一則低調的融資消息讓AI行業炸開了鍋。

近日，外媒爆出AI基礎設施公司Fluidstack完成15億美元融資，投後估值180億美元（約1200億人民幣），領投方是今年頻登媒體頭條的量化交易巨頭Jane Street。

要知道在兩個月前，Fluidstack剛完成7.5億美元融資，投後估值為75億美元。也就是說，60天內，這家公司的估值翻了2.4倍。

更不可思議的是，這家公司幾乎不含有任何矽谷熱門元素，沒有大模型，不生產GPU，沒有To C產品，沒有創始人的傳奇敘事。

如果非要找一個相關，那就它手握著一份可審計的、有Anthropic背書的多年期巨額合同。通俗點說，就像市場調侃Coreweave被輝達“包養”一樣，Fluidstack實際上一家被Anthropic“包養”的公司。

從倒賣閒置顯示卡，到估值1200億

時間撥回到2017年，Fluidstack兩位創始人Gary WuF（吳嘉裡，英籍華裔）與Jamie Cox在牛津讀書時相識。

Gary讀經濟學與管理，自學程式設計，Jamie攻讀古典文學，他們兩人觀察到一個很直觀的矛盾，讀博的AI研究者、小實驗室很難從AWS、微軟、Google雲快速拿到足量GPU，大廠雲資源排隊久，且價格昂貴。另一邊，大量遊戲玩家、網咖、小型實驗室，高價顯示卡一周只用兩三天，大部分時間閒置。

於是兩人萌生了一個想法，做一個GPU的Airbnb，把個人、小型機構閒置顯示卡聚合起來，打包租給需要算力的科研人員，玩家可以靠閒置GPU賺零花錢。2017年，Fluidstack在牛津正式成立，總部設在倫敦。

他們的早期業務不止GPU租賃，同時還聚合全球使用者閒置頻寬，做CDN內容分發，客戶包含老牌視訊網站Dailymotion。2018年Jamie從牛津輟學，拿到了“蒂爾獎學金”，兩人開始全職投入創業。

但由於P2P閒置GPU市場的商業模式天生存在硬傷，所以很多科研使用者試用之後就棄用了，所以公司開局不利，增長緩慢，收入微薄。

轉折發生在2020年，這一年第三位聯合創始人César Maklary加入了進來，他擁有帝國理工航空工程碩士，此前在小紅牛F1車隊擔任空氣動力學工程師，擅長大型複雜系統、散熱、電力與硬體工程。

很快疫情來了，這期間倒賣零散顯示卡賺不了大錢，所以三人轉向從企業和大學實驗室整批租下GPU池，再轉租給AI公司。同時團隊開發自研裸金屬調度系統Atlas OS，用來統一管理與營運，沒人能預料到這個能力，將會成為公司最大護城河。

ChatGPT上線後，訂單像潮水一樣湧來。2022年，Fluidstack的收入是180萬美元；2023年，3000萬；2024年，英國公司註冊的審計報表達6620萬美元。

公司的核心賣點在於，別人需要數月交付的數千卡叢集，Fluidstack可以48小時內部署上線。最知名案例是給Poolside一次性部署了2500塊GPU。客戶名單也在快速擴容，Mistral AI、Character.ai、Poolside、Black Forest Labs等前沿AI初創公司陸續簽約。

不過到這裡，它依然是歐洲AI圈裡一個“小而美”的存在。2025年2月，法國總統馬克宏在AI行動峰會上宣佈，Fluidstack將參與在法國北部建設一座100億歐元、1吉瓦的AI資料中心。一夜之間，這家名不見經傳的公司成了歐洲AI主權的希望。

很快，戲劇性的一幕發生了。2025年11月，Anthropic宣佈500億美元美國算力投資計畫，Fluidstack被選為定製資料中心的建設與營運方，還深度參與了Anthropic部署至多100萬顆GoogleTPU的計畫，這使它成為Google之外第一家公開已知的TPU資料中心營運商。

幾個月後，隨著美國合同落袋，Fluidstack退出了法國項目，全球總部也從倫敦搬到了紐約，資本用腳投票，地理跟著合同走。此後，藉著Anthropic的名氣，Fluidstack成了新聞裡的常客，只不過，它的創始團隊依舊低調，鮮有露面。

儘管Fluidstack2017年就已經成立，但在估值騰飛之前，它的融資履歷寒酸得不像一家明星公司。

它歷史上真正一筆融資發生在2019年。這一年，Fluidstack完成300萬美元的種子輪融資，投資方包括Seedcamp、Mercuri和7 Global Capital等，此時公司還在做P2P閒GPU與CDN業務，知名度極低。

接下來的第二筆融資則發生在五年後了，2024年，業務轉向企業GPU叢集的關鍵期，Fluidstack拿到了SAFE（無股權定價的未來股權協議）和3750萬美元的債務融資，這輪融資的投資者並未公佈。

英國註冊檔案顯示，截至2024年底，Fluidstack累計完成的股權融資只有3000萬美元，外加3800萬美元債務。2025年2月，它曾拿下了由私募股權公司Cacti領投的2億美元的A輪融資，之後，Fluidstack的融資頻率就加快了。

錢開始追著這家公司跑是發生在今年。年初，由前OpenAI研究員Leopold Aschenbrenner旗下的Situational Awareness基金領投的4.5億美元的A+輪融資，7月，這輪融資金額又增加到了8.3億美元，領投方和估值不變，只不過，增加了BlackRock、Google、Jane Street等投資者。

再到最新這筆，由量化交易巨頭Jane Street領投的15億美元新融資，公司估值飆升至180億美元，累計股權融資約26億美元，同時配套數百億債務融資，用於資料中心建設。這筆融資還讓三位創始人成功躋身了“歐洲最年輕白手起家億萬富翁”之列，只可惜他們已搬去了紐約。

此刻Fluidstack在資本眼裡的畫像，不是雲廠商，不是輝達的客戶代理，而是一個“算力撮合與交付”的輕資產平台：

資料中心的殼、電、晶片，大部分靠租，從TeraWulf、Cipher Mining、Hut 8等轉型的比特幣礦商手裡鎖定未來十年近1吉瓦的電力，與地產和資本方簽長協，再打包成長期算力合同租給Anthropic、Meta、Mistral、Poolside、Black Forest Labs。

營收側，據一家機構的投資備忘錄記載，2026年Fluidstack將在10多個站點營運1.3吉瓦算力，收入6.6億美元，這個數字是2025年預期值2億美元的兩倍多，2024年實際值的10倍。

關鍵是，它賺的不是硬體升值的錢，是“把1吉瓦電在正確的時間內接通”的服務費。它的Atlas OS平台幾天內能自動化上線裸金屬GPU叢集，模組化建設的機房約6個月通電，而傳統資料中心工期是18到36個月。

如果按傳統市銷率看，180億美元對2026年預計6.6億美元收入，是27倍，對一個帶著建設風險、電力審批風險和單一客戶集中度的生意，這個數字在任何正常市場都算激進。

但換一個定價框架看，這不是在給收入定價，是在給合同定價。500億美元級的多年期合約一旦鎖定，剩下的就是工程執行問題，而工程執行恰恰是Jane Street這類機構用機率語言最擅長評估的東西。

所以理解Fluidstack的估值，先要理解寫這張支票的人。這家公司的傳奇故事，我們此前在《人均年薪1825萬，公司沒有CEO》曾有過詳細闡述，在此不贅述。

它是全球最大的ETF做市商，《金融時報》稱之為“一台極其賺錢的無政府主義公社”，2025年，Jane Street淨交易收入396億美元，調整後EBITDA 312億美元，創下華爾街歷史紀錄。

2026年一季度更凶，單季交易收入161億美元，利潤103億美元。自有資本（成員權益）約450億美元，比2016年增長了近20倍。在中國輿論場，這家公司已經拿到了一個約定俗成的稱號“美版幻方量化”。

但與梁文鋒選擇不同的是，Jane Street沒有選擇去訓練大模型，而是用資本在AI產業鏈的每一層下注。2026年，這家公司第一次把利潤池裡大量的錢，從交易挪向了投資。

先看這一年在它身上發生了什麼：

4月15日，CoreWeave公告，Jane Street簽下約60億美元的AI雲平台合同，同時以每股109億美元買入CoreWeave 10億美元股票，鎖定輝達Vera Rubin系統優先使用權。

8月18日，推理晶片公司Etched宣佈7億美元融資，估值210億美元，領投方Jane Street。而它同時也是Etched的第一個真實付費客戶。它此前已在7月之前投了Etched超過1億美元，估值從50億一路陪跑到210億。

9月初，Jane Street被曝與Crusoe簽了五年、約130億美元的雲合同。同一天，還是Jane Street，領投Fluidstack 15億美元。

翻看Jane Street的投資版圖，可以看到一條清晰的主線，模型層、算力層、基建層，全端持有，而且它投的標的漲得也快。具體地，模型層有Anthropic、Thinking Machines，晶片層有Etched、MatX，雲層有CoreWeave、Nscale、Crusoe，基建層有Fluidstack，電力層有X-energy。

所以，業內認為這根本不是風險投資的組合邏輯，而是一張跨資產做市的持倉表。

作為AI算力市場最大的買家之一，Jane Street比任何VC都清楚每一層的真實供需。它領投Fluidstack，本質上是把利潤變成了算力的期貨。

Jane Street也踩過坑。2月，TerraUSD崩盤的清算管理人起訴其利用前實習生獲取內幕資訊搶先拋售。7月，路透報導其重倉的AI避險基金Situational Awareness，因高槓桿押注AI硬體股崩盤，單月巨虧約150億美元，投資組合被大幅折價甩賣給Citadel。

這是定數，天才總是伴隨著爭議。

最後再說回這次融資本身，有市場觀點認為，這是一場典型的包養式融資。學術一點的名字叫錨定合約融資或循環融資（circular financing），即出錢的人，同時是收錢的人的客戶、擔保人，甚至上游供應商。

這不是Fluidstack的發明，甚至不是這個時代的發明。

Jane Street買的不是Fluidstack的執行力，甚至不是AI的未來，它買的是一份被Anthropic資產負債表擔保的現金流憑證，兩個月翻2.4倍的估值，標的不是一家公司，是一張合約。

當然代價也顯而易見，錢在體系內轉一圈，變成了收入，那體系的最終真實需求由誰來買單？算力終極買方高度集中在有限的幾個名字，萬一IPO處理程序或收入不達預期，金字塔可是會從塔底直接塌的。 (虎嗅APP)

據高盛研究部發佈的《AI債務如何重塑信用市場》專題研報，2026年截至8月，全球AI企業債發行量已接近5000億美元，佔全部投資級企業債發行的25%-30%，對實體經濟借貸利率形成長期上升壓力。

這5000億美元，主要由四大部分構成。

據高盛的資料，微軟、Google、亞馬遜、Meta、甲骨文等五家，今年前八個月 廿發債額高達1940億美元，比2025年全年（1080億美元）還要高80%。

因為2026年的AI資本支出預計高達7500-8000億美元，光靠自由現金流已經蓋不住巨大的缺口，巨頭們必須趁著當前信用評級高，鎖定長期的低成本債務資金。

2.算力租賃與資料中心，佔比約30%。

代表企業，CoreWeave、Vantage Data Centers、Nebius、Lambda Labs、Zenith Arc。

Vantage Data Centers為了籌措全球擴建資金，傳出尋求1000億美元估值IPO計畫。

CoreWeave和Nebius等算力雲廠商，則通過發行高收益債（垃圾債）和資產抵押債務籌集數百億美元，用於直接採購GPU。

3.半導體與硬體製造，佔比15%-20%。

代表企業，英特爾、三星電子。

晶圓廠和高級封裝的建設周期極長。英特爾為了支撐晶圓代工業務擴張，將股票與債券聯合發行規模擴大至200億美元。

本月中旬，輝達聯合黑石、貝萊德、阿波羅、KKR、Brookfield及高盛等六大機構簽署諒解備忘錄，共同設立獨立的“算力融資平台”，計畫在未來動用超5000億美元的第三方資本（主要是私募債與結構化信貸）。

如此大規模的抽水，勢必會對現實金融體系造成劇烈影響。

首先是對傳統行業的擠出效應。

過去，製造業、零售業或房地產公司去債券市場借錢，競爭對手無非是同行業公司。

但現在，AI科技巨頭幾乎成了全行業的共同敵人。

由於AI相關企業債發得太多，固定收益市場的流動性被嚴重消耗。聯準會和英國央行相繼警告，即使指標利率不變，投資級企業債的信用利差也開始走闊。

現在任何一家企業想發債融資，都不得不支付更高的利率溢價，融資成本被AI在無形中抬高了。

其次，結構化金融的“次貸”隱患。

在“算力抵押貸款”的模式中，借款人用GPU作抵押。

但晶片的物理折舊周期只有3-5年。

如果在此期間，生成式AI和具身智能在企業端的變現未能迎來爆發式增長，從“按人頭付費”成功轉型為“按算力結果付費”，那麼部分高槓桿租用算力的AI企業很可能面臨違約風險。

這筆龐大的私人信貸風險，最終可能反噬提供資金的保險公司和養老基金。

這場由AI軍備競賽引發的發債狂歡，本質上是科技行業向全社會的資本市場借用未來的流動性。(格隆)

不是比算力企業更懂技術，而是比算力企業更懂如何在技術快速迭代中管理資產風險

2026年以來，蘇銀金租、民生金租、工銀金租、興業金租、招銀金租等頭部機構紛紛拿下算力億元大單，業務覆蓋伺服器直租、超算裝置售後回租、資料中心裝置融資租賃等多元模式。從幾億元到四十多億元，金租公司正在用真金白銀押注算力賽道。

一、億元大單密集落地：一場“算力軍備賽”

蘇銀金租：6.9億元伺服器直租，搭建萬卡級算力池

2026年6月，蘇銀金融租賃落地了一筆6.9億元的高性能伺服器直租項目。資金用於搭建萬卡級算力資源池，覆蓋AI模型訓練、推理相關的硬體採購需求。

圍繞算力裝置採購的難題，蘇銀金租出資直接向廠商採購裝置並租賃給客戶使用。在此模式下，企業無需一次性投入大額採購資金，也省去了自行籌資、招標採購等繁瑣環節，大幅壓縮了算力基礎設施建設周期。目前，相關裝置已逐步投入叢集化營運，為客戶承接AI訓練與推理任務提供了可靠的硬體底座。

蘇銀金租在算力賽道的佈局並非臨時起意。早在2024年3月，蘇銀金租就與江蘇某新能源企業開展了規模達3.68億元的算力租賃項目合作。截至2026年5月末，蘇銀金租在算力領域累計實現業務投放超過114億元，餘額達70億元。面對人工智慧產業爆發式增長的窗口期，蘇銀金租緊盯各地智算中心與算力叢集建設規劃，以金融之力為“數字底座”夯基築台。

民生金租：10億元算力叢集，服務全國32萬機櫃

2026年4月，民生金融租賃股份有限公司與民生銀行石家莊分行成功落地了一筆10億元的算力項目。合作對像是國內領先的IDC與AIDC營運商，在全國重點區域佈局多個算力叢集，規劃機櫃約32萬架，深度服務多家國際頭部科技企業。

該項目是民生金租2026年聚焦算力科技新賽道、深耕數字新基建的重要標竿項目。下一步，民生金租將緊抓數字經濟發展機遇，持續深化銀租協同聯動，以專業高效的租賃金融服務賦能實體經濟高品質發展。

協創資料：42.48億元，刷新行業紀錄

2026年3月，協創資料技術股份有限公司宣佈與工銀金租、興業金租簽署《聯合融資租賃合同》。兩家頭部金租公司作為聯合出租人，以直租模式向協創資料提供融資支援，租賃物為伺服器裝置，融資總額高達42.48億元，由工銀金租與興業金租按5:5比例共同出資。租賃期限60個月。

這是截至目前算力融資租賃領域規模最大的單筆項目之一，也標誌著頭部金租公司正在以“聯合租賃”的方式大規模進入算力賽道。

更多大單：從崑崙金租到招銀金租

“三桶油”之一的中國石油集團旗下崑崙金融租賃，近期落地了首單資料中心租賃項目，投放金額2.33億元。崑崙金租過往業務聚焦能源、油氣項目，如今加速向數字新基建賽道延伸。

4月，招銀金融租賃與內蒙古亞信雲聯智算資料科技有限公司達成一筆10億元的算力大單，租期為10年。皖江金融租賃在7月向一家算力上市公司投放了4.92億元直租融資租賃資金。國銀金融租賃則在7月公告稱將作為買方採購資訊技術電腦裝置，交易總代價不超過40億元。

此外，地方國資背景的租賃機構也在跟進：青島城投城金集團旗下融資租賃公司落地首單算力產業融資租賃項目，實現9900萬元資金精準投放；天津國資租賃為本地智算中心96台AI伺服器採購提供租賃服務；成都工投租賃以售後回租模式支撐太空算力衛星配套運算設施建設。

金租公司扎堆算力賽道絕非偶然。

從行業資料看，2026年一季度國內算力租賃市場規模達680億元，同比增長62%。國內AI算力需求同比增長417%，而供給增速僅為128%。算力租賃已全面進入賣方市場。

政策層面同樣在加速。6月29日，國務院常務會議部署人工智慧發展工作，特別提出要加力推進人工智慧創新突破，加快超大規模智算叢集建設。7月7日，國家發展改革委進一步將模型、算力、資料等列為關鍵技術攻關領域。

供需缺口持續擴大、政策紅利密集釋放——兩個因素疊加，為金租公司大規模佈局算力賽道提供了絕佳的時間窗口。

二、金租公司的核心優勢：不是懂技術，是懂資產管理

算力企業自己不能融資嗎？為什麼需要金融租賃公司？

經濟學家、深咨協出海服務業專委會主任鄭磊給出了一個精闢的回答：“金融租賃公司的優勢不在於比算力企業更懂技術，而在於比算力企業更懂如何在技術快速迭代中管理資產風險、匹配資金期限、守住合規底線，這正是算力產業從‘野蠻生長’走向‘穩健發展’所最需要的金融能力。 ”

金租公司的優勢具體體現在三個層面。

優勢一：資金成本優勢與期限匹配能力

算力裝置投資體量大、回本周期長。一位超算中心負責人坦言：“現在購買一套千卡算力叢集裝置，總投資在6億—8億元，就算GPU達到60%的理想狀態，回本也需要3年—5年。”

金融租賃公司擁有銀行系股東的雄厚資金支援，能以較低的資金成本提供長期限的融資。協創資料的42.48億元項目租期60個月；招銀金租的10億元大單租期10年；華融金租與協創資料近10億元合作的租賃周期設定為5年。這種長期限、大規模的資金供給，是普通商業銀行信貸難以企及的。

優勢二：資產確權與全生命周期管理能力

融資租賃的底層邏輯是“融資+融物”——金租公司擁有租賃物的所有權。在算力裝置快速迭代的背景下，資產確權至關重要。

交銀金租在臨港新片區落地的行業首單SPV資料中心裝置融資租賃項目提供了一個典型案例。該項目承租人為國內領先的第三方資料中心營運商，項目選址位於國家“東數西算”工程算力樞紐節點地區，下游鎖定頭部網際網路企業定製化租約，需求明確、回款穩定，具備良好的自償性。交銀金租充分發揮金融租賃“融資+融物”特色優勢，精準解決資料中心裝置一次性投入大、資金佔用周期長的痛點。

橫琴金投租賃落地的大灣區首單算力裝置融資租賃項目同樣體現了這一邏輯：通過“融資+融物”相結合的方式，將算力裝置作為可產生持續現金流的優質租賃物標的進行金融賦能，精準解決算力科技企業在高速發展期的資金需求與資產動態管理痛點。

優勢三：專業化風控與合規體系

算力產業面臨三重風險：投資體量大、回本周期長、裝置迭代快。金租公司長期從事重資產融資業務，在裝置估值、殘值管理、違約處置等方面積累了豐富的經驗。

銀海租賃為長江科算提供1.1億元超算裝置售後回租支援時，公司實地完成產業盡調、裝置核驗與現金流研判，匹配企業經營節奏。通過售後回租模式盤活存量超算裝置資產，釋放企業資金保障項目算力營運、技術迭代與市場拓展。

有租賃行業人士指出，多筆算力融資租賃項目“大單”的背後，反映出智算產業與融資租賃高度契合性。算力基建重資產、技術迭代快的產業特徵，與融資租賃的屬性高度匹配。

三、風險提示：盛宴之下的隱憂

賽道火熱的同時，風險同樣不容忽視。

技術迭代風險。 GPU的迭代周期已經從18—24個月縮短到了12個月左右。今天斥巨資採購的H100，可能在B200大規模鋪貨後迅速貶值。裝置還沒回本，新一代產品已經上市——這是算力營運面臨的首要風險。

集中度風險。 有報導稱，6月一家民營算力企業發佈被執行公告，被執行金額合計近6億元，涉及10余家金融租賃公司。一旦承租人出現經營困難，多家金租公司可能同時暴露風險敞口。

泡沫化風險。 行業高速擴張的同時，泡沫化風險的討論也隨之升溫。有受訪專家表示，金租公司需關注產業波動下的資產風控問題。

某家金融租賃公司單筆投放虧損近3億元——這個數字提醒所有人：算力賽道雖然火熱，但並非穩賺不賠。

經濟學家鄭磊在指出金租公司優勢的同時，也給出了警示：“金融租賃公司密集佈局算力租賃，核心驅動在於需求側算力缺口持續擴大與供給側金融創新政策引導。”但需求再大、政策再好，終究要回歸到資產質量和風險控制的基本面。

從蘇銀金租的6.9億元到協創資料的42.48億元，從崑崙金租的跨界首單到交銀金租的SPV創新——金融租賃公司正在用真金白銀為算力產業注入“長錢” 。

它們的核心優勢不是懂技術，而是懂資產——懂如何在技術快速迭代中管理資產風險，懂如何在長周期中匹配資金期限，懂如何在複雜場景中守住合規底線。

算力產業從“野蠻生長”走向“穩健發展”，最需要的不是技術天才，而是資產管理能力。 而這，恰恰是金融租賃公司最擅長的領域。

當然，盛宴之下也有隱憂。技術迭代、集中度風險、泡沫化——這些問題不會因為市場的火熱而自動消失。對於金租公司來說，如何在抓住風口的同時守住風控底線，將是未來幾年最重要的課題。(AI算力那些事兒)

Q2業績期，微軟亞馬遜靠雲業務大漲，SK海力士閃迪股價腰斬。市場不再比誰在AI上燒錢最多，只認誰能賺回來——雲廠30%以上的GPU租賃回報正在被定價，雲收入全面加速。另一邊，AI基礎設施鏈則在capex增速見頂後，被重新定價。AI的錢正從賣鏟子修路的人，流向把鏟子變成生意在路上收租的人。

同一個業績期，微軟市值單日暴漲4500億美元創下全球股市史上單日市值增長紀錄，亞馬遜五天衝進3兆美元俱樂部。另一邊，SK海力士股價腰斬，鎧俠股價腰斬，全球記憶體股十有八九跌超40%。

同樣在做AI。一半在暴漲，一半在腰斬。

這不是隨機波動。這是市場在用真金白銀重新回答一個核心問題：AI這場盛宴裡，到底誰在賺錢，誰在買單？

過去兩年，市場獎勵的是"誰花得最多"——CSP（雲服務提供商）上調一次資本開支，GPU、HBM、光模塊、交換機、PCB、電源、液冷、數據中心就一起漲一輪。現在，市場開始問一個更嚴格的問題：巨頭們砸下去的兆美金，到底流進了誰的現金流，又沉澱成了誰的折舊？

答案或許正在浮出水面——AI的錢沒有消失，只是換了口袋。 從賣鏟子的人，流向把鏟子變成生意的人。從修路的人，流向在路上收租的人。

三個信號同時亮起，市場開始重新做題

要理解這一輪分化，不能只看漲跌數字。7月末這個時間窗口上，三件事同時發生了。

第一件事：CSP（雲服務提供商）證明了自己能把算力變成收入。

$微軟 (MSFT.US)$Azure同比增速43%。$亞馬遜 (AMZN.US)$AWS同比37%，創18個季度最快。$Google-A (GOOGL.US)$Google Cloud同比82%，三年最高。三家合計年化雲收入3890億美元，單季淨新增年化經常性收入500億美元——是過去三個季度均值的兩倍。

更重要的是，收入在加速，但加速的不只是那幾個AI實驗室在買算力。微軟披露了一個關鍵數字：商業剩餘履約義務達到6780億美元，同比增長84%，而且全部的環比增長，來自非前沿實驗室客戶。銀行、製造、醫療、政府——那些過去兩年被市場認為"AI跟它們沒關係"的傳統企業，現在正在籤合同。

AWS不僅說——AWS在做。8月4日，AWS負責人Matt Garman公開確認，公司正在與客戶簽署五年期承諾合同，且"市場需求仍遠超供給，我們正努力加快建設和投資步伐，以跟上客戶的需求"。這不是需求的故事，這是確定性訂單的故事。五年期合同意味著客戶不是在試水AI，而是把它嵌入了自己的核心業務流程——這種收入黏性，是任何"capex焦慮"最有力的解藥。

第二件事：基礎設施鏈的敘事模型失效了。

$SK海力士 (SKHY.US)$交出了史上最強的營收和利潤——營業利潤暴增557%。然後股價暴跌。

為什麼？因為市場對它的期待不是"史上最強"，而是"強到能支撐過去兩個月漲出來的幾十個點的預期"。當實際增長跑不過遠期預期，當CSP capex的同比增速從加速兩位數滑向高位個位數，估值模型就得換——從"你能賣多少貨"，變成"你還能漲多快"。

這是物理規律，不是判斷。CSP capex不可能永久維持每年30%、50%的同比增速。當行業從"加速擴張期"進入"高位增長期"，增速的二階導為負，估值就要重新定價。這就是為什麼美光、鎧俠和SK海力士在交出最強報表的同時遭遇了最慘烈的拋售。

第三件事：模型的定價權，正在塌方。

就在業績最密集的那一周，OpenAI把新模型GPT-5.6 Luna的價格砍掉了80%。從1美元每百萬Token，直接殺到0.2美元。上線才三周。

這是一個被DeepSeek逼出來的降價。過去一年，中國開源模型在全球API平台OpenRouter上的Token調用佔比，從4.5%飆升到了46%。DeepSeek V4 Flash價格是0.14美元，阿里Qwen3.7 Flash更低到0.03美元。模型的收費站在被拆掉。

這三件事，放進同一個時間座標裡——CSP能賺錢 + 基礎設施增速見頂 + 模型定價權瓦解 = 利潤從硬體和模型層，大規模回流到基礎設施與平台層。

CSP憑什麼收租？雲廠的ROI帳本：重資產≠低迴報

要理解CSP為什麼突然變成了市場的新寵，不能靠感覺，要來算幾筆帳。

第一筆：利潤帳——雲廠的ROI帳本，重資產≠低迴報

過去兩年市場默認雲廠是冤大頭——錢都讓輝達和海力士賺走了。大摩7月底的測算推翻了這個判斷：純GPU租賃基準ROIC（投資資本回報率，Return on Invested Capital）約31%，在1GW數據中心、41萬顆GB300、75%利用率的假設下，租賃價從7美元漲到10美元/小時，ROIC能從23%跳到39%。

而且別忘了，數據中心的主體——土地、電力、機房——使用壽命超過30年，可以跨越五到六代服務器。服務器每代更新，基礎設施不需要重來。這意味著最先入場的CSP在後續代際中的邊際經濟性會更好，不是更差。市場最終意識到了這一點。

大摩拆出了三種AI商業模式的自下而上ROIC測算：

純GPU租賃（IaaS）：基準ROIC約31%。在GPU供不應求、利用率75%的假設下，租賃價格從7美元漲到10美元每小時，ROIC可以從23%跳到39%。

自有基礎設施上的模型API：基準ROIC約46%。前提是模型公司保持產品差異化和定價能力——但考慮到當前的價格戰，這個前提正在動搖。

使用第三方算力的模型API：ROIC僅25%。需要額外支付"中間層利潤"給雲廠商。

這個測算的核心結論，直接挑戰了市場近一年來的一個前置判斷：重資產≠低迴報。

第二筆：收入帳——需求從實驗室擴散到了企業

過去兩年，市場對AI capex最大的恐懼是"循環融資"：CSP砸錢給OpenAI、Anthropic這些模型公司，模型公司再把錢買回CSP的算力。左手倒右手，真實的終端需求在那裡？

這個恐懼，正在被本季度的數據證僞。

微軟的商業剩餘履約義務，全部環比增長來自非實驗室客戶。AWS的backlog已經達到4960億美元，三位數增長。Google Cloud的backlog 5140億美元，單季增加500億。近90%的財富100強企業已經在用Gemini Enterprise。

華爾街見聞此前用了一個形象的比喻：CSP過去是在為"前沿實驗室"這個唯一的租客蓋房，現在整棟寫字樓開始入駐了。

這不是一家公司的孤立信號。三家同時出現同樣的趨勢——AI需求正在從少數初創AI實驗室，擴散到傳統行業的企業客戶。當客戶結構從"集中"變成"廣泛"，循環融資的敘事就站不住腳了。

第三筆：模式帳——四家公司，四種收租方式

CSP不是一個統一概念。這輪業績真正有意思的地方在於，四家巨頭形成了四種完全不同的AI回報路徑。

Azure提供最基礎的GPU租賃和雲服務，這是第一層。Foundry平台提供模型調用、微調和部署，這是第二層。Copilot直接嵌入Office 365和GitHub，按席位收費（付費席位已超3000萬），這是第三層。

三層之間互相引流：Azure的企業客戶可以升級到Foundry使用模型；Foundry上的模型可以滲透到Copilot的應用場景；Copilot又反過來推動Azure的消費。這不是一條收入線，是一個收入矩陣。

亞馬遜——最簡單最透明的收租模型。

AWS本身就是出租算力和記憶體的生意，運行了18年，客戶、計費、留存體系極度成熟。本季度收入422億美元，同比37%，創18個季度最快。

Google——最亮眼的數字，最模糊的帳本。

Google Cloud的82%增速、利潤率和利潤率改善幅度，從表面看是四家中最強的。但市場給的反饋是先跌後漲。

原因在於成本歸屬的"灰色地帶"。Gemini同時服務搜尋、廣告、Workspace、YouTube、消費應用和雲服務，共享AI研發費用留在了集團層面。Google Cloud的分部利潤率，不能等同於Google"晶片—模型—雲"全棧的真實經濟利潤率。

有研究機構指出，如果把全部Gemini費用扣回，Google Cloud利潤率大約只剩10%出頭。Google不是不賺錢，是賺錢的路徑太複雜。

Meta——從"純花錢"變成"開始想收租"。

Meta過去兩年在投資者眼裡是四家中最尷尬的一個：AI確實改善了廣告推薦、內容排序和素材生成，但這些收益隱藏在原有廣告業務裡，沒辦法和新增capEx逐項對應。當capEx指引從1300億調到1450億美元，自由現金流只剩7.84億美元（同比-91%），市場的耐心到了極限。

但Meta正在發生一個微妙的變化。

公司被曝籌劃雲業務，考慮向開發者提供模型訪問服務，並出售富餘的AI算力。這意味著Meta的算力資產不再是"自用或閒置"的二元選擇。它可以切換到對外出租。

模型價格戰：收租人最大的助攻

本輪分化最容易被忽略的觸發變量，不是業績，是模型層的價格崩塌。

回到7月30日那一天。除了微軟發財報，OpenAI還做了一件事：把GPT-5.6 Luna的價格砍到原來的五分之一。不是上市一年後降價，是上市三周後降價。

這背後是一個更大的趨勢——開源模型正在把閉源模型的"收費站"拆掉。

過去兩年，AI產業鏈的利潤分配邏輯是：輝達賺GPU的錢，CSP賺算力租賃的辛苦錢，模型公司（OpenAI、Anthropic）憑藉技術壁壘賺溢價。模型層是"架在雲上面的收費站"——不管你用誰的算力、跑什麼應用，調用最強模型都得過它這一關。

中國開源模型的突破是最大的拆牆鎚。DeepSeek V4用華為昇騰950晶片訓練了1.6兆參數，性能媲美GPT-5。阿里Qwen3.7 Flash價格低到0.03美元每百萬Token輸入。在最大的模型API聚合平台OpenRouter上，中國模型的Token調用量佔比在一年內從4.5%飆到了46%。

當46%的調用走便宜開源模型，閉源模型就再也不能收取"獨此一家"的溢價。OpenAI被迫跟進降價，不是因為它想，是因為它別無選擇。

巴克萊分析師Raimo Lenschow在8月3日的報告裡寫了一段非常精準的判斷：當模型從"稀缺品"變成"大宗商品"，議價權就回流到了擁有算力、客戶和分發管道的平台手中。

CSP不再必須綁死在某一家模型公司上。它們可以同時提供GPU租賃 + 自託管開源模型 + 自研模型API。客戶不需要只選一個模型，CSP可以充當"路由器"——高複雜度任務用頂級閉源模型，常規任務用便宜開源模型，高吞吐、低成本的穩態負載用自研ASIC晶片跑。

這個"多模型架構"最終誰最受益？不是最會訓練模型的公司，而是最會把不同模型串聯起來、按需分配算力、按用量收費的公司。這就是CSP。

大摩7月27日的報告甚至直接把這個邏輯拆成了數學：如果模型API價格跌50%，但Token調用量因此漲5倍，對CSP自建基礎設施上的推理收入來說，是淨增。因為它的成本端在走晶片性能和軟件優化的效率曲線，收入端在走需求爆炸的用量曲線。只要第二條曲線跑得比第一條快，這就是一個好生意。

而對獨立的模型公司來說，價格跌50%意味著收入直接砍半——除非它的Token調用量能翻倍，但開源模型的替代效應讓它做不到。

誰在買單：基礎設施鏈的殘酷均值回歸

如果說CSP漲是"收租故事被定價"，那基礎設施鏈的暴跌就是"增速神話被拆穿"。

大摩策略師Michael Wilson用了一個精準的類比：半導體股票，特別是記憶體，走勢高度類似白銀。

邏輯有兩條。第一，兩者都經歷了拋物線式上漲——情緒和資金把價格推到了基本面無法支撐的位置。第二，兩者都具有大宗商品屬性——記憶體晶片是AI硬體複合體中"最像大宗商品"的品類，價格彈性大、反轉也快。

這輪調整由記憶體領跌，SK海力士從高點腰斬，鎧俠腰斬，美光跌超30%，全球14隻記憶體概念股中有10隻從高點跌超40%。完全符合Wilson在7月初的預判。

但記憶體只是一個"領頭樣本"。更深層的問題是：所有以CSP資本開支總量進行線性外推來估值的公司，現在都面臨同一個拷問——如果capex的同比增速從30%降到15%，你的估值還能不能撐住？

這個問題，不是靠"AI需求依然強勁"就能回答的。需求還在，但增速是另一回事。

對於這條鏈上的不同環節，受傷程度也不一樣。可以用三層來理解：

第一層：直接承壓——記憶體和"大宗商品化"硬體。最典型的受害者。價格周期見頂 + capex增速放緩 + "白銀屬性"下的動量平倉。跌了之後便宜，但周期股"便宜"之後通常還有"更便宜"。

第二層：估值重調——光通訊、網絡設備等"capex貝塔"方向。絕對capex仍在增長，但增速下滑意味著這些公司的估值倍數需要從"高增長"檔下調到"穩定增長"檔。股價不一定繼續大跌，但回到高點的難度大幅增加。

第三層：相對扛打——有結構性升級邏輯的環節。從800G邁向1.6T光模塊、從風冷邁入液冷、從傳統供電邁入更高功率密度——這些"從0到1"的技術升級方向，即使capex總量增速放緩，仍能憑藉份額和單位價值量的提升獲得阿爾法。但前提是，升級邏輯足夠硬，且估值沒有提前透支。

這也是為什麼$輝達 (NVDA.US)$在這一輪下跌中相對抗跌（跌幅約10%）——結構性需求仍然在，市場只是不再給它過去半年那種"CSP投多少錢我就漲多少"的線性定價了。

8月26日，輝達將公佈Q2業績。這是整條AI產業鏈的下一個核心驗證窗口。如果業績和指引超預期，基礎設施鏈可能獲得喘息；如果不及預期，下行空間仍大。

接下來：高回報不是白送的，需要持續驗證

這不是AI周期的終結。至少目前不是。

產業層面的需求仍然洶湧。微軟說下半年Azure繼續加速，AWS說2027年大部分產能已預定，Google說90%的財富100強在Gemini Enterprise上。三家CSP的雲收入合計年化3890億美元，而且全部在加速。

但市場已經換了做題方式。從過去兩年的"選擇題"——CSP上調capex→找所有受益股→買買買；變成了"證明題"——你的收入能覆蓋折舊嗎？你的算力利用率夠高嗎？你的客戶結構有多分散？你的模型成本誰在承擔？

這套證明題的要求，在產業鏈上不同位置是完全不同的。

對CSP來說，證明題相對友好。它們的業務本質是"把算力變成經常性收入"——一旦客戶簽了長期合同、跑上了生產級負載、把它嵌入了自己的核心業務流程，這個收入的黏性是很高的。只要企業級AI採用率持續擴大，CSP的"收租"邏輯就能持續。

但CSP內部也在分化。微軟和AWS目前是證明題答得最好的兩家——微軟有Copilot和Foundry的多層收入出口，AWS有最透明的租金模型和最成熟的客戶體系。Google還需要解決成本歸屬的透明度問題。Meta則需要把"算力租賃"從新聞標題變成可披露收入。

對基礎設施鏈來說，證明題要難得多。

“包養式融資”，估值1200億

暴漲80%！AI企業債逼近5000億美元

金融租賃公司扎堆算力賽道：億元大單密集落地

美股CSP股價分化背景下的算力租賃炒作

AI投資的邏輯變了：雲廠進入收租時代，基礎設施產業鏈承壓