李录最近在哥大格雷厄姆与多德论坛上谈AI，有一个观点流传很广：AI和互联网不一样，互联网基础设施建好以后，多分发一次信息几乎不花钱；AI每生成一次回答、每跑一次Agent任务，都要继续烧GPU、烧电、占存储。边际成本不为零，所以上游芯片商拿到订单，下游未必能同步赚钱。
这段话前半句我完全同意，后半句我认为恰恰说反了。
边际成本不为零，对打价格战的模型公司是压力，对云计算却是收入。你每问一个问题，每让Agent跑一个任务，云厂商的电表就转一圈。软件时代是写一次、卖无数份拷贝；AI时代是按次计费、按token收钱。这不是下游的诅咒，这是收费站的生意模式。用的人越多，任务越复杂，收费站的流水就越大。
一、数字已经替云厂商说话了
先看今年第二季度的财报。
AWS季度收入422亿美元，同比增长37%，连续第五个季度加速，年化收入1690亿美元。营业利润166亿美元，利润率约39%。
Google Cloud季度收入248亿美元，同比增长82%。更重要的是利润率：一年前是20.7%，现在是35.6%。规模越大，利润率越高，这是典型的规模经济，不是烧钱换增长。
微软Azure增长43%，管理层给的下一季度指引是45%左右，继续加速。微软云全年收入超过2140亿美元。
三家巨头，没有一家是在亏钱扩张。一个行业同时出现收入加速和利润率上升，这种组合在任何周期里都不多见。
二、两年回本，之后都是利润
很多人担心云厂商砸下去的几千亿资本开支收不回来。算一笔最简单的账。
按今年7月的市场租金，一台二手8卡H100服务器，满负荷运转大约8个月回本；利用率只有六成，也就14到15个月。买新机器贵七成左右，回本期相应拉长，大致落在一年多到两年多之间。Nebius自己给出的数字也印证了这一点：新签合同的回本期大约是1年10个月，过去是2到3年。
而云厂商账面上的服务器是按五到六年折旧的。现金两年左右回本，机器还能接着跑好几年，后面这几年扣掉电费和运维，基本都是利润。
更关键的是租金在涨，不是在跌。2023到2024年算力最紧的时候，H100租金每小时7到10美元，之后两年一路下滑，很多人以为算力过剩了。今年风向变了：CoreWeave在7月把每小时GPU价格上调25%，之后两三个月又涨了10%，Nebius也在涨价。进入10月又是一轮：Nebius把H100按需价格从每小时3.85美元调到4.50美元，涨了17%；AWS把H100预付容量块从每小时5.19美元调到5.97美元，涨了15%，给的理由只有一句，"根据供需调整"。H100已经是上上代的卡，照样在涨价。一个所谓"产能过剩"的行业，是不会连续涨价的。
三、订单已经排到2028年，客户抢着预付
AWS的积压订单是4960亿美元，大约是一年前的2.5倍。Google Cloud积压订单5140亿美元，一个季度前还是4600亿。微软的商业合同未履约余额是6780亿美元。三家加起来，接近1.7万亿美元的已签合同等着交付。
AWS的贾西在电话会上说，2027年的产能绝大部分已经被预订，2028年也有"相当一部分"被订走了。微软CFO艾米·胡德说得更直接："需求继续超过可用产能。" 微软一年新增了88个数据中心，计划两年内总产能翻倍，依然供不应求。
还有一个常被忽视的细节：客户开始预付款了。Nebius第二季度签的合同里，大约七成带有客户预付款，预付比例覆盖了对应资本开支的50%到60%，公司预计今年仅客户预付款就能提供超过90亿美元的资金。IREN最近签的AI云合同，客户预付款也覆盖了大约45%的GPU资本开支，公司说这种安排"在AI云合同中越来越普遍"。IDC的分析师把这类客户形容为"项目共同投资人"。客户愿意先掏一半以上的钱，只为了锁定算力，这说明什么？说明谁手里有算力，谁就是甲方。
最能说明问题的是马斯克。xAI在孟菲斯建的Colossus，原本是给自己训练Grok用的，今年变成了出租：Anthropic包下了Colossus 1的全部算力，每月12.5亿美元；Google Cloud每月9.2亿美元；Reflection AI每月1.5亿美元；9月又签了一个每年133亿美元的客户。SpaceX一年的算力出租合同已经达到411亿美元。马斯克自己有模型都选择把算力租出去，Google这样的云巨头自己建都来不及，还要去租别人的机房。这门生意赚不赚钱，不用我多说。
有人说只有OpenAI这几家在买算力，企业不愿意付钱。微软的数据是，微软云收入里将近九成来自前沿模型公司以外的客户。你看看自己的账单：订阅越来越多，云服务花得越来越多。企业不是不付钱，是已经在付了，只是付给了云。
四、电力是最硬的护城河
软件可以复制，模型可以蒸馏，芯片台积电每年都能多产一些，但一个通了电的数据中心，要等好几年。
美国电网的并网排队已经长达5到7年。Bloom Energy今年的报告说，数据中心实际拿到电的时间，比行业预期还要再晚一年半到两年。所以Google花47.5亿美元收购了能源开发商Intersect Power，亚马逊计划到2027年底把2025年的电力容量翻一倍，三分之一的超大规模运营商预计到2030年会完全依靠自建电源。
这件事的含义很简单：电力瓶颈不是三五年能解决的，在它解决之前，谁手里有通了电的机房，谁就有定价权。租金上涨、回本加快、客户预付，都是从这里来的。
五、芯片卖一次，云年年收
英伟达上个季度收入962亿美元，毛利率75%，净利润近600亿美元。单看这一个季度，芯片的利润比云更大，这一点不用争。但两者的钱，性质完全不同。
英伟达的收入，本质上就是云厂商的资本开支，是一次性卖断。明年卖多少，取决于明年客户还愿意花多少。云的收入是按年收租，合同一签就是好几年，1.7万亿美元的积压订单摆在那里，未来几年的收入看得见、摸得着。芯片卖出去那一刻，芯片商的生意就结束了；云的生意，那一刻才刚刚开始。
有人说云厂商应该自己造芯片，把芯片那层利润也拿过来。我不这么看。自研芯片的软件投入极高，开发者生态更是十几年才能养起来，绝大多数客户的代码、工具链、团队经验都建立在CUDA上。
英伟达今天卖的早就不是一块GPU，而是一整套已经调好的系统：GPU、CPU、NVLink互联、交换机和网卡、整机柜设计，再加上CUDA和上面一层层的软件库，全部在出厂前就一起优化过。云厂商自己拼硬件，要自己去调互联、调散热、调软件，费时费力；买英伟达的整套方案，到货装上就能出租。最新一代Vera Rubin已经进入全面量产，整柜系统已经在CoreWeave、Google Cloud、微软Azure、甲骨文和Nebius的机房里跑起来了。
整个产业链也都围着这套标准在扩产：台积电造芯片，SK海力士供内存，富士康组装整机柜，阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛、KKR这些资本在后面出钱。一个标准，全行业一起放量，成本和交付速度都是任何一家自研方案比不了的。对云厂商来说，跟着这个标准走，就是最快把电变成钱的路径。
更重要的是，英伟达已经把"建数据中心"这件事本身变成了标准产品。它推出的Omniverse DSX蓝图，从100兆瓦到数吉瓦的AI工厂都用同一套架构：Jacobs做设计，Bechtel和Vertiv在工厂里预制模块、测试好再运到现场装，西门子、施耐德、GE Vernova提供电力和冷却设备，整个过程先在数字孪生里跑一遍。DSX Boost在同样的电力下，GPU吞吐量最多能提高30%；DSX Flex可以根据电网实时状况调节负载，去挖电网里闲置的容量。
这意味着什么？过去建一个大型数据中心要靠自己摸索，现在从芯片到机柜到整栋楼，都有了现成的配方。云厂商不用去碰芯片，也不用从头研究怎么建机房，它真正要做的只有三件事：拿到电，拿到客户，按年收钱。这就是名副其实的基础设施即服务。
黄仁勋在上个季度财报里说了一句话："现在，算力就是收入。" 我再补半句：算力是收入，而按年收这份收入的，是云。
六、量变到质变，需求只会多不会少
云计算唯一真正的风险，是AI应用的需求没了。我认为这是不可能的，而且现在的数据指向完全相反的方向。
微软每年调用量达到1万亿token的Foundry客户，数量增长到原来的4倍。Copilot改成按用量计费后，收入环比增长超过60%。Google通过API处理的token，一个季度从每分钟约160亿涨到约220亿。这还只是聊天和Agent，自动驾驶、机器人、个人AI助理都才刚开始落地，每一样都是新增的算力需求。
有人会说，机器人靠身上的芯片干活，不联网也能动，用不着云。这只看到了最后一步。机器人的大脑是在云上训练出来的；因为真实世界的数据太贵太慢，它还要先在云上的虚拟世界里仿真练习几百万次。平衡、抓取、避障这些要求毫秒级反应的动作在本地芯片上跑，理解复杂指令、规划长任务这类不怕慢一两秒的事交给云。干活的数据定期回传，云端再训练，然后像特斯拉FSD一样通过OTA推送升级。这就好比手机：手机里的芯片越来越强，可手机越多，云计算反而越大。机器人也一样，卖出去的越多，回传的数据越多，云端要训练的东西就越多。
回头看计算机的历史：从1M内存，到286、386、486，每一代硬件都更快，软件就吃掉更多算力。AI正在走同一条路，下一代模型再要10倍、100倍的算力，一点都不奇怪。
有人担心，现在大家都在建数据中心，SpaceX计划到2027年底做到接近10吉瓦，微软、亚马逊都要在两三年内把容量翻倍，供给迟早过剩。我不这么看。过去两年已经证明了一件事：每次有人觉得算力够了，就会出现更花算力的模型。聊天模型之后是推理模型，推理模型之后是一跑几个小时的Agent。黄仁勋去年就说过，推理模型需要的算力轻松是原来的100倍。下一代模型只会更大、想得更久、干的活更多。供给是线性地加，需求是一代一代地翻倍。建的人越多，只说明看懂这门生意的人越多。
算力需求大到什么程度？大到地球上的电都不够用，开始往太空走了。Google的Suncatcher项目本月初刚用SpaceX的火箭把第一颗搭载4颗TPU的原型卫星送上轨道；初创公司Starcloud去年11月就把一块H100送上了太空，在轨道上跑起了大模型；SpaceX说最早2028年开始部署"轨道AI计算卫星"，并且在申请一个上百万颗卫星的星座。马斯克的原话是，太空是数据中心"唯一的扩展路径"。
当一个行业的需求已经大到要去太空找电，你还担心它没人用吗？
七、AI应用不是新的软件，是定制化的大模型
很多人说AI应用就是新一代软件，还在到处找"AI时代的Salesforce"。我认为这个思路从根上就错了。AI应用不是软件，是定制化的大模型，背后站着的是算力。将来的AI应用，基本就是三种样子。
第一种是Muse这样的个人Agent，大模型加Agent直接面对用户。Meta今年9月推出Muse，每个用户在Meta的云上有一台专属虚拟机，自带浏览器，可以长时间替你干活：订餐厅、填表格、买东西。它以免费为主，另有每月20美元和100美元两档订阅，Meta说得很直白，订阅是用来覆盖算力成本的；同时Meta在探索购物分成。一个用户一台虚拟机，几亿用户就是几亿台虚拟机，这本身就是一个巨大的算力生意。
第二种是特斯拉FSD这样的订阅制。特斯拉今年2月14日起，FSD只卖订阅，不再一次性买断。到2025年底，FSD用户已经约110万。每一份订阅背后，是特斯拉不停用海量行驶数据训练模型的数据中心。车卖一次，订阅月月收，算力年年烧。
第三种是企业应用，以后会是"手搓"出来的。了解客户要什么，然后用大模型直接做一个，成本不在写代码，而在搞懂需求。据报道，瑞典的Klarna已经砍掉了1200多家外部SaaS供应商。传统企业软件按人头收费，可AI正在减少人头；企业买单的方式，也在从"买座位"变成"买结果"。美国大型上市SaaS公司的市销率中位数，现在只有3.5倍左右，疫情泡沫时动辄十几倍、几十倍。我不认为传统企业软件还能回到过去的估值。
软件时代，值钱的是代码，写一次就能卖无数份。AI时代，代码不值钱了，值钱的是两头：一头是懂客户需求的人，一头是按token收费的算力。中间的软件层，正在被压扁。
不管是Muse按人跑虚拟机，FSD按车训练模型，还是企业按需求手搓应用，最后都落到同一个地方：消耗算力。
八、贷款和利率？只要需求在，都不是问题
对云计算最常见的质疑，是资本开支靠贷款，利率一高就扛不住。这个担心把顺序搞反了。
第一，客户已经替你出了一半的钱。Nebius新签合同的预付款覆盖50%到60%的资本开支，IREN是45%左右。需要借的钱，比表面上看到的少得多。
第二，回本比还贷快。IREN的AI云合同平均期限大约4年2年回本，Nebius新合同的回本期不到2年。合同期还没过半，机器的钱就已经回来了，剩下的时间都是在赚钱。贷款有合同现金流做抵押，有客户预付款打底，这和当年没有收入、靠讲故事融资的互联网泡沫，是两回事。
第三，巨头根本不缺钱。微软上个季度资本开支410亿美元，同一个季度自由现金流还有196亿美元。边投边赚，这是用利润在扩张，不是用借来的钱赌未来。
利率高低，影响的是利润多一点还是少一点；需求有没有，决定的才是生意成不成立。只要需求在，贷款就还得上，利率就扛得住。
这也是为什么现在云计算的股价低迷。美联储9月加息25个基点，是2023年以来第一次，美债10年期收益率一度升到4.73%。8月有一天，CoreWeave跌了7%，同一天不加杠杆的云计算指数基金WCLD反而涨了2%。市场惩罚的是利率，不是需求。
但这轮加息已经走到尾声。9月非农就业只增加了2.9万人，远低于预期，市场对10月加息的押注从六七成掉到两成左右。一旦美联储停止加息、转向降息，压在云计算头上的这块石头一搬开，股价的弹性会非常大。
利率是周期，算力短缺是结构。我认为五年内看不到算力供给追上需求。美国的铁路从19世纪30年代开始修，一直到1916年总里程才见顶，前后修了八十多年。而算力的需求比铁路大得多：铁路只连接城市，算力要连接每一个人、每一辆车、每一台机器人。
李录说，技术创新和股东回报要分开衡量，这句话我同意。所以真正要问的不是AI有没有用，而是AI的钱最后流到谁手里。
芯片商卖的是一次性的铲子，云收的是年年都有的过路费。答案写在电表上：每一个token，都要过云这道闸。
（以上仅为个人观点，不构成投资建议。）
云计算才是AI最赚钱的环节
BrightLine (2026-10-11 05:37:06) 评论 (2)李录最近在哥大格雷厄姆与多德论坛上谈AI，有一个观点流传很广：AI和互联网不一样，互联网基础设施建好以后，多分发一次信息几乎不花钱；AI每生成一次回答、每跑一次Agent任务，都要继续烧GPU、烧电、占存储。边际成本不为零，所以上游芯片商拿到订单，下游未必能同步赚钱。
这段话前半句我完全同意，后半句我认为恰恰说反了。
边际成本不为零，对打价格战的模型公司是压力，对云计算却是收入。你每问一个问题，每让Agent跑一个任务，云厂商的电表就转一圈。软件时代是写一次、卖无数份拷贝；AI时代是按次计费、按token收钱。这不是下游的诅咒，这是收费站的生意模式。用的人越多，任务越复杂，收费站的流水就越大。
一、数字已经替云厂商说话了
先看今年第二季度的财报。
AWS季度收入422亿美元，同比增长37%，连续第五个季度加速，年化收入1690亿美元。营业利润166亿美元，利润率约39%。
Google Cloud季度收入248亿美元，同比增长82%。更重要的是利润率：一年前是20.7%，现在是35.6%。规模越大，利润率越高，这是典型的规模经济，不是烧钱换增长。
微软Azure增长43%，管理层给的下一季度指引是45%左右，继续加速。微软云全年收入超过2140亿美元。
三家巨头，没有一家是在亏钱扩张。一个行业同时出现收入加速和利润率上升，这种组合在任何周期里都不多见。
二、两年回本，之后都是利润
很多人担心云厂商砸下去的几千亿资本开支收不回来。算一笔最简单的账。
按今年7月的市场租金，一台二手8卡H100服务器，满负荷运转大约8个月回本；利用率只有六成，也就14到15个月。买新机器贵七成左右，回本期相应拉长，大致落在一年多到两年多之间。Nebius自己给出的数字也印证了这一点：新签合同的回本期大约是1年10个月，过去是2到3年。
而云厂商账面上的服务器是按五到六年折旧的。现金两年左右回本，机器还能接着跑好几年，后面这几年扣掉电费和运维，基本都是利润。
更关键的是租金在涨，不是在跌。2023到2024年算力最紧的时候，H100租金每小时7到10美元，之后两年一路下滑，很多人以为算力过剩了。今年风向变了：CoreWeave在7月把每小时GPU价格上调25%，之后两三个月又涨了10%，Nebius也在涨价。进入10月又是一轮：Nebius把H100按需价格从每小时3.85美元调到4.50美元，涨了17%；AWS把H100预付容量块从每小时5.19美元调到5.97美元，涨了15%，给的理由只有一句，"根据供需调整"。H100已经是上上代的卡，照样在涨价。一个所谓"产能过剩"的行业，是不会连续涨价的。
三、订单已经排到2028年，客户抢着预付
AWS的积压订单是4960亿美元，大约是一年前的2.5倍。Google Cloud积压订单5140亿美元，一个季度前还是4600亿。微软的商业合同未履约余额是6780亿美元。三家加起来，接近1.7万亿美元的已签合同等着交付。
AWS的贾西在电话会上说，2027年的产能绝大部分已经被预订，2028年也有"相当一部分"被订走了。微软CFO艾米·胡德说得更直接："需求继续超过可用产能。" 微软一年新增了88个数据中心，计划两年内总产能翻倍，依然供不应求。
还有一个常被忽视的细节：客户开始预付款了。Nebius第二季度签的合同里，大约七成带有客户预付款，预付比例覆盖了对应资本开支的50%到60%，公司预计今年仅客户预付款就能提供超过90亿美元的资金。IREN最近签的AI云合同，客户预付款也覆盖了大约45%的GPU资本开支，公司说这种安排"在AI云合同中越来越普遍"。IDC的分析师把这类客户形容为"项目共同投资人"。客户愿意先掏一半以上的钱，只为了锁定算力，这说明什么？说明谁手里有算力，谁就是甲方。
最能说明问题的是马斯克。xAI在孟菲斯建的Colossus，原本是给自己训练Grok用的，今年变成了出租：Anthropic包下了Colossus 1的全部算力，每月12.5亿美元；Google Cloud每月9.2亿美元；Reflection AI每月1.5亿美元；9月又签了一个每年133亿美元的客户。SpaceX一年的算力出租合同已经达到411亿美元。马斯克自己有模型都选择把算力租出去，Google这样的云巨头自己建都来不及，还要去租别人的机房。这门生意赚不赚钱，不用我多说。
有人说只有OpenAI这几家在买算力，企业不愿意付钱。微软的数据是，微软云收入里将近九成来自前沿模型公司以外的客户。你看看自己的账单：订阅越来越多，云服务花得越来越多。企业不是不付钱，是已经在付了，只是付给了云。
四、电力是最硬的护城河
软件可以复制，模型可以蒸馏，芯片台积电每年都能多产一些，但一个通了电的数据中心，要等好几年。
美国电网的并网排队已经长达5到7年。Bloom Energy今年的报告说，数据中心实际拿到电的时间，比行业预期还要再晚一年半到两年。所以Google花47.5亿美元收购了能源开发商Intersect Power，亚马逊计划到2027年底把2025年的电力容量翻一倍，三分之一的超大规模运营商预计到2030年会完全依靠自建电源。
这件事的含义很简单：电力瓶颈不是三五年能解决的，在它解决之前，谁手里有通了电的机房，谁就有定价权。租金上涨、回本加快、客户预付，都是从这里来的。
五、芯片卖一次，云年年收
英伟达上个季度收入962亿美元，毛利率75%，净利润近600亿美元。单看这一个季度，芯片的利润比云更大，这一点不用争。但两者的钱，性质完全不同。
英伟达的收入，本质上就是云厂商的资本开支，是一次性卖断。明年卖多少，取决于明年客户还愿意花多少。云的收入是按年收租，合同一签就是好几年，1.7万亿美元的积压订单摆在那里，未来几年的收入看得见、摸得着。芯片卖出去那一刻，芯片商的生意就结束了；云的生意，那一刻才刚刚开始。
有人说云厂商应该自己造芯片，把芯片那层利润也拿过来。我不这么看。自研芯片的软件投入极高，开发者生态更是十几年才能养起来，绝大多数客户的代码、工具链、团队经验都建立在CUDA上。
英伟达今天卖的早就不是一块GPU，而是一整套已经调好的系统：GPU、CPU、NVLink互联、交换机和网卡、整机柜设计，再加上CUDA和上面一层层的软件库，全部在出厂前就一起优化过。云厂商自己拼硬件，要自己去调互联、调散热、调软件，费时费力；买英伟达的整套方案，到货装上就能出租。最新一代Vera Rubin已经进入全面量产，整柜系统已经在CoreWeave、Google Cloud、微软Azure、甲骨文和Nebius的机房里跑起来了。
整个产业链也都围着这套标准在扩产：台积电造芯片，SK海力士供内存，富士康组装整机柜，阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛、KKR这些资本在后面出钱。一个标准，全行业一起放量，成本和交付速度都是任何一家自研方案比不了的。对云厂商来说，跟着这个标准走，就是最快把电变成钱的路径。
更重要的是，英伟达已经把"建数据中心"这件事本身变成了标准产品。它推出的Omniverse DSX蓝图，从100兆瓦到数吉瓦的AI工厂都用同一套架构：Jacobs做设计，Bechtel和Vertiv在工厂里预制模块、测试好再运到现场装，西门子、施耐德、GE Vernova提供电力和冷却设备，整个过程先在数字孪生里跑一遍。DSX Boost在同样的电力下，GPU吞吐量最多能提高30%；DSX Flex可以根据电网实时状况调节负载，去挖电网里闲置的容量。
这意味着什么？过去建一个大型数据中心要靠自己摸索，现在从芯片到机柜到整栋楼，都有了现成的配方。云厂商不用去碰芯片，也不用从头研究怎么建机房，它真正要做的只有三件事：拿到电，拿到客户，按年收钱。这就是名副其实的基础设施即服务。
黄仁勋在上个季度财报里说了一句话："现在，算力就是收入。" 我再补半句：算力是收入，而按年收这份收入的，是云。
六、量变到质变，需求只会多不会少
云计算唯一真正的风险，是AI应用的需求没了。我认为这是不可能的，而且现在的数据指向完全相反的方向。
微软每年调用量达到1万亿token的Foundry客户，数量增长到原来的4倍。Copilot改成按用量计费后，收入环比增长超过60%。Google通过API处理的token，一个季度从每分钟约160亿涨到约220亿。这还只是聊天和Agent，自动驾驶、机器人、个人AI助理都才刚开始落地，每一样都是新增的算力需求。
有人会说，机器人靠身上的芯片干活，不联网也能动，用不着云。这只看到了最后一步。机器人的大脑是在云上训练出来的；因为真实世界的数据太贵太慢，它还要先在云上的虚拟世界里仿真练习几百万次。平衡、抓取、避障这些要求毫秒级反应的动作在本地芯片上跑，理解复杂指令、规划长任务这类不怕慢一两秒的事交给云。干活的数据定期回传，云端再训练，然后像特斯拉FSD一样通过OTA推送升级。这就好比手机：手机里的芯片越来越强，可手机越多，云计算反而越大。机器人也一样，卖出去的越多，回传的数据越多，云端要训练的东西就越多。
回头看计算机的历史：从1M内存，到286、386、486，每一代硬件都更快，软件就吃掉更多算力。AI正在走同一条路，下一代模型再要10倍、100倍的算力，一点都不奇怪。
有人担心，现在大家都在建数据中心，SpaceX计划到2027年底做到接近10吉瓦，微软、亚马逊都要在两三年内把容量翻倍，供给迟早过剩。我不这么看。过去两年已经证明了一件事：每次有人觉得算力够了，就会出现更花算力的模型。聊天模型之后是推理模型，推理模型之后是一跑几个小时的Agent。黄仁勋去年就说过，推理模型需要的算力轻松是原来的100倍。下一代模型只会更大、想得更久、干的活更多。供给是线性地加，需求是一代一代地翻倍。建的人越多，只说明看懂这门生意的人越多。
算力需求大到什么程度？大到地球上的电都不够用，开始往太空走了。Google的Suncatcher项目本月初刚用SpaceX的火箭把第一颗搭载4颗TPU的原型卫星送上轨道；初创公司Starcloud去年11月就把一块H100送上了太空，在轨道上跑起了大模型；SpaceX说最早2028年开始部署"轨道AI计算卫星"，并且在申请一个上百万颗卫星的星座。马斯克的原话是，太空是数据中心"唯一的扩展路径"。
当一个行业的需求已经大到要去太空找电，你还担心它没人用吗？
七、AI应用不是新的软件，是定制化的大模型
很多人说AI应用就是新一代软件，还在到处找"AI时代的Salesforce"。我认为这个思路从根上就错了。AI应用不是软件，是定制化的大模型，背后站着的是算力。将来的AI应用，基本就是三种样子。
第一种是Muse这样的个人Agent，大模型加Agent直接面对用户。Meta今年9月推出Muse，每个用户在Meta的云上有一台专属虚拟机，自带浏览器，可以长时间替你干活：订餐厅、填表格、买东西。它以免费为主，另有每月20美元和100美元两档订阅，Meta说得很直白，订阅是用来覆盖算力成本的；同时Meta在探索购物分成。一个用户一台虚拟机，几亿用户就是几亿台虚拟机，这本身就是一个巨大的算力生意。
第二种是特斯拉FSD这样的订阅制。特斯拉今年2月14日起，FSD只卖订阅，不再一次性买断。到2025年底，FSD用户已经约110万。每一份订阅背后，是特斯拉不停用海量行驶数据训练模型的数据中心。车卖一次，订阅月月收，算力年年烧。
第三种是企业应用，以后会是"手搓"出来的。了解客户要什么，然后用大模型直接做一个，成本不在写代码，而在搞懂需求。据报道，瑞典的Klarna已经砍掉了1200多家外部SaaS供应商。传统企业软件按人头收费，可AI正在减少人头；企业买单的方式，也在从"买座位"变成"买结果"。美国大型上市SaaS公司的市销率中位数，现在只有3.5倍左右，疫情泡沫时动辄十几倍、几十倍。我不认为传统企业软件还能回到过去的估值。
软件时代，值钱的是代码，写一次就能卖无数份。AI时代，代码不值钱了，值钱的是两头：一头是懂客户需求的人，一头是按token收费的算力。中间的软件层，正在被压扁。
不管是Muse按人跑虚拟机，FSD按车训练模型，还是企业按需求手搓应用，最后都落到同一个地方：消耗算力。
八、贷款和利率？只要需求在，都不是问题
对云计算最常见的质疑，是资本开支靠贷款，利率一高就扛不住。这个担心把顺序搞反了。
第一，客户已经替你出了一半的钱。Nebius新签合同的预付款覆盖50%到60%的资本开支，IREN是45%左右。需要借的钱，比表面上看到的少得多。
第二，回本比还贷快。IREN的AI云合同平均期限大约4年2年回本，Nebius新合同的回本期不到2年。合同期还没过半，机器的钱就已经回来了，剩下的时间都是在赚钱。贷款有合同现金流做抵押，有客户预付款打底，这和当年没有收入、靠讲故事融资的互联网泡沫，是两回事。
第三，巨头根本不缺钱。微软上个季度资本开支410亿美元，同一个季度自由现金流还有196亿美元。边投边赚，这是用利润在扩张，不是用借来的钱赌未来。
利率高低，影响的是利润多一点还是少一点；需求有没有，决定的才是生意成不成立。只要需求在，贷款就还得上，利率就扛得住。
这也是为什么现在云计算的股价低迷。美联储9月加息25个基点，是2023年以来第一次，美债10年期收益率一度升到4.73%。8月有一天，CoreWeave跌了7%，同一天不加杠杆的云计算指数基金WCLD反而涨了2%。市场惩罚的是利率，不是需求。
但这轮加息已经走到尾声。9月非农就业只增加了2.9万人，远低于预期，市场对10月加息的押注从六七成掉到两成左右。一旦美联储停止加息、转向降息，压在云计算头上的这块石头一搬开，股价的弹性会非常大。
利率是周期，算力短缺是结构。我认为五年内看不到算力供给追上需求。美国的铁路从19世纪30年代开始修，一直到1916年总里程才见顶，前后修了八十多年。而算力的需求比铁路大得多：铁路只连接城市，算力要连接每一个人、每一辆车、每一台机器人。
李录说，技术创新和股东回报要分开衡量，这句话我同意。所以真正要问的不是AI有没有用，而是AI的钱最后流到谁手里。
芯片商卖的是一次性的铲子，云收的是年年都有的过路费。答案写在电表上：每一个token，都要过云这道闸。
（以上仅为个人观点，不构成投资建议。）