CoreWeave积压订单逼近千亿 独立AI原生云颠覆传统巨头

CoreWeave积压订单逼近千亿 独立AI原生云颠覆传统巨头 AI原生云通过高杠杆锁定长期合同的资产管理模式正在成为新型AI基建核心，而大模型下游企业将从明年起通过“数字劳工”大规模替代白领员工以实现产业降本增效。 内容系统地梳理了计算基础设施从大型机到Neocloud的三次范式切换，并深入剖析了Neocloud存在的底层商业与资本逻辑。视频对比了CoreWeave的高杠杆基建模式与Nebius的互联网低杠杆打法，澄清了二级市场在GPU资产折旧与利润率倒挂上的财务误区，并指明英伟达与新云巨头的利益结盟实质。最后，节目展望了Agent时代PaaS层与下一代存储层（如VAST Data）的重构机遇，并将AI时代的算力基建生动地比作容纳“数字劳工”的现代AI工厂。 计算资源正经历从大型机私有部署、互联网虚拟化分发向集中管理超大密集算力的 AI 原生云（Neocloud）第三次范式切换；Neocloud 凭借工程优化、中立生态位以及承接传统云低 ROIC 算力基建三大逻辑迅速崛起。 (1:40) 全球 AI 算力中前沿大模型 Lab 仅消耗约 30%（OpenAI 占 10-15%），各家策略明显分化：OpenAI 超前锁定储备，Anthropic 因业务爆发陷入刚性采购，而手握庞大 GPU 的 xAI 则被动转型为算力供应商。 (12:02) Neocloud 供给侧分化为做 PaaS 高毛利的“第四朵云”（CoreWeave、Nebius）与“纯硬件租赁”两大阵营；随着谷歌 TPU 明年供给预计冲至千万颗量级，FluidStack 等 TPU 系力量正强势切入并重塑英伟达主导的供给格局。 (18:40) 面对 GPU 快速贬值质疑，机构贷款实则锚定长单合同总额（Backlog）；CoreWeave 借助“锁定长单 + 财务杠杆”将利率降至 6.2% 并拉升 IRR 超 50%，其利润率短期断崖下跌本质是再建规模远大于当前收租体量的扩张阵痛。 (35:30) AI 正在演变为美国继制造业与白领服务业后的第三次劳动力外包（数字劳工），随着推理与 Agent 时代来临，基础设施的核心瓶颈将从传统物理算力转向低延迟存储层与数据层的深度结合。 (79:16)

Valiance Capital 合伙人 Kenny Zhang 认为，Neocloud（AI 原生云）正在填补传统超大规模云厂商与独立 AI 实验室之间的生态与资本空白；其本质是高度依赖财务工程的重资产基础设施，未来的行业洗牌将取决于杠杆管理、PaaS 附加值及应对下游客户淘汰的运营韧性。 算力范式转移与 Neocloud 的立足逻辑 计算基础设施历经了大型机硬件部署、互联网虚拟化分发到当前的 AI 原生云三个范式时代。传统云（AWS、Azure 等）诞生于互联网波峰算力的外部化切片，核心诉求是高频分发与带宽；而 Neocloud 则面向大模型训练与推理，核心在于集中管理数万张 GPU 并维持极端稳定的高并发集群运算。 Neocloud 能够作为独立物种存在，主要依赖三重逻辑：一是超大型高密算力的专属工程优化能力超出传统架构；二是 AI Lab（如 OpenAI、Anthropic）为了规避传统云巨头“既是供应商又是直接竞争对手”的利益冲突，战略性扶植无上层应用竞争的垂直算力商；三是资本回报率（ROIC）的博弈——数据中心基础设施未加杠杆的年化回报率仅为 8% 至 10%，而传统云巨头软件及平台主业的 ROIC 达 40% 至 50%，将数以千亿计的资金沉淀于重资产物理设施在财务分配上缺乏吸引力。 商业模式分化与资本打法：CoreWeave 对比 Nebius 当前的 Neocloud 分化为追求 PaaS 附加值的“软件派”（以 CoreWeave、Nebius 为代表）与做纯硬件机柜租赁的“裸金属派”（如 FluidStack、加密矿企转型的 Iris Energy 等）。纯硬件租赁由于缺乏软件溢价，抗周期能力较弱；而 CoreWeave 与 Nebius 则通过布局 KV Cache、Serverless 强化学习训练流程等高毛利 PaaS 服务，力争将纯硬件租赁 25% 的利润率拉升至 30% 以上。 在资本运作上，两大巨头走向了相反的极端。CoreWeave 遵循类似 Brookfield 的传统重资产杠杆模式，将 GPU 5 至 6 年的商业寿命整体打包签署给头部客户，每投入 1 美元资本开支锁定未来约 3 美元收入，其债务融资成本已从 2023 年的 14.5% 断崖式下降至投资级的 6.2%，撬动杠杆后 IRR 超过 50%。相反，源于 Yandex 团队的 Nebius 坚决排斥财务杠杆，要求大客户垫付 40% 至 50% 的高额预付款，并通过提供 20% 至 25% 的租金折扣换取稳健现金流，在零长债结构下实现 35% 至 40% 的无杠杆收益率。 折旧财务悖论、在建工程错配与订单安全垫 针对二级市场对“GPU 快速迭代导致抵押贬值”的质疑，Kenny Zhang 指出，金融机构发放债务锚定的是签署的多年期硬性合同总价值（Backlog Valuation），而非显卡残值。在 5 到 6 年的长约期内，硬件采购成本已完全折旧收回。 对于 CoreWeave 综合利润率在今年上半年骤降至 1% 至 2% 的现象，其主因在于“在建规模远超收租体量”。以电力指标拆解，当前其通电产生收入的容量约 800 兆瓦（MW），但同时维持着 1.0 吉瓦（GW）的巨额在建工程，巨大的前置建设开销与空置期拉低了报表利润；预测随着 2026 至 2027 年上架容量突破 2.0 GW 到 3.0 GW，在建占比下降，综合利润率将恢复至 20% 以上，并在叠加上层服务后收敛至 25% 至 30%。此外，CoreWeave 990 亿美元积压订单的客户结构已显著多元化（Meta 占 35%、微软 20%、OpenAI 20%、Anthropic 约 10%、Jane Street 约 10%），配合英伟达的战略回收承诺，有效降低了单点违约风险。算力成本的下降亦将触发“杰文斯悖论”，通过更便宜的 Token 刺激总需求爆发。 芯片博弈升级与 PaaS 存储层重构 (65:00) 传统云巨头绕过传统厂商向台厂深度定制服务器（白牌化），并力推自研芯片（如谷歌 TPU、亚马逊 Trainium），引发了英伟达的反制。英伟达倾向于输出整套不可拆改的 NVLink 系统级解决方案，因而战略持股 CoreWeave 并给予最高级供货支持以展示其全栈实力。与此同时，谷歌携手黑石设立独立 TPU 算力公司，试图通过剥离传统云包袱与借助金融杠杆，将 TPU 像通用水电一样倾销给各大 AI Lab，挑战英伟达垄断。 在架构演进上，随着工作流由“人类使用软件”转向“Agent 自主调用硬件”，传统面向人机交互的 PaaS 架构正在失效。系统核心瓶颈正向存储层与数据层转移。各大算力中心对低延迟、高频读取存储的需求暴增（如未上市的 VAST Data 积压订单激增），能够高效低价优化中间答案与上下文缓存的存储软件，将成为 AI 原生基础设施最具价值的卡位点。 数字劳工假说与重资产周期的残酷淘汰律 (79:16) Kenny Zhang 提出，AI 是美国继 1980 年代制造业外包亚洲、2000 年代 SaaS 软件降本之后，面临白领成本居高不下时的“第三次劳动力外包”。芯片正在实质性替代脑力劳动者，数据中心即为这批“数字劳工”集中作业的“AI 工厂”，通信网络则充当信息高速公路。预计自 2027 年起，随着模型实用性被广泛验证，企业端将开启持续数年的白领岗位缩减潮。 然而，重资产行业历来存在周期陷阱。类比 19 世纪铁路热潮和商业地产规律，第一代甚至第二代重资产持有者常因供需阶段性错配和激进财务杠杆走向破产，最终由耐受低回报率（如 2% 至 5%）的巨头低价接盘。未来两三年全球十亿美元体量以上的 Neocloud 虽层出不穷，但多数终将被淘汰，上游算力公司的命运完全依附于下游绑定的 AI 模型与 Agent 应用能否最终存活。 Neocloud 并非单纯的硬件军备竞赛，而是一场融合了传统基建财务工程、新型低延迟数据架构与下游大模型生死捆绑的长期淘汰赛；随着自研 ASIC 芯片激增与模型商业化洗牌，谁能熬过资本开支错配期并构建软件护城河，仍是未决的关键考验。

[79:16] Kenny Zhang: 我们现在进入了一个全新的‘数字经济’时代。这个数字经济和我们原本的实体经济其实没有差那么多，唯一的变量是：芯片要代替人了。以前在工厂里打工的中国劳工、在办公室里坐着的美国白领，现在要被芯片代替了。 [67:26] Kenny Zhang: 我们在 Brookfield（布鲁克菲尔德资产管理）工作时经常开一个玩笑：在商业地产里面，酒店是一个风险特别高的资产类别。第一个酒店的持有者大概率是要亏钱或破产的，第二个 owner 进来一般能打平，直到换了第三个 owner 才会开始赚钱。 [76:00] Kenny Zhang: 你会看到现在各大模型的回答速度越来越快了，我其实不认为这完全是因为推理速度变快了或者出现了新卡。我觉得核心是因为很多答案已经被‘存’起来了。 英伟达 / 黄仁勋: 你们不要自己去搞自主改装，更不要抖机灵。我的整套 NVLink 网络和超级集群系统就是这个 AI 时代唯一且最完美的‘成品超跑’，你们直接买回去开就行，什么都不准改！

[0:00] 这个月AI算力行业发生了三件事Andropic和XAI签了一笔400亿的算力大单一家AI公司付钱给自己的直接竞争对手买算力Core Wave的合同羁押突破990亿美金谷歌联手黑时要成立一家独立的TPU算力公司这三件事的背后是同一个故事一个叫NeoCloud新云的产业正在重塑整个AI基础设施的格局他在AI的产业链中间做着云巨头不擅长而AI Lab不愿意做的事去年大家讲的是他的崛起而今年当AI从训练转向推理和agent时代未来Neo Cloud能成为AI时代的第四朵云吗还是会向19世纪铁路基建的方向演绎我认为将来一个很大的一个发展方向是存储层就是storage layer和数据层就是database layer这两个我觉得会结合在一起因为抹讯它是不需要去看数据中心然后再看到这个store 城甚至它可以直接跟硬件进行的交互就是存储城是一个未来很大的一个可以贯穿整个不同的这个也好推力也好agentic workflow 也好企业的enterprise workhold也好这个2C的workhold也好包括可能是本地部署端层其实都很重要今天的嘉宾Kenny ZhangValience普林资本首席投资官会带我们把这张图讲清楚感谢您好 欢迎你来到硅谷坐标谢谢曹老师 欢迎您的邀请今天我们主要是想讲Neo Cloud然后在讲Neo Cloud之前我想先退到一个历史最远处去看这个问题我们人类的从1950年第一台大型机开始到今天的Neo Cloud管理计算资源这件事情大概经历了几个时代而每一次计算的基础设施的范式的切换它背后又是什么样的力量在推动我们经历过主要是三个比较大的时代第一个就是从50年代然后到90年代末期这样的一个从大型计算机然后再到民用和商用小型计算机这个时候主要是以硬件为主然后一般都是区域化或者是局部化去部署的就是企业自己去采购和管理它的自己的这些服务器以及小型计算机第一个大时代呢那就是计算机它的这个算力是远超于我们人力的嘛最开始的这个时代就是从80年代90年代开始我们开始去数码化我们的这个世界就开始把很多的这些数据以及要处理的这些文档文件传送到电档上面让我们更方便的去运用和使用它们就这个时候出现了第一代的这些存储层数据库层以及计算层然后第二个时代就是从2000年以后一直到在AI时代的开始就算2022年2023年演变最快的就第二个时代就是虚拟化这个时代它的加速的开始主要是因为互联网企业的崛起尤其是到了手机互联网的时代所以如果您看最开始的这些大的云商那最成功的海外就是AWS然后国内的话就是阿里云它之所以成功呢是它把自己的内部的需求以及算力外部化什么概念呢海外有这个黑色星期五Black Friday中国呢有双十一那也就是说这两大电商呢亚马逊和阿里它自己需要匹备非常强大的算力系统才能在这些需求波峰的时候能给所有用户提供一个比较好的购物的体验但是呢他平常的时候呢他又不需要这么多的这个算力那他怎么办呢他就把这个算力把它虚拟化把它卖给租用给其他的这些企业这样是逐渐形成了最开始的这个云的这个雏形举个例子的话就是说像在2010年中期一个CPU大概它的算力是300TFLOP左右吧但实际上大部分我们的这种企业级的应用呢可能只需要10到20TFLOP的这个算力所以在这个云时代呢主要就是说把这些硬件的算力把它虚拟 [5:00] 然后在分布式的提供给企业或者用户的B端和C端的需求所以在这个云时代呢其实核心的竞争力和核心的资源诉求其实是带宽就比如说像头条抖音的这些视频一个视频可能要分发给上亿人去看所以那个时候这些云他们主要的核心是去拿带宽的量级之后呢然后再分发给各个客户B端或者C端的需求其实那个时候对算力的这个要求并不是特别高而是说谁能在同一时间去整合非常高频的这个数据的调用和分发然后到了AI时代呢那就出现了这些AI云其中比较有代表性的就是NeoCloud里边新云这块里边有比较代表性的就是Coreweave和Nibis这两家公司我们现在到了AI云的时代整个是反过来的又回到了像50年代60年代这种大型计算机的时代什么概念呢就是说AI云他们需要做的不是这种高频的分发而是需要把算力集中去管理和优化非常大的算力集群在AIDA时代算力的需求是可以说是近乎无限的但它核心的需求就不是像需要带宽它更需要的是怎么样去把这些集群持续在一个非常非常高性能的这样的一个运算当中那所以说就是Neo Cloud更像是大型机时代的这样的一个范式Neo Cloud 你觉得它本身为什么会需要Neo Cloud的这个新的物种它为什么会存在它解决了什么传统云解决不了的问题传统云和Neo Cloud它们本身的源头和它们本身需要的做的事情其实基本上可以说是同源不同宗它的差异性是特别大的就是传统云是跟着互联网的需求起来的最开始然后AI云是从AI的来起步的所以说为什么大家发现AI的算力的需求这么庞大那是因为在AI这个时代它是有几个并发式的算力需求就是训练 推理还有包括从去年年底开始的这个agents的需求再加上弊端企业的推理需求它其实在同一时间爆发的传统云呢其实它更是一个线性的这样一个发展的过程一开始是在2C端电商短视频长视频这块的分发然后逐渐演变成帮着企业把多余的算力提供到给弊端的这些企业让他们进行分布式的部署这样的话企业端能降成本它不需要去自己在管理和采购这些硬件所以在AI云的时代我觉得NeoCart存在的意义核心是有三个大的逻辑第一个就是我刚才说的就是说它要需要一个非常强的管理和优化超大型密集算力的能力第二呢因为传统云是从互联网巨头演变而来的这些互联网巨头呢又各自在AI模型和算力领域有着很多自己的布局所以说对于新时代的这些AI模型来讲呢这些超大云商是供应商也是竞争对手所以对于他们来说他们希望有一个自己的这样的一个垂直的体系来给他们提供他们所需的算力这一点我觉得比较明显就是说像美国的这几家大的云商像微软 谷歌 亚马逊他们其实都有自己的模型或者自己在这个AI界的一个布局也想在这个入口端有一席之地所以的话他对这些新进的这些巨头像OpenAI和Anthrofic他们会一直会有这样的一个拉扯的一个关系怎么讲呢就是说OpenAI最开始可以说是微软扶植起来的但是微软他自己也有自己内部的这个算力需求所以他对于OpenAI来讲呢他一直就觉得自己在某一个时间点肯定不是微软不可能把所有的资源都倾向于他肯定还是有自己的这样的一些考量的那所以OpenAI就主要去扶植了像CoreWeb这种新云这样的话呢他能定制化的去得到非常稳定 [10:00] 而且他也非常可以放心的把自己的这些API以及训练呢全部放到像Quarrie这种新云里边因为他们是没有任何的竞争关系的因为新云在上层是没有应用端的布局的将来也不会有应用端的布局那第三个考量呢NeoCloud的存在性呢这个就是跟企业的资源分配以及能力分配来讲的这个其实传统云也是这么去做的其实数据中心它虽然是一个很庞大的行业我15年前就开始看数据中心这个行业当时在美国的回报率的话每年差不多杠杆前是8%到10%左右最初期可能稍微高一点在这个10%到12%那基本上就稳定在这个8%到10%这样那对于一个传统云这些互联网企业来讲他们正常的这些互联网以及软件类或者是PaaS类的业务他的ROIC是很高的可以达到40% 50%甚至更高那对于他来说他自有的这个资金应该多去投放在这些高ROIC的高回报的应用和主业当中。像这种低回报以及又需要特别专业的行业经验的这种领域当中,他是觉得自己没有必要去把所有的资源都倾向于这边。所以在云时代呢整体来讲超大型云商大概占整个全球就中国以外的数据中心的客户里面大概占30%吧其实大部分的这个数据中心的提供的这些电力以及制冷的这个供给呢还是第三方提供的比较多大概占60%到70%对你刚刚讲到这个Neo Cloud的整个这个行业是因为整个AI算力的需求端给驱动那今天能帮我们算下全球AI算力的真实需求到底有多大我看到有个报告说是OpenAI消耗的算力其实只占全球AI算力总量的10%到15%所有的前沿的AI lab加在一起算力的总需求可能也只是大概是一半的体量那我们到底是怎么样去看整个这个需求端有多少不同的需求他们是谁在用未来的增速是怎么样我觉得这个是很正常的整体来讲我们看到前沿的AI Lab加上这些超大云商自己本身的AI模型的对于算力的需求这个要分两块因为AI它的范围特别广泛我们现在泛指的AI可能就是基于Transformer而产生的这些AI模型您刚才提到的OpenAI和Anthropic它们还是主要基于大语言模型LM下面的算力其实从语言时代开始到现在比如说像Meta 谷歌这些主要以广告收入为主的互联网企业其实它们一直是在用基于Transformer做出来的这种深度计算Deep Learning的模型所以这一块其实是占算力的很大一部分可能有20%多然后呢Anthropic和OpenAI以及这些其他的LM模型现在可能占到了整个算力的30%那剩下的话就是企业的推理以及用户自己的2C端的这些需求所以您刚才提到这些数字我觉得是合理的将来大概率也会维持在这样的一个状态我们讲到这个AI Lab在算力采购上面的这些策略有的公司我们看到它可能是更依赖Neo Cloud和这个云巨头Hyperscalar它的外部的产能比如说Anthropic那有的公司它是从主要外购逐步开始增加自建比例比如说你刚刚讲的这OpenAI它享有更多的这个自己的控制权那有的可能是采用这种核心自建加上弹性外购的这些策略你可以帮我们分析一下就是这些前沿拉他们在战略选择的时候有哪些考量今年您看到的这个情况其实它是有一些公司布局战略上以及一部分的历史原因那我们先拿OpenAI来讲OpenAI的核心的创始人Sam Alman他从第一天就觉得算力的需求是非常庞大的尤其推理这一块大概率是训练的十倍甚至更高那他从22年23年就大量的去采购和布局算力 [15:00] 那去年我还记得创始人Dario呢还在一个访谈上面还诟病了OpenAI说OpenAI为什么要去无限制的采购这么多的算力和硬件然后呢今年当然我们也知道这个Anthrope今年从去年的这个大概年底的这种90亿美金的年化收入到了现在可能在一个500亿美金的这样一个量级年底的话可能会到1000亿美金以上那明显这个需求是远超于他们的预期的那所以他们在这两个月是明显看到他们的这个算力是不够的退一步而言就是说OpenAI的策略是对的所以明显发现OpenAI在今年在算力供给这一块是非常从容的那Anthropic现在没有办法它就只能在外边去大量的采购它都不能说是弹性采购了它现在属于刚性的采购因为现在它的这个算力不足已经影响了它年化收入的这样的一个增长就是说它是在年初的时候超过了OpenAI甚至接近了OpenAI两倍的这样的量级在四月底的这样的以四月底的这个时间点来看的话从这个时间点开始我认为OpenAI是有机会去追赶上Anthropic因为他们在算力方面的不足是很有前瞻性的所以说我觉得未来的这个格局呢大概就像您的问题里面提到的就是说他们部分自建然后部分去在第三方去采购因为这个核心的这个考量呢是说OpenApp不见得是最有效的最能优化这些大集群的所以他们一定要在外部就是包括去用一些像CoreWeb这些供应商这样能对比和考量自己内部的对于算力的和Token产生的优化程度然后最后一部分呢就是弹性采购这个就是按照也许有新的需求爆发那他们一定要实时的去把算力去跟上不然的话他的这个收入以及用户体验会受到影响这几个头部的AI Lab他们的现在拥有的算力的差距有多大Anthropic因为它最近签了一笔非常大的订单跟这个XAI因为XAI基本上算是退出了AI大模型里边这个竞争的一个角色但他们手里边还是有大量的H100和H200的卡这个算力XAI等于是被动式的把自己变成了一个Neo Cloud但他们也大概率不会继续发展这个业务等于就是说把自己手里边的这些GPU和算力变现然后提供给了Anthropic目前我们看到的情况就是说当这些XAI全部上线以后那OpenAI和Anthropic他们的这整个的算力供给差不多是持平的未来的这个Time你觉得会是还是增加吗对于星云来说我理解的是iLab如果是自己自建的话其实他们的这个整个的市场天花板是受影响的但未来的趋势你觉得是对他们来说还是会空间会很大是 我觉得空间是很大的但是这些New Cloud需要把自己的战略以及自己的商业模式想清楚就是现在New Cloud我觉得分成两个派系比较有代表性的就是Coreweave和Nibius这两个是很明显是想去跟传统云去抢到未来在整个大的这个云环境当中他们是想做这个第四朵云和第五朵云什么概念呢其实传统云比如说我拿以AWS为例啊它的这个利润率大概是在40%上下那它这个40%的利润率为什么这么高呢其实如果只看硬件来讲的话它的利润率应该只是在25%到30%之间它能把这个利润率提升10到15个点的话是因为他们提供了很多pass层面的就包括存储啊分发加带宽数据库对于云的这边的很多的管理就是软的这个层面占它收入的30%到35%这个是非常高毛利的一个业务它毛利可能会达到80甚至90以上所以他这一块是把他整体的这个利润率提升了很多的那我们现在来看新云也就是Neal Cloud他们现在分成两派那一个派系就是Corey和Nebius他们也是想在硬件的基础上他希望去提供很多附加值 [20:00] 就是刚才我提到的这个PaaS层面但当然AI和传统群它本身提供的服务不一样那它的这个附加的这些PaaS也是很不一样的那目前我们看到的New Cloud在发力的这块就是在整个的这个算力的优化以及KB cache的合理部署再加上和调用再加上他们会做一些包括最近OpenAI和Antropic都在这个Serverless RL强化学习训练这一块也做了很多布局所以说如果您看Corey的话他今年到了年底他这个存储KB Cash这一块应该给他带来的年化收入差不多到三个亿美金了这个我觉得将来会到十亿二十亿如果这些NeoCal他能把这些PaaS层面的东西能做到15%到20%他们的收入我觉得肯定是做不到30%到35%的因为它的这些客户例如AI大模型公司和其他大型超云公司的话他们自己是有很强的这个PASS层面的能力的所以说我就能做到15%到20%就已经很不错了但这样的话他们整体利润率应该能达到30出头因为AI GPU它大概纯硬件层面它大概的利润率是在25%左右那我们再看另外的这些因为现在有很多这些New Cloud大部分很多像OracleSoftbank Energy还有其他像美国有一些稍微小的就是从当年挖矿就是crypto转型的这些neocard来讲比较代表性的就是Iris Energy还有像现在的这些私有的Cruso啊Fluistack啊他们现在主要是做一个裸机柜这样一个裸金属的租用可能Oracle还是想两边都发力的他可能也是想在这个真正的这个超云这块这个市场去去做一个角逐的但像这些很多这些crypto转型的那他们基本上在我的视角里它就是一个以裸金属就是更像一个硬件租赁的这样的一个业务我觉得这个商业模式是很容易受到价格回报以及一些在资金供给层面的这样的一个挤压所以我觉得这一类的商业模式我是持一个比较中性的态度刚刚我们在讲到这个需求端未来整个这个AI网这个推理端和这个Agentic时代继续发展那你觉得未来对于整个现在云的格局会有些什么样的变化我觉得大概率CoreWeave还有Nibius他们应该能成为第四朵和第五朵进化因为他们的这个整个的布局和理念我觉得是比较超前的当然他们两个也各自有自己不太一样的这个商业模式但我觉得核心就是说我们从一个传统云的时代进入到以硬件为核心基础的这个NeoCon时代那未来我觉得这两个都会回归到一条线上也就是说AI原生云那也就是说大家要为这些所有新的Agentic的Workflow来去做流程上的整个整体的改变这个我觉得现在很多不同的企业包括英伟达CoreWeave还有像超云Hyperscalar本身加上一些之前的一些小的特别个性化的这种云商像Digital Ocean我觉得他们自己都提过这个AI原生云就是AI Native Cloud的这个词但我觉得大家对这个词的理解并不太一样有一些像Digital Ocean他们是更偏以一个产品理念来看AI原生云的他们最近发布了很多有15款还是20款这样的一个给AI原生云做的一个准备然后英伟达和Corey这两个绑定比较深的战略伙伴呢他们所说的这个AI原生云的概念呢就是说他们这个云是以AI算力大集群的管理为核心的他们管这个就是一个比较粗犷的一个概念这个是AI原生云然后像超云这些公司呢他们基本上不太提这个概念因为他们就觉得我们之前干的事情和现在干的没有本质上的区别只不过就是说弊端的这个workflow会变得从人来使用软件数据库存储层转到了这个机器来代替很多人去使用这个软件他们觉得 [25:00] 没有特别大的差异化所以他们是不太提那么多关于AI原生云的这个概念他们的理念就是说我们继续做我们一直做的事情只不过就是面对的对象不同了以前主要是面对人现在主要面对的是机器你觉得未来的Agent时代的这些需求这些业务更多的会被哪一些是被这些Hyperscaler这些超云失去市场份额还是会给这些新的玩家提供更多的机会你觉得这个市场份额往哪边走应该说市场份额我觉得还是在计算层和或者就是我们说的这个物理层它最后的这个市场份额还是要看他们客户下游能拿到多少市场份额简单来说就是哪一个模型将来的市场份额更大那它的上游这些供应商的市场份额就会随着它走就是说它的市场份额分两块那一块就是需求端就是跟它绑定比较深的这个客户未来的发展就是这些模型公司那也包括超云那另外呢就是它自己资源上的这个能力这两年发生了很多数据中心因为这些云商他们的上游是数据中心就这些数据中心把这些我们叫他PowerShall就只提供这个电力和制冷那他需要这些上游的企业能正常稳定的去给他们提供这个最基础的这些电力链的设施还有一个就是说他们在卡的这一块这是他们核心的这个资源能力就是说他们能不能拿到最先进以及最合适的卡所以这个是一个资源端目前来讲也决定了Neo Cloud现在的市场份额所以它是供给端和需求端都并存的刚刚我们聊了很多需求端的问题然后现在我们来看看供给端供给端的话行业现在有几个比较重要的玩家按照2025年收入的口径一个是Core Wave51亿美金的收入可以占到整个Neo Cloud市场22%之后就是Nibus大概只有5亿美金的收入然后Lambda Labs也是大概5亿这样合计的话可能一共是常委加在一起的需求可能还会有个100多亿能不能给我们讲一下现在整个Neo Cloud整个供给侧这些玩家他们有一些什么样各自的差别您刚才给到的数字基本上是去年的其实今年的这个格局还是或者未来两三年的格局其实我觉得变化还是很大的尤其是TPU从2025年大概TPU只有100多万可能120万130万颗的这样的一个供给到了今年400万颗那明年可能会上升到按照我的预测可能会上升到1000万到1200万克就是它的量级已经接近于英伟达的量级了然后像亚马逊的这个Trainium的这个芯片明年也会到一个四五百万克的这样的量级今年可能200万克吧明年甚至可能会更高所以说这三家呢其实基本上都是英伟达系的他们百分之百的这个芯片以及集群的部署都是以英伟达为基础的所以我觉得TPU的崛起呢带动了像Fluistack这种NeoCode的所以说我觉得未来的格局呢是三大巨头应该是Coreweave,Nebius,然后Fluistack最后是亚马逊自己也会在这边以它training为主的也占有一席之地但因为亚马逊是超云嘛那所以我们先把它放开不谈Lambda我简单讲一下就是它是更侧重于编程就它我觉得是一个未来的另外一个方向就是它做这种垂直化区域化的这种New Car就是它变得专业性特别强我们现在主要聊的还是这些大规模的这种范式的范应用泛算力的这个NeoCardFluistack其实比较像Nibius所以我就把这两个合在一起说所以当我提到Nibius的时候呢您可以把它想象成Fluistack就是个用TPU版的NibiusOK所以Corey和Nibius斜杠Fluistack他们俩的本质区别是这样的Corey呢选择了一个最传统的基建模式也就是说他手里边他去拓展资源他拓展资源之后呢去跟他下游的客户Anthropic也好OpenAI也好或者是包括一些新进的这个算力需求大头像JaneSree这种的高频交易公司他还有HRG [30:00] 在这一块呢CoreV选择了我去签长单因为一个GPU的这个商用的生命周期大概是在五到六年那他们就把这五到六年全部锁给一个客户就是说如果用了之后还有残值的话那属于锦上添花所以CoreV它的模式就是说我去拿到这些芯片的资源去组成我的这个大集群然后我把这个大集群的整体的算力打包给到一个头部客户然后呢既然我有了这个很大的这个合同价值大数的话我们算的话就是他每花一块钱他大概在未来的六年能赚回来三块钱他是采取了一个用锁定价格然后用财务上面的杠杆来提升他的回报率这个是非常传统的这些高速公路啊也包括数据中心啊就是传统的商业地产商业基建都是这个模式他这个路线呢其实非常清晰然后他自己的这个融资成本随着银行以及投资人对这个行业的接受度越来越高他的这个融资成本是下降的非常的快的他在2023年发行的第一笔贷款他的利率是14.5是一个算是high yield这样的一个债务发行非常高的成本他在今年所发行的新的一轮贷款他的利率只有6.2而且他已经成为了一个投资级的债务也就是我们所谓的investment grade所以它的IR是提升了相当大的从杠杆前IR大概是23%到25%左右三年前杠杆后提升不大可能是在一个35%到40%左右的这样的一个情况甚至更低一点30%到35%吧现在呢它的这个杠杆后的回报率已经稳稳的超过了50%这个是非常可观的因为对比传统基建项目基本上杠杆前的回报是在5%到6%左右就我们说的这些比较核心的铁路啊码头啊欧洲公路啊杠杆后可能达到一个10%到12%好一点的会做到15%我大学毕业以后我的老东家就是Brookfield是现在管理两万亿美金的规模它是全世界最大的商用地产和基建公司他们是一个100年的一个加拿大的资产管理公司就一直采用的是这样的一个模式非常稳定的现金流也是非常有高预测性的这些回报然后呢那我们看一下Nibius和FluistakNibius他选择另外一个路线也就是说他可能更愿意去承担在价格方面的一定的波动Nibius他们的团队呢是之前俄罗斯最大的搜索网站Yandex的创始团队他们把公司转移到这个阿姆斯坦也就是荷兰就他们完全是把自己脱离了这个俄国的这个整个的这个系统他们也把Yandex给卖掉了然后他们用Yandex卖掉的这些资金开始做出了Nibius的新的发展方向也就是Neo Cloud他们是非常有互联网思维的也就是说他们也对传统的互联网和传统的云有非常深的理解所以在他们的视角下他们是希望承担一定的对于市场上面的算力的价格的波动但他们不愿意去承担财务杠杆这块的风险所以呢他们最近的这几个大的单子呢微软和Meta这几个单子呢他们在他们的财报法说会上他们提到他们这块的预付金达到了40%甚至达到了50%他们自己只发行一些可转债就是以自己的公司层面去发行一些可转债那这块呢就是说他们整体的杠杆率是不高的但当然了如果您想让客户去预支大量的capex就是资本开支他也要牺牲一些合同的价值我们测算下来我们觉得Nibius他们大概是在合同价格上面应该是打了一个大概有20%到25%的这样的一个折扣但他们RR也是非常可观的因为他没有杠杆嘛那所以我们就只聊杠杆钱的这个收益率因为这样非常大额的这个前期的预付款他们的杠杆钱收益应该是能达到35%到40%的所以就是说从这个创始团队的基因来 [35:00] 他们Nibius是选择了不用这个杠杆的形式但是同时也说明他们有更高的上杠杆的空间是吗是的但我觉得他们应该是不会去上很多的杠杆的他们应该是一直用这个40%到50%的这样的一个预付款的形式继续去发展我之前所说的所有的这些回报率都是看它的这个净现金流的因为EBIT的里面是不包括折旧的刚刚你讲的这个商业模式我可不可以简单的理解成说这个商业模式是借钱去买GPU然后是把GPU的时间给租出去然后用租金再来还这个债有一个比较大的疑问就是说GPU本身它是在贬值的因为达的这个新产品也是就一到两年就会出来新的一代然后产品代际有这个更替然后使用寿命其实也是短短的几年感觉是像一个会贬值的资产又一个会贬值的资产去借一个长期的债这样的结构逻辑上是不是能够站住脚我觉得这个是一个现在市场层面以及很多人对于这个商业模式的一个误区就是说如果咱们先看一下传统基建就是码头啊铁路啊包括数据中心其实他们也有很大的这个折旧但只不过呢它这个折旧期限可能要更长一些数据中心的设备的折旧呢这些电力系统呢大概是15年到20年左右所以每年大概是有5%到6%的折旧那如果我们假设AI的这些芯片的使用年限是五年到六年其实这个是跟传统云是没有那么大的一个区别的就是说在CPU的这个时代其实它的折旧也就是当然最近这几年一直在逐渐的延伸其实最开始传统云出来的时候他们的这个CPU的折旧率用的也是五到六年到现在可能有一些这个超云商把它拓展到了七年甚至八年跟AI云其实差别是不大的无论是基建也好传统云也好AI云也好他们去借到的负债其实对应的不是GPU自己硬件本身的残值它对应的是整体的合同的价值所以说对于像Corey和Nibius来讲因为它这些合同主要就都已经签了五年到六年基本上把芯片的商量价值用到了一个非常合理的范围如果在这个基础以上还有一些使用的空间那对于他们来说就是锦上添花基本上就是说都已经折旧完了那能多用一天就多赚刨去电以后百分之百的这个利润所以说在传统云也好新云也好基建也好他们去算的账呢是他整个合同刨掉他们所有的这个电力运营包括一定的这个研发和销售成本最后他们的这个回报率按照他们的这个采购的这个成本是多少所以他们都是算这个大账的银行也是算这个大账这也是为什么在过去的三年Coreview的这个利息的这个成本能下降这么多因为主要就是说大家现在熟悉了这个商业模式觉得跟传统云没有差太多那现在其实唯一对这个商业模式有很大质疑的是这个二级市场因为从一个财务报表上来看呢Corey是比较有代表性的一个公司就是说它在去年的Q2 Q3的时候它的这个利润率还是在一个12%到14%的这样的一个水平然后去年Q4下降到8%然后今年上半年断崖式的下跌到了1%到2%这个呢对于市场来讲增强了他们对这个商业模式的质疑就说哎你们怎么越做利润率反而越下降了尤其还是在这个现货市场就是GPU现货Ball市场里边第一季度还上升了40%那为什么它的利润率下降了其实这个很很简单我在十几年前开始看数据中心的时候也出现了同样的情况就是在它需求爆炸式的增长的情况下尤其又在它锁定了未来五六年的这个现金流的时候那它肯定是要去大规模的去进行建设那因为这个需求的爆发呢相对突然就像这个2015年16年中国的这个手机互联网和云计算爆发的时候比较有代表性的就是我之前也作为首席战略官的公司叫万国数据那个时候一开始万国是16年上市的然后他当时的报表也非常的不好看那核心原因呢跟Corey现在一样Nibius也一样就是说他们现在再建的规模是大于他们 [40:00] 收租的体量我们把它换算成数字吧我觉得可能更有更直观一些Corey在上一个季报他公布了他现在已经通电的部分就是已经通电的部分是一个G瓦然后他们整体布局的这个电力是3.5个G瓦他们再建大概率是有一个G瓦然后在他说他通电的那一个G瓦里面呢我们测算下来可能只有80%也就是800个MW是在真正的产生收入的因为他通电和客户上架和他自己去把这些服务器进行部署还是会有两三个月的这样的一个差异的所以说他本身这一个GW里边只有800个MW在赚钱有200个MW是通了电但没再赚钱然后另外他还在部署和建设今年大概会有一个GW这样的一个规模也就是说他再建的和他收租的是超过他收租的这个规模的一倍那这样的话就会把他的这个利润率给带下来那如果我们展望到今年年底他大概率会有1.8到两个G瓦在收租然后他还是会继续建差不多一个G瓦左右那这样的话他从再建超过了已有收入的一倍多的时候他到了年底他再建的和在已经收租的只占了50%那到年底的时候收租的这一部分他的利润率应该是在25%左右那他现在如果再建到他收租50%的这样的体量到年底呢它的利润率应该到一个12%到14%的这样的一个水平那到了明年它到了明年年底它大概率以上价的再收租的是三个G瓦然后它还会继续再建一个G瓦那这个时候就只占到它现有的30%了那这个时候它利润率就会更接近稳定性的这个利润率也就是说明年它会到一个这个20出头的这样的一个情况然后它再叠加上一定的这些我之前提到过的这些KP Cash啊RL啊这些的就是说这些高利润的这些PASS服务的话它的这个利润率在28年底是很有可能上升到一个25%的水平然后它再建的多短的这个差距呢它最有可能是奔着30去的也就是说到那个时候当然我觉得资本市场应该是会提前意识到这个事情的就是说它会发现新云其实跟旧云差别不是特别大的无论从芯片的折旧层面盈利模式其实都非常接近了那这个时候他的估值应该是接近的就现在的估值差是非常大的传统云的话是在一个20到25倍利润率增长大概在30%左右那新云现在按照我们的这个测算下来只有10倍一个稳定的利润然后它的利润的增长是超过100%的甚至按照我们的测算是在120%到130%的这样的一个未来三年的这样的一个复合增长率那为什么新云的这个估值倍数给的会比传统云低呢我觉得长期来讲新云它应该比这个传统云稍微低一些因为毕竟它的这个资本开支的量是非常大的因为它现在按照一个每Megawatt的话来算的话Corewee和Nibius的资本开支大概是在4500万到5000万美金左右传统云呢每个Megawatt大概是在一个1500万到2000万的这样的一个水平甚至更低一些如果他们用一些自己研发的芯片以及这个白牌的这些网络带宽设备它可能会下降到接近于1000万到1200万per megawatt这样的一个水平所以一你的资本的这个力度是要比传统云要大的二的话像我刚才提到的就是说它的利润率大概永远达不到像传统云这样40%的水平因为有很多这些PaaS的打包业务卖给这些企业的话它是可以收取高昂的这个利润的但这个也许会未来会被一些AI模型和应用所受到冲击啊就类似于现在有一些啊应用层面的软件也受到一些这个大家自己啊外扣定也好啊或者是找一些这种小型的软件的开发商来去做出来一些这些本来大的这些软件公司打包卖给你的其中一部分的功能将来我觉得他们俩的利润率会逐渐converge可能传统云会下降到一个30%到35的这样的一个区间然后Neil Cloud会上升到一个25%到30这样的一个区间也就是说相对比较接近但还是差一些那整体的话估值应该会有一些折扣但不应该是像现在这么大的一个折扣对就你刚刚讲到这个Core Wave它现在的收入可能 [45:00] 只有50亿左右然后它的指引的收入120-130左右但是它的capx要花出去的钱大概在两三百亿美金然后它的积压订单现在是900多亿美金大家对这个积压订单也是会有一些不一样的看法比如说coreweave它最大的一个单一客户就是微软占到它二五年的收入的大概三分之二然后其实还有大量的是来自OpenEye这种积压订单的质量你怎么去看以及它背后带来的风险我觉得这个是资本市场也好2G市场也好我觉得对于Coreview这个公司来讲是一个最大的一个误区就是说您可以把它想象成它现在在这个时间点的收入跟它在这个时间点的资本开支是没有任何关联性的因为它是一个瀑布型的一个结构就是它今天花一块钱它未来六年会收回来三块钱所以说您今天今年看到的这个120亿130亿的收入呢是他之前两年所做的这个投放和这个上架那他今年所花的这个300亿甚至350亿呢他是未来六年会收回来900到1000亿的利润所以说您要把这两块去拆开来看也就是说我觉得最简单的看法就是说他现在花一块钱他未来六年就会赚三块钱如果假设资本开支不大幅度的提升的话他的这个收入和资本开支会逐渐逐渐逐渐的交叉然后最后在应该是在2029年他的这个收入就会超过他的这个资本开支了然后利润率就会直接的到现金流这一块所以我觉得这个是一个非常核心的这个市场还没有用这种看法去看因为他不是像这个AI模型公司AI模型公司他的这个资本开支和他的这个收入是有一个比较短的这样的一个时间的这样的一个差距的也就是说今年他花了多少他可能未来六个月到12个月就开始去兑现了或者转成收入了因为他们需要尽快的去转转成收入但对于Corey和Nibia这些企业来讲只要客户不存在大幅度的这个财政问题他基本上就是把这个三块钱的利润拆成了五到六年所以说只要他建好提供这个服务服务不间断客户不出现这个现金流的问题他的这个现金流就是一直这样的去去累积叠加的我觉得我们所有基建行业你一定要向前看他这个积压订单是他未来需要去交付的算力你可以把它考虑成这样那如果我们看去年2025年它接近70%的收入都来自于微软作为中间商提供给OpenAI的但这个收入的反应其实是它在23年24年的投放的结果如果我们向前看的话它的backlog是非常多元化的以现在的时间点去看它现在最大的这个客户会变成Meta因为Meta占它的这个积压订单里面的35%了然后微软应该是占到了20%OpenAI差不多也在20%然后Anthropic可能在一个8%到10%然后还有JaneStreet现在也到了8%到10%所以说如果您从现在这个时间点只要这些客户不取消订单他几乎也不能取消订单这些订单还是具有一定的财务的绑定性的再加上他只要是能正常的稳定的去交付这些积压订单的需求那您再过三年到四年看他的这个收入就非常的多元化了然后这一块我还需要提到一个比较关键的一点这个经常被投资界忽略是它跟英伟达的绑定关系其实英伟达是承诺它就是说它很大一部分的芯片如果它采购之后不能部署英伟达是可以把它回收过来的所以这样的话就是说它的财务性的风险敞口其实并没有大家想象的那么大这里还讲到另外一个需求侧的担忧就是Deep Seek如果说AI算法的效率持续提升的话那对这个Neo Cloud的这些铁压订单会有些什么样的影响你怎么看我觉得大家可能太关注于现货市场因为今年现货市场确实涨了很多但这个其实是不太符合以前传统云的这个逻辑的就是传统云的这个商业模式和逻辑呢就是说以前是企业客户自己去采购 [50:00] 和管理自己的这个服务器和需求啊他有了多余的这个算力呢他也没有什么办法去能弥补他的这个成本啊所以说大家逐渐的就往这个云上去搬那说白了就是说是零售变成批发啊或者就是说集彩也就是大型这些超云商他们用规模自己的这个庞大的技术以及自己主业的这个现金流来去部署和建立了这样的一个非常核心的骨干的算力系统因为规模效应他们在这个设备带宽服务器还有数据中心的部署逐年的这样的优化其实他的算力的成本每年是下降的很快的然后他把一部分这个算力成本下降的利润留给自己一部分给到客户这样的话呢客户他的这个会拓展出他更多的需求让他把更多的从自己这种部署的需求搬到云上来这个一直是之前十几年云计算发展的一个核心的底层逻辑那AI云其实也是想效仿这样的一个逻辑的我之前提到就是说AI它是一个多方位的需求的爆发训练推理C端B端Agentic Workflow企业的这个商用Workflow它是并发的再加上在上游的钻力链这一块呢因为我们在这个AI时代的开始呢其实是经历了一个最惨烈的一个半导体下行周期因为在COVID期间新冠期间这些上游建设了大量的供给因为当时的PCR手机需求都是一个倍极的增量而且在当时大家不确定世界供应链和病毒对我们全世界的影响的持续性当时他们是进行了大量的扩张然后大量的扩张的结局就造成了COVID因为很快比我们预期快的去结束我们现在这些耳熟能详的这些企业就包括海力士、闪迪、凯霞他们其实在22年23年的时候是一个几乎算是濒临破产的一个状态最惨烈的半导体下行周期又迅速的接上了一个可能这20年到30年最大的一个上行周期所以他们在这几年是没有敢大到阔斧的去扩张因为就怕重蹈这个五年前的覆辙就是濒临破产的这样的一个情况还对于他们来说记忆犹新今年的这个算力市场的这样的一个现货价格是不正常的对不对是很伟大的一个企业但他所做的这些优化和提升这个算力的这样的一个效率其实是我觉得是正常的这个提升效率和这个token price的下行我觉得是一个必要条件这样的话才能让大量的软件以及这个设备方面的这个需求包括这个端侧的这个需求才会蓬勃繁荣的发展然后这样的话那新云和AI算力公司也能做同样的事情就是说我把一部分优化效率的提升留给自己再把一部分留给更下游的这些应用和其他的这个B端和C端的用户这个其实才是一个非常健康的一个生态包括上游这些半导体啊网络啊服务器设备也会逐渐的随着对这个周期的确定性增加希望是合理性的进行扩张这样的话其实才是一个比较健康的生态因为如果您看明年对于今年大家可能预计云商的这个超云商的这些包括AI算力还有这些Neo Cloud他们的资本开支整体来讲可能要增长50%到60%甚至更高但其实这个50%60里边大部分是因为这些原件和芯片尤其是存储的涨价其实整个的我们说的硅的这些就是芯片的量级其实没有一个很高的一个提升这个资本开支是不是那么一个健康的情况我希望能见到的一个市场呢是他每年的这个资本开支的这个增加呢是能跟他的现金流所匹配的然后再加上能跟这个silicon content能匹配的就是说最好就是说每年如果资本开支增加50%的话那我希望silicon content是增加30% 40%可能有一部分是这个上游的这个加价造成的但然后再加上下游的这个算力的优化token的这个cost继续大幅度的这个下降这样的话 [55:00] 真正的需求才会看到真正的爆发您讲的就是杰文斯悲论然后成本打下来以后然后需求端会有更多的应用爆发接下来我想就是说聊一聊整个产业链里面这些角色一个是微软Corewave 还有英伟达微软是全球第二大运服务商然后也是 Corewave 最直接的竞争对手但同时它也是 Corewave 的最大的一个客户然后英伟达他是卖芯片同时又有这个Coreweave的11%的股权然后你刚刚也提到如果Coreweave租不出去的这个GPU然后英伟达可以给他去兜底那这三者的这个关系他们是竞争是客户还是共生你会怎么看这一块可能是我这个个人的观点可能稍微重一些就是其实我觉得在这个体系当中微软的这个角色已经是比较边缘化了微软在这个体系的重要的角色在一开始就是说为什么他作为一个在open ai和croyu之间做了这样的一个中间人的这样的一个角色呢首先两点第一呢是microsoft当年是做了大量的投资给open ai然后他们当时也是希OpenAI的这个XGPT也好或者他们其他模型也好给他的这些PaaS产品就是包括尤其是以Microsoft办公软件为核心的以及他的这个AI的功能Copilot提供一个极其大的这个负能对于Quarrue来讲呢那OpenAI当时的这个收入和支出的差比是很大的他们当时是有极大的这个负现金流的所以微软作为这个中间人其实对于他整体来讲是一个增信的一个作用就是说如果没有微软在的话那可能open AI这边能拿到的价格可能是极其高的因为基建类的行业说白了它其实是一个你客户的这个企业级的这个信用一个上层的这样的一个逻辑就比如说你这个客户是比如说Triple B或者 Double A那你的这个基建的这个信用等级就可能比他差一点点啊比他稍微低一些因为你还有自己的一些运营上面的以及布局上面的这个风险但基本上这个基建类的项目以单一项目来看他的这个投资的这个信用度就是他的这个credit rating基本上是跟他的客户是强相关的那也就是说如果客户这个信用很差的话那它的这个价格也会相对的比较高所以说微软是起到这样的一个作用我觉得从近期一个月前吧还是两个月前这个微软跟这个OpenAI也说了他们的这个合作呢到了一个这个段落也就是说OpenAI会继续赋能它的copilot但这个已经不是一对一的这样的一个关系了就是说OpenAI已经基本上从微软的这个体系独立出来了所以那我们就来主要核心去谈英伟达和Coreview之间的这个战略关系吧我觉得最核心的两块AB方法我觉得从英伟达的角度来讲呢是他想去核心扶植和支持这样自己的一套硬件基建云生态的体系虽然其他超云公司也采购英伟达的芯片但是他们肯定是不想被一家公司决定他们未来的整个的布局的发展那未来这些大型的超云公司和大型的互联网企业就包括我们的头条还有Emeta就包括阿里都会去非常积极的去自研自己的芯片英伟达呢肯定也要在自己的这套体系内树立护城河所以他们就想找一个本身能力就比较强的就比较互补的我认为英伟达是觉得CoreWeave也包括Nibius在这个大集群的这个管理和优化方面是有自己的独特的这个经验和见解的所以英伟达投资了这两个公司并且选择性的会优先给他们提供芯片和服务器然后还有一层更深的一个逻辑就是说传统云商他们不想跟一个整体的这样的一个解决方案去绑定因为如果大家比如说都用标准化的这种AMD或者是英特尔的服务器那你怎么在价格上边或者是在服务方面跑出来优势呢其实是比较难的那也就是说传统云从2012年2013年这个高速发展开始呢这三家核心的超云Microsoft AWS 谷歌呢他们其实把这个这些硬件进行大量的这个白牌化啊比如说最早以前企业都是用四颗的交换机和这个router后来呢到了这个云的时候 [60:00] 其实他们大量就把这个白牌化了包括呢他们对这个服务器他们也几乎不像从这个OEM就是一个服务器它从T0到T10这样的一个整合过程当中OEM像调这种的它是负责最后这个T8到T10这一块的然后台湾的这些原厂商就是ODM他们是在一个从T0直接给你做到T8那这些超云呢在传统云的时代呢他们是希望尽量往这个原厂这边去走就是说他们希望把自己的一些设计采购这些理念放在里面就是说比如说他们觉得不重要的东西呢就用便宜的然后可能重要的东西呢例如带宽啊比如说网络设备他们就选最好的因为之前我提到就是那个时代就是带宽和网络非不非不非对于他们来是非常重要所以这样的话呢他们能按照自己的这个团队的能力去跑出来差异化然后去互相竞争所以说他们是有一个很大的一个这样的一个采购和研发团队去自己优化这个服务器英伟达呢他一开始还有包括其他这些逻辑芯片厂商他们属于做一个发动机然后可能配一些这个核心的这个轴承就是ODM可能把你整个整车给做出来然后OEM可能在上面做一些贴牌喷漆做一些改装然后再加一部分的利润再卖给下游的广大客户大概生态是这样的传统云他们更像那些自己喜欢改造车的他只买一个发动机有点像我们小时候看《投温自低》里边他买一个GTL但是他自己去做很多的改进和优化然后他把这个车的性能发动机的性能提升到最强然后他希望比别人跑得快所以到了这个AI时代英伟达他自己的一个理念他就说你不要自己去做这些自主的改装不要自己抖机领他就说我的整套的这个系统就是最好的最优解我就是一直来为这个AI算力时代所研发的就相当于他就说你就应该买我这辆超跑什么都不用改所以说他一直想找一家云商把他的这个理念给完整的输出出来那Corey在一些集群当中就是用这个理念就是用整套的英伟达的网络设备不做太多的自己的在硬件层面的优化只做在pass层面的这个优化就是说相当于他跟英伟达是合作伙伴做出一个英伟达想展现给世界的真正的这个推理和训练能力就英伟达一直觉得这些其他的这些超云的这些厂商他们最后改来改去的其实最后的效果是不如他们理念型的这个效果然后对于Niocard就CoreU这边呢那当然就是说有了英伟达的这样的投资和合作关系之后呢他应该在拿取芯片服务器这块是有一些优先级的然后再加上英伟达可能会给他提供一些在软的层面PAR层面的一些支持因为其实英伟达自己也开发了许多的AI训练和推理这边的工具所以他也希望有一个这样的渠道去把他的这些能力也逐渐的去推给更下游的这些客户当然还有就是这个资金也是非常重要的所以有这样英伟达这样的一个客户去背书包括我之前提到就是英伟达还说如果你这个芯片没有交付出去那他是愿意回收的还有一个新的新闻就是黑石和谷歌成立了一个TPU的Neo Cloud供给端的这个谷歌联合了一个金融资本然后用Neo Cloud的模式来经营算力那我们知道谷歌已经有自己的谷歌运营为什么还要在自己的体系之外再建立一个独立的TPU Neo Cloud这对Coreview有什么影响呢因为感觉到推理时代的话然后Corey又在跟英伟达绑定然后推理芯片其他的各种各样的推理芯片又出来跟英伟达绑定会不会成为他们的劣势其实我觉得因为我跟Corey的管理层交流比较多我并不觉得他们认为自己跟某一家是完全独家的这样的一个状态但他们确实内部理念确实觉得英伟达的芯片是最好的是最优解的那我们先说一下这个Blackstone黑石和Google TPU的这样的一个联合吧如果您的硬件被更多人的使用被更多的场景去使用它是会有一个很大的一个生态的效应的这也是为什么英伟达在TPU的使用性在这两年被大量的这个提升之后呢比如说我们23年吧其实角逐的几乎就是英伟达和AMD然后当时还有英特尔 [65:00] 英特尔那个GPU基本上就很快就凋零了为什么英伟达的这个生态一直要比AMB的生态要好很多呢那就是因为英伟达它的芯片被这些超云厂商和AI模型公司大量的去优化和应用也包括DeepSeek就是大量的这个优化和应用因为也因为它自己的这个Cuda的这个生态是非实用性是非常非常强的效率是非常非常高的那所以现在Google想做的就是它想让大家把它的GPU用起来这样他能重任是才火焰高就是说大家都会帮他去做优化可能也对他整个的体系会做成提升但是如果他只输出自己的谷歌云的生态因为一个云它里面是继承了自己前世今生就是他传统云里面的很多的这些技术和PaaS但这些不见得会被新一代的这些AI原生的公司所接受所以他并不想被自己之前的整个的生态和理念而限制它的这个芯片层面的这样的发展所以呢他是非常有战略性的去选择了黑石以及其他的资金比较深厚的财团去把他的这个TPU给推向所有人如果你反着去看其实在两年前英伟达也尝试了自己去做云就他那个DGX其实当时他也有一点想做一个云出来但是是没有人愿意去用的因为大家就觉得那你这个云要是发展快了将来你可能不卖我芯片了你就把芯片都留在自己手里边然后你只把算力出售给我那这个对于大家来说就是一个威胁性更大的一个路径那所以大家就在第一天的时候我就反对你这个路径所以就没有去接受他的这个这个做做云的这样的一个一个愿景那所以英伟达也就不怎么再提这件事情了那谷歌我觉得是一样他只不过就是稍微反过来就是他已经有一个很庞大的这个云的生态体系了但是不见得说所有人都想依托于他的这个所有的他这个云的所有的东西那也许还是有很多人是想用TPU的觉得他是一个很好的就是大家希望去选择性的用你生态当中的就是说我我先买你的这个发动机我认可你这个发动机就像宝马奔驰一样就是说我可能认可你的这个发动机但我可能不认可你的车的这个设计理念啊内饰啊这些的我还想自己去做那这样的话谷歌就给了大家的这样的一个拓展性非常有前瞻性的还想问问你就是怎么去看待Neo Cloud它真正的一个持久的一个护城河我有时候我们会想到这个19世纪这个铁路的这个例子有很多这些铁路公司它把这个铁路还有包括火车拿去那个抵押最后公司破产了基础设施留下来了但是这些公司都没了你觉得这是未来的这个新云它的持久的护城河是什么它是以后就是像你说的那个变成云还是有一些可能也是随着这个时代之后这个没有利润然后也就会消失或者是成为一个对人率最低的一个生意这个类比我觉得是比较恰当的而且这个类比其实是可以应用到大部分的这些重资产行业我们之前在Brookfield的时候开个玩笑就是说因为酒店是一个风险特别高的一个资产类别尤其在商业地产里面我们经常开玩笑就是说第一个酒店的持有者大概率是要亏钱或者是破产的然后第二个owner一般是会打平然后到了第三个owner才开始赚钱所以就是说这个铁路也好基建也好因为您看当时brokefield是在2008年2009年的时候因为一家澳大利亚最大的这个基建的资产管理公司叫Bob Camp Brown当时就破产了Brockfield就是以这个资产价值一个大打折扣的一个价格去收购了澳大利亚整个铁路码头基建类的可能有20%到25%的这个市场份额一把就全都收过来了这个就是因为Bob Camp Brown他之前对整个的这个周期的理解以及对自己自己的在一个极端情况下的一个成压能力的一个错配给了Brookfield一把占据这个很庞大的这个市场地位的这样的一个机会所以我觉得无论说铁路也好以及后来的这些住宅啊基建啊其实它的原理都是一样的重资产基建类的地产类的它公司破产了除非烂尾了只要它建完了它基本上都会留在我们这个这个世界上因为我们的经济在发展人口在发展它基本上在某一个时间点它总会填平供给和需求中间的一个差异所以当这个差异供给需求差异特别大的时候呢那在这个时候持有这个资产的人呢大概率是会有很大的这个财务的损失的所以最好就是说你的成本越低越好然后这个需求和供给的这个差异越小越好因为他们都用杠杆啊之前提到就是基建基本上得用杠杆才能有一个很合理 [70:00] 一个比较合理的这个收益率然后他也能加杠杆因为他有很稳定的现金流但这个的话就像银行放贷一样就是说他对自己的财务模型和他以及他下游的这个需求一定要有一个特别保守的这样的一个预期当然你太保守的话你就赚不到钱你规模起不来你太激进的话有可能这个步子跨太大了就你有可能濒临破产所以话说回来就是说我觉得新云也好传统云也好铁路也好地产也好其实最后取决于这个公司他自己的这个运营能力和他的这个财务的风险的这个敞口所以我觉得基建类从来不会一家独大因为这个几乎不可能大家的这个核心竞争力差异化不是那么大说白了就是说如果你有钱您对收益率的预期及期的低您就可以在这个基建行业有个一席之地你们需要一个十几个点的收益如果我的收益只是比如说我只想要23%或者45%我又不想加杠杆那其实你买了之后你可以一直持有这个资产别人是很难撼动你的所以就是说它是肯定不会是一家独大的就是这个不可能未来的发展呢主要就是我觉得核心这个行业呢肯定是有一些会被淘汰有一些过于激进的我这里就不点名啊然后他的这些产能供给会被更优质的企业就像Bepa & Brown这个例子来讲就是这个太激进的这个企业所持有的资产最后基本上都会流向一个真正的财大气粗要么就流向一个更好的管理者所以这对于整个社会来讲和资本市场来讲其实这是一个比较良性的发展所以我觉得AI云也是一样的这些资产会存在但当然了我们也聊过就是说因为芯片它并不会持续这么长就铁路这个东西它的折旧可能是40年50年AI这个芯片它六年以后就可能残值就比较低了它的这个更新迭代可能还真的会稍微快一点所以说它这个资产它也不会就是永久的持续在那算力链的话我觉得因为现在实在是百花齐放就是两只手已经数不过来现在世界上未来两三年规模超过10亿美金的这样的一个New Cloud的公司那肯定是有一大半我觉得是要被淘汰的因为一你要受到三朵云的这个影响二就你可能要受到这些新进的新贵的影响就是Coreview Nebius Fluistack然后呢你还要取决你下游客户的这个影响因为这个时代也不是说所有的应用和AI模型也都会存活到十年以后有一部分会存活有一部分会不存活那如果您的这个下游客户不行的话也会导致一部分这些上游供应商这些新云的这样的一个一个逐步的优化和淘汰的一个过程但我认为这个是健康的这个也是必然而发生的再想问一个展望未来的问题不管是从推理端还是Agentic workflow未来这个需求上升之后你觉得整个云的基础设施里面最大的变量会在哪一层未来最大的瓶颈会在哪里我个人认为我觉得最有趣的一层呢其实是在PaaS这一层因为以前的话呢在AAS就是在基建这一层我觉得大家基本上平起平坐就哪怕是理念上面有一些差别最后结果基本上都一样的我说的差别是什么呢比如说微软就想做小而轻的这样的一个数据中心的布局他有很多很多节点然后像亚马逊呢他就是做这种大型的这种数据中心的部署然后进行这种算力以这种非常强的这种带宽能力和containerization的能力去来输出它的这些硬件系统最后他们两个在硬件层面在物理层面其实我觉得差异化不是那么大他们这两家差异化特别大的其实在PaaS层面微软当然它自己有个先天优势因为它自己有很多的SaaS的能力也有PaaS的能力所以它可以把很多它这些SaaS和PaaS的东西放到它的云上去一起并行式的去销售给你就打一个大包就全都一起推放给你亚马逊呢因为他的这个之前一开始亚马逊云的这个核心客户呢是可能偏这个startup企业就是创业企业为主因为创业企业它比较省嘛能省就省所以他会像选菜单一样他会这个定向式的选一定的这个功能所以亚马逊是把这个菜单给做起了但是他没有想这个一起都推给你就是说他没有想让你去吃这个Omakase就是说他你自己点所以说它的这个功能是非常丰富的所以亚马逊我觉得在传统云这块是做的非常好的但是呢这个无论是微软也好亚马逊也好为什么Google我觉得因为它在传统云时代我觉得做的实在一般因为它没有这个2B的基因就除了广告业务以外就是它没有这个太多的这个企业服务的这样的一个基因所以说就是亚马逊 [75:00] Azure是属于这两巨头的这个PK当中呢他们的这个最大差异化就在PaaS层面然后但是它都是与人服务的所以就说它很多提供的这些数据库啊还有这些可视性的管理云的这些软件呢这都是给人来提供的就是如果我们现在来讨论机器或者芯片来代替很多这种知识型的脑洞力也就是说很多这些PaaS的这些系统呢其实对于机器来讲是没有什么太大意义的就举个例子就是说我认为将来一个很大的一个发展方向是存储层就是storage layer和数据层就database layer这两个我觉得会结合在一起因为抹讯它是不需要去看数据中心然后再看到这个storage层的就说甚至它可以直接跟这个硬件进行的这样的一个交互所以我觉得未来核心的层面是storage layer就是存储层是一个未来很大的一个可以贯穿整个不同的这个设计也好推力也好agentic workflow也好企业的enterprise workflow也好这个2C的workout也好包括可能是本地部署端层其实都很重要为什么我不谈硬件这一块呢因为硬件它的供给可多可少硬件这些固然重要但就是说将来它的价值还取于他们自己的这几家的博弈的情况但是软件层面我觉得谁把这个占助的是非常重要的就是PASS这一层其实有一个想法是这样的就是说是不是在现在或者在未来的某一天我们已经把想问的或者要问的问题你全都问了那那个时候是不是在这个LM的这样的一个层面就从一个纯这种显性的这个问答的层面是不是我们不需要更多的推理算力了就是您看现在有很多的数据员已经接近一个上限了那也就是说我们现在有可能今年或者明年我们基本上把很多问题都问了几万遍了这个其实你也会看到大模型公司其实他现在这个回答的速度越来越快了我其实不认为它是因为推理的速度变快了因为新的卡其实也没有出现我觉得就是因为很多的答案它已经存起来了这个最后的这个存的模式它下面用的什么是用硬盘是用磁带是用ESSD其实我觉得都无所谓所以这是为什么我避开硬件不谈就是说我现在只谈这个Storage Layer这个我觉得是非常核心的也就是说谁能在很高效的高频的然后又大量的低价的去能优化存储信息和答案这一块我觉得这个其实TAM非常非常大的一些传统企业在传统做这些Storage Layer的企业可能做的不太好就是像传统的就包括很老的企业就是调里边的EMC然后NetAppPureStorage这些都是都是这个上市公司或上市公司的一部分那还有一些未上市的我觉得大家可以关注一下就比如说像Vastata这种公司就是一直就沉淀了很多技术在这个Low Latency Storage的这一块所以我觉得还是还是很值得关注就是说如果是通营的这一块如果你问我现在我能看得到的在我的这个认知的范围内我觉得Storage还是非常interesting的因为它尚可去攻击Database layer然后它下可以去优化硬件的最后硬件最后的解决我们走一步试一步那个可能就是一个纯成本的考量以前它的这种高速存储的需求是很低的因为你也知道企业对于存储的需求就把一个文件存进去它可能这辈子也不再看一次了所以他对高速的提取和存储他不在在乎所以AI时代之前用Vastata主要是这些高频交易的公司去用它作为它的客户但现在基本上这些头部的无论是超云也好AI算力公司也好新云也好都是它的backlock它的backlock是很强很强的所以最后谁把这个storage layer做出来我觉得还有待观望但我觉得这个肯定是一个我们非常关注的一个赛道今天最后一个问题也想聊一聊最近你公开发表的一个言论就是你把AI agent抵做是数字劳工然后把Neo Cloud抵做是维持这些数字人运转的基础设施你说的是如果芯片在取代人我们怎么样让数字人感到开心就是你说的这套框架的背后是一套怎么样的关于AI和人类的劳动关系的一个判断我先说一下背景吧就是我这个理论只是基于现在的这个AI的能力就是我认为AI是一个非常非常强大的一个系统我们现在可能也只不过是刚刚迈出了第一步就是我们现在可能只用到了AI未来它的能力的可能1% [80:00] 0.1%都不到就是他的未来的这个发展是非常非常庞大的用我这个狭隘的认知来先说现在我认为AI能做的事情因为我特别喜欢历史所以我们现在先回溯一下就是说我以美国为代表吧作为西方世界的一个代表美国从1985年的时候1980年代开始它那个时候的制造业的劳动的人口大概有2000万左右但是它实际这个国家因为它发展的非常快因为他的这些工业化所带动他的需求是飞速的发展的但是呢他国内的这个劳动力远远不足以满足于美国人的这个需求了所以他有很大的这个通胀的这个上行的压力所以如果你看80年代的时候他们的通胀都都到了这个十几个点以上那他们没有办法他们一定要寻求一个能降本增效以及扩大他的这个生产规模去满足他的这个消费需求的这样一个地方他们最开始先去了亚洲的四小龙韩国台湾日本香港啊这四块也还有一部分新加坡但是呢这几个市场呢他的这个体量太小了所以到了90年代的时候呢美国就开始在中国这边做很多的调研啊和看这个市场是不是可脱性所以到了中国应该是2000如果没记错应该是2001年加入WTO就正式进入到了这个自由贸易的这样一个体系当中然后这个时候美国就把大量的这个制造业的迁移到了中国所以美国在1985年到现在呢大概是丢失了700万左右的制造业的岗位但是亚洲地区出现了大概1.2到1.5亿的制造业的岗位然后因为这些成本的优化大概到中国的话成本优化大概是60%左右然后又满足了美国消费的需求所以你得有人去管这些产业链那边多出了一个多亿人的劳动力所以美国他这然后这边又多出了这个消费的需求你有你有更多的人去这个卖啊和管理这边的这个下游的这个产业链到2010年的时候就那30年呢大概增加了4000万的白领就是美国一共他的这个服务行业的就业是1.3个亿这1.3个亿里边有5000万是最核心的白领2012年这个阶段之后他发现他白领的供给也不太够了所以他需要找一个另外一个第二个降本增效的一个出口所以那个时候他选择了当时也是因为技术路线的这样的一个就是技术的能所提供给你的就是云计算和软件但如果您看那十年呢其实没有一个特别革命性的变化第一个就是说就我们现在只说这个application的软件那就是说这些软件呢它确实让美国不需要再增加白领了但是他也没有办法去减他已有这个5000万的这个白领的这个池子然后确实云帮他省了一些成本但是你这个已有的这个5000万的这个池子的这个工资啊还有这些为了维护他们这个5000万的这个人呢还在成本还在继续的增加然后SARS这个行业的比较有趣的是呢其实他只是把自己的商业模式变了这个是非常成功的一个转型就是在云之前呢你想软件公司在我我们小时候用什么可能就是Windows SP吧然后就是他是你每三年你买一次然后因为他是本地部署所以有很大的这个盗版的问题所以之前软件估值是相对比较低的当他们到了这个SARS一个层面呢他就变成了一个狗皮高药型的一个公司了当然这个在资本市场觉得这是最好的一个生意就是你每个月都在付我钱然后当我绑定了你的系统之后我有你的很多的数据然后我能去优化然后这样软件其实每年是在提价格的就是它是不是像云一样每年是这样价格的就SARS公司他一旦进入到你的这个公司一样他就每年去给你提价然后你也做不了什么因为你在选择接受这个云软件的提价和选择去加人的情况下软件确实是ROI是比加人要高的OK所以就是说那这个持续了大概有十几年直到这个AI的出现那在我的这个视角里边AI就是一个新的时代的一个对于美国白领劳动力膨胀的一个解决方案因为它其实已经解决了制造业这块它去了中国中国的市场很大就是制造业的效率一直在提升它或者它可以去东南亚这块的这个知识劳动力的这块AI是等于是帮了它大忙我觉得明年开始就是它会把很多的这个劳动力的这个能力就是它终于能把这些人 [85:00] 裁掉一部分了甚至一小部分一大部分我觉得这个是随着这个AI的发展他就他的实用性他的稳定性如果得到接受之后他终于可以把这块降下来这个可能会是一个几年十年的一个过程就慢慢他这块白领的这个速度就下来了那我们到这个时代就是说现在出现了一个新的这个数字经济这个数字经济其实跟我们的这个本来的这个经济呢也没差那么多唯一的变量就是芯片要代替人了就是以前中国这些制造业的劳工呢或者说美国这些白领呢要被这个芯片所代替但是它的这个类比性是很像中国以前的这些在工厂里边的这些劳工一样就是芯片是劳工然后他们住在哪呢他们住在数据中心里边这是他们的办公和生活的地方然后谁来雇用他们呢那就是采购这些芯片以及给他们提供数据中心的租金的那就是这些超云和新云公司所以说为什么英伟达把它叫做AI factory因为他就是像以前中国的这个这个工厂一样所以你看他现在经历的这些很多的困难啊平静啊其实中国90年代2000年初都经历过断水啊断电啊缺人啊呃都都是一样的然后像网络设备呢就大家现在谈的比较多的光啊这些的连接设备就相当于国内的这些呃高速公路啊和这个呃电信公司就是这是一个让这些啊数码人去交流沟通的这个地方然后最后呢就是中国这边中国人大家要吃饭喝酒这个休息那芯片是不休息的但他们需要更多的电力所以其实这个这两个的可比性是很强很强的然后我最后再重申一遍就是说这个是基于现在的这个AI能力就已经有一个这么大的一个大型的平台式的板块式的这样的一个知识劳动力的一个出口的地方所以我觉得这个已经非常的庞大了但我觉得我们还只是看到了就是AI这一块发展的这个小核财路尖尖角谢谢凯倪今天跟我们的分享我们从1950年代的大型机一直聊到未来十年的基础设施将如何被AI定义非常感谢今天参与节目分享你的观点我们硅谷坐标这档节目最想做的事情不是预测未来而是搞清楚未来可能怎么发生以及当下的我们站在哪里我是曹清云这里是硅谷坐标我们下期再见