：護城河的有效性高度依賴持續的資本投入來擴大產能。面對擁有近乎無限資本的 Hyperscaler 和已獲鉅額融資的 [[CoreWeave]]，Nscale 的規模劣勢可能削弱其成本優勢的長期持續性。
- 供應鏈依賴：其運營完全依賴 [[NVIDIA]] 的 GPU 供應。在 GPU 成為“戰略物資”的時代，與 [[NVIDIA]] 的關係深度直接決定了其護城河的深度。這一點的具體情況未知。
- 技術可複製性：軟體編排層等技術護城河相對較淺，容易被競爭對手模仿或通過開源方案解決。
8. 財務質量
由於 Nscale 未上市，且無公開財報義務，其詳細財務資料（營收、獲利、現金流量、資產負債表）完全缺失。 因此，無法對其財務質量進行傳統意義上的分析。
基於可得資訊的間接推斷：
- 資本結構：公司發展依賴風險投資/成長股權融資。2024年累計融資約1-3億美元（中位估計）（來源：多家科技媒體如 TechCrunch、Bloomberg 對2024年多輪融資的報道綜合估算）。這意味著公司目前可能 淨現金狀態（無傳統銀行債務），但同時也意味著 持續的燒錢期，需要不斷進行股權融資以支援資本支出。
- 資產模式：屬於 重資產模式。主要資產為資料中心（可能租賃或自建）和採購的 GPU 伺服器。這些資產面臨 技術迭代風險（GPU 架構快速更新可能導致舊型號貶值）和 市場需求波動風險（如果需求不足，高槓杆擴產可能帶來資產減值）。
- 盈利能力未知：公開資料未見任何關於毛利率、營業獲利率、EBITDA 獲利率的資訊。垂直 AI 雲端業務通常在行業上行期（GPU 供不應求時）享有較高定價權和獲利率，但在下行期可能快速惡化。
結論：在沒有財務資料的情況下，無法評估其財務質量。投資者（或觀察者）需密切關注其未來的融資輪次估值變化、以及任何可能的營收或盈利揭露，作為判斷其商業模式可行性和資本效率的間接指標。
9. 業績傳導
Nscale 的業績（假設其有盈利）與全球及區域的 AI 資本支出（AI Capex）週期高度正相關，傳導路徑如下：
外部驅動因素：
├── 全球 AI 訓練/推論算力需求增速
├── [[NVIDIA]] 等上游晶片的供應節奏與價格
├── 歐洲本土 AI 產業發展與企業 AI 投資力度
└── 資料主權與 [[ESG]] 政策力度
↓
公司內部關鍵指標：
1. **GPU 供應量（規模）**：能獲得多少 [[NVIDIA]] GPU 配額。
2. **GPU 利用率（出租率）**：已部署的算力中有多少被客戶租用。
3. **平均租賃單價（ASP）**：受市場供需關係影響。
4. **資本支出效率**：資料中心建設與 GPU 採購的成本控制。
↓
財務結果傳導：
• **營收** = 供應量 × 利用率 × ASP
• **毛利** = 營收 - （GPU 折舊/攤銷 + 電力成本 + 頻寬成本 + 資料中心運維成本）
• **經營獲利** = 毛利 - （研發 + 銷售 + 管理費用）
• **現金流量** = 經營現金流量 - 資本支出核心邏輯：在 AI Capex 上行期（如 2023-2025 年），需求旺盛，GPU 供應緊張，公司若能獲得足夠供應，則可實現 營收高增長、高利用率、高定價權，從而可能帶動毛利和獲利快速改善。在 AI Capex 下行或平台期，若需求增速放緩或 GPU 供應釋放，可能導致 租賃價格承壓、利用率下降，進而對營收和獲利率造成壓力，而同時公司可能仍需承擔前期擴張帶來的折舊和財務費用。
10. SOTP 或可比估值架構
直接估值方法（如 DCF、SOTP）在此不適用，原因如下：
- 關鍵輸入缺失：無營收、獲利、現金流量預測，無詳細資本支出計劃，無明確的終值假設。
- 業務高波動與不確定性：早期、高速增長、資本密集型業務，未來現金流量極難預測。
可比公司分析架構（Comps）是一種可能的視角，但需極度謹慎，因其估值更多反映市場情緒而非嚴謹的財務比較。
| 可比公司/基準 | 估值參考（2025年左右） | 關鍵差異與比較注意事項 |
|---|---|---|
| [[CoreWeave]] | IPO前私募估值一度超$200億；2025年IPO市值波動（參考資訊：基於公開報道及招股書）。 | 核心可比，但規模、融資額、GPU 供應關係遠優於 Nscale。Nscale 估值應大幅折價。 |
| [[Lambda Labs]] | 最新一輪（2024年）估值約$15億（來源：Crunchbase等融資資訊平台）。 | 規模更接近，但業務模式不完全相同（Lambda 更偏向硬體銷售結合雲端服務）。 |
| 公開上市的雲端基礎設施公司 | 如 [[DigitalOcean]]、[[Rackspace]] 等，市銷率（P/S）或 EV/Revenue 倍數。 | 業務關聯度低，這些是通用雲端或託管服務商，AI 專注度和增長故事完全不同，倍數參考價值有限。 |
架構性思考：對 Nscale 的任何估值判斷都應基於以下假設的敏感性分析：
- 市場份額假設：其在歐洲 AI 雲端市場的潛在份額。
- 盈利能力假設：在成熟期能達到的毛利率和營業獲利率水平（對標 [[CoreWeave]] 招股書揭露的早期獲利率，但需考慮其規模劣勢）。
- 資本支出與攤銷：重資產模式下的資本回報率。
結論：在當前階段，對 Nscale 進行量化估值更多是一種 “藝術”而非“科學”。其價值高度依賴於對 “歐洲 AI 算力需求爆發” 這一宏觀敘事的信仰，以及對 “Nscale 能成為該市場的關鍵玩家之一” 這一判斷的信心。任何具體估值數字都充滿不確定性。
11. 風險
| 風險類別 | 具體描述 |
|---|---|
| 資本與融資風險 | 公司處於高強度資本支出階段，持續依賴私募市場融資。若宏觀經濟轉差或 AI 投資熱潮降溫，可能面臨融資困難、估值下調，甚至資金鍊緊張。 |
| GPU 供應鏈風險 | 過度依賴 [[NVIDIA]] 單一供應商。GPU 分配配額不確定，新技術迭代（Blackwell, Rubin）可能導致現有采購的 GPU 價值下降或需要追加鉅額投資升級。 |
| 競爭加劇風險 | [[Hyperscaler]] 加大 AI 雲端投入，更多垂直 AI 雲端湧現。可能導致客戶爭奪加劇、租賃價格下行、市場份額被擠壓。 |
| 技術迭代風險 | AI 演算法和硬體迭代速度快，當前的 GPU 叢集和網路架構可能面臨過時風險，影響資產經濟壽命。 |
| 需求波動風險 | 業務與 AI Capex 週期強相關。若大型模型訓練效率提升導致算力需求增速放緩，或宏觀經濟抑制企業 AI 支出，將直接影響需求。 |
| 執行與運營風險 | 作為初創/成長期公司，在快速擴張中可能面臨工程交付延遲、運營中斷、核心人才流失等管理執行挑戰。 |
| 監管與政策風險 | 歐盟 [[AI Act]] 的具體實施、資料跨境流動規則、能源政策變化等，可能增加合規成本或改變商業模式。 |
| 匯率風險 | 營收可能主要以美元/歐元結算，成本（如 GPU 採購）也可能涉及多幣種，存在匯率波動影響。 |
12. 誤讀糾偏
- 誤讀 1：“Nscale 是歐洲的 [[CoreWeave]]。”
- 糾偏：兩者同屬垂直 AI 雲端賽道，但 體量和階段完全不同。[[CoreWeave]] 在融資規模（百億美元級）、營收（2024年約$19億）、與 [[NVIDIA]] 的緊密程度上已是全球頭部玩家。Nscale 更像一個 區域性（歐洲）、專注於綠色能源細分市場的早期挑戰者，規模小幾個數量級。
- 誤讀 2：“綠色能源是決定性優勢。”
- 糾偏：綠色能源是重要的 差異化賣點和成本優勢，尤其在歐洲市場。但它 並非不可逾越的護城河。其他競爭者也可以在北歐或其他可再生能源地區建設資料中心。其優勢的有效性最終仍需通過 總擁有成本（TCO）和客戶獲取能力 來驗證。
- 誤讀 3：“公司已部署萬級 GPU，產能龐大。”
- 糾偏：需嚴格區分 “已部署”、“在建”和“目標規劃”。公開資料中“萬級 GPU”的表述多來自管理團隊在融資新聞稿中的 願景或目標描述，未明確區分當前實際已上架運營的 GPU 數量與未來計劃。投資者應關注後續具體的產能落地進展公告。
- 誤讀 4：“歐洲資料主權需求將自動帶來大量客戶。”
- 糾偏：資料主權是 必要條件而非充分條件。滿足該需求的競爭對手不止一家。客戶最終選擇仍需綜合考慮 效能、價格、服務、生態系統相容性 等多種因素。需求存在，但 Nscale 能否將其轉化為市場份額是關鍵挑戰。
13. 最新事件
- 融資動態（2024年）：公司在2024年完成了多輪融資，以支援資料中心擴建和 GPU 採購。具體輪次名稱（A輪/B輪等）、各輪次精確金額、領投方，公開資料報道口徑不一，累計融資額估計在1-3億美元範圍（來源：2024年1月至年底多家科技媒體綜合報道）。
- 產能擴張宣告：管理層在多個場合表示將擴大挪威資料中心的產能，並計劃在歐洲其他地點版面配置。具體的開工時間、完工時間表、投資額公開資料未見。
- 產品與合作：宣佈將部署 [[NVIDIA H200]] 和 [[B200]] 等下一代 GPU。是否已簽署確定性採購訂單、交付時間線等詳細資訊未見。
- 市場定位宣傳：持續強化其“歐洲AI雲端”和“綠色算力”的品牌敘事，以吸引關注ESG和資料主權的客戶。
（資訊截至2025年6月，基於公開新聞稿及媒體報道）
14. 追蹤指標
由於公司非上市且不揭露財務報告，追蹤其發展需依賴以下公開可得或行業可推斷的 運營與戰略指標：
- 融資與估值：後續融資輪次的 估值變化、融資金額、投資方背景。這是市場對其信心的最直接指標。
- 產能進展：關於 資料中心建設里程碑、新 GPU 叢集上線、總部署 GPU 數量 的官方公告。這是驗證其執行能力的關鍵。
- 客戶案例與合作公告：任何 知名客戶簽約、戰略合作伙伴關係 的揭露。這能反映其市場拓展成效。
- 產品與技術更新：新 GPU 型號的可用性、軟體平台功能的更新等。
- 行業資料與對標：
- [[NVIDIA]] 資料中心業務營收增速及供應情況。
- [[CoreWeave]] 等可比公司的公開財務資料（如招股書）。
- 歐洲 AI 投資及算力需求的行業報告。
- 管理層訪談與演講：從中獲取關於公司戰略、市場判斷和運營細節的軟性資訊，但需注意其主觀性。
15. 來源
- 來源：1. 公司官方資訊 ：Nscale 官網、官方新聞公告
- 來源：2. 主流科技與財經媒體 ：TechCrunch、Bloomberg、Reuters、The Information 等對 Nscale 融資、行業動態的報道（主要針對2024年事件）
- 來源：3. 行業研究與資料平台 ：Crunchbase（融資資訊彙總）、行業分析機構（如 IDC、Goldman Sachs Research）關於 AI 雲端基礎設施市場的報告摘要
- 來源：4. 可比公司公開檔案 ：[[CoreWeave]] 2025年 IPO 招股書（SEC Filing）中關於行業、競爭和財務資料的揭露，作為重要參照
- 來源：5. 行業共識與推斷 ：基於上述公開資訊，結合對 [[GPU-as-a-Service]] 行業商業模式和競爭邏輯的理解，進行的合理分析與推斷。所有不確定或未揭露的具體資料均已在文中標明“ 公開資料未見 ”
- 來源：Nscale 官方網站/投資者關係入口 — nscale.ai
- 來源：Nscale 公開揭露與交易標識 未上市
- 來源：15. 來源
- 來源：倉內歷史研究歸檔：Nscale · Archive/incident-2026-06-20-凍結現狀-20260620-225855/content company/chain-cloud/nscale.mdx — _Archive/incident-2026-06-20-凍結現狀-20260620-225855/content_company/chain-cloud/nscale.mdx