Neocloud 终局：算力供给的多年度推演

本笔记旨在提出一个关于算力供应应如何演变的多年期观点。有太多人对自己钟爱的 neocloud 股票情绪化，却对资本周期和行业结构视而不见。为便于讨论，本笔记略去 AI 算力需求在相当长时期内低于预期这一情景，因为那将导致极左尾事件，抹去许多人的股权，随后以极佳价格进行整合。

这是一篇 30 分钟以上的长文……如果你没有时间，就浏览标题、加粗文字和图表。欢迎反馈和辩论。

我的论点是，当前的市场结构是一种人为制造的失衡，将随时间推移而衰减。通往终局的路径很重要，并可能在未来几个月变得更加清晰，届时我们将了解 Astra 级模型和智能体是否会成为我们在 2026 年初看到的 OpenClaw 式需求拐点。无论如何，路径都指向整合，原因众多，而随着我们进入 2027 年非常有利的定价环境，neocloud 尽早变现将大有裨益。

终局是集中。算力应主要由最接近需求、资本成本最低的各方拥有，中间不应有碎片化的商业层。拥有稀缺、难以复制的实物资产（已获许可、已通电、已并网、由长期投资级承购协议支持的土地）的所有者是收购目标，其成交价是战略溢价，而非甩卖价，但前提是它们在市场环境强劲时达成交易。纯粹的 GPU 租赁运营商背负 10-15 年租赁负债，却面对 2-5 年的定价窗口，如果执行不力，就是股权被清零的候选者。把 Nebius 归入此类是分类错误——它拥有产能、运营软件栈，并拥有顶级合作伙伴关系，这就是市场已经给它不同估值倍数的原因。最高置信度的三年期表达方式是：拥有捕获租金的综合需求所有者，权重偏向那些拥有有竞争力芯片而非仅仅拥有廉价资金的；以及租用上游瓶颈环节，无论哪家 neocloud 胜出都能获得回报。商业层本身是事件驱动的，而非复利型的，应按退出而非终值倍数来承销。

前沿算力需求大致由七个实体决定，而 neocloud 和转型矿工房东有 30 多家，全都加杠杆，全都从同一家芯片供应商采购，全都在追逐同样的少数几份合同。当集中的买家面对碎片化、资本密集的供应商基础时，一旦稀缺性缓解，定价权就掌握在买家手中。这就是买方寡头垄断。

四家自建厂商加三家商用实验室才是关键。其他所有玩家，Mistral、Cohere、SSI、推理转售商、企业长尾，规模都小、信用更低，只能被动接受价格。年度资本开支框定了规模：四大超大规模厂商对2026自然年的指引约为7200亿至7450亿美元，高于2025年的约4100亿美元。再加上Oracle在FY27约700亿美元，需求栈顶端接近每年8350亿美元。在商用实验室一侧，这些流量是存量而非年度运行量，但规模巨大：Anthropic仅在2026年就通过五笔交易承诺了超过2750亿美元的云算力；Oracle与OpenAI的安排量级类似。

这七家买家不是被动的租户……每家都自建数据中心……七家中有六家已有定制芯片量产或流片……其中三家经营企业软件和商业安全业务，已经在出售实验室所需的信任层。

执掌Google Cloud的Thomas Kurian无意间描述了终局：一些实验室使用Google的TPU和Gemini，另一些使用TPU，然后购买Google为其模型提供的网络安全防护。这就是整套技术栈被拆开出售，而卖方拥有所有部件。

新云不拥有这些列中的任何一项，长期来看根本无法在此竞争。

如果买家集合扩大，它不会扩展成长尾初创企业。它会扩展为少数拥有资产负债表和专有工作负载的实体。按预期可签约外部需求排序的内部排名：

这些都不是新云的持久客户。苹果会自建并自持。主权国家在购买自己的国家基础设施。量化金融是唯一真正增量的商用客户，但相对于实验室规模很小。买家集合略有扩大、更加富有，但不会更加分散，而这正是商用层所需要的。

第一，商用层因永久性的服务成本劣势而面临利润表问题。第二，资产负债表问题，其负债的存续期长于为其提供服务的收入。

独立商用算力相对于一体化所有者，在四个维度上存在结构性的服务成本劣势，且没有一个是周期性的：

资本成本：超大规模厂商以接近其现金成本融资，而新云以高收益或GPU抵押利率融资……这一差距在数年间迅速复利
双用途弹性：一体化所有者可在内部与外部工作之间调配产能，而商用层面临二元闲置风险
自研芯片：TPU和Trainium将每token推理成本降至低于商用Nvidia集群
补贴能力：搜索、广告、云和企业软件以刻意压薄的利润率资助算力，以换取锁定

这一切在今天都不重要，或者直到需求真正断裂之前都不重要，因为商用层提供了行业中最稀缺的一样东西……即时的已通电容量。自身电力排队要等数年的买家，向已经持有插座的中间商支付溢价。这一溢价是对稀缺要素的租金，而非套利。套利是无风险的且会干净地收敛——这完全不是那种情况。

第二个缺陷正是把糟糕的回报变成零的原因。支撑建设的溢价定价只能维持一代GPU。而为其融资的租赁和债务却要持续三到五年。把这一点叠加到上面的楔子上，顺序就很清楚了：租金衰减，成本劣势浮现，而固定债务还要再背十年。

把这一群体当作单一资产类别是错误的。资产质量在于土地、电力、互联位置、许可。运营质量在于这些兆瓦是否真正产出可售的token：有效吞吐、正常运行时间、网络架构设计、集群编排、通电时间。这两者并不相关。一个改造过的矿场可能拥有极好的土地，却是个糟糕的运营商。一个纯租户可能在借来的壳子上成为出色的运营商。

一个关键风险是，超大规模厂商不会收购商业新云，因为它们运行专有的参考设计，不会继承别人的定制化运营和基础设施。超大规模厂商最可能想从收购中得到的是原始、干净、可改造的兆瓦：已获许可的场地、长期互联、可塑造成其内部设计的管道容量。或者它们想要一个好价格！

如果买家想要的是可改造的容量而非一家公司，它根本不需要股权。它可以买地、买开发管道，或者干脆签一份租约。这削弱了针对运营商的收购理由，并将其集中在持有未承诺容量的土地储备方身上。

对这一反对意见做一点修正，这关系到谁会出价，因为我们已经看到两种截然不同的收购方类型。超大规模厂商购买容量并加以改造。AI原生买家购买技术栈，而且它们一直很活跃，CoreWeave收购了Weights & Biases、OpenPipe和Monolith，Nvidia在大约八个月内将Groq吸收进机架级LPX。所以技术复杂性并非卖不出去，但需要另一套条件。

今年约有十几家上市矿企签署了十年以上的租约，CoinShares预计到2026年12月，该行业来自AI的收入占比将高达70%，而今年早些时候约为30%，已宣布的合同金额超过700亿美元。这是稀缺的、已通电土地向AI服务的真正转移。这也是该论点最清晰的证据：当一个市值1000万美元的壳公司能签下头条级的十亿美元合同时，稀缺的不是运营商。而是互联队列中的位置，而这恰恰是队列一旦清空就不再稀缺的资产。

在纯玩家中，答案只有一个名字。Nebius自成一档，不应将其与普通的GPU房东或有杠杆的转租工具归为一类。

这种区分基于可验证的资产事实，而非定位：

拥有超过75%的自有容量，而同类公司则以租赁壳子为特征
构建了硅与企业工作负载之间的各层（编排、托管服务、机密计算），将商品化硬件转化为具有留存价值而非即期流失的东西
约460亿美元积压订单，包括与微软的协议；市场已经标出了差异，Nebius年初至今+130%，而CoreWeave +7%

这正是架构陷阱不再构成矛盾的地方。对于需要退出路径的运营商来说，复杂化只会适得其反，而 Nebius 正朝着不需要退出路径的方向建设。

稀缺性因地区和采购途径不同而缓解不均。真正的硬约束是通电。美国最繁忙市场的并网排队需要四到七年。从排队到商业运营的时间自 2017 年以来已拉长约 60%，如今平均超过 2,100 天。大型电力变压器交货约需 128 周，发电机升压单元 144 周，变电站变压器现已超过 160 周，而到 2027 年预计供应缺口达 30%；同样的设备在 2020 年只需四到六周即可交付。GE Vernova、Siemens Energy 和 Mitsubishi 的大型燃气轮机订单已排满至 2028 年。ERCOT 的大负荷排队在一年内从 63 GW 增至 226 GW，其中约十分之九的申请来自数据中心。PJM 的容量拍卖在 2027-28 年度以创纪录的出清价格成交，但仍比其可靠性要求低 6.6 GW，而到 2030 年数据中心将推动约 94% 的预计负荷增长。Dominion 已表示，到 2030 年前无法在弗吉尼亚北部承接更多大负荷并网。在计划于 2026 年交付的 16 GW 中，仅约 5 GW 进入实际建设，其余 30% 至 50% 出现延期。

紧随其后的还有第二个独立约束，需要精确界定而非泛泛而谈。DRAM 是 2027 年对超出当前计划的增量产能的约束。已列入正式计划的项目已为其分配了内存。内存所制约的是上行情形：即建设者若能如愿将额外增加的吉瓦数，以及其更倾向采用的高规格配置。这一点在 Rubin Ultra 从原计划的 16-hi HBM4E 降规至 8-hi HBM4 中可见一斑，本机构解读将其视为供应配给而非需求破坏。实际效果是，内存不会阻止当前的建设；它限制了对 2027 年任何需求意外增长的响应能力，而这恰恰是维持价格坚挺的机制。

通电闸门在 2027 年前牢牢存在，并可能视许可、变压器和燃气轮机进展持续到 2028 年。电力和 DRAM 都可能在 2028 年趋于缓解而非彻底出清。商业层级的参与者尚有一些执行时间，但市场任何走软（需求或瓶颈）都可能对其股权造成灾难性后果。

关键在于未来几年各类参与者的利润率走向。而且，这对那些本就处于劣势的 neocloud 来说同样不是好兆头。

Nvidia 同时占据五个位置……芯片供应商、股权持有者、租赁方、回租担保方，如今又通过 Hugging Face 成为模型分发层的所有者。超大规模企业为承购兜底，以将资本支出移出自身资产负债表。这是精心设计的偿付能力，其持续时间可能远超天真的做空论点所假设的。这是一把双刃剑，既证实了这些是金融工具而非特许经营业务，也解释了它们为何能持续获得买盘。

这个兜底机制既是让商户层得以存活的原因，也是最清楚的证据，表明它并不是一门生意。2026年8月，Nvidia宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR建立融资平台，以调动超过5000亿美元的第三方资本，并为某个站点的剩余价值提供最高25%的兜底。Jensen Huang的说法是，AI工厂是一种可投资的资产类别……它们产生收入，服务广阔市场，随着时间推移因CUDA而改善，并且可以重新部署。

Ben Thompson的解读才是值得记住的那个：这项担保是一种伪装的降价。Nvidia正在拿自己的利润冒险，以降低那些用其芯片进行建设的人的资本成本。顺着这个逻辑，可以推出三件事。

Nvidia的定价权已经见顶。一个拥有无可挑战定价权的垄断者会提价，而不是补贴客户的融资。Thompson将原因精确地定位在Google和Amazon的激进竞争下游的这项担保上。如果资本是新建数据中心的关键约束，那么前期更便宜的芯片胜过更高效的芯片，而这正是TPU和Trainium所利用的突破口。Nvidia自己新的报告拆分——将面临商品化竞争的超大规模客户销售，与它掌控整个技术栈的其他所有客户销售分开——就是该公司在披露中承认了这种双层结构。

碎片化的层级正在被融资，而不是被验证。Nvidia并不是在让这些公司盈利。它是在让它们变得可融资。这是一种以资本结构表达的集中度对冲。去掉兜底机制，尾部中的很大一部分无论买家愿意支付什么合同价格，都无法跨过其回报门槛。

风险正在被转移到更糟糕的地方。四大巨头到2026年7月初已筹集1940亿美元，而2025年全年为1080亿美元；利差正在扩大，今年86%的债券交易价格高于其发行收益率，认购倍数已从2月的5倍降至2倍以下。边际资金现在正越过投资级债务，通过资产管理公司进入保险浮存金和养老金。Thompson的类比（以及Nadella在MSFT电话会议上的类比）是Jay Cooke为Northern Pacific融资，最终引发1873年恐慌……按经济规模调整后，那轮繁荣的铁路债券约为每年6000亿美元，与今天的科技资本支出处于同一量级。

这种碎片化是一种人为制造的非均衡，由三根支柱支撑，而它们都在衰朽……一个管理自身客户集中度的芯片垄断者、一场制造临时稀缺租金的实体短缺，以及一场土地争夺战中非捆绑供应链的速度溢价。当这些支柱倒下时，结构会回归到最接近需求、资本成本最低的资产负债表上的垂直整合。

Nvidia最糟糕的结果，是一个由四个买家拿走其大部分产出的世界。那四家（Amazon、Google、Microsoft、Meta）都在设计竞争性芯片，都拥有买方力量，都想要Nvidia的利润率。于是Nvidia播下了替代方案。

现在很清楚，最高端的 GPU 是训练需求，而非推理需求。推理——也就是量和经常性收入所在之处——在异构和定制芯片上运行良好……TPU、Trainium、Inferentia，以及已折旧的上一代 GPU。亚马逊和谷歌向博通、Marvell 和 Alchip 支付的利润率比英伟达收取的要薄，却仍能以更低的每 token 成本转售算力。随着推理成为工作负载的主体，价值从英伟达最新的芯片迁移到主要位于综合资产负债表上的定制芯片。

这直接通过 GPU 的第二次生命引出了 neocloud 问题。需求所有者将芯片层层下放……训练用最前沿的，然后同一块芯片重新部署用于内部推理数年。独立的 neocloud 无法这样层层下放。它必须将已折旧的资产重新租赁到不断下跌的现货市场。同样的芯片，截然不同的生命周期价值，而在综合所有者内部它更值钱。

这是一个典型的技术周期，而非一次性事件。价值先整合，然后为速度而拆分，一旦规格稳定且规模足以证明拥有更多技术栈是合理的，就重新整合。如今 AI 芯片链完全解绑：台积电代工、英伟达设计、OEM 组装、neocloud 运营、实验室消费。每一跳都在漏掉利润。解绑在圈地阶段胜出，因为专业化让每个人都能快速扩张。重新捆绑在成熟阶段胜出，因为在 8000 亿以上的年度支出下，利润泄漏令人无法忍受，而综合所有者能将其捕获。谷歌是这个周期的苹果……自己的芯片（TPU）、自己的数据中心、自己的模型（Gemini）、自己的分发渠道。这就是为什么完全整合的玩家处于最佳位置，也是为什么链条中段被两端挤压。

买家每 token 提取的价值上升速度快于生产每 token 的成本下降速度。当算力短缺时，数据中心层可以将价格推高进入这个不断扩大的缺口，或至少不让它拉得太大，而正在重新签约或重新定价的 neocloud 现在就能捕获它。这是真实的，也是今天持有它们的全部看涨理由。

但数据中心层的定价权是短缺租金，而非增值。当短缺结束时，成本通缩恢复并占据主导，算力价格回落到成本附近，不断扩大的盈余转而归于模型和应用层。这个窗口由短缺定义，其宽度完全取决于算力需求曲线。

在稳态下，算力应由能以最低成本融资并针对内部需求灵活调配的一方拥有。那不是 neocloud。两个结构性优势会复利叠加（两者均在图 12a 至 12e 中定价）：

资本成本：在一项 15 年折旧的资产上，仅 WACC 差距就让大型市值公司能为同一资产出价高于所有人，且仍能跨过其门槛收益率
双重用途期权性：那些拥有内部需求的一方在回报最高时消耗算力，在回报不高时对外出售……纯 neocloud 在结构上做空了一个只有综合所有者才能实现的期权

因此，同一资产在谷歌或亚马逊内部比作为独立 neocloud 股权更值钱……这是教科书式的整合条件。

Alphabet 在 625 亿美元发行规模上的规模加权票息为 5.14%。Amazon 在 770 亿美元上为 5.04%，Meta 在 550 亿美元上为 5.41%，Oracle 在 430 亿美元上为 5.61%；Microsoft 基本没有发行债券，而是用自由现金流提供资金。neocloud 群体的范围从 5.90%到 9.88%。因此差距是 99 个基点至 474 个基点，而不是图 12 所载的 700 个基点，而且这是一个区间而非一个数字。

让这一群体看起来融资成本低廉的工具，恰恰是最扭曲比较的工具。在 CoreWeave、Nebius、IREN、TeraWulf、Cipher、Core Scientific 和 Bitdeer 合计 248 亿美元的可转换债券中，规模加权名义票息为 1.43%，且十五个批次中有四个为零票息。

可转换债券是债券加上一份以发行人自身股票为标的的看涨期权，而在波动率高达 65-80% 的股票上，这份期权非常昂贵。在发行时对每一份进行估值，并在票据存续期内年化，得出的真实经济成本为 8.2%至 9.5%。名义票息低估了大约 680 至 810 个基点，这意味着报告的利息支出低估了整个群体的真实资本成本。

GCP 以每吉瓦 350 亿美元的毛价对外销售完整的 TPU 系统，EBIT 利润率在 30% 出头，因此 Google 自建一吉瓦 TPU 的成本约为 238 亿美元。TPU v7 每芯片的 TCO 比 GB200 服务器低约 44%，这使得等效的 Nvidia 部署毛成本约为 425 亿美元。各加上 110 亿美元的厂房和电力，每吉瓦的总成本分别为 348 亿美元对 535 亿美元。收入来自租赁曲线：在包含 PUE 的情况下每 GPU 3.5kW，一吉瓦约承载 286,000 块 GPU，因此在 90% 利用率下，基于成本的底价每 GPU 小时 4.92 美元可产生每年每吉瓦 111 亿美元，当前短缺定价约 7.50 美元可产生 169 亿美元，而基于价值的顶价 9.63 美元可产生 217 亿美元。按六年折旧，加上 15 亿美元的现金运营成本，这座桥就闭合了。

分解这一差距可以看出，资本成本只是故事中较小的一半。在 Google 使用 TPU 与 neocloud 使用 Nvidia GPU 且按短缺定价之间，利差相差 20 个点。保持资本不变并去掉 TPU，利差从 +22降至 +7.0：这 15 个点是芯片优势。保持芯片不变并去掉资产负债表，利差从 +7降至 +2：这 4 个点是资本优势。

neocloud 最初的优势在于能优先获得稀缺的 Nvidia 芯片。这一优势正在两方面衰减。芯片正变得比机壳更容易获得。台积电已多次将 CoWoS 先进封装产能翻倍；早期建设阶段那种严重的分配紧缺已经缓解。一个手握已签署电力协议和数据大厅的买家，如今拿到加速器的时间比拿到电网接入的时间还短。稀缺的东西已从芯片转移到了插芯片的插座。一个以芯片分配为特许经营权的中间商，手里握着的资产已不再稀缺。

推理芯片正在激增。随着结构向推理倾斜，专用芯片正在压低通用 GPU 的价格，而它们几乎全都隶属于某个需求方。注意 OpenAI 的 Jalapeño 在其规格之外所展示的东西：从概念到流片约九个月，且由 OpenAI 自己的模型辅助设计。这就是成本曲线在 AI 自己手中弯折，也是其他人会效仿的模板。每一款新的自用芯片都会让一个买家永久退出商用 GPU 市场。

最后一个循环在需求侧闭合。如今模型公司的利润来自推理而非训练，而推理是一种根本不同的业务，更稳定、更可重复、且可持续调优。一家运营大规模推理业务的实验室，可以通过内核、缓存、量化、批处理、调度和芯片选择，每个季度把每 token 成本压得更低。这些收益会复利累积，并且有利于规模。混合推理利润率已在一年内从不足 40% 升至 70% 以上，而每 token 的标价却在下降。

在大宗商品市场中，边际成本不仅决定盈利能力，还决定生存能力。前沿实验室拥有更优的成本结构，并且正在通过将算力从边际成本转化为资本成本来扩大这一优势，这正是 Anthropic 直接购买而非租用 TPU 所做的。于是实验室的竞争场域收窄。随着它收窄，经济利润集中在更少的人手中，而这些人既有现金也有动机进一步向下整合技术栈，攫取目前泄漏给中间商的租金。

这个循环对商用层级是双重打击。实验室场域整合意味着买家更少，这加剧了图 1 中的买方寡头垄断。而资本更雄厚的实验室意味着更多自建，这又缩小了那些更少买家所面对的商用市场。

为商用层级提供的最常见解救方案是，开放权重模型（Llama、DeepSeek、Mistral 及其后继者）通过将买家群体从七个名字去中心化为数千家企业，从而打破买方寡头垄断。

模型知识产权确实会去中心化，但服务资本不会。企业对开放权重的采用不会产生一个每家都自建数据中心的财富 500 强，而是产生一个通过托管端点查询托管开放模型的财富 500 强。问题于是变成谁以最低成本服务这些 token，而在大宗商品市场中，低成本生产者获胜。那就是一体化所有者。

超大规模云厂商可以以零利润或接近零利润提供开放模型服务，因为服务是它同时销售的数据库、安全和应用软件的客户获取渠道。而商业新云必须从算力价差本身中榨取赖以生存的利润，因为它没有任何可以交叉销售的东西。

超大规模云厂商拥有边际融资成本低廉且实际上不受约束，而新云则以高收益或GPU抵押利率融资，除非它能质押一份投资级的承购合同。

还有一股力量推动着同一方向。模型权重是皇冠上的明珠，价值数十亿美元，且日益成为实验室的核心知识产权。将它们交给一个运行多租户硬件的杠杆化第三方，意味着巨大的攻击面和知识产权风险。因此，安全性抬高了门槛，并将算力要么完全拉回内部，要么推向少数经过认证、具备规模且值得信赖的提供商。这是长尾玩家无法承担的税负。Ben Thompson 对智能体安全性的解读进一步强化了这一点，且尤其有利于一体化玩家：激励倾向于进攻，而唯一可行的防御是防御方也能获得最好的模型。这使得安全层与模型层密不可分，而这是只有少数几家公司才能销售的产品。

这正是已经在发生的事情。Thomas Kurian 描述了那些使用谷歌 TPU、然后为其模型购买谷歌网络安全保护的实验室。这就是一体化技术栈从同一个客户身上变现两次，而这是任何新云都无法入账的收入。在七家买家当中，只有谷歌、微软和亚马逊拥有商业安全业务，这也是整合矩阵趋于集中而非分散的另一个原因。

碎片化由英伟达的渠道策略、物理短缺以及解绑的速度溢价所支撑。这三者都将衰减。剩下的是一个重新转向整合的捆绑周期、一个不断扩大的价值与成本价差——它只在供应短缺时惠及数据中心层——以及一种WACC与邻近性的引力，使得这些资产在需求方内部更有价值。更少的玩家将在更低资本成本的资产负债表上获取更多利润。新云的任务就是建设、签约，并在通往那里的路上被吸收。

这种结构是一种人为制造的非均衡，正在向整合回归，而这种回归很可能在三年或更短的时间内发生。通过整合者、通过上游，并有选择地通过 Nebius 来把握它。

持仓：截至本文发布时，作者持有 GOOGL 和 NBIS 的头寸。
交易政策：作者不会在本文发布后48小时内实质性改变该头寸。此期限之后，作者可买入、卖出或以其他方式调整该头寸，恕不另行通知。作者观点或头寸的变化若属重大，将在后续文章中予以反映。
利益冲突：作者未从发行人或在本次证券中拥有经济利益的任何一方获得任何报酬。
前瞻性声明： 本报告包含作者的观点、估计和预测，包括基于财务模型得出的目标价。这些属于前瞻性陈述，存在重大不确定性。如果这些假设被证明不正确，实际价值可能与之存在重大差异，包括出现重大亏损或完全减值的可能情形。目标价代表作者在所述假设下对公允价值的估计，而非对股票交易价格的预测。
本报告仅供参考，不构成投资建议。有关更多重要信息，请参阅完整的条款与披露。