雲廠專家的一句話讓我沉默了很久："三年前大家覺得缺的是 GPU，現在才明白，缺的一直是能付得起錢的人。"
01. 三條主線，一個詞——分化
第一，新興雲服務商已經進入顯著分化階段，融資環境持續收緊。 市場普遍認為這個賽道存在過度建設，單純提供裸金屬、缺少虛擬化層的低端服務商融資難度最大。
第二，開源模型替代在加速，閉源大模型廠商增長承壓，推理雲成了算力需求"唯一"的增量賽道。
第三，頭部雲廠商持續自建算力，行業利潤率長期承壓，晶片格局也在分化。
三條線合在一起，就是同一個故事：錢在往上游和頭部集中，中間層正在被擠出去。
02. 融資：誰能拿到錢，誰在等一個人
一個細節最能說明問題。SpaceX 近期拿到 Apollo 提供的 400 億美元貸款，計畫五年內累計採購 1GW 的 輝達 Rubin GPU。而 CoreWeave、Lambda、Crusoe 只能完成中等規模擴容，大量二三線廠商必須繫結核心租戶才能推進項目。
更扎心的是那些"合同簽了、錢沒到位"的案例。TeraWulf 和 Anthropic 簽了 1GW 算力合同，項目卻停滯了——根子在於 Anthropic 的付款能力取決於它的 IPO 募資結果，而 TeraWulf 自己也沒有足夠資金獨立推進。Applied Digital 面臨相似困境；Core Scientific 手握 2GW 電力容量，卻沒有對應的核心租戶。
有業內高管在交流中直言，IREN、Hut 8、Core Scientific 的處境更差——既缺資金，也缺核心租戶。而 CoreWeave 當前債券利率大約在 16%。
我個人的一點思辨：這就是典型的"資產負債表決定生死"。當一個行業的融資成本飆到兩位數，所謂的"需求強勁"就不再是樂觀理由，而是一道很少有人能解對的算術題。
03. GPU：不是缺貨，是"代際錯配"
會上強調過一個容易被誤讀的點：整體算力需求總量依舊強勁，但內部結構持續分化。
多數基礎設施廠商的佈局重心還壓在 B200、B300，而市場需求已經轉向 GB200、GB300 以及 Vera Rubin 高端系統。結果就是——機構資金正在撤離無法匹配高端算力需求的廠商。
前沿實驗室、大型公有雲廠商優先採購最新一代 GPU；手握舊款 GPU 的服務商，只能承接需求簡單的第三梯隊企業客戶。舊款 GPU 供給過剩，價值有限，僅能以 GPU 即服務的形式對外提供。
這裡還有個很現實的技術門檻：推理客戶真正需要的是 L2、L3、L4 層級的虛擬化算力服務，但大量廠商只能提供 L1 裸金屬資源。 客戶因此持續向具備完整服務能力的服務商集中，CoreWeave、Lambda、IREN 需求保持旺盛。
04. 模型：70% 到 90% 的成本差，正在改寫客戶名單
這一節是整個調研裡最有"故事感"的部分。
Anthropic 與 OpenAI 的收入增長已經見頂，客戶受成本驅動大量切換至 DeepSeek、Kimi、Qwen、GLM 等開源模型，同任務成本降幅可達 70%-90%。
具體到數字：同一任務用 Fable 5 完成成本約 7.63 美元，Kimi K3.1 Pro 約 2 美元；如果業務不需要高階能力，用 Claude 約 6 美元，換成 DeepSeek V4 只需 0.26 美元。
會上還提到一個很有意思的"分工表"：通用任務選 Kimi，企業內部軟體用 DeepSeek，客服場景用 Qwen，智能體與複雜推理任務用 GLM。 對比全部使用 Fable，混合部署可節省 70%-80% 成本；若業務只需 DeepSeek 一類模型承接，最高可省 90%。
有意思的是模型的"新舊倒掛"。Anthropic 的 Fable 5 運行成本偏高、商業化不及預期，很多企業認為老版本 Opus 已夠用；OpenAI 側客戶依舊大量使用 GPT-5，沒有意願升級 GPT-6 Astra。專家指出的負向循環值得警惕：廠商為覆蓋成本上調訂閱價格，漲價進一步造成客戶流失。
唯一的積極變數是價格戰。Anthropic 的 API 價格從 7 月每百萬 token 接近 2 美元降至 0.8 美元，後續目標 0.6 美元。
不過有個邊界必須說清：Anthropic 的核心客戶集中在金融、生命科學、醫療、國防這類高合規行業，資料需要存放在 Amazon Bedrock 這類合規環境中，很難大規模切換開源模型。真正在快速切換的，是合規要求相對寬鬆的企業。
05. 企業端：預算在"搬家"，不在消失
企業側的變化可能是最被低估的。2024 至 2025 年企業單年算力合同大多在 25 萬至 50 萬美元，當前已提升至 200 萬至 1000 萬美元。
這筆增量從那來？來自企業把原本給到閉源模型的預算，轉移到了開源模型上。
摩根大通、Jane Street 這類機構希望自建專屬叢集、自研模型，但自建效果不及預期——摩根大通 Copilot 項目就是典型案例，如今它們轉而基於 Reflection AI 等開源模型做定製開發、私有化部署。歐洲數字銀行 Revolut 簽下接近千萬美元算力合同；還有原本計畫自建 1 萬卡叢集的美國醫療機構，因新一代硬體成本過高，改為算力租賃。
06. 晶片與玩家：生態比參數更重要
AMD 的處境很典型。受產能與 CUDA 生態短板約束，很難拿下主流雲廠商大單，機會集中在計畫自建本地叢集的企業客戶，能提供 CPU+GPU 整套方案，也可依託 HPE 等管道觸達。但整體滲透率仍偏低。
輝達的護城河不在單卡，而在生態：CUDA 軟體棧、垂直行業平台、GTC 大會，甚至用資金扶持生態夥伴。 而它的扶持策略正在轉向"擇優"——路線清晰、生態繫結、具備獨立經營能力的才扶持，不再兜底弱勢服務商。
一個反面註腳：CoreWeave 佈局 Google TPU 業務後，其在輝達側的支援優先順序隨之下降。
同時，Meta、SpaceX 入局商業雲，用現成存量算力和舊款 GPU 承接大量裸金屬需求，進一步擠壓其他新興雲服務商的客戶與融資空間。
07. 利潤率與 IPO：故事的下一幕
超大規模雲廠商當前利潤率高於新興雲服務商，服務定價可比後者高出 100%-200%，單塊 GPU 可貢獻約六年利潤周期。它們正重點擴建自有算力，降低外部採購依賴——近兩個季度，再沒出現微軟、Meta 此前那種大額對外採購長單。
但壓力也在積累：利潤率下行趨勢預計持續數年，2027 年之後 GPU 價格下行，壓力會進一步凸顯。 分化則在晶片側：Google TPU、亞馬遜 Trainium 和 Inferentia 幫助避險輝達依賴，Azure 壓力更大，業務高度繫結 OpenAI，需持續部署自研 Maia ASIC。
IPO 是最後一幕的關鍵。Anthropic 計畫爭取 11 月完成上市；OpenAI 的較好窗口是 2027 年一、二季度，可依靠軟銀 550 億美元資金支撐至 IPO 節點。市場普遍認為，這兩起大型 IPO 有可能成為本輪 AI 周期的高點。
寫到這裡，我又想起開頭那位朋友的話。誰手裡握著最先進的 GPU、最完整的虛擬化層、最深繫結的生態，誰就握住了下一輪的入場券；而剩下的人，可能要在一個越來越安靜的市場裡，等待一個遲遲不到的電話。 (數之湧現)