新云公司营收增速超早期AWS为何股价承压？a16z图解AI算力增长与盈利困局

在生成式AI驱动算力投资新周期的背景下，市场讨论正从“GPU够不够”转向“谁能持续提供算力”。a16z新媒体发布的图表分析中，作者Moses Sternstein以CoreWeave、Nebius和Applied Digital等新云公司为例，拆解了AI算力市场的增长、估值与盈利矛盾，并延伸至横向SaaS、模型路由与顶尖实验室人才竞争等结构性议题。文章并非简单判断AI需求强弱，而是将当前交易拆解为更底层的问题：现有基础设施如何被重新定价，为何收入高增未能同步改善市场预期，以及AI赛道的竞争焦点为何正从单纯扩张转向效率与回报。

基础设施价值的重估

历史上，铁路沿线土地、天然气管道和有线电视网络都曾服务于特定行业，随后演变为电信与互联网基础设施。19世纪末，南太平洋铁路公司在铁路沿线铺设通信网络，后发展为商业长途电话网络，最终演变为Sprint；Williams公司将闲置天然气管道改造为光纤通道，建立WilTel后成为WorldCom；有线电视单向同轴电缆经大规模升级，成为Comcast和Charter提供宽带服务的基础设施。类似的价值重估正在发生。多数新云公司原本从事能源与计算密集型的加密货币挖矿，拥有电力、数据中心、冷却系统和高密度负载运营经验；AI需求爆发后，这些能力迅速转化为稀缺的算力供给。竞争并非从零开始，早期优势往往来自旧资产、能源资源与工程能力的重新组合。

总体而言，大多数新云公司原本从事能源和计算密集型的加密货币挖矿，随后AI浪潮到来。拥有用电权、基础设施以及构建和管理高强度计算负载经验的企业——例如持有大量GPU的CoreWeave——突然站在了最热门的赛道之一。当然，这并非严格类比。但如果观察三家最大的上市新云公司，其收入增速确实惊人。虽然只能估算超大规模云服务商早期的云业务收入，但整体趋势已很明确：新云公司正以极快速度增长，显著高于三大云服务商创业阶段的增长率。

高增长与盈利不确定性的共存

在整个算力销售市场中，新云公司仍是相对较小的参与者，距离超大规模云服务商的体量仍有数量级差距。然而，CoreWeave仅在大约25个季度内就实现了26亿美元收入，而AWS达到这一里程碑用了40个季度。再次强调，这些公司的增速确实非常快。

凭借如此高的增速并搭上AI行业东风，投资者理应相当兴奋。某种程度上确实如此，但现实更复杂。尽管这些公司近期财报普遍表现不错，CoreWeave股价过去一年仍下跌约16%，仅Nebius相对接近此前高点。整体叙事仍然向好，但对最大的新云公司而言，吸引力明显减弱。近期市场表现相对平淡，部分原因在于许多增长预期可能已被计入估值。

对资本密集型的新云公司而言，市销率并非最合适的估值指标，但仍可直观说明问题。体量较小、增速更快的Nebius和Applied Digital估值溢价远超规模更大的CoreWeave。CoreWeave收入虽仍在翻倍，但已不复400%至450%的超高增速。新云公司真正的问题不在增长，而在长期盈利能力。为扩大规模，它们需持续投入芯片、电力和实体基础设施，这些成本并不低廉。

以CoreWeave为例，其资本支出规模甚至超过收入增速。其他重大成本还包括芯片折旧——折旧金额已超过收入的一半——以及为提前建设昂贵基础设施而借债产生的利息，且仍在上升。新云公司构成了整个AI交易博弈的缩影：一方面身处远超此前预期且持续扩张的算力市场，创造了历史罕见的增速；另一方面建设成本也处于历史高位，需要大量持续折旧的固定基础设施。

横向SaaS的分化

此前市场担忧生成式AI会普遍削弱SaaS企业护城河，但最新数据显示情况并非一致。过去30个交易日，横向软件公司在IGV软件ETF成分股中表现居前。Atlassian业绩与指引双双超预期：云业务收入同比增长31%，收入 backlog 增速更高。更关键的信号是AI正成为业务增长助推器：其AI助手Rovo采用率广泛，使用Rovo的客户支出增速约为未使用客户的两倍。

不过，横向SaaS整体估值仍略低于其他软件品类。包括Atlassian在内，多数横向SaaS的预期市销率低于其增速对应的估值趋势线。再次强调，横向SaaS只是经历了一个相对不错的“月份”，单个月的表现远不足以说服市场“SaaS末日”已经取消。

网络安全与可观测性领域则是另一回事。网络安全板块在IGV软件ETF中持续显著跑赢其他类别。市场普遍认为AI加剧了网络安全威胁认知，没有企业客户会依靠拼凑方案解决安全问题。AI对软件企业究竟是替代品、压价因素还是需求扩张器，正成为估值分化的新标准。传统软件公司的处境远非整齐划一，投资者高度关注AI对每家公司的利弊影响，并随新数据持续修正判断。

Token投资的效率前沿

企业使用模型的方式正从“堆叠Token”转向优化Token。Databricks并未采取赢家通吃或简单给工程师预算试错的做法，而是开发了“智能路由”方案，按任务难度自动匹配不同价格与性能的模型。据报道，该路由器能在必要时调用更强大、更昂贵的模型，在条件允许时使用较弱、更便宜的模型，从而将持续降低平均任务成本超过30%。

追求Token支出的效率前沿意味着需求持续增长，应用场景不仅在性能边界演进，也扩散至非顶尖模型。Silicon Data的Token价格强度指数显示，整体价格强度正在下降，尤其是低价开源模型在持续扩张的市场中获取了更高份额。

需要澄清的是，该指数衡量的是Token支出的成本强度，而非绝对金额。即使Token单价下降，只要消耗量上升，总消费和总支出仍可能继续增长。Ramp的企业支出管理数据显示，所有公司都在增加AI支出，但中位数公司与前10%公司、前10%与前1%公司之间的差距极大：前10%公司的人均AI支出约为中位数公司的50倍。波士顿咨询集团对107家上市公司的分析也发现，Token使用量位于前两个五分位区间的公司，收入增速显著高于其他公司。

核心信息在于，Token需求与使用效率相互强化：企业获得的价值越多，消耗的Token也越多。对绝大多数公司而言，无差别地“堆叠Token”从来不是有效策略，未来企业也越来越不需要采用这种方式。

顶尖实验室的人才竞争

Dario Amodei近期表达了对员工将金钱置于使命之上的担忧。Levels.fyi数据显示，这一担忧或许并非空穴来风。Anthropic向工程师支付的薪资非常高，远超Google、Tesla等同级工程师。Truist Securities援引Live Data Technologies的数据则显示，OpenAI与Anthropic的人才来源既有重叠也有明显差异：两者都从超大型科技公司招募了大量人才，且共同来源包括Databricks、Snowflake、Palantir、DeepMind、Salesforce和Stripe。

差异在于，仅OpenAI从NVIDIA和Tesla挖人，且均发生在2026年。Anthropic从SaaS公司招募了相当数量的人才，而OpenAI在这方面的招聘几乎为零；OpenAI则从消费互联网、平台市场和广告技术公司大量招人，Anthropic在这些领域除Airbnb、Netflix和Uber外相对较少。至于这些差异意味着什么，仍有待观察。

核心数据要点

CoreWeave用约25个季度实现26亿美元收入，AWS达到同等规模用了40个季度；新云公司早期收入增速超过三大云服务商创业阶段，但体量仍有数量级差距。Databricks智能路由可降低平均任务成本超30%。Ramp数据显示，AI支出前10%企业的人均投入是中位数企业的约50倍。BCG研究显示，Token用量前20%的上市公司收入增速明显更高。

风险关注点

新云公司面临资本密集度极高的挑战：芯片折旧已占收入过半，债务利息持续攀升，资本支出规模超过营收增速。收入高增不等于高资本回报率，市场等待的是自由现金流的可持续性。横向SaaS虽短期反弹，但估值仍低于历史趋势，AI对其究竟是替代还是赋能，尚需更多季度数据验证。Token单价下降背景下，总支出能否继续扩张取决于企业应用场景的渗透深度。

后续观察指标

投资者可关注新云公司后续季度的资本开支强度、折旧占收比及利息覆盖能力；横向SaaS中AI功能对客户支出增速的拉动持续性；Token价格强度指数与总消费量的边际变化；以及顶尖实验室人才流动是否进一步向头部模型公司集中，及其对研发成本结构的影响。