文 | 舒书
2026 年的秋天，全球 AI 产业的聚光灯，正在从大模型能力转向基础设施的财务回报。
近期，由英伟达投资的英国数据中心开发商 Nscale 在资本市场遇冷。其原本期望的约 300 亿美元 IPO 估值，遭到投资者强烈反对，投资方认为 160 亿至 190 亿美元才合理。
资本市场为什么突然变脸？拆开它的账本就明白了。截至 2026 年 8 月底，Nscale 对外宣称的合同总价值高达 1030 亿美元。但请注意，这属于纸面承诺的意向总额，并非已经落袋为安的真金白银，其中包含大量随时可能作废的终止条款。目前，它实际只有 5 座数据中心在运转，大量规划的显卡连电都没通。2026 年上半年，营收仅 1.4 亿美元，净亏损却超 10 亿美元。加上微软退出了其英国项目、挪威项目延期，市场彻底对其现金流失去了耐心。
Nscale 的遭遇是一个清晰的切面：算力基建的估值逻辑，正在从为未来买单切换到按生意常识计价。
一面是算力硬件供不应求，另一面是基建端估值回调。AI 算力中心到底是不是一门好生意？我们需要抛开宏大叙事，用真实的生意逻辑算一笔细账。
算力生意的三重流血点
建设一个万卡规模的智算中心，门槛极高。以 H100/H200 为例，单卡报价 2.5 万至 4 万美元。仅 1 万张显卡的采购成本，就高达 18 亿至 29 亿人民币。加上高速网络、光模块、存储、水冷散热及电力增容，总启动资金（CAPEX）轻松突破 50 亿元。
这门生意最可怕的地方，在于硬件在疯狂流血（折旧），且分为三种：
账面折旧：财务上按 3 到 5 年计提，直接吃掉账面利润。
二手掉价：旧显卡并非直接归零，但残值变现高度依赖能否找到愿意接盘的下游买家。
技术淘汰（最致命）：受限于显存和架构，旧一代的显卡根本无法与新显卡混在一起训练大模型。它们往往直接被踢出最赚钱的预训练市场，只能去干低利润的推理杂活。
真正的生死线，在于收租的合同质量。
微软财报里披露的几千亿美元租约，看着吓人，但那是长期摊销的表外刚性支出，且部分还没开始生效。大厂财大气粗，签得起长周期保底合同；但大量第三方算力商签的是按使用量结算的弹性订单。一旦下游大模型公司融不到钱、开始砍预算，算力中心的出租率瞬间崩塌。微薄的弹性订单租金，根本还不清买显卡借的高息贷款，资金链说断就断。
国内不少跨界入局算力的玩家，处境并不比 Nscale 轻松。
过去两年各地加速布局智算中心，其中部分地方国资、地产转型项目面临一个现实困境：拿到土地、能耗指标，但本地缺少足够大模型落地需求。机房建成后设备空置，部分项目为冲上架率考核，只能低价租给外包企业做数据刷量。至于 To B 和 To G 的政企客户，虽然客单价高，但漫长的验收期和回款周期，足以把一家缺乏雄厚资本的算力商活活拖死。
这轮估值回调，除了产业自身问题，还有一个更宏观的杀手：资金成本（利息）的飙升。
算力中心是典型的重资产：机房盖好能用 20 年，但里面的显卡 3 年就落后了。当 10 年期美债收益率较疫情低点高出 4 个百分点，叠加头部云厂商资本开支持续高企，市场被迫大幅上调算力项目的期望回报率。
打个比方：假设一个投资 50 亿的算力中心，原本预期年化收益率是 10%。在低息时代（资金成本 8%），这项目是赚钱的。但当资金成本（折现率）飙升到 12% 时，原本大量卡在 8% 到 12% 回报率边缘的算力项目，瞬间变成了亏本买卖。2026 年的估值重估，不是资本不信 AI 了，而是高昂的利息，直接把重资产的美梦打穿了。
对于国内民营算力商而言，这更是雪上加霜。他们没有云大厂那种极低成本的发债能力，只能依赖高息的融资租赁或民间资本。一旦显卡降价或租金下滑，利息支出就会像黑洞一样吞噬掉所有利润。
行业里常把第三方算力商统称为二房东，这掩盖了真实的分化。
第一层分化：赚辛苦钱还是赚快钱。
预训练算力是大单、短租、项目制，项目一结束机房立刻空置；推理算力是散客、长尾，单价低但细水长流。当然少数长期保底预训练长单除外，这类稀缺订单能稳定拉高项目收益。搞不清这两种生意，就别谈回报率。
第二层分化：真伪全栈服务。
很多公司打着 GPU 云服务的旗号，本质依然是倒卖硬件，软件只是赠品。检验标准很简单：如果抽走它的显卡，只卖调度软件和运维服务，客户愿不愿意掏钱？如果答案是否定的，那它就是伪全栈，估值应该按传统机房算。
真正能卖上溢价的调度软件，绝不是送个开源控制台那么简单。它需要极强的技术壁垒：
比如异构算力调度。客户手里既有英伟达 H 系列，又有国产昇腾，还有 AMD。真全栈能通过软件，自动把一个大模型的训练任务拆分成数据并行、流水线并行的子任务，合理分配到不同的卡上，并保证不宕机。
再比如断点续传与故障自愈。万卡集群训练，显卡死机是常态。没有强大的容错机制，客户跑了一个月的任务因为一张卡过热而白费。这种能帮客户省钱、保命的能力，才是真全栈收高溢价的底气。
但从组织能力看，这是传统 IDC 企业极难跨越的鸿沟。
过去卖机柜，需要的是土木工程加物业的基因，团队懂拿地、懂拉电、懂消防；而现在做 GPU 云，需要的是分布式系统研发加大模型理解的极客基因。很多算力商砸了几十亿建机房，但团队还是原来那批卖机柜的销售。没有懂底层网络架构的 CTO，没有能提供 MLOps 服务的交付团队，组织基因不发生根本性的变异，所谓的全栈就只是一句空话。
即便是被市场认可的真全栈玩家，光鲜数据背后也藏着窒息感。以行业标杆 CoreWeave 为例（数据截至 2026 年 Q2），二季度营收 25.8 亿美元（同比翻倍），但净亏损达 6.26 亿美元，光利息就付了 6.4 亿美元，身上背着约 519 亿美元的债务和租赁负债。这说明，即使是头部玩家，高杠杆的重资产模式也如影随形。更何况，好客户（头部模型公司）早就直接跟英伟达和云大厂直签了，留给第三方的，往往是比价严重、随时可能倒闭的中尾部客户。
英伟达不再是唯一解——这句话对，但只对了一半。
随着 AMD 产能爬坡，采购渠道确实增加了。但这不等于算力商立刻就能压价。目前，在标准的推理和微调上，AMD 的软件生态（ROCm）确实能用了。但在最硬核的大规模前沿训练上，英伟达的 CUDA 生态依然坚不可摧。客户代码如果没重写，你买了 AMD 的卡也租不出去。目前替代红利，仅限于利润较薄的推理端。
行业终局：大厂吃肉与物业化宿命
随着利息高企和折旧加速，算力基建的行业终局正在加速到来。
第一梯队是超级云大厂（如阿里云、腾讯云、微软、AWS）。他们有自己的大模型，有海量的现有客户，资金成本极低。他们建的智算中心，本质上是自身生态的基建，吃走了行业最肥的利润。
第二梯队是垂直算力巨头（如 CoreWeave）。他们靠极致的调度软件，在自动驾驶、渲染等特定领域筑起高墙，活得很重，但也活得很大。
第三梯队，则是大量没有软件能力的中小算力商。在持续价格战挤压下，这类企业大概率只能退守到机房托管赛道，扮演算力物业角色，赚取微薄的托管费；或者干脆破产，将花巨资建好的机房低价卖给大厂。组织能力的缺失，注定了他们无法分到 AI 技术溢价的那杯羹。
结语：算力下半场，活下去的五个条件
AI 基建的估值重塑，标志着行业从泡沫走向成熟。未来能穿越周期的玩家，必须同时具备几个硬核条件：
前提（分母）：优质的客户结构。搞不定大客户，其他都是空谈。
必备条件：
拥有极低的资金成本（利息低）；
锁定了长期的绿电或低价电协议；
拿到了稀缺的能耗指标与土地；
具备可独立卖钱的核心调度软件能力；
建立了处理二手显卡的风险对冲体系（注意：卖二手只能止损，不能发大财）。
在这场重资产马拉松中，满足三条以上、且客户质量过关的企业，才有资格留在牌桌上。仅满足一两条的玩家，抗风险能力极弱，很容易在下一轮利率波动、硬件迭代或客户预算收缩中遭遇现金流危机。硬科技的演进终究要回归常识，没有健康的现金流，再庞大的算力规模，也只是昂贵的沉没成本。
