a16z新文：從加密礦場到AI雲，「新雲」為何越增長越燒錢？

原文標題：Charts of the Week: Head In The Neoclouds
原文作者：Moses Sternstein，a16z

編者按：在生成式 AI 推動新一輪算力投資的背景下，市場對 AI 基礎設施的討論，正在從「有沒有足夠多的 GPU」轉向「誰能以可持續的方式提供算力」。當模型訓練、推理需求與數據中心擴張已成為共識，一個更底層的問題開始浮現：算力需求的高速增長，能否真正轉化為穩定的利潤與現金流？
在 a16z New Media 發布的《Charts of the Week》中，作者 Moses Sternstein 從 CoreWeave、Nebius 和 Applied Digital 等新雲公司切入，討論 AI 算力市場的增長、估值與盈利矛盾，並進一步延伸至橫向 SaaS、模型路由和前沿實驗室人才競爭。
在這篇文章中，作者並非簡單判斷 AI 需求是否強勁，而是將當前 AI 交易拆解為一組更底層的結構性問題：既有基礎設施如何被重新定價，收入增長為何沒有同步改善市場預期，以及 AI 產業的競爭焦點為何正從單純擴張轉向效率與回報。
第一，是基礎設施價值的重新發現。過去，鐵路沿線土地、天然氣管道和有線電視網絡都曾為特定行業服務，隨後被改造成電信和互聯網基礎設施。今天，類似的資產重估再次發生。部分新雲公司原本服務於加密貨幣挖礦，已經擁有電力、機房、冷卻系統和高密度計算的運營經驗；AI 需求爆發後，這些能力迅速轉化為稀缺的算力供給。其意義在於，AI 基礎設施競爭並非完全從零開始，早期優勢往往來自對舊資產、能源資源和工程能力的重新組合。
第二，是收入高增長與盈利不確定性的並存。CoreWeave 等新雲公司的早期收入增速，一度超過 AWS 等雲巨頭起步階段，但資本市場並未給予同等程度的認可。原因在於，新雲並不是典型的輕資產軟件生意。GPU 採購、電力接入、數據中心建設、芯片折舊和債務利息會隨著規模同步上升，甚至快於收入增長。這意味著，收入擴張只能證明 AI 算力需求旺盛，卻不能自動證明商業模式具有足夠高的資本回報率。市場真正等待的，是這些企業能否把訂單和收入轉化為可持續的自由現金流。
第三，是軟件價值正在按照 AI 影響重新分化。過去，市場擔心生成式 AI 會普遍削弱 SaaS 公司的護城河，但 Atlassian 的表現說明，AI 也可能成為提高客戶支出與產品黏性的工具。與此同時，網絡安全和可觀測性軟件繼續獲得估值溢價，因為 AI 擴大了潛在風險，也提高了企業對成熟解決方案的依賴。這意味著，所謂「SaaS 末日」並不會均勻發生。AI 究竟是替代產品、壓低價格，還是擴大需求，正在成為軟件估值分化的新標準。
第四，是 AI 應用正在從「堆 Token」轉向優化 Token。過去，企業往往傾向於直接調用能力最強的模型，或給工程團隊一筆預算自行試驗；如今，Databricks 等公司開始通過智能路由，根據任務難度匹配不同價格與性能的模型，在維持效果的同時降低成本。Token 單價下降也不必然意味著 AI 總支出收縮：當單位成本降低、應用場景增加，Token 消費總量和整體市場規模仍可能繼續上升。效率與需求並非相互排斥，而可能形成彼此強化的循環。
如果將這篇文章壓縮為一個判斷，那就是：AI 基礎設施已經證明自己可以創造高速增長，但下一階段的勝負將取決於企業能否把增長轉化為更高的資本效率。在這個意義上，本文討論的對象已經不只是 CoreWeave 們能否成為下一代雲巨頭，而是整個 AI 產業能否從算力擴張走向可持續的商業回報。
以下為原文內容：
頭頂「新雲」 ======
20 世紀初，南太平洋鐵路公司在連接美國各地城市與城鎮的已清理土地上，擁有大量閒置的建設權。鐵路路權的範圍遠寬於鐵軌本身，因此沿線還留有許多可供開發的走廊。
於是，這家鐵路公司沿鐵線鋪設了一套通信網絡，並將其命名為「南太平洋鐵路內部聯網電話系統」（Southern Pacific Railroad Internal Networking Telephony）。到 20 世紀 70 年代，公司開始將這套網絡商業化，向更廣泛的用戶開放。
隨後，兩件事同時發生了：一方面，長途電話市場的壟斷格局走向終結；另一方面，光纖電纜開始具備商業可行性。原有通信走廊被改造成光纖線路，這套網絡後來也以其英文縮寫「Sprint」為人所知。曾經服務於鐵路的資產，由此成為電信革命的基礎設施骨幹。
將既有實體網絡改造成更大規模商業技術基礎設施的，並不只有鐵路公司。
20 世紀 80 年代，威廉姆斯公司（Williams Company）把閒置的天然氣管道改造成光纖通道，成立了 WilTel。該公司後來被出售，並最終更名為 WorldCom。到了 90 年代，為有線電視業務鋪設的單向同軸電纜，也經歷了一輪規模龐大、成本高昂的升級，最終成為 Comcast 和 Charter 面向消費者提供寬帶互聯網服務的基礎設施。
這就引出了另一類企業：它們同樣坐擁現成的基礎設施，而這些資產如今正被大幅改造、重新定價，以滿足一種新興技術的需求------這就是「新雲」（neocloud）公司。
簡單概括，新雲公司原本大多從事能源和算力密集型的加密貨幣挖礦業務，隨後 AI 浪潮到來。突然之間，誰擁有電力使用權、基礎設施，以及建設和管理高強度計算負載的經驗------在 CoreWeave 的案例中，還包括大量 GPU------誰就站上了當下最炙手可熱的賽道之一。
當然，這並不是嚴格意義上的同類比較。但如果觀察規模最大的三家上市新雲公司，其收入增速確實令人矚目。
我們只能估算超大規模雲服務商創業早期的雲業務收入，但大致趨勢已經很清楚：新雲公司的增長速度極快，而且明顯快於三大雲服務商起步階段的增速。
需要說明的是，在整個算力銷售市場中，新雲公司目前仍只是相對較小的參與者。
它們距離超大規模雲服務商的體量，也還有很長的路要走。
超大規模雲服務商每季度創造的收入，比新雲公司高出幾個數量級。但與此同時，CoreWeave 大約只用了 25 個季度，就實現了 AWS 自推出後到第 40 個季度才達到的 26 億美元收入。再強調一次：這些企業的增長速度確實非常快。
擁有如此高的增速，又搭上 AI 行業的順風車，按理說投資者應該相當興奮。某種程度上的確如此，但真實情況要更複雜一些。
雖然這些公司最近一輪財報的表現普遍不錯，但過去一年裡，CoreWeave 的股價仍累計下跌約 16%；只有 Nebius 較為接近此前的高點。
因此，這個故事總體上仍然不錯，但對其中規模最大的新雲公司來說，吸引力顯然弱了一些。
近期市場表現相對平淡，部分原因在於許多增長預期可能已經反映在估值之中。
對於新雲這類資本密集型企業，市銷率並不是最合適的估值指標，但用來說明問題仍然很直觀。規模較小、增速更快的 Nebius 和 Applied Digital，估值溢價遠高於規模大得多的 CoreWeave。CoreWeave 的收入仍在翻倍，但已經不及榜首企業 400% 至 450% 的增速。
如果說新雲公司真正存在什麼問題，那並不是增長，而是長期盈利能力。新雲公司需要持續投入芯片、電力和實體基礎設施才能擴大規模，而這些成本都不低：

以 CoreWeave 為例，其收入增長的確十分可觀，但資本開支更加驚人。其他巨額成本還包括晶片折舊------折舊金額已經超過收入的一半------以及為提前建設昂貴基礎設施而舉債所產生、且仍在上升的利息支出。

本文無意就新雲公司最終能否成功，或其當前股價是否合理作出判斷。除去話題本身的熱度，這裡真正想說明的是，新雲公司恰好構成了整個 AI 交易中多空拉扯的一個縮影。

一方面，它們身處一個規模遠超所有人此前預期、且仍在繼續擴大的垂直市場------算力市場------並創造了歷史罕見的增長速度；另一方面，建設這類企業的成本也處於歷史高位，需要投入龐大且持續折舊的固定基礎設施。

橫向 SaaS 回歸？

下面簡要更新一下「SaaS 末日」不斷變化的市場版圖。此前軟體股大拋售中受創最嚴重的一家公司，最近一個月表現相當不錯。

過去 30 個交易日，橫向軟體公司在 IGV 軟體 ETF 成分股中的表現位居前列------儘管從這組數據採集之日起，它們已經回吐了部分漲幅。

總體而言，這些公司的基本面依然穩健。尤其是 Atlassian，它並沒有像市場此前預期的那樣，在 AI 衝擊下走向衰落。

這家生產力軟體公司實現了業績與指引的「雙雙超預期」：雲業務收入同比增長 31%，收入積壓訂單的增速甚至更高。但更關鍵的信號或許在於，AI 正在成為業務增長的助推器，而非阻力。Atlassian 表示，其 AI 助手 Rovo 已得到廣泛採用；同時，使用 Rovo 的客戶，其支出增速接近非 Rovo 用戶的兩倍。

這對 Atlassian 是好消息，對 Rovo 是好消息，對橫向 SaaS 也是好消息。

不過，橫向 SaaS 的整體估值依然略低於其他軟體類別。

除少數例外，包括 Atlassian 在內的橫向 SaaS 公司，其預期市銷率普遍低於「增速---估值倍數」趨勢線所對應的水平。

再強調一次，橫向 SaaS 只是度過了一個相對不錯的「月份」。想讓市場相信「SaaS 末日」已經取消，僅憑一個月的表現遠遠不夠。

當然，如果你的軟體業務屬於網路安全或可觀測性領域，那就是另一回事了------對這些公司而言，所謂「SaaS 末日」從來沒有發生過。

網路安全板塊繼續大幅跑贏 IGV 軟體 ETF 中的其他類別。在這個領域，AI 反而成為順風因素：市場普遍認為，AI 提高了人們對網路安全威脅的風險感知，而且沒有哪個企業客戶會靠「氛圍編程」（vibe coding）臨時拼湊出一套自己的安全解決方案。

這一邏輯最終能否成立，當然還需要時間檢驗。但至少目前來看，傳統軟體公司的處境絕非整齊劃一。

投資者高度關注 AI 究竟會給每家公司帶來增益，還是造成侵蝕，並隨著每一批新數據不斷修正原有判斷------這也是理所應當的。

邁向 Token 投入的效率前沿

圍繞模型使用、Token 消耗以及 Token 支出管理的市場格局，仍在以各種有趣的方式不斷演化。

以 Databricks 為例。

在「我們應該使用哪個模型」「哪個模型最好」這些問題上，Databricks 沒有採取贏家通吃的思路，也沒有只是給工程師一筆預算，讓他們自行決定怎麼花。它提出了另一個問題：「如果我們開發一套方案，把合適的任務自動分配給合適的模型，會怎樣？」

Databricks 當然不是唯一這樣做的公司，但它開發了一套「智能路由器」（Smart Router），而實際效果令其相當滿意。

據稱，Databricks 的路由器能夠在必要時調用能力更強、價格更高的模型，在條件允許時則使用能力較弱、價格更低的模型，由此「持續將平均任務成本降低 30% 以上」。

總體而言，追求 Token 支出的「效率前沿」很難不是一件好事。這意味著需求仍在繼續增長，應用場景不僅在性能最前沿持續演進，也在向能力不那麼頂尖的模型擴散。在最初的悲觀敘事中，這些次優模型原本被認為會迅速遭到淘汰。

正如我們此前提到的，效率提升會擴大需求的覆蓋範圍，這正是市場希望看到的、類似傑文斯悖論的動態。

Silicon Data 的 Token 價格強度指數顯示，整體價格強度正在下降，尤其是隨著價格更低的開放模型在持續擴張的市場中佔據更高份額。

這裡有必要再次澄清一個經常被誤解的概念：這些指數衡量的是 Token 支出的成本強度，而不是絕對美元金額。它同時取決於 Token 消耗數量與 Token 的綜合成本。這意味著，即使每 Token 價格下降，Token 總消耗量和總支出金額仍然可能繼續上升。

真正重要的是，整體需求仍在增長，而定價和模型選擇逐漸走向效率前沿，只會進一步推動這種增長。尤其值得注意的是，「AI 需求」或「AI 採用」並不是一個單一、同質化的概念。重度用戶與其他用戶之間依然存在巨大差距。這清楚表明，「始終使用最好的模型」或許適合部分企業，但肯定不適合所有企業。

如今，市場正在迅速形成更多可供選擇的替代方案。總體而言，這是一件好事。

根據企業支出管理平台 Ramp 的數據，所有企業都在增加 AI 支出，但支出中位數與前 10% 企業之間，以及前 10% 與前 1% 企業之間的差距都極為懸殊。

Ramp 的數據通常更偏向科技公司，解讀時需要考慮這一點。但數據顯示，支出排名前 10% 的企業，其人均 AI 支出大約是中位數企業的 50 倍。

這種分佈很可能不是偶然形成的。能夠從 AI 支出中釋放更多價值的企業，大概也正是投入最多的企業------即使並非每家公司都如此，至少相當一部分公司符合這一規律。

波士頓諮詢公司對 107 家上市公司的分析發現，Token 使用量排名前兩個五分位組的公司，收入增速明顯快於其他企業。

這裡想表達的核心是，Token 需求與使用效率正在相互強化：企業獲得的價值越多，消耗的 Token 也就越多。

這個過程當然存在投入與回報之間的反覆權衡，研發也總會包含一些前期成本。但對絕大多數企業而言，不加節制地「堆 Token」從來都不是一種有效策略。

因此，企業未來越來越不必採取這種做法，顯然是一件好事。

前沿實驗室人才爭奪戰

New Media 最近剛剛有兩位出色的團隊成員加入 OpenAI，所以最後我們用幾張有趣的圖表，看看前沿 AI 實驗室的人才招聘情況。

Dario Amodei 最近表示，他擔心員工正在把金錢置於使命之上。從 Levels.fyi 的數據來看，這種擔憂或許並非毫無依據。

如果完全按照數據表面來理解，Anthropic 給工程師開的薪酬非常高，而且遠高於谷歌、特斯拉等公司資歷相當的工程師。

看來，成為技術團隊成員的確是一件不錯的事。

此外，還有一組數據也很有意思。

根據 Live Data Technologies 的數據------由 Truist Securities 整理呈現------各家實驗室的人才來源既有大量重疊，也存在明顯差異：

兩家公司都從超大市值科技公司招聘了不少人才，不過只有 OpenAI 從英偉達和特斯拉招過人，而且都發生在 2026 年。

Databricks、Snowflake（近期）、Palantir 和 DeepMind，同樣是兩家公司共同的人才來源。

兩家實驗室也都從 Salesforce 和 Stripe 招聘了相當數量的員工。

但雙方的重疊似乎到此為止。Anthropic 從 SaaS 公司招聘了不少人才，而 OpenAI 幾乎沒有；OpenAI 則大量從消費互聯網、平台市場和廣告科技公司招人，而 Anthropic 在這些領域的招聘相對較少，Airbnb、Netflix 和 Uber 除外。

至於這些差異意味著什麼，就留給各位自行解讀了。

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。