APoV 002云，和AI时代的云

AI 让云变成一门更好的生意了么？

这是我最近半年被频繁问到的一个问题，于是我决定把我的想法写下来。想要回答这个问题，需要搞明白两件事：“云”是一门什么样的“生意”，以及如何定义“好”。

一个奇怪的夏天

2026 年 7 月下旬，Alphabet、Microsoft 和 Amazon 先后交出第二季度财报，营收数据个顶个漂亮。AWS 收入 422 亿美元，同比增长 37%，是 18 个季度以来最快；Azure 增长 43%，全年收入首次突破 1000 亿；Google Cloud 收入 248 亿，增长 82%。9 月，Oracle 的云基础设施又交出了 121% 的增长。更反常识的是，利润率不降反升。AWS 营业利润率冲到 39.4%，比一年前多了 6.5 个百分点；Google Cloud 更是从 20.7% 升到了 35.6%。

但现金流完全是另一个画风。Amazon 过去 12 个月的自由现金流为负 76 亿美元，一年前还是正 182 亿。同期包含物流与算力基建在内的资本开支高达 1690 亿，比 AWS 的全部收入还多。Alphabet 这一季自由现金流负 59 亿，靠发新股和优先股净融资将近 500 亿。Oracle 一季自由现金流负 50 亿，同时在股市上卖出 200 亿美元新股。钱都去了机房和芯片，四家巨头 2026 年的资本开支计划加起来超过 7000 亿美元。

这个悖论的本质是一个时间差。买芯片和建机房的钱是一次性掏出去的，租金收益分五六年慢慢收回。会计上的折旧把这笔巨额开支拉长摊薄，让利润表显得格外好看，现金流量表却在剧烈失血。三年回本，五年合同，剩下的就是确定性利润。只要合同比回本期长、客户付得起钱，这就是一场先苦后甜的资本接力。

而仅仅四年之前，云还是另一副模样。

“把计算像水电一样卖”

我们这代人已经把云服务当作是天然的事情，但鲜有人了解这个行业是如何一步步发展到今天这样。在这里做个简短的回顾，因为了解云生态的演变，对于理解 AI 如何重塑云的本质至关重要。

“把计算像水电一样卖”，这个想法比云本身老得多。1961 年，计算机科学家 John McCarthy 在 MIT 百年校庆上说：“Computing may someday be organized as a public utility just as the telephone system is a public utility.” 每个使用者只为自己实际消耗的部分付费，这是云作为一门生意最初的蓝图。后来的分时计算试过这条路，但很快被个人电脑打断了。因为当 PC 便宜到每家公司都买得起，便没人愿意租用中心算力。

这个预言等了 45 年。2006 年 3 月，Amazon 推出存储服务 S3，每 GB 每月 15 美分；同年 8 月又推出了出租计算能力的 EC2。动机很朴素。据 Jassy 后来回忆，Amazon 内部在 2003 年就意识到，自己搭基础设施都这么痛苦，外面的公司大概也一样。这就是云最原始的那笔交易。客户不用再一次性掏钱买机器，改成按月交租；云厂商替客户把机器买下来、管起来，也替客户承担机器闲着没人用的风险。

之后几年，巨头们按各自的性格入场。2008 年 Google 推出 App Engine，走的是托管平台路线；2010 年 Windows Azure 正式商用，Microsoft 靠的是它和企业客户几十年的渠道关系。但很长一段时间里，外界并不清楚这到底是门生意还是门慈善。直到 2015 年 4 月，Amazon 第一次单独公布 AWS 的账。当时单季度收入 15.66 亿美元，营业利润 2.65 亿，利润率约 17%。Bezos 在财报里写道，AWS 已经是一门 50 亿美元的生意，而且还在加速。

接下来的十年，是传统云的黄金十年。AWS 的年收入从 2015 年的 79 亿涨到 2025 年的 1287 亿，涨了 16 倍；利润率从 23.6% 升到 35.4%；而存储价格降了约 85%。这三件事同时发生，说明了云赚的不是进销差价，是规模效应带来的成本通缩。

Google Cloud 是这条规律的反面教材。它亏损了很多年，直到 2023 年第一季度才第一次交出季度营业利润。74.5 亿收入只赚了不到 2 亿，而一年前同期还亏损 7 亿多。当规模跨不过门槛的时候，云就是个无底洞。

然后是 2022 年底 ChatGPT 上线。四年间，云这个行业发生了剧变。客户换了一批，从数百万家公司各自跑的小程序，变成少数几家模型公司的超大 GPU 集群；卖的东西也从按小时计费的虚拟机，变成按兆瓦计量的中长期算力合同。Google Cloud 的利润率从两年前的 11% 一路冲到 35% 以上。AI 带来的极限算力吞吐，帮云厂商们一脚跨过了规模门槛，开始了狂飙突进的模式。

中国云的故事几乎同时开始，但走了一条更难的路。2008 年王坚加入阿里巴巴，带队自研飞天操作系统，2013 年飞天做到了单集群 5000 台服务器。但在中国的商业环境下，政企客户更喜欢把机器放在自己家里做私有化交付，企业软件付费意愿偏弱，价格战也从未停过。2024 年 5 月，阿里把通义千问主力模型的 API 价格直降 97%，字节、百度同期跟进，部分核心模型甚至直接免费。结果直接反映在利润率上。截至 2026 年 6 月的一季，阿里云智能集团单季收入约 71 亿美元，同比增长 45%，但经调整 EBITA 利润率只有 12% 左右，同期 AWS 营业利润率已接近 40%。阿里宣布未来三年投入 3800 亿元建设 AI 和云基础设施，但在先进芯片供应受限的客观现实下，这笔钱能换算成多少有效算力、算力又能转化为多少高毛利收入，仍是待解的难题。

云是一门什么样的生意？

云是一台把风险变成租金的机器。它把客户手里那些一次性要花大钱、用几年就过时、还可能闲置的硬件，变成了每个月平平稳稳的一张账单。这跟商业银行把分散的活期存款变成长期贷款是同一类事，只不过银行转换的是时间，云转换的是技术、资产和服务。

这台机器靠四样东西赚钱：

1.规模：一次买几十万台服务器，价格能压到最低，还能自研专用芯片、直接跟电网签长期购电协议；

2.超卖：这跟健身房很像。健身房敢卖出比器械多好几倍的会员卡，因为大家不会同时来健身；云也一样，所有客户不会在同一时间遭遇业务峰值，云厂商只需要按聚合后的峰值来准备机器，中间利用大数法则省下来的闲置资源就是核心利润；

3.软件和服务：数据库、权限管理等高毛利配套组件，加上企业数据一旦存入就很难搬走带来的深厚黏性；

4.资本：先把钱垫出去买设备，再用租金慢慢收回，赚的是替客户承担设备闲置和技术贬值风险的资本补偿。

传统云时代，前三样是绝对主角，第四样资本属性几乎看不见。因为客户足够多且分散，没有任何一个中小客户能让一批服务器空转，闲置风险被稀释到接近于零，资本这一层就被高毛利的软件收入完全掩盖了。过去十年，市场一直习惯把云当成高估值的软件公司来看。

AI 把这个结构彻底翻了过来。一个动辄十万张卡的超大训练集群，往往只服务单一模型客户。大家在同一时间全力运转，没有任何错峰空间，健身房式的超卖利润归零；模型实验室要的是纯粹的裸机性能和网络吞吐，配套软件的那份钱也变薄了。剩下的是规模和资本，而资本被推到了最显眼的位置。当大数法则失效，云厂商再也无法用弹性池化去对冲风险，只能逼着客户签下五年期、不管用不用都得付钱的长约（Take-or-pay）。未履约合同在近两年内暴涨到数万亿美元，不是需求的性质变了，而是面对无法池化的资本风险，产业链把风险分配的方式重构了。

最能说明“云的本质是资本”的例子来自 Oracle。在财报电话会上，Oracle 透露其新签合同中绝大部分要么是客户预付款，要么是客户自带硬件（Bring your own hardware），不需要 Oracle 额外掏钱买卡。客户自己出资买芯片，只借用 Oracle 的机房、高速网络和运维能力。当中介机构的资产负债表扛不动如此沉重的硬件开支时，它就把资本那一层剥离并退还给客户，自己退守成一个专业运营商。这等于把云彻底拆开来看，出钱垫资和工程运维本来就是两门独立的生意。

所以 AI 有没有改变云的本质？没有。它只是撕掉了软件那层漂亮包装，让底层的重资本与能源属性彻底露了出来。既然出资和运维是两件事，就一定会有人单做其中一件。

Neocloud

如果说传统巨头把这四样东西捆在一起卖，那么 CoreWeave、Nebius、Lambda、Crusoe 这批新兴公司，就是把它彻底拆开。它们不做复杂的数据库，不做几百种企业管理服务，只做一件事，就是用最快的速度把最新架构的 GPU 装上架、连好高速网络、配上液冷，然后按年租出去。行业里管它们叫 Neocloud。最像它们的不是 AWS，而是飞机租赁公司。通过签长期租约，拿设备做抵押向机构大额借钱，赚取利差，赌设备在服役周期内的残值。

CoreWeave 最能说明这门生意长什么样。2026 年第二季度，它收入 25.75 亿美元，同比增长 112%；按 GAAP 准则计算录得营业亏损 4900 万美元；单季光利息就付了 6.4 亿美元，直接吃掉营收的四分之一，最终净亏损 6.26 亿。同一季它买设备花了 64.2 亿，是单季收入的 2.5 倍。全年预计收入 130 亿美元上下，买设备却要花近 380 亿。每赚 1 块钱收入，先要掏出近 3 块钱买重资产，这在过去的科技史上罕有先例。

它敢这么做，靠的是手里超过千亿美元的不可撤销长约。金融机构借钱给 CoreWeave，看重的不是它自身的资本厚度，而是合同另一端客户的顶级信用。2025 年，CoreWeave 有 67% 的收入来自 Microsoft 单一客户。即便到 2026 年初第一大客户占比有所稀释，前两大客户依然占了六成以上。

这也构成了 Neocloud 最容易被误读的地方。它们从来不是科技巨头的对手，而是巨头算力饥渴下的外挂仓库和表外资产负债表。Microsoft 向 CoreWeave 租算力，等于把本该自己掏腰包买设备的庞大资本开支，变成了按月支付的租金；Google 更进一步，为 Fluidstack 在 TeraWulf 签订的 10 年期租约提供了 18 亿美元的担保，帮初创项目融到低息资金，顺带换取了对方约 8% 的股权认股权证。超大规模云厂商借出去的不是机房，而是自身的顶级信用评级。

在账面漂亮的 EBITDA 与真正的净利润之间，隔着折旧与利息这两条极其凶险的河。对 GPU 租赁商来说，这两条河恰恰就是生意本身。如果借款利率持续走低、旧卡能一直维持高租金，这是一门运转良好的利差生意；可一旦算力供给走向过剩，或者下游核心客户的现金流发生动摇，这类高杠杆资产将是周期中最先受到挤压的环节。

AI是否让云变成了更好的生意？

一门好生意，是投进去的每一块钱，都能赚回显著高于资金成本的收益，而且还有广阔空间继续追加投资。拆开来看正是三件事，即赚得多（投入资本回报率高）、赚得久（护城河不易被攻破），以及能长大（有深厚的再投资跑道）。

对照 2006 到 2022 年那门轻资产、高黏性、营业利润率两到三成的传统云生态，我把这个问题拆解为六个维度。

需求变大了，而且变硬了

需求规模的暴涨自不用多说，更重要的是需求的性质变了。传统云的需求来自数百万中小客户随用随付，极其稳定，但在宏观下行时也很脆弱，2023 年全球企业集体削减云支出就是明证。AI 时代的需求则是白纸黑字签下的数年长协。各家未交付订单在几个季度内翻倍增长，巨头们在电话会上反复强调供不应求。

但这里有一个必须警惕的问题。云厂商目前享受的定价权，究竟是真正的技术壁垒，还是供应链暂时堵塞制造的幻觉？目前的算力饥渴，相当大程度上受制于存储芯片、先进封装产能和高压变压器的交付周期。而芯片和算力在本质上是高度同质化的大宗商品，一旦 2027 年以后上下游产能全面疏通，纯粹靠硬件紧缺支撑的定价权，很可能会面临剧烈的均值回归。

客户从无数小客户，变成了少数超级大客户

大客户带来了前所未有的订单可见度，但它也是一把锋利的双刃剑。第一层，客户高度集中让超卖利润彻底消失；第二层，集中爆发的交易对手信用风险。当一家云巨头近半数的新增订单系于单一模型实验室之手，甚至出现了非常微妙的循环。云厂商向模型公司注资数十亿乃至百亿美元股权，模型公司反手向云厂商承诺百亿级别的算力采购。这种在金融上极具既视感的供应商融资（Vendor Financing），像极了 1999 年电信泡沫破裂前夕设备商借钱给运营商买设备的狂欢。它把订单账本做得很厚，却也把整条产业链的信用风险绑死在了一起。

赚钱的方式变多了

这可能是被低估得最多的一点。十年前，云主要卖三样东西，即计算小时、存储空间与托管软件。现在的变现菜单要长得多。整座机房硬件出租、按 token 卖自研模型 API、作为应用商店分销第三方模型、自研芯片对外输出，甚至靠算力额度换取独角兽的早期股权。

变现路径不同，资产回报差异极其悬殊。如果把一座造价数百亿美元、容量高达 1 吉瓦的超大算力中心比作一间重型厨房，大致有三种用法：

•出租厨房（出租 GPU）：按硬件时长把算力批发出去，扣除折旧、电费和运维，算下来回报率大概在 30% 左右，静态回本期约两到三年；

•自己开餐厅（自营模型卖 Token API）：自己掌控算力，直接向终端企业输出智能。哪怕把三分之一以上的算力常态化拿去做前沿探索和训练、不直接产生收入，仅靠剩下的算力承接推理，卖 Token 带来的综合收益依然能比纯出租硬件高出三成以上，投资回报率奔着 40% 以上去；

•缺乏算力的租客（纯模型公司）：租用巨头的算力来开门做生意，往往要将收入的六七成拱手作为房租交给房东。一旦下游打起激烈的价格战，房租分文不少，利润率会被瞬间击穿。

离最终交付的 Token 越近，每一度电能换回的经济价值就越高。这解释了为什么全产业链都在往模型应用端挤。拥有自研闭源模型的巨头天然占据了回报率最高的位置；缺乏自研模型的云厂商，则必须通过投资牢牢锁住 Token 的分发权。

利润率变厚了

一个曾经流行的判断认为，AI 的利润大头全被上游卖芯片的垄断者拿走了，云厂商买卡转租，利润率必然受损。但实际财报展现出了分化。AWS 营业利润率逼近 40%，Google Cloud 从个位数一路跃升至 35% 以上，而高度依赖外部采购与单一大客户的阵营，毛利率却呈现受压态势。

这背后的分化首先来自自研芯片的底牌。自研 TPU 和 Trainium 的核心目的不是为了跑分超越顶级 GPU，而是为了把原本必须付给芯片巨头的高额毛利收回自己的口袋。

但这里同样有一盆会计层面的冷水。各家光鲜的营业利润率，在一定程度上享受了折旧滞后的红利。一年数千亿的资本开支在资产负债表上迅速沉淀为固定资产，而折旧是按五年慢慢摊销的。随着新一代高密算力设备在未来两年全面进入折旧周期，这份超额利润率会不会被沉重的折旧洪峰削平，总账还没算完。

门槛变高了，但换了地方

传统云的护城河是庞大的软件生态和高昂的系统迁移成本；AI 时代的护城河则变成了更硬的物理现实，那就是电、芯片和便宜的钱。

电是最硬的一道，而且瓶颈的本质不仅是发电量，更是电网接入排队时间（Interconnection Queue）。在北美，一座数亿瓦级的数据中心要真正接进主电网，审批和工程排队往往需要四到七年。巨头们甚至开始直接买断核电站周边的现成机房，争夺的核心是已经通了高压电的稀缺土地。芯片决定了自研利润池的厚度，而低成本的融资能力成了支撑千亿资本开支的通行证。

在推理阶段，原本消失的规模门槛还会换个形式回来。单卡每秒能吐出多少 Token，极其依赖能否把成千上万个并发请求凑成一批同时计算（Batching）。谁拥有的企业客户最多、调用量最大，谁就能实现极限的并发摊薄。

不过，这里存在一个潜在的分流变量，即端侧 AI。如果大量轻量级的 Agent 规划、日常过滤和本地上下文被手机、PC 和本地芯片消化，上云的请求如果不及预期，数据中心的极限吞吐效应就会被打上折扣。

从即用即付，变成了延时满足

衡量商业成色的核心指标是投入资本回报率（ROIC），即销售利润率乘以资产周转率。AI 把前一个数字推高了，却把后一个数字大幅压低。各家固定资产净额在一年内狂飙四成以上，收入增速却在二三十左右徘徊，资产周转效率骤降。

这笔账能算过来，完全建立在对算力租赁价格的乐观预设上。一旦供需逆转导致租金以每年 20% 的幅度下滑，整个项目的全周期回报率便会从三成暴跌至百分之十几。这也是为什么五年长约成了行业的生命线：它把价格下跌的资产风险，强行转嫁成了客户付不起钱的信用风险。至于某些旧款显卡能签到 2029 年的个案，更多是在低价承接边缘的低算力任务，缺乏低精度计算特性的上一代硬件，其长线残值很难支撑过度乐观的推论。

六个维度梳理下来，AI 让云变成了一门需求更硬、赚钱途径更多、物理门槛更高、账面利润更厚，但也极其沉重、客户高度集中的重工业生意。说它变好了，主要是因为供不应求带来的定价权，以及不可撤销长约提供的安全垫。说它变差了，是因为整门生意从轻盈的软件轻资产，退化成了重资本、拼杠杆的基础设施长跑。“赚得久”和“能长大”这两条，AI 时代的云已经比以前更好；“赚得多”这一条，单笔账是正的，总账还在路上。

接下来呢？

云会变得更重要吗？

答案是肯定的，因为传统云最擅长的两项能力正在借道回归。

其一是并发调度。训练是单一客户包场，而未来的推理和 AI 智能体（Agent）面对的是无数终端用户的突发并发请求，这完全回归了传统云的基础设施底色。智能体要读企业数据、跨系统调度、遵循权限隔离，云厂商深耕多年的数据安全和企业级网络又成了绕不开的关卡。

其二是开源模型的助推。使用闭源商业模型，企业实质上要支付算法授权与算力使用这两笔费用。开源模型的爆发彻底打掉了软件授权费，只剩下算力这唯一一张账单。模型本身越便宜、越同质化，商业价值就越往两极汇聚。一极是提供确定性计算资源的底层物理算力，另一极则是围绕模型的数据治理与业务环境。这两极始终牢牢握在云厂商手里。

会不会产能过剩？

最常被拿来类比的是 2000 年的光纤泡沫。但这次有一个核心区别。当年是盲目铺设无人认领的暗光纤，这次绝大多数算力中心则是先签下确定性长约再行动工。这让短期内全面过剩的概率很低，但把风险挪到了另一个地方，即签下合同的客户究竟能不能活到履约结束。

真正值得关注的信号不是总算力规模，而是三个具体风向。首先，剔除关联大模型公司后，通用企业级订单是否依然保持健康增长；其次，旧一代显卡在合同到期后的实际续约单价；最后，前沿实验室的商业化造血能力，能否撑得起其所承诺的数百亿采购。未来的过剩更可能表现为特定规格的物理错配，而非全行业的突然停摆。

会不会被成本压垮？

供应链涨价压力是真实的，高带宽内存和核心零部件的通胀已经写进了各家的追加开支预算中。

但成本对不同玩家的作用截然相反。对科技巨头而言，成本上涨是在筑高行业壁垒，充沛的现金流和强势地位允许它们把成本转嫁给客户；但对高杠杆的 Neocloud 而言，硬件采购通胀叠加高昂的借贷利息，是在直接生吞它们微薄的资金利差。成本上涨不会压垮整个行业，但它会是极其残酷地淘汰边缘玩家的那把手术刀。

模型公司会绕开云吗？

绕开的趋势确实存在，但要看清它们绕开的究竟是什么。

模型公司直接找芯片厂定制硬件，甚至自研推理芯片，绕开的是云厂商高昂的硬件加价；它们寻求外部代建和客户自带硬件，绕开的是沉重的资产所有权。但在底层运营层面，无论是超大集群的液冷网络运维，还是面向最终企业级客户的分发网络，它们根本绕不开云巨头。

这就把云清晰地解构成了三个层级：

•资本层：谁来出资拥有硬件资产。主权基金、基建财团、科技巨头和私募信贷都在争夺这一层的定价权；

•运营层：谁能把数十万张卡的超高密度集群稳定跑起来，这是云厂商最扎实的技术手艺；

•分发层：谁把模型和智能真正卖进全球企业的核心业务流程中，这是巨头掌控企业 IT 渠道数十年建立的最深护城河。

模型公司能绕开的是作为中间商的硬件加价与资产所有权，但它们绕不开企业级的分发体系。最好的生意依然是自研芯片叠加全球分发，最脆弱的生意则是只有杠杆资本却缺乏多元客户的硬件倒买倒卖。

从软件的眼光，回到基础设施的眼光

过去十年，市场习惯用软件公司的眼光看云，看重其高毛利、轻资产与强客户黏性。AI 则把它生生拽回了看重型基础设施的逻辑，要求审视长期合同、资本密集度、客户信用以及资产残值。

用软件的眼光看，今天的云无疑变差了，因为它太重、太吃现金流；但用公用事业基础设施的眼光看，今天的云展现了另一种野心。它试图用电力、钢筋和芯片的重资产骨架，去赚取软件级别的高额利润率。

这门生意能否一直成立，归根到底系于两个前提。首先，合同期限必须长过硬件的实际回本周期；其次，模型与应用生态必须在资本耐心耗尽之前证明盈利能力。前一个由云厂商的工程与商务能力决定，后一个则由整个 AI 时代的真实商业价值决定。