张师傅帮你理解最近 AI 的“鬼故事”

最近 AI 又开始讲“鬼故事”了。

钱从哪里来？这么大的投入，什么时候才能赚回来？CoreWeave、Nebius 这些向客户出租 AI 算力的 NeoCloud，股价大跌，债券和 CDS 又成了市场关注的焦点。再加上一份 Gartner 对 2030 年的预测，很容易让人觉得，这轮 AI 建设是不是快要撑不下去了。

我的判断是，资金压力确实存在，但这不是最近才冒出来的问题。AI 整体仍处在基础设施建设阶段，主要矛盾依然是 supply constraint，供给跟不上需求。把资金压力和实际需求放在一起看，才有可能理解最近这些“鬼故事”。

先把时间拉长一点，看看今年已经出现过的几次相关讨论：

4 月 28 日：媒体报道 OpenAI 未达到部分内部收入和用户目标，市场担心它能否支付未来的算力合同。甲骨文、CoreWeave 等股票下跌，甲骨文的 CDS 也走高。

6 月 28 日：国际清算银行在年度经济报告中提醒：大厂的 AI 资本开支正在超过自身现金流，外部融资增加；如果投资回报不及预期，融资可能收缩。

7 月 17 日：路透社报道，部分投资者开始担心大厂资本开支增速放缓，以及资本市场压力会不会限制后续投入。当时半导体指数已从六月高点回落近 18%。

10 月 14 日起：进一步加息的预期、AI 企业的融资和回报问题，再次集中进入市场定价。同一天，Gartner 发布了对 AI 基础设施回报和 NeoCloud 整合的预测。

每次讨论的诱因有差别，但市场反复担心的，还是这些问题：花这么多钱，收入能不能跟上？建设靠什么融资，资金愿不愿意继续进来？利率这么高，公司的资金成本是多少，要付多少利息，还能不能撑得住？如果美联储继续加息，后面的建设和还债怎么办？

所以，我不觉得这次市场突然发现了一个以前没人知道的秘密。你只要决定做这种资本密集型生意，从第一天起，就得回答这些问题。市场隔一段时间把它重新拿出来，并不奇怪。

对 NeoCloud 来说，这种压力尤其直接。它们要先买 GPU、建设和租用机房、落实电力，再把这些东西组织成客户能使用的算力。大量的钱花在前面，收入和回款要随着后面的交付逐步跟上。

利率如果长时间降不下来，下一批建设用什么钱、到期的债按什么条件续，都会影响经营。今年九月，美联储还再次加息，十月的市场又在担心进一步加息。对仍要持续融资的公司，这当然是实实在在的压力。

这里也得看具体的债务结构。浮动利率贷款、新借的钱和需要再融资的钱，对利率变化更敏感；已经锁定利率的旧债，票息不会因为市场今天跌了就自动提高。市场上债券的交易收益率，也不能直接当成公司所有债务正在支付的利率。

CDS 可以粗略理解为给债务违约风险提供保护的合约。保护变贵，说明市场对承担这家公司的信用风险，要更高的补偿。这次信用保护成本明显上升，本身是真实的市场信号。对于负债较高、不断扩张、依赖资本市场拿钱的公司，在这样的利率和融资环境下出现大幅波动，我并不觉得反常。

但这轮讨论还有另一层，就是 Gartner 那份报告。

这家长期研究科技行业的机构，10 月 14 日预测，到 2030 年，成本压力和缺少差异化的商业模式，会迫使超过 80% 的 NeoCloud 停止独立运营。这句话听上去很吓人，尤其放在股价下跌、信用市场紧张的时候。

我对这种精确到 80% 的远期预测，一笑了之。

AI 发展到今天，几个月就可能出现新的模型能力、应用方式和成本结构。到了 2030 年，客户会怎样使用 AI，云服务又会变成什么样，今天谁能说得那么清楚？预测当然可以研究，但把预测里的行业格局，直接当成今天已经确定的公司命运，我觉得太早了。

而且，“停止独立运营”到底意味着什么，也值得想一想。

假设某一家 NeoCloud 被谷歌收购。这里纯粹是假设。谷歌有客户渠道、产品入口和更强的资金能力，如果把这些与现有的算力设施、工程团队结合起来，难道只因为公司不再独立，这门生意就没有价值了吗？

对这家公司来说，原来自己很难解决的客户获取、资金和服务分发问题，反而可能有了更好的条件。原股东得到什么，要看具体交易价格和条款；但“被整合”和“经营失败”，显然不能直接画等号。

甚至同样是 Gartner，今年六月还预测，NeoCloud 到 2030 年会占到 AI 云市场的 20%。一个行业的市场规模增长，和其中独立公司的数量减少，完全可以同时发生。

所以，我不接受把“CDS 上涨”“2030 年可能不再独立运营”，一路推到“这些公司马上就要破产，AI 的需求也出了问题”。这中间跳过了太多需要研究的东西。

我更想知道的是，客户还要不要这些算力，公司有没有把服务交出去，收入和回款是什么情况。再往下，才是这些收入扣掉设备消耗、运营和融资成本以后，究竟能留下多少。

要把这件事想明白，我们还得理解，眼前究竟是在建设什么。

老黄把 AI 工厂称为 AI 工业革命的基础。今年一月，英伟达与 CoreWeave 的合作公告里，就明确讲了这个方向。

“工业革命”几个字大家都听过，但对这样规模的 AI 基础设施建设，至少我们这一代多数人，并没有多少可以直接套用的经验。

我们平时用 AI，看到的是一个聊天框、一个网页，或者手机上的应用。输入一个问题，很快得到答案。从这个界面上，很难感受到后面有多少芯片、网络、电力和冷却设施，更难理解，为什么还要继续投入那么多钱。

所以，大家会怀疑：为什么要建这么多？建起来到底有什么用？我觉得这是很自然的问题。如果你对 AI 的体验，主要还是问几个问题、生成几张图片，看到背后的投入，确实容易觉得不成比例。

我的理解是，这轮建设的方向，是让 AI 越来越多地参与实际工作。要判断它有没有意义，就得看 AI 的能力有没有往前走，能完成的工作有没有增加，对应的算力需求有没有被满足。

写代码已经是大家用得比较多的场景了。让 AI 做一次翻译，和让它完成一个编程任务，消耗的计算很不一样。后者要读现有代码、修改文件、运行程序，再根据结果继续修正。用户想要的是事情做成，中间往往需要多轮推理和工具调用。

但需求显然不只在 coding。

比如 drug discovery，药物发现。礼来和英伟达今年一月宣布联合 AI 实验室，计划把 AI 计算与真实实验连接起来，用于药物研发。这里需要探索和筛选的，是大量潜在的分子与实验方案，背后同样需要持续的计算。

再比如 physical AI，让 AI 去理解物理世界、参与机器人的工作。训练机器人，不只是让它多看几段视频，还涉及仿真、数据生成和反复验证。英伟达今年三月公布的机器人合作，就覆盖这些环节。随着这些应用继续展开，它们会带来新的算力用途。

还有 Agent、personal agent。让一个助手连续帮你找资料、处理邮件、安排工作，和你偶尔打开聊天框问一句，使用方式已经不同了。Anthropic 十月发布的内部研究里，就提到了员工用个人助手处理日程和邮件，以及越来越多工作进入持续运行的 Agent 流程。这些已有的使用，也在帮助我们理解后面的需求可能从哪里来。

这些方向处于不同的发展阶段，不能把未来的潜力都算成今天的订单。但我的判断是，AI 能参与的工作范围还在扩大，我们对算力需求的理解，也需要跟着扩大。只盯着今天有多少人付费聊天，很容易把后面的用途漏掉。

我之前写过，Token 可以从 Cost 的角度看，也可以从 Revenue 的角度看。它是模型处理和生成内容时的计量单位。你也可以把它想成一种 unit of intelligence，智能的一个单位：完成一件工作需要调用多少 Token，就像在看这件事需要投入多少 AI 的“脑力”。

这是帮助理解的比喻。同样数量的 Token，在不同模型里，能力和成本并不相同，不能直接拿来比较谁更聪明。但从这个角度看，一次调用消耗了多少资源，和这些资源有没有完成一件有价值的工作，就可以接起来了。

如果只是要一个简单答案，你会很在意成本。如果它能完成一项原本需要你投入很多时间的工作，你会进一步考虑，这笔成本值不值。任务变得划算，使用它的人和次数，就可能增加。

所以，模型效率提高、做一件事更省算力，和整个产业需要更多算力，可以同时发生。成本下降，会让原来不划算的一些用途变得划算；能力进步，又会打开新的任务。

回到现在，我仍然判断，前沿 AI 所需要的、能够按要求交付的算力，还没有充分满足需求。

而这里的供给，不是仓库里放着多少张 GPU。GPU 买到了，电力没有接上，网络、冷却和软件系统没有调好，客户照样用不了。客户需要的是在约定的时间，拿到一套稳定运行的计算能力。

这也是为什么 NeoCloud 这么重视拿卡和上线。

如果只看 GPU 租赁这一层，它们的产品和服务确实有比较明显的同质化。各家的软件、调度和运维能力有差别，但在当前供给紧张的阶段，能不能拿到客户要的 GPU，尤其是新一代 GPU，什么时候能用，本身就很有话语权。

我的理解是，这给了这些公司很强的扩张动力。客户在等，卡又缺，谁先拿到卡、先把产能交出去，谁就有机会更早获得收入。大家愿意为此付出很高的代价，也就不难理解。

但拿卡和赚钱之间，还有一整段经营工作。

设备买进来，钱已经占用了。等到机房、电力、网络和软件都准备好，达到合同的交付要求，收入才开始随着服务逐步确认。越早把这一段接起来，资金使用的效率就越高；如果上线拖延，钱已经花了，收入还没有跟上，压力就会增加。

这类公司既要有基础设施建设和运营能力，也要会在资本市场上组织资金。钱能用多久、借钱成本多高，能不能与客户合同和回款的时间配上，都会进入同一笔生意的账。

需求越强，公司甚至可能越缺钱。因为客户要更多产能，新增设备和机房就得提前投入，而后面的收入是分期实现的。订单很好，为什么还要不停融资？建设期的资金缺口，就是在这里形成的。

所以，不能只看债，也不能只看订单。收入、赚钱能力和交付的情况，需要一起看。

比如 CoreWeave，今年第二季度收入比去年同期翻了一倍多，说明已经有相当规模的客户在使用服务。但同一季度，净利息费用相当于收入的大约四分之一，公司按通常会计口径仍是净亏损。需求增长和融资压力，在这张财报里是同时存在的。

这比一句“AI 没人用”，或者一句“订单多就没问题”，都更接近我想理解的现实。客户确实带来了收入，但股东最后能留下多少，还得把做这门生意的成本算进去。

Nebius 的第二季度股东信，也披露了 AI 云收入增长、向微软交付产能，以及相当一部分新签合同包含客户预付款的情况。客户愿意先付钱锁定算力，和只是表达兴趣，是不同程度的商业承诺。预付款也能承担一部分建设期的资金需求。

但预付款对应的，仍然是以后要交付的服务。公司要把设备、工程、合同和资金安排好，才能把客户的需求变成自己的经营结果。这件事做得好不好，各家公司会有很大差别。

这样看，AI 需求增长，和 NeoCloud 股价下跌，并不矛盾。

客户对算力的需求，可以让收入继续增加；但为了得到这些收入，公司需要投入多少设备、承担多少利息、以后还要拿多少钱出来扩张，都会影响股东的收益。融资比原来预计的更贵，或者市场开始重新算这笔账，股价就可能承受压力。

这也正是我对 NeoCloud 长期经营能力要打一个很大问号的地方。

当前缺卡，让“拿到卡、尽快上线”成为很重要的竞争条件。但这种阶段性的稀缺，能不能长期转成一家公司的赚钱能力，是另一个更难的问题。等到大家越来越认真地算账，重资产、重运营和持续更新设备的成本，都得从收入里一项项扣出来。

一边要扩张，接住眼前的需求；另一边又要控制杠杆，不能让借钱的成本和还款节奏把公司拖住。在高利率环境里，把这个平衡做好，非常难。

租 GPU、收服务费，这一步并不难理解。我看不太懂的是，这种高速扩张的模式，长期怎样才能稳定地把收益留给股东。所以，我能理解眼前的需求，也能平常心看待这次资金担忧，但对这些公司长期能不能经营好，我没有那么大的把握。

即使短期利率降不下来，资金成本继续偏高，只要客户仍在付款、订单能够交付，项目本身扣除成本后仍然有钱可赚，这门生意就有继续运转的基础。需求并没有因为股票跌了，就在同一天消失。

这不等于我在判断 CoreWeave、Nebius 现在的股价便宜还是贵。它们当前的价格，我不作评价。

至于“AI 是不是泡沫”，我也不认为，一份远期预测加上几个信用指标，就足够给整条产业链下结论。

我们还得继续看，AI 的能力有没有进步，实际完成的工作有没有增加，客户愿不愿意持续为此付款，基础设施有没有把这些需求接住。如果这些事情仍在发生，我就不会因为一次市场下跌，把整套产业判断推倒重来。

而对 NeoCloud 的经营能力保持疑问，也不妨碍我判断 AI 的算力需求还在增加。行业需要更多算力，和某一种经营模式能不能长期让股东赚钱，本来就需要分别想清楚。

这件事还有一个值得往下研究的地方：英伟达为什么愿意支持这些云伙伴，又为什么开始参与它们的资金安排？今年七月，它已经公开介绍了收入分成和信用支持结合的新模式。它想解决什么问题，背后又有什么战略考虑，我会放在正在准备的 AI 投资课《看懂 AI，参与 AI，投资 AI》里展开。

对最近这些“鬼故事”，我的态度还是平常心。钱贵不贵，要算账；需求在不在，要看客户和交付。资金的问题会反复出现，公司的经营也会不断给出新的信息。我们得把这些信息接起来，才不会每次都被同一个故事带着走。

【利益相关声明】以上所有内容均为个人基于公开信息和个人经历做出的判断与思考，不构成任何投资建议。投资有风险，盈亏自负。

【版权与原创声明】本文为原创内容，版权归作者所有。未经授权，禁止转载、摘编、改编或用于任何商业用途。如需转载请联系作者获得授权，并注明出处。近期我已在其他平台发现未经授权的搬运、歪曲解读甚至直接抄袭。你看长文不容易，我写长文更不容易，请尊重原创。

@今日话题 @雪球创作者中心

#人工智能# #美股# #英伟达#

$CoreWeave(CRWV)$ $Nebius Group(NBIS)$ $英伟达(NVDA)$

雪球是一个投资者的社交网络，聪明的投资者都在这里。
点击下载雪球手机客户端 http://xueqiu.com/xz]]>