硅谷坐标 x 璞林资本Kenny Zhang：Neocloud崛起背后的供需博弈与AI基建重构

这个月，AI 算力行业发生了 3 件事：Anthropic 和 xAI 签了一笔 400 亿美元的算力大单，一家 AI 公司付钱给自己的直接竞争对手买算力，CoreWeave 的合同积压突破 990 亿美元。谷歌联手黑石，要成立一家独立的 TPU 算力公司。

这 3 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。它位于 AI 产业链的中间，做着云巨头不擅长、而 AI Lab 不愿意做的事情。去年大家讲的是它的崛起，而今年，当 AI 从训练转向推理和 Agent 时代，未来 Neocloud 能成为 AI 时代的第 4 朵云吗？还是会沿着 19 世纪铁路基建的方向演绎？

我认为，未来一个很大的发展方向是存储层，也就是 storage layer，和数据层，也就是 database layer。这 2 个层次，我觉得会结合在一起。因为模型不需要先去看数据中心，再看到 storage 层，它甚至可以直接和硬件进行交互。存储层是未来非常重要的一层，可以贯穿训练、推理、GenAI workload、企业的 enterprise workload、To C 的 workload，以及可能的本地部署端，全部都很重要。

今天的嘉宾是 Kenny Zhang，Valiance 普林资本首席投资官。他会带我们把这张图讲清楚。Kenny，你好，欢迎你来到《硅谷坐标》。

谢谢曹老师，感谢您的邀请。

今天我们主要想讲 Neocloud。在讲 Neocloud 之前，我想先退到历史最远处去看这个问题：我们人类从 1950 年代第一台大型机开始，到今天的 Neocloud，管理计算资源这件事情大概经历了几个时代？每一次计算基础设施范式的切换，背后又是什么样的力量在推动？

我们经历过 3 个比较大的时代。

1. The Three Computing Eras

第 1 个时代，是从 1950 年代一直到 1990 年代末期，从大型计算机发展到民用和商用的小型计算机。这个时候主要是以硬件为主，一般都是区域化或者局部化部署。企业自己去采购和管理自己的服务器以及小型计算机。

第 1 个大时代，计算机的算力就已经远超于人力。最开始，从 1980 年代、1990 年代开始，我们把这个世界数字化，把很多数据，以及需要处理的文档、文件，传送到电脑上，让我们更方便地运用和使用它们。这个时候就出现了第 1 代的存储层、数据库层以及计算层。

第 2 个时代，是从 2000 年以后，一直到 AI 时代开始，也就是 2022 年、2023 年。演变最快的是第 2 个时代，也就是虚拟化时代。它加速发展的主要原因，是互联网企业的崛起，尤其是到了移动互联网时代。

如果您看最开始的大型云厂商，海外最成功的是 AWS，国内则是阿里云。它们之所以成功，是因为把自己的内部需求以及算力外部化了。海外有 Black Friday，中国有双十一。也就是说，亚马逊和阿里这 2 家电商公司，需要匹配非常强大的算力系统，才能在需求波峰时给所有用户提供比较好的购物体验，但平常又不需要这么多算力。

那它们怎么办？它们就把算力虚拟化，卖给或者租给其他企业，逐渐形成了最开始的云的雏形。举个例子，2010 年代中期，一个 CPU 的算力大概是 300 TFLOPS 左右，但实际上，大部分企业级应用可能只需要 10 到 20 TFLOPS 的算力。所以在云时代，核心就是把硬件算力虚拟化，再以分布式的方式提供给企业和用户，也就是 B 端和 C 端的需求。

在云时代，核心竞争力和核心资源诉求其实是带宽。比如头条、抖音的视频，一个视频可能要分发给上亿人观看。所以那个时候，云厂商的核心工作是获取足够量级的带宽，再把内容分发给各个 B 端或者 C 端客户。那个时候对算力的要求并不是特别高，而是谁能在同一时间整合非常高频的数据调用、分发，谁就更有优势。

到了 AI 时代，就出现了 AI 云。其中比较有代表性的 Neocloud 公司，就是 CoreWeave 和 Nebius。我们现在到了 AI 云时代，整个逻辑又反过来了，回到了 1950 年代、1960 年代大型计算机的时代。

AI 云要做的，不是高频分发，而是集中管理和优化非常大的算力集群。在 AI 时代，算力需求可以说是近乎无限的，但它核心的需求不是带宽，而是怎么样让这些集群持续处于非常高性能的运算状态。所以，Neocloud 更像是大型机时代的基础设施范式。

你觉得 Neocloud 为什么会成为一个新的物种？它为什么会存在？它解决了什么传统云解决不了的问题？

2. Why Neocloud Exists

传统云和 Neocloud，它们的源头可以说是同源不同宗，但差异性特别大。传统云是跟着互联网需求发展起来的，而 AI 云是从 AI 需求起步的。

为什么大家会发现 AI 的算力需求这么庞大？因为在 AI 时代，有几个并发式的算力需求：训练、推理，以及从去年年底开始出现的 Agent 需求，再加上 B 端企业的推理需求，它们在同一时间爆发了。

传统云其实是一个线性发展的过程。一开始是 To C 端，服务电商、短视频、长视频的分发；然后逐渐演变成帮助企业把多余算力提供给 B 端企业，让它们进行分布式部署。这样企业可以降低成本，不需要自己管理和采购硬件。

在 AI 云时代，我觉得 Neocloud 存在的意义，核心有 3 个逻辑。

第 1 个，就是刚才说的，它需要非常强的能力去管理和优化超大型、密集型的算力。第 2 个，是因为传统云从互联网巨头演变而来，而这些互联网巨头又各自在 AI 模型和算力领域有很多布局，所以对于新时代的 AI 模型公司来说，这些超大云商既是供应商，也是竞争对手。

因此，对于 AI 模型公司来说，它们希望有一个垂直的体系，为自己提供所需的算力。这一点比较明显。美国几家大型云商，比如微软、谷歌、亚马逊，都有自己的模型，或者在 AI 领域有自己的布局，也希望在入口端占有一席之地。所以，它们和 OpenAI、Anthropic 这样的新进入者之间，一直存在拉扯关系。

OpenAI 最开始可以说是微软扶植起来的，但微软自己也有内部算力需求。所以对于 OpenAI 来讲，它一直觉得在某个时间点，微软不可能把所有资源都倾向于自己，肯定还有自己的考量。于是，OpenAI 就重点扶植了 CoreWeave 这样的 Neocloud。这样它可以定制化地获得稳定算力，也可以放心地把自己的 API 和训练全部放在 CoreWeave 这样的 Neocloud 里，因为双方没有竞争关系。Neocloud 没有上层应用端的布局，将来也不会有应用端的布局。

第 3 个考量，是 Neocloud 和企业资源分配、能力分配有关。传统云其实也是这么做的。

数据中心虽然是一个很庞大的行业，但它的回报率并没有特别高。我 15 年前就开始看数据中心行业，当时在美国，数据中心的回报率每年差不多是杠杆前 8% 到 10%，最初期可能稍微高一点，在 10% 到 12%，但基本上会稳定在 8% 到 10%。

对于传统云背后的互联网企业来说，它们正常的互联网、软件或者 PaaS 业务，ROIC 很高，可以达到 40%、50%，甚至更高。对它们来说，自有资金应该更多投放到高 ROIC、高回报的应用和主业中。

像数据中心这种低回报、又需要特别专业行业经验的领域，它们觉得没有必要把所有资源都投入进去。所以在云时代，整体来看，超大型云商大概占全球，也就是中国以外数据中心客户的 30%。大部分数据中心提供的电力和制冷，仍然是由第三方提供，大概占 60% 到 70%。

你刚刚讲到，Neocloud 这个行业是由 AI 算力需求驱动的。今天能不能帮我们算一下，全球 AI 算力的真实需求到底有多大？

我看到有个报告说，OpenAI 消耗的算力只占全球 AI 算力总量的 10% 到 15%。所有前沿 AI Lab 加在一起，它们的算力需求可能也只占大概一半。我们到底应该怎么样去看需求端？有多少种不同的需求？分别是谁在使用？未来增速又会怎么样？

3. Who Needs AI Compute

我觉得这是很正常的。整体来讲，前沿 AI Lab 加上超大云商自己 AI 模型的算力需求，要分成 2 块。

AI 的范围特别广泛。我们现在泛指的 AI，可能主要是基于 Transformer 产生的 AI 模型。您刚才提到的 OpenAI 和 Anthropic，主要还是基于大语言模型，也就是 LLM 的算力。

其实从云时代开始到现在，Meta、谷歌这些主要以广告收入为主的互联网企业，一直在使用基于 Transformer 做出来的深度学习模型，也就是 Deep Learning 模型。所以这一块占了算力的很大一部分，可能有 20% 多。

Anthropic、OpenAI 以及其他 LLM 模型，现在可能占整个算力的 30%。剩下的，就是企业推理以及用户自己的 To C 需求。所以，您刚才提到的这些数字，我觉得是合理的，将来大概率也会维持在这样的状态。

我们讲到 AI Lab 在算力采购上的策略。有的公司更依赖 Neocloud 和 hyperscaler，也就是云巨头的外部产能，比如 Anthropic；有的公司从主要外购，逐步开始增加自建比例，比如刚刚讲到的 OpenAI，它想拥有更多控制权；还有的公司采用核心自建加弹性外购的策略。

你可以帮我们分析一下，前沿 Lab 在做战略选择时，主要有哪些考量？

今年看到的情况，有一些是公司布局战略上的原因，也有一部分是历史原因。

我们先拿 OpenAI 来讲。OpenAI 的核心创始人 Sam Altman 从第 1 天就觉得，算力需求非常庞大，尤其是推理，大概率是训练的 10 倍，甚至更高。所以从 2022 年、2023 年开始，OpenAI 就大量采购和布局算力。

Anthropic 去年年底的时候，我还记得创始人 Dario Amodei 在一次访谈中诟病 OpenAI，说 OpenAI 为什么要无限制地采购这么多算力和硬件。

但今年我们也知道，Anthropic 从去年年底大概 90 亿美元的年化收入，到现在可能已经到了 500 亿美元的量级，年底可能会到 1000 亿美元以上。明显，这个需求远超它们原来的预期。所以最近 2 个月，能够明显看到 Anthropic 的算力不够了。

退一步而言，OpenAI 的策略是对的。OpenAI 今年在算力供给这一块非常从容，而 Anthropic 现在没有办法，只能在外部大量采购。它都不能说是弹性采购了，现在属于刚性采购，因为算力不足已经影响到它年化收入的增长。

Anthropic 在年初的时候超过了 OpenAI，甚至接近 OpenAI 的 2 倍。以 4 月底这个时间点来看，从这个时间点开始，我认为 OpenAI 有机会追赶上 Anthropic。因为 OpenAI 在算力方面的不足，是比较有前瞻性的。

所以我觉得，未来的格局大概率就像您问题里提到的：部分自建，部分向第三方采购。

核心考量是，OpenAI 不见得是最有效、最能优化大型集群的公司，所以它一定要在外部使用 CoreWeave 这样的供应商。这样，它可以对比和考量自己内部对于算力和 token 产生的优化程度。

最后一部分是弹性采购。也许未来会有新的需求爆发，模型公司一定要实时跟上算力，否则收入和用户体验都会受到影响。

这几家头部 AI Lab 现在拥有的算力，差距有多大？

Anthropic 最近签了一笔非常大的订单，和 xAI 签的。因为 xAI 基本上算是退出了 AI 大模型竞争，但它手里仍然有大量 H100 和 H200 卡。xAI 等于被动地把自己变成了一个 Neocloud，但它大概率也不会继续发展这项业务，而是把手里的 GPU 和算力变现，提供给 Anthropic。

目前我们看到的情况是，当 xAI 的这些算力全部上线以后，OpenAI 和 Anthropic 的整体算力供给差不多会持平。

未来的趋势你觉得还是会增加吗？对于 Neocloud 来说，我理解的是，如果 AI Lab 自己自建，它们的整个市场天花板会受到影响。但未来的趋势对于 Neocloud 来说，空间还会很大吗？

我觉得空间很大，但这些 Neocloud 需要把自己的战略和商业模式想清楚。

4. The Fourth Cloud Thesis

现在，Neocloud 我觉得可以分成 2 个派系。比较有代表性的就是 CoreWeave 和 Nebius。这 2 家很明显是想和传统云竞争，争夺未来整个云环境中的位置，成为第 4 朵云和第 5 朵云。

以 AWS 为例，它的利润率大概在 40% 上下。这个 40% 的利润率为什么这么高？如果只看硬件，它的利润率应该只有 25% 到 30%。它能把利润率提升 10 到 15 个百分点，是因为提供了很多 PaaS 层面的服务，包括存储、分发、带宽、数据库以及云管理。

这些软件层面的服务，占它收入的 30% 到 35%，是非常高毛利的业务，毛利可能达到 80% 甚至 90% 以上。所以这一块把整体利润率提升了很多。

现在来看，Neocloud 也分成 2 派。其中一个派系就是 CoreWeave 和 Nebius。它们希望在硬件基础上提供很多附加值，也就是刚才提到的 PaaS 层面。当然，AI 云和传统云提供的服务不一样，它们附加的 PaaS 也不一样。

目前我们看到，Neocloud 正在发力的部分包括算力优化、KV Cache 的合理部署和调用，以及最近 OpenAI 和 Anthropic 都在布局的 serverless RL，也就是无服务器强化学习训练。

如果看 CoreWeave，到今年年底，它在存储和 KV Cache 这一块带来的年化收入，应该差不多能到 3 亿美元。我觉得未来可能会到 10 亿、20 亿美元。

如果 Neocloud 能把 PaaS 层面的收入做到总收入的 15% 到 20%，我觉得肯定做不到传统云的 30% 到 35%，因为它的客户，比如 AI 大模型公司和其他大型 hyperscaler，本身就有很强的 PaaS 能力。但能做到 15% 到 20%，已经很不错了。

这样的话，它们的整体利润率应该能达到 30% 出头。AI GPU 纯硬件层面的利润率，大概在 25% 左右。

另外，现在还有很多 Neocloud，比如 Oracle、SoftBank Energy，以及美国一些从加密货币挖矿转型而来的 Neocloud。比较有代表性的有 IREN，也就是 Iris Energy，还有现在一些私有公司，比如 Crusoe、Fluidstack。

它们目前主要做的是裸机柜，也就是裸金属租用。Oracle 可能想两边都发力，想在真正的超大云市场上角逐。但很多从加密货币挖矿转型而来的公司，在我的视角里，本质上是裸金属业务，更像硬件租赁。

我觉得这种商业模式很容易受到价格和回报率，以及资金供给层面的挤压。所以，对这一类商业模式，我持比较中性的态度。

刚刚我们讲了需求端。未来整个 AI 向推理端和 Agentic 时代继续发展，你觉得现在整个云的格局会发生什么变化？

我觉得大概率 CoreWeave 和 Nebius 能成为第 4 朵云和第 5 朵云。它们的整体布局和理念比较超前。当然，它们各自也有不太一样的商业模式。

核心来说，我们从传统云时代进入了以硬件为核心基础的 Neocloud 时代。未来我觉得这 2 家都会回归到一条线上，也就是 AI 原生云。

这意味着，大家要为所有新的 Agentic workflow，去做流程上的整体改变。现在很多不同的企业，包括英伟达、CoreWeave、hyperscaler 本身，以及一些小型、特别个性化的云商，比如 DigitalOcean，都提过 AI 原生云，也就是 AI Native Cloud 这个词。

但大家对这个词的理解并不一样。

像 DigitalOcean，更偏向于从产品理念上理解 AI 原生云。它们最近发布了很多面向 AI 原生云的产品，可能有 15 款或者 20 款。

英伟达和 CoreWeave 这 2 个绑定比较深的战略伙伴，所说的 AI 原生云，指的是以 AI 算力大型集群管理为核心的云。它们讲的是一个比较宽泛的概念。

像超大云商基本上不太提这个概念，因为它们觉得，之前做的事情和现在做的事情没有本质区别，只不过 B 端的 workflow 会从人使用软件、数据库和存储层，转变为机器代替人去使用这些软件。

它们觉得这没有特别大的差异化，所以不太提 AI 原生云这个概念。它们的理念是继续做一直在做的事情，只是面对的对象不同了：以前主要面对人，现在主要面对机器。

你觉得未来 Agent 时代的这些需求，更多会让 hyperscaler 失去市场份额，还是会给新的玩家提供更多机会？你觉得市场份额会往哪边走？

市场份额，我觉得还是在计算层，或者说物理层。但最终的市场份额，还是要看它们的下游客户能拿到多少市场份额。

简单来说，哪一个模型未来的市场份额更大，它上游供应商的市场份额就会跟着它走。

它的市场份额分 2 块。第 1 块是需求端，也就是和它绑定比较深的客户未来发展得怎么样，包括模型公司，也包括超大云商。第 2 块是它自己的资源能力。

过去 2 年发生了很多变化。云商的上游是数据中心，而数据中心会提供 powered shell，也就是只提供电力和制冷。Neocloud 需要上游企业稳定地提供最基础的电力链设施。

还有一个是芯片，这是它们核心的资源能力：能不能拿到最先进、最合适的芯片。所以，资源端目前也决定了 Neocloud 的市场份额。它是供给端和需求端并存的。

刚刚我们聊了很多需求端的问题，现在来看看供给端。

5. The Neocloud Supply Race

供给端目前有几个比较重要的玩家。按照 2025 年收入口径，一个是 CoreWeave，收入 51 亿美元，占整个 Neocloud 市场的 22%；之后是 Nebius，大概只有 5 亿美元收入；Lambda Labs 也是大概 5 亿美元。合计来看，长尾市场的收入可能还有 100 多亿美元。

能不能给我们讲一下，现在整个 Neocloud 供给侧的这些玩家，各自有什么差别？

您刚才给到的数字基本上是去年的。其实今年的格局，或者未来 2、3 年的格局，变化会很大。

尤其是 TPU。2025 年 TPU 大概只有 100 多万颗，可能是 110 万、120 万或者 130 万颗这样的供给。到了今年可能是 400 万颗，明年按照我的预测，可能会上升到 1000 万到 1200 万颗，量级已经接近英伟达了。

亚马逊的 Trainium 芯片，明年也会达到 400 万到 500 万颗的量级，今年可能是 200 万颗，明年甚至可能更高。

这几家基本上都是英伟达系的，它们 100% 的芯片和集群部署都是以英伟达为基础的。所以我觉得 TPU 的崛起，会带动 Fluidstack 这样的 Neocloud。

未来的格局，我觉得 3 大巨头应该是 CoreWeave、Nebius 和 Fluidstack。最后，亚马逊自己也会以 Trainium 为主，在这一领域占有一席之地。但因为亚马逊本身是 hyperscaler，所以我们先把它放开不谈。

Lambda，我简单讲一下。它更侧重于编程，我觉得这是未来的另一个方向：做垂直化、区域化的 Neocloud，让专业性特别强。

我们现在主要聊的，还是大规模、范式化、泛应用、泛算力的 Neocloud。Fluidstack 其实比较像 Nebius，所以我把这 2 家放在一起说。提到 Nebius 时，您可以把 Fluidstack 想象成 TPU 版本的 Nebius。

CoreWeave 和 Nebius，或者说 Fluidstack，它们的本质区别是这样的。

CoreWeave 选择的是最传统的基建模式。也就是说，它去拓展资源，拿到资源之后，再和下游客户合作，包括 Anthropic、OpenAI，或者一些新进入的算力需求大户，比如 Jane Street 这样的高频交易公司，还有 HRT。

CoreWeave 选择签长期订单。一个 GPU 的商用生命周期大概是 5 到 6 年，它们就把这 5 到 6 年全部锁给一个客户。即使使用之后还有残值，也属于锦上添花。

CoreWeave 的模式就是，拿到芯片资源，组成大型集群，然后把大型集群的整体算力打包给一个头部客户。既然有了很大的合同价值，粗略计算，每花 1 块钱，大概可以在未来 6 年赚回 3 块钱。

它采取的是锁定价格，再通过财务杠杆来提升回报率。这是非常传统的高速公路、数据中心、商业地产和商业基建模式。

它的路线非常清晰。随着银行和投资人对这个行业的接受度越来越高，它的融资成本下降得非常快。它在 2023 年发行的第 1 笔贷款，利率是 14.5%，属于 high yield 债务，成本非常高。

今年发行的新一轮贷款，利率只有 6.2%，而且已经成为投资级债务，也就是 investment grade。它的 IRR 提升了很多。杠杆前 IRR 大概是 23% 到 25%，3 年前杠杆后可能在 35% 到 40%，甚至更低一点，大概是 30% 到 35%。

现在，它杠杆后的回报率已经稳稳超过 50%，这是非常可观的。相比之下，传统基建项目基本上杠杆前回报是 5% 到 6%，核心铁路、码头、高速公路，杠杆后可能达到 10% 到 12%，好一点的能做到 15%。

我大学毕业以后，老东家就是 Brookfield。它现在管理 2 万亿美元规模，是全世界最大的商业地产和基建公司。它是一家有 100 年历史的加拿大资产管理公司，一直采用这种模式，现金流非常稳定，回报也很有可预测性。

再看 Nebius 和 Fluidstack。Nebius 选择了另外一条路线，也就是更愿意承担价格方面的一定波动，但不愿意承担财务杠杆的风险。

Nebius 的团队，是之前俄罗斯最大搜索网站 Yandex 的创始团队。他们把公司转移到了阿姆斯特丹，也就是荷兰，完全脱离了俄罗斯的体系。他们也把 Yandex 卖掉了，然后用出售 Yandex 获得的资金，开始发展 Nebius，也就是 Neocloud 业务。

他们非常有互联网思维，对传统互联网和传统云也有很深的理解。在他们看来，他们愿意承担市场算力价格波动的风险，但不愿意承担财务杠杆风险。

所以，最近微软和 Meta 的几个大订单，在它们的财报电话会上提到，预付款达到 40%，甚至 50%。Nebius 自己只发行可转债，也就是以公司层面发行可转债。

这样，它们整体杠杆率不高。当然，如果希望客户预支大量 Capex，也就是资本开支，它也要牺牲一部分合同价值。我们测算下来，Nebius 在合同价格上大概打了 20% 到 25% 的折扣。

但它们的 IRR 也很可观，因为没有杠杆，所以我们只讨论杠杆前收益率。由于有大额前期预付款，它们的杠杆前收益应该能达到 35% 到 40%。

从这个创始团队的基因来看，Nebius 选择不用杠杆，但这是不是也意味着，它未来有更大的加杠杆空间？

是的。但我觉得它们应该不会加很多杠杆，应该会一直采用 40% 到 50% 预付款的形式继续发展。

我之前所说的所有回报率，都是看净现金流。因为 EBITDA 里面不包括折旧。

刚刚你讲的这个商业模式，我可不可以简单理解为：借钱去买 GPU，把 GPU 的时间租出去，再用租金偿还债务？

有一个比较大的疑问是，GPU 本身在贬值。英伟达的新产品大概 1、2 年就会出来新一代，产品代际不断更替，使用寿命其实也只有几年。感觉这像是用一个会贬值的资产，去借一个长期的债。这样的结构在逻辑上能够站得住脚吗？

我觉得这是现在市场以及很多人对这个商业模式的一个误区。

如果先看传统基建，包括码头、铁路和数据中心，它们其实也有很大的折旧，只不过折旧期限更长。数据中心设备和电力系统的折旧年限，大概是 15 年到 20 年，所以每年大概有 5% 到 6% 的折旧。

如果假设 AI 芯片的使用年限是 5 到 6 年，其实它和传统云没有特别大的区别。CPU 时代，折旧也是这样。传统云最开始发展时，CPU 的折旧年限也是 5 到 6 年，现在有些超大云商把它延长到了 7 年甚至 8 年，和 AI 云的差别并不大。

无论是基建、传统云还是 AI 云，它们借到的负债，实际上对应的不是 GPU 硬件本身的残值，而是整体合同的价值。

对于 CoreWeave 和 Nebius 来讲，它们的合同主要签了 5 到 6 年，基本上把芯片的商用价值用到了合理范围。如果在这个基础上还有额外的使用空间，对它们来说就是锦上添花。基本上就是已经折旧完了，多用一天就多赚一天，刨除电费以后，几乎是 100% 的利润。

所以，无论传统云、Neocloud 还是基建，计算的都是一笔大账：刨掉电力、运营，以及一定的研发和销售成本，最后看按照采购成本能够获得多少回报率。

银行也是算这笔大账。这也是为什么过去 3 年 CoreWeave 的利息成本下降这么多。主要是因为大家逐渐熟悉了这个商业模式，觉得它和传统云没有太大区别。

现在，唯一对这个商业模式有较大质疑的，其实是二级市场。

从财务报表来看，CoreWeave 比较有代表性。去年第 2 季度、第 3 季度，它的利润率还在 12% 到 14%；去年第 4 季度下降到 8%；今年上半年断崖式下跌到 1% 到 2%。

这增强了市场对这个商业模式的质疑：为什么越做利润率反而越下降？尤其是在 GPU 现货市场中，第 1 季度价格还上涨了 40%，为什么利润率却下降？

其实很简单。我 10 多年前开始看数据中心时，也出现过同样的情况。在需求爆炸式增长、尤其是锁定未来 5、6 年现金流的情况下，企业肯定要大规模建设。

因为需求爆发相对突然，就像 2015 年、2016 年中国移动互联网和云计算爆发的时候。当时比较有代表性的公司，就是我之前担任首席战略官的万国数据。

万国数据在 2016 年上市，那个时候它的报表也非常不好看。核心原因和 CoreWeave、Nebius 现在的情况一样：它们正在建设的规模，大于已经产生租金收入的体量。

我们把它换算成数字，会更直观一些。CoreWeave 在上一个季报中公布，它已经通电的部分是 1 GW，整体布局的电力是 3.5 GW，在建的大概率有 1 GW。

在已经通电的 1 GW 里，我们测算下来可能只有 80%，也就是 800 MW，真正产生收入。因为通电、客户上架，以及它自己部署服务器之间，还是有 2、3 个月的时间差。

所以，它已经通电的 1 GW 里，只有 800 MW 在赚钱，200 MW 通了电但还没有收入。另外还有一部分正在部署和建设。今年大概还会新增 1 GW。

也就是说，它在建和已经收租的规模，超过了正在收租规模的一倍。这样就会把利润率拉低。

如果展望到今年年底，它大概率会有 1.8 GW 到 2 GW 在收租，同时还会继续建设差不多 1 GW。这样一来，在建规模和已经产生收入的规模只相当于 50%。

到年底，已经收租的这一部分，利润率应该在 25% 左右。但因为它还在建设，相对于已经收租的规模，在建部分仍然占 50%，所以整体利润率大概会在 12% 到 14%。

到明年年底，它大概率会有 3 GW 已经上架并收租，还会继续建设 1 GW。这个时候，在建部分只相当于现有收入规模的 30%。它的利润率会更接近稳定水平，明年可能达到 20% 出头。

再叠加我之前提到的 KV Cache、RL 等高利润 PaaS 服务，到 2028 年底，它的利润率很有可能上升到 25%。随着在建规模和已经收租规模之间的差距缩小，它最有可能向 30% 靠近。

到那个时候，资本市场应该会提前意识到，Neocloud 和传统云的差别并没有特别大。无论从芯片折旧还是盈利模式来看，它们都非常接近，估值也应该接近。

现在的估值差异非常大。传统云的估值大概是 20 倍到 25 倍利润，增长率大概 30%。按照我们的测算，Neocloud 现在只有 10 倍左右的稳定利润估值，但利润增长超过 100%，甚至未来 3 年的复合增长率可能达到 120% 到 130%。

为什么 Neocloud 的估值倍数会比传统云低？

长期来看，Neocloud 的估值应该比传统云稍微低一些。毕竟它的资本开支非常大。

按照每 MW 计算，CoreWeave 和 Nebius 的资本开支大概是 4500 万到 5000 万美元。传统云每 MW 的资本开支大概是 1500 万到 2000 万美元，甚至更低一些。

如果使用自研芯片，以及白牌网络和带宽设备，传统云的资本开支可能会下降到每 MW 1000 万到 1200 万美元。

第 1，Neocloud 的资本投入力度比传统云大。第 2，正如我刚才提到的，它的利润率大概永远达不到传统云 40% 的水平。

传统云可以把很多 PaaS 打包业务卖给企业，收取很高的利润。但未来这一块可能会受到 AI 模型和应用的冲击。类似于现在有一些应用层软件受到冲击，大家可以自己做 Web coding，或者找小型软件开发商做出原来大型软件公司打包出售的部分功能。

未来，我觉得传统云和 Neocloud 的利润率会逐渐趋同。传统云可能下降到 30% 到 35%，Neocloud 上升到 25% 到 30%。两者会比较接近，但仍然会有差距。

所以，Neocloud 的估值应该会有一些折扣，但不应该像现在这么大的折扣。

6. What Could Break The Thesis

你刚刚讲到，CoreWeave 现在的收入可能只有 50 亿美元左右，指引收入是 120 亿到 130 亿美元，但 Capex 需要花出去大概 200 亿到 300 亿美元。它现在的积压订单是 900 多亿美元，大家对积压订单也有不同看法。

比如 CoreWeave 最大的单一客户是微软，占到它 2025 年收入的大概 2/3。除此之外，还有大量来自 OpenAI 的订单。你怎么看这种积压订单的质量，以及它背后的风险？

我觉得这是资本市场和二级市场对于 CoreWeave 最大的误区。

您可以把它想象成，它现在这个时间点的收入，和这个时间点的资本开支，没有任何直接关联。它是一个瀑布型结构：今天花 1 块钱，未来 6 年收回来 3 块钱。

所以，今年看到的 120 亿、130 亿美元收入，是前 2 年投放和上架的结果。而今年花的 300 亿、甚至 350 亿美元，会在未来 6 年收回来 900 亿到 1000 亿美元的利润。

要把这两块拆开看。最简单的理解就是，现在花 1 块钱，未来 6 年赚 3 块钱。如果资本开支不大幅提升，它的收入和资本开支会逐渐交叉，最后应该在 2029 年收入超过资本开支，利润率直接体现在现金流上。

这是市场还没有充分理解的一个核心问题。AI 模型公司的资本开支和收入之间，时间差比较短。今年花多少钱，可能未来 6 到 12 个月就开始兑现，或者转化成收入，因为它们需要尽快转化成收入。

但对于 CoreWeave 和 Nebius 这样的企业，只要客户不存在严重的财务问题，它基本上就是把这 3 块钱利润拆成 5 到 6 年。所以只要它建好并持续提供服务，客户不出现现金流问题，它的现金流就会不断累积。

所有基建行业都一定要向前看。它的积压订单，是未来需要交付的算力，可以这样理解。

2025 年，CoreWeave 接近 70% 的收入来自微软，而微软又是作为中间商提供给 OpenAI。但这部分收入反映的，其实是 2023 年、2024 年投放的结果。

如果向前看，它的 backlog 非常多元。以现在这个时间点来看，最大的客户会变成 Meta，占积压订单的 35%；微软大概占 20%；OpenAI 也差不多占 20%；Anthropic 可能占 8% 到 10%；Jane Street 现在也到了 8% 到 10%。

从现在这个时间点看，只要这些客户不取消订单——而且它们也不能轻易取消订单，因为订单具有一定的财务绑定性——再加上 CoreWeave 能够稳定交付这些积压订单，3、4 年以后，它的收入就会非常多元化。

这里还要提到一个经常被投资界忽略的关键点，就是 CoreWeave 和英伟达的绑定关系。英伟达承诺，CoreWeave 很大一部分芯片如果采购后无法部署，英伟达可以把它们回收。

所以，它的财务风险敞口其实没有大家想象的那么大。

这里还涉及需求侧的另一个担忧，就是 DeepSeek。如果 AI 算法的效率持续提升，对 Neocloud 的这些积压订单会有什么影响？你怎么看？

我觉得大家可能太关注现货市场了。今年现货市场确实涨了很多，但这其实不太符合传统云的逻辑。

传统云的商业模式是，过去企业客户自己采购和管理服务器与算力需求。它们有了多余算力，也没有办法弥补成本。所以大家逐渐把需求搬到云上，说白了就是从零售变成批发，或者说集中采购。

大型超云商利用规模、庞大的技术能力，以及主业现金流，部署和建立核心算力系统。因为规模效应，它们在设备、带宽、服务器和数据中心部署方面不断优化，算力成本每年都在快速下降。

它们把一部分成本下降带来的利润留给自己，一部分让给客户。这样，客户会拓展出更多需求，把原来自己部署的需求搬到云上。这一直是过去十几年云计算发展的底层逻辑。

AI 云也想效仿这套逻辑。我之前提到，AI 是多方位需求爆发，包括训练、推理、C 端、B 端、Agent workload，以及企业商用 workflow。它们是并发的。

上游算力链还经历了一个特殊情况。AI 时代开始时，半导体行业经历了最惨烈的下行周期。新冠期间，上游建设了大量供给，因为当时 PC 和手机需求都出现倍级增长，大家又不确定全球供应链和病毒影响会持续多久，于是进行了大量扩张。

结果是，疫情比预期更快结束，导致这些供给过剩。海力士、闪迪、铠侠这些大家耳熟能详的企业，在 2022 年、2023 年几乎处于濒临破产的状态。

最惨烈的半导体下行周期，迅速接上了可能是过去 20 年到 30 年最大的上行周期。所以，这些企业过去几年不敢大刀阔斧地扩张，担心重蹈几年前濒临破产的覆辙。

今年算力市场的现货价格是不正常的。DeepSeek 是一家很伟大的企业，但它对算力效率的优化和提升，我觉得是正常的。效率提升和 token price 下行是必要条件，只有这样，大量软件、设备以及端侧需求才会蓬勃发展。

这样，Neocloud 和 AI 算力公司也可以做同样的事情：把一部分效率提升留给自己，再把一部分让给下游应用以及其他 B 端、C 端用户。这才是一个健康的生态。

上游半导体、网络和服务器设备，也会随着大家对周期确定性的增强，逐渐进行合理扩张。

如果看明年，大家预计超大云商、AI 算力公司和 Neocloud 的资本开支整体可能增长 50% 到 60%，甚至更高。但这里面很大一部分，是元器件和芯片涨价，尤其是存储涨价。实际上，硅，也就是芯片本身的数量，并没有大幅提升。

这是不是一种健康的情况？我希望看到的是，每年资本开支的增加能够和现金流匹配，也能够和 silicon content 匹配。

如果资本开支每年增加 50%，我希望 silicon content 增加 30% 到 40%。其中可能有一部分是上游涨价造成的，但再加上下游算力优化、token 成本继续大幅下降，真正的需求才会爆发。

你讲到的就是杰文斯悖论：成本降下来以后，需求端会有更多应用爆发。

7. The Microsoft Nvidia Triangle

接下来我想聊一聊整个产业链里的几个角色：微软、CoreWeave 和英伟达。微软是全球第 2 大云服务商，也是 CoreWeave 最直接的竞争对手，但同时又是 CoreWeave 最大的客户。

英伟达卖芯片，同时又拥有 CoreWeave 11% 的股权。你刚刚也提到，如果 CoreWeave 的 GPU 租不出去，英伟达可以兜底。这 3 者之间到底是竞争关系、客户关系，还是共生关系？

这一块可能我的个人观点会稍微重一些。

在这个体系中，我觉得微软的角色已经比较边缘化了。微软在一开始的重要角色，是作为 OpenAI 和 CoreWeave 之间的中间人。

首先，微软当年对 OpenAI 做了大量投资，希望 OpenAI 的 ChatGPT 或者其他模型，能够给它的 PaaS 产品，尤其是以 Microsoft Office 为核心的产品，以及 AI 功能 Copilot，提供极大的赋能。

对于 CoreWeave 来讲，OpenAI 当时收入和支出的差距很大，有极大的负现金流。所以微软作为中间人，对整体来说起到了增信作用。

如果没有微软，OpenAI 能拿到的价格可能会非常高。因为基建行业说白了是企业级信用逻辑：如果客户是 BBB 或者 AA，那么基建项目的信用等级，可能会比客户本身稍微低一点，因为它还存在运营和战略布局风险。

但基本上，基建项目的投资信用度，也就是 credit rating，和客户高度相关。客户信用比较差，价格也会相对高一些。所以微软起到的就是这个作用。

大概 1、2 个月前，微软和 OpenAI 也说，它们的合作到了一个阶段性节点。OpenAI 会继续赋能 Copilot，但已经不是一对一的关系，OpenAI 基本上从微软体系中独立出来了。

所以，我们主要谈英伟达和 CoreWeave 之间的战略关系。

最核心的，是英伟达想要扶植和支持一套自己的硬件基建云生态。虽然其他超大云商也采购英伟达芯片，但它们肯定不希望被一家公司决定未来的布局和发展。

未来，大型超大云商和互联网企业，包括字节跳动、Meta、阿里，都会积极自研芯片。英伟达也要在自己的体系内建立护城河，所以它希望找到一家能力比较强、和自己互补的公司。

我认为，英伟达觉得 CoreWeave，包括 Nebius，在大型集群管理和优化方面有独特的经验和见解。因此，英伟达投资了这 2 家公司，也会选择性地优先向它们提供芯片和服务器。

还有一层更深的逻辑。传统云商不希望绑定在一个整体解决方案上。比如大家都使用标准化的 AMD 或者英特尔服务器，那怎么在价格或者服务上做出优势？其实比较难。

传统云从 2012 年、2013 年开始高速发展时，微软、AWS、谷歌这 3 家核心超大云商，大量推动硬件白牌化。

比如，最早企业使用思科的交换机和路由器。到了云时代，它们大量采用白牌设备。服务器也一样，不再完全依赖 OEM。

一个服务器从 T0 到 T10 的整合过程中，像戴尔这样的 OEM 厂商负责最后的 T8 到 T10，而台湾原厂商，也就是 ODM，可能从 T0 直接做到 T8。

传统云时代，超大云商希望尽量往原厂方向走，把自己的设计、采购理念放进去。不重要的部分就用便宜的，重要的部分，比如带宽和网络设备，就选择最好的。因为那个时代最重要的是带宽和网络分发。

这样，它们可以按照团队能力做出差异化，彼此竞争。因此，超大云商都有很大的采购和研发团队，自己优化服务器。

英伟达和其他逻辑芯片厂商，更像是生产发动机，可能再提供一些核心轴承；ODM 把整辆车做出来，OEM 再做贴牌、喷漆和改装，加一部分利润卖给下游客户。

传统云商更像喜欢自己改装车的人。它们只买一个发动机，有点像我们小时候看《头文字 D》：买一辆 GTR，但自己进行很多改进和优化，把发动机性能提升到最强，希望比别人跑得快。

到了 AI 时代，英伟达的理念是：不要自己做自主改装，不要自己“抖机灵”。它认为自己的整套系统就是最优解，是为 AI 算力时代研发的。相当于它告诉客户，直接买我的超跑，什么都不用改。

所以，英伟达一直想找一家云商，把它的理念完整输出出来。CoreWeave 在一些集群中使用整套英伟达网络设备，不做太多硬件层面的优化，只做 PaaS 层面的优化。

这相当于 CoreWeave 和英伟达合作，做出一套英伟达希望展现给世界的真正推理和训练能力。英伟达一直觉得，其他超大云商改来改去，最终效果不如它理念上的最优解。

对于英伟达和 CoreWeave 来说，有英伟达的投资和合作关系之后，CoreWeave 在获取芯片和服务器方面应该有一定优先级。英伟达也可能会在软件和 PaaS 层面提供支持，因为它自己开发了许多 AI 训练和推理工具，希望通过这样的渠道，把能力推向更下游的客户。

资金同样非常重要。有英伟达这样的客户背书，再加上英伟达愿意在芯片无法交付时回收芯片，这些都很重要。

8. Google Builds A TPU Cloud

还有一个新消息：黑石和谷歌成立了一家 TPU Neocloud。供给端上，谷歌联合金融资本，用 Neocloud 的模式来经营算力。

我们知道谷歌已经有自己的 Google Cloud，为什么还要在自己的体系之外，再建立一家独立的 TPU Neocloud？这对 CoreWeave 有什么影响？

因为在推理时代，CoreWeave 又和英伟达绑定。如果其他各种各样的推理芯片出来，和英伟达绑定会不会反而成为它们的劣势？

因为我和 CoreWeave 管理层交流比较多，我并不觉得它们认为自己和某一家芯片厂商是完全排他的关系。但它们内部确实认为，英伟达芯片是最好的，是最优解。

先说黑石和 Google TPU 的联合。如果你的硬件被更多人使用，进入更多场景，就会产生很大的生态效应。

这也是为什么英伟达的 GPU 实用性在过去 2 年大量提升以后，竞争格局发生了变化。2023 年，基本上是英伟达和 AMD 竞争，当时还有英特尔，但英特尔的 GPU 很快就退出了。

为什么英伟达的生态一直比 AMD 好很多？就是因为英伟达的芯片被超大云商和 AI 模型公司大量优化和应用，包括 DeepSeek，也进行了大量优化和应用。

它自己的 CUDA 生态实用性非常强，效率也非常高。

所以现在谷歌想做的事情，就是让大家把 TPU 用起来。这样可以众人拾柴火焰高，大家都会帮助它做优化，可能也会提升它整个体系的能力。

但如果谷歌只输出自己的 Google Cloud 生态，因为云里面继承了传统云时代的技术和 PaaS，这些东西不一定会被新一代 AI 原生公司接受。

谷歌不想被自己之前的生态和理念限制芯片的发展，所以它很有战略性地选择黑石以及其他资金实力深厚的财团，把 TPU 推向所有人。

反过来看，2 年前英伟达也尝试过自己做云。它的 DGX，当时也有一点想做云的意思，但没有人愿意用。

大家会想，如果英伟达的云发展得很快，将来可能不卖芯片了，把芯片都留在自己手里，只把算力出售给客户。这对大家来说，是更有威胁的一条路径。

所以大家从第 1 天就反对这个路径，没有接受英伟达做云的愿景，英伟达后来也不太再提这件事情。

谷歌的情况其实一样，只不过它稍微反过来：它已经有了庞大的云生态，但不代表所有人都想依托它云里的全部东西。

很多人可能只是想使用 TPU，觉得 TPU 是一个很好的选择，选择性地使用谷歌生态中的某一部分。就像宝马、奔驰一样，我可能认可你的发动机，但不认可你的汽车设计理念和内饰，我还想自己做。

这样，谷歌给了大家拓展性，这一点非常有前瞻性。

9. The Lasting Neocloud Moat

还想问问你，怎么看 Neocloud 真正持久的护城河？

有时候我们会想到 19 世纪铁路的例子。很多铁路公司把铁路和火车拿去抵押，最后公司破产了，但基础设施留下来了，公司却没有了。你觉得未来 Neocloud 持久的护城河是什么？

它以后会变成像云一样的生意，还是有一些公司会随着时代变化、利润消失，最终退出，或者成为利润率最低的一类生意？

这个类比比较恰当，而且可以应用到大部分重资产行业。

我们之前在 Brookfield 的时候开玩笑说，酒店是风险特别高的一类资产，尤其在商业地产里。第 1 个酒店持有者大概率会亏钱或者破产，第 2 个 owner 一般会打平，到了第 3 个 owner 才开始赚钱。

铁路、基建也是这样。Brookfield 在 2008 年、2009 年时，因为一家澳大利亚最大的基建资产管理公司 Babcock & Brown 破产，以大幅折价的资产价格，收购了澳大利亚铁路、码头、基建类资产大概 20% 到 25% 的市场份额，一次性把它们接了过来。

Babcock & Brown 对周期的理解，以及它在极端情况下的承压能力，和实际情况发生了错配。这给了 Brookfield 一个机会，让它一举获得了非常庞大的市场地位。

所以无论铁路、住宅还是基建，原理都一样。对于重资产、基建和地产类行业，只要资产建成了，除非烂尾，基本都会留在这个世界上。

因为经济和人口都在发展，供给和需求之间的差异，在某个时间点总会被填平。当供需差异特别大的时候，持有资产的人大概率会遭受很大的财务损失。

所以，成本越低越好，供需差异越小越好。基建基本上要使用杠杆，才能获得合理收益率；它之所以能加杠杆，是因为有稳定现金流。

但这就像银行放贷一样，公司对自己的财务模型以及下游需求，一定要有特别保守的预期。太保守，赚不到钱，规模也起不来；太激进，步子跨得太大，就可能濒临破产。

说到底，Neocloud、传统云、铁路和地产，最后都取决于公司自己的运营能力，以及财务风险敞口。

基建行业从来不会一家独大，这几乎不可能。大家核心竞争力的差异化没有那么大。说白了，如果您有钱，而且对收益率的预期极低，就可以在基建行业占有一席之地。

如果我只想要 2%、3% 或者 4%、5% 的收益，又不想加杠杆，那我买了之后可以一直持有资产，别人很难撼动我。所以，它肯定不会一家独大。

未来这个行业一定会有一些公司被淘汰，尤其是过于激进的公司，我这里就不点名了。它们的产能和资产，会被更优质的企业接手。

就像 Babcock & Brown 的例子，过于激进的企业所持有的资产，最后基本都会流向真正财力雄厚的公司，或者流向更好的管理者。

对整个社会和资本市场来说，这是比较良性的发展。所以我觉得 AI 云也是一样：资产会存在。

当然，我们也聊过，芯片不会像铁路那样持续很长时间。铁路折旧可能是 40 年、50 年，而 AI 芯片 6 年以后残值可能就比较低，更新迭代也确实更快。所以，这些资产不会永久存在。

算力链现在实在是百花齐放，两只手已经数不过来了。未来 2、3 年，规模超过 10 亿美元的 Neocloud 公司，肯定有一大半会被淘汰。

一方面，它们会受到三朵云的影响；另一方面，也会受到 CoreWeave、Nebius、Fluidstack 这些新贵的影响。此外，还要看下游客户。

这个时代并不是所有应用和 AI 模型都能存活 10 年。有些会存活，有些不会。如果下游客户表现不好，也会导致一部分上游 Neocloud 被逐步优化和淘汰。

但我认为这是健康的，也是必然会发生的。

再展望未来，不管是推理端还是 Agentic workflow，未来需求上升之后，你觉得整个云基础设施里最大的变量会在哪一层？未来最大的瓶颈会在哪里？

我个人觉得最有趣的一层，其实是 PaaS 层。

过去在 IaaS，也就是基础设施层，大家基本上平起平坐。哪怕理念上有一些差别，最后结果也差不多。

比如微软想做小而轻的数据中心布局，有很多节点；亚马逊则做大型数据中心部署，通过强大的带宽和容器化能力输出硬件系统。它们在硬件和物理层面的差异化，其实没有那么大。

它们差异化最大的地方，在 PaaS 层面。

微软有先天优势，因为它有很多 SaaS 和 PaaS 能力，可以把 SaaS 和 PaaS 产品放在云上，以并行的方式销售给客户，打包在一起推给客户。

亚马逊云一开始的核心客户偏创业公司。创业公司比较节省，能省就省，所以会像点菜单一样，有针对性地选择某些功能。亚马逊把菜单做得非常齐，但不会把所有东西一起推给客户，也就是不会让客户吃 omakase，而是让客户自己点。

所以，亚马逊的功能非常丰富。我觉得它在传统云方面做得非常好。

微软和亚马逊的这些服务，包括数据库、可视化管理云的软件，都是给人使用的。

但如果我们现在讨论的是机器或者芯片代替知识型劳动力，很多 PaaS 系统对机器来说其实没有太大意义。

我认为，未来一个很大的发展方向是存储层，也就是 storage layer，和数据层，也就是 database layer，这 2 个层次会结合在一起。

模型不需要先去数据中心，再看到 storage layer，它甚至可以直接和硬件进行交互。所以未来核心的一层是 storage layer。它可以贯穿训练、推理、GenAI work、企业 enterprise work、To C work，以及可能的本地部署端，全部都很重要。

为什么我不谈硬件？因为硬件供给可多可少。硬件固然重要，但它未来的价值，还取决于几家厂商之间博弈的情况。

软件层面则不一样，谁能占住 PaaS 这一层非常重要。

其实有一个想法：是不是在现在，或者未来某一天，我们已经把想问的问题、要问的问题全都问过了？

那时候，在 LLM 层面，会不会从纯粹显性的问答，变成我们不再需要更多推理算力？

你看，现在很多数据源已经接近上限。我们有可能今年或者明年，已经把很多问题问了几万遍。你也会看到，大模型公司现在回答速度越来越快。

我其实不认为回答速度变快，是因为推理速度变快了，因为新的卡并没有出现。我觉得是很多答案已经被存起来了。

最后存储的模式是什么？是硬盘、磁带，还是 eSSD？其实我觉得都无所谓。这也是为什么我避开硬件不谈，只谈 storage layer。

谁能以高效、高频、大规模、低成本的方式优化信息和答案存储，我觉得它的 TAM 非常大。

一些传统存储企业可能做得不太好。传统企业包括戴尔旗下的 EMC、NetApp、Pure Storage，这些都是上市公司，或者是上市公司的一部分。

还有一些未上市公司，我觉得大家可以关注，比如 Vast Data。它在 low-latency storage 方面沉淀了很多技术，所以非常值得关注。

如果您问我，在我目前能看到、认知范围内的方向中，我觉得 storage 非常有意思。它上面可以进攻 database layer，下面可以优化硬件。硬件最终怎么解决，我们走一步看一步，最后可能就是纯成本考量。

过去，高速存储的需求很低。企业把一个文件存进去，可能一辈子都不会再看一次，所以不在乎高速提取和存储。

AI 时代以前，Vast Data 的客户主要是高频交易公司。但现在，很多头部超大云商、AI 算力公司和 Neocloud，都是它的 backlog，订单非常强。

最后谁能把 storage layer 做出来，还有待观望。但我觉得，这肯定是我们非常关注的一个赛道。

10. The Digital Labor Thesis

最后一个问题，想聊一聊你最近公开发表的一个观点。你把 AI Agent 比作数字劳工，把 Neocloud 比作维持这些数字人运转的基础设施。

你说，如果芯片在取代人，我们怎么样让数字人感到开心？这套框架背后，是一套怎样关于 AI 和人类劳动关系的判断？

我先说一下背景。这个理论只是基于现在 AI 的能力。

我认为 AI 是一个非常强大的系统，我们可能只是刚刚迈出第 1 步，现在用到的 AI 能力，可能只是它未来能力的 1%，甚至不到 0.1%。它未来的发展非常庞大。

用我比较狭隘的认知，先说现在我认为 AI 能做的事情。因为我特别喜欢历史，我们先回溯一下。

以美国为例，它可以看作西方世界的一个代表。1980 年代，美国制造业劳动人口大概有 2000 万。但美国发展非常快，工业化带动的需求飞速增长，国内劳动力远远不足以满足美国人的需求，所以通胀有很大的上行压力。

如果看 1980 年代，美国通胀曾经达到十几个百分点以上。它没有办法，只能寻找一个能够降本增效、扩大生产规模、满足消费需求的地方。

最开始，它去了亚洲四小龙，也就是韩国、中国台湾、日本和中国香港，也有一部分新加坡。但这些市场体量太小。

到了 1990 年代，美国开始在中国进行大量调研，看这个市场是否可拓展。中国大概在 2001 年加入 WTO，正式进入自由贸易体系。之后，美国把大量制造业迁移到中国。

从 1985 年到现在，美国大概失去了 700 万个制造业岗位，但亚洲地区出现了大概 1.2 亿到 1.5 亿个制造业岗位。因为成本优化，中国的成本大概下降了 60%，又满足了美国消费需求。

当然，需要有人去管理这些产业链。亚洲多出 1 亿多劳动力，美国这边又多出了消费需求，于是有更多人去销售和管理下游产业链。

到 2010 年，也就是那 30 年里，美国大概增加了 4000 万个白领岗位。美国服务行业就业人口一共是 1.3 亿，其中 5000 万是最核心的白领。

2012 年以后，美国发现白领供给也不太够了，于是需要寻找第 2 个降本增效的出口。当时技术路线能够提供的方案，就是云计算和软件。

但如果看那 10 年，其实没有发生特别革命性的变化。

先说应用软件。它让美国不需要继续增加白领，但也没有办法减少已有的 5000 万白领。云帮助它节省了一些成本，但这 5000 万人的工资，以及维护这 5000 万人的成本，还在继续增加。

SaaS 行业比较有意思。它确实完成了一次非常成功的商业模式转型。

在云之前，软件可能是 Windows XP 这样的产品，每 3 年买一次。因为是本地部署，所以盗版问题很大，软件估值相对较低。

到了 SaaS 层面，它变成了一个持续收费的公司。这在资本市场上是很好的生意：每个月都要付钱，系统一旦绑定，就有了很多数据，可以继续优化。

而且，SaaS 软件每年都在提价。它不像云一样每年降价。SaaS 公司一旦进入企业，就会每年提价，而客户也没有太多选择，因为在接受软件涨价和增加人工之间，软件的 ROI 确实比加人更高。

这个过程持续了大概 10 多年，直到 AI 出现。

在我的视角里，AI 是美国解决白领劳动力膨胀的新方案。制造业的问题已经通过把生产迁移到中国、东南亚等地得到了解决，AI 则等于帮助美国解决知识劳动力的问题。

我觉得从明年开始，AI 会替代很多劳动力，可能是一小部分，也可能是一大部分。随着 AI 发展，它的实用性和稳定性得到接受之后，终于可以让这部分成本下降。

这可能会是一个持续几年、甚至 10 年的过程，白领劳动力增长的速度会慢下来。

我们现在进入了一个新的数字经济时代。这个数字经济和原来的经济没有那么大差别，唯一的变量是芯片要代替人。

过去，中国制造业劳工，或者美国白领，会被芯片取代。但它们的类比性很强，就像中国过去工厂里的劳工一样。

芯片就是劳工。它们住在哪里？住在数据中心里，数据中心就是它们办公和生活的地方。谁来雇用它们？就是采购芯片、为它们提供数据中心租金的超大云商和 Neocloud 公司。

这也是为什么英伟达把它叫作 AI factory，因为它就像过去的工厂。

所以，它现在经历的很多困难和瓶颈，中国在 1990 年代、2000 年代初也经历过：断水、断电、缺人，都是一样的。

网络设备，比如大家现在谈得比较多的光互联设备，就相当于中国的高速公路和电信公司，是让这些数字人交流沟通的地方。

最后，中国人还要吃饭、喝酒、休息，但芯片不休息。它们需要更多电力，所以这种可比性非常强。

我最后再重申一遍，这个判断是基于现在的 AI 能力。仅仅基于现在的能力，已经出现了一个如此庞大的知识劳动力出口。

我觉得这已经非常庞大了，但我们可能还只是看到了 AI 发展的“小荷才露尖尖角”。

谢谢 Kenny 今天和我们的分享。

我们从 1950 年代的大型机，一直聊到未来 10 年的基础设施将如何被 AI 定义。非常感谢你今天参与节目，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。

我是曹卿云，这里是《硅谷坐标》，我们下期再见。