传媒行业深度报告

AI算力供需错配催生NeoCloud，专业化AI基础设施价值凸显：进入AI时代后，云计算基础设施的核心矛盾从通用算力供给转向高密度 GPU集群、电力、数据中心、网络、液冷和工程交付能力的系统性供给。需求侧，大模型训练仍在迭代，多模态模型、Agent工作流、企业级AI应用和推理调用持续放量，推动AI算力需求从训练主导逐步演变为训练与推理共同驱动；供给侧，瓶颈已从GPU扩散至电力并网、数据中心建设和AI Factory交付能力。我们认为，NeoCloud本质上并非简单 GPU转租商，而是围绕AI训练和推理负载形成的重资产AI基础设施运营商，短期受益于供需错配和长约订单，中长期竞争关键在于能否从 “卖算力”升级为“算力+软件+平台”的复合服务模式。

商业模式核心在于长约、融资与交付能力循环，平台化决定长期终局： NeoCloud商业模式以高强度资本开支换取长期算力合同现金流，收入端依赖大客户长约和Backlog提升可见度，成本端则受GPU采购、电力、数据中心、网络、液冷、运维和融资成本共同影响。从经营层面看，成熟算力资产在高利用率环境下具备较强EBITDA盈利能力，但折旧摊销、利息费用和持续资本开支仍会显著压制净利润和自由现金流。我们认为，NeoCloud盈利能力可拆分为“单位算力收入-单位算力TCO-资本成本”，未来胜负不仅取决于GPU获取速度，更取决于低成本融资、稳定交付、客户质量和平台化能力。

投资建议：AI算力供需错配仍是本轮NeoCloud行业景气的核心来源，海外建议重点关注NeoCloud龙头及算力/存储产业链，国内则建议沿算力基础设施和运营商生态布局。建议关注：1）海外 NeoCloud 龙头：CoreWeave、Nebius等；2）海外算力/存储产业链：NVIDIA、Broadcom、 Marvell、Micron、SK Hynix、TSMC、Arista Networks、Vertiv、Super Micro Computer、Dell Technologies、Lenovo Group等；3）国内算力基础设施与运营商生态：盛视科技、平治信息、华策影视、协创数据、宏景科技等。

风险提示：AI算力需求不及预期风险，资本开支过高和融资成本上升风险，产能交付不及预期风险。

NeoCloud 龙头崛起，AI算力基础设施价值凸显

增持（维持）

投资要点

Nebius平台化空间更优，CoreWeave短期收入确定性更强：Nebius和 CoreWeave是当前海外NeoCloud赛道中最具代表性的两类公司。Nebius依托Yandex工程基因和AI原生重构，围绕全球AI Factory、GW级电力资源和平台化能力持续扩张，长期有望从底层GPU算力供给进一步延伸至推理平台、开发者工具和企业AI基础设施服务，成长空间更多来自“算力+平台”升级。CoreWeave则凭借与NVIDIA的深度绑定、大客户长约和资产融资模式实现快速扩张，收入积压较高、合同能见度较强，短期业绩兑现确定性更高。我们认为，两家公司分别代表NeoCloud的两条核心路径：Nebius更强调全球化布局、电力卡位和平台化演进， CoreWeave更强调GPU供给优势、NVIDIA生态绑定和合约驱动扩张，但二者均需持续关注重资本开支、融资成本、客户集中和产能交付风险。

2026年05月31日

证券分析师 张良卫

执业证书：S0600516070001

021-60199793

zhanglw@dwzq.com.cn

证券分析师 张家琦

执业证书：S0600521070001

zhangjiaqi@dwzq.com.cn

行业走势


相关研究

《“十五五”规划定调，看好游戏出海》

2026-03-16

《海外AI年度复盘及财报综述：狂欢将尽还是新周期开启？》

2026-01-21


内容目录

1. NeoCloud行业：AI算力供需错配下的新型基础设施资产运营模式...4

1.1.行业定义与定位：AI时代的专业化算力云...4

1.2.行业背景：AI算力需求爆发与物理供给刚性创造NeoCloud成长窗口...5

1.2.1.需求侧：训练需求延续，推理放量接棒...6

1.2.2.供给侧：瓶颈从GPU扩散到电力、数据中心和AI Factory交付能力...8

1.3.商业模式聚焦：重资产AI基础设施运营，核心是长约、融资与交付能力的循环...10

1.3.1.收入模式：长约和Backlog决定短期能见度，平台化收入决定长期弹性...10

1.3.2.客户结构：Hyperscaler和AI Lab贡献短期需求，企业与开发者客户决定长期天花板...11

1.3.3.融资能力：扩张的前置条件，决定长约能否转化为真实产能...12

1.3.4.成本结构与盈利能力：TCO差异决定经营利润，资本开支与融资成本压制净利润...14

1.3.5.商业模式是否可持续：供需错配创造窗口，平台化影响终局...15

1. Nebius：从基础设施出发，迈向全栈AI平台...16

2.1.公司概览：Yandex基因与AI原生重构...16

2.2.财务分析：收入兑现与资本开支并行，经营杠杆进入验证期...18

2.3.核心优势：全球AI Factory、电力卡位与工程平台能力构筑成长壁垒...21

2.3.1.优势一：全球AI Factory布局，支撑大客户交付与区域合规需求...21

2.3.2.优势二：GW级电力资源卡位，决定中长期产能上限...22

2.3.3.优势三：工程基因与平台化升级，从卖算力到卖平台的双轮驱动...24

1. CoreWeave：以AI Hyperscaler为定位的合约驱动型重资本玩家...25

3.1.公司概览：从GPU矿工到AI云基础设施平台...25

3.2.财务分析：收入加速兑现，利润与现金流仍处重资本扩张期...28

3.3.核心优势：供应绑定与架构领先，共同构筑AI云扩张壁垒...29

3.3.1.优势一：与NVIDIA深度绑定，从供应链合作升级为AI生态共同体...29

3.3.2.优势二：AI-Native基础设施架构，从“适配AI”到“为AI而建”...31

1. 投资建议...33

1. 风险提示...34


图表目录

图 1: 云厂商分类...5

图 2: 四大 CSP 资本开支（亿美元）与增速（%）...6

图 3: 英伟达收入（亿美元）与增速（%）...8

图 4: 北美 5 大 CSP 通过 GB/VR 机架获得的算力估计...8

图 5: NVIDIA B200 GPU 现货市场租赁价格...9

图 6: CoreWeave Backlog...11

图 7: NeoCloud 收入质量判断...11

图 8: NeoCloud 厂商 Adjusted EBITDA Magin (%)...14

图 9: NeoCloud 厂商 Adjusted Net Income Margin (%)...14

图 10: SemiAnalysis ClusterMAX 2.1 排名，2026 年 4 月...15

图 11: Nebius 发展历程...17

图 12: Nebius 业务概览...17

图 13: Nebius 融资梳理（2024 年 12 月-2026 年 3 月）...18

图 14: Nebius 收入（百万美元）与同比增速（%）...19

图 15: Nebius ARR（百万美元）与环比增速（%）...19

图 16: Nebius 主要收入来源...19

图 17: Nebius Adj-EBITDA（百万美元）和 Margin...20

图 18: Nebius Capex（百万美元）和同比增速（%）...20

图 19: Nebius 经营现金流（百万美元）...20

图 20: Nebius 数据中心布局...22

图 21: Nebius 签约电力容量演进...23

图 22: CoreWeave 发展历程...26

图 23: CoreWeave 业务概览...26

图 24: CoreWeave 融资梳理...27

图 25: CoreWeave 收入（百万美元）与增速（%）...28

图 26: CoreWeave Backlog（亿美元）和增速（%）...28

图 27: CoreWeave adj-EBITDA（亿美元）和 Margin...28

图 28: CoreWeave adj-Net Loss（亿美元）和 Margin...28

图 29: CoreWeave Capex（亿美元）和增速（%）...29

图 30: CoreWeave 经营现金流（亿美元）...29

图 31: CoreWeave 与 NVIDIA 深度绑定：资本支持、平台协同与生态背书共同强化扩张能力

...30

图 32: Hyperscaler 自研芯片趋势下，CoreWeave 成为 NVIDIA 重要算力分发渠道...31

图 33: CoreWeave AI 算力平台...32

图 34: CoreWeave 在 MLPerf 基准测试中领先...32

表 1: 北美五大 CSP 资本开支指引（2026 年）...6

表 2: NeoCloud 主要融资方式...13


1. NeoCloud行业：AI算力供需错配下的新型基础设施资产运营模式

1.1. 行业定义与定位：AI时代的专业化算力云

全球云计算行业正在AI时代重新分层。过去二十年，云计算竞争主要围绕通用计算、存储、数据库、网络、安全和企业服务展开，AWS、Azure、GCP等Hyperscaler依靠全球数据中心网络、完整云产品矩阵和企业客户基础，形成了全栈通用云的主导格局。进入AI时代后，云基础设施的核心矛盾发生变化：客户需求从传统通用算力转向能够支撑大模型训练、推理部署和AI应用运行的高密度GPU集群。由此，以AI算力为核心的新型专业化云厂商一一NeoCloud开始快速崛起。

从产业定位看，NeoCloud既不是传统IaaS厂商的简单延伸，也不是单纯的GPU转租商，而是围绕AI训练和推理工作负载形成的重要资产AI基础设施运营商。其核心商业模式是通过采购、融资、长期供应协议等方式获取GPU服务器，并配套数据中心、电力、网络、存储、冷却和运维能力，向大模型公司、云厂商、企业客户和开发者提供可规模化交付的AI算力服务。与全栈通用云强调产品矩阵完整度不同，NeoCloud更关注GPU资源获取速度、集群交付能力、单位算力效率、网络与调度优化，以及大规模AI工作负载的稳定运行能力。

从全球云生态看，当前云厂商大致可以划分为四类。第一类是全栈通用云，包括AWS、Azure、GCP、阿里云等，覆盖计算、存储、数据库、AI平台和企业服务等全品类，是AI算力最大的建设者、消费者和整合者。第二类是NeoCloud，包括CoreWeave、Nebius、Lambda等，核心聚焦GPU算力、AI训练集群、推理平台和AI基础设施服务，是AI时代最直接的算力供给层。第三类是垂直云/云软件平台，包括Snowflake、Databricks、Cloudflare等，主要围绕数据、应用、边缘网络或特定场景形成专业化能力。第四类是区域云/传统IT转型/数据中心基础设施玩家，主要受区域客户、数据主权、合规要求和传统IT云化需求驱动。

NeoCloud与Hyperscaler之间也并非简单替代关系，而是阶段性互补与长期竞争并存。传统Hyperscaler最初主要服务于通用计算、虚拟化、多租户应用和企业云服务，AI工作负载早期更多是其云服务体系中的新增品类。但大模型训练和推理对GPU密度、低延迟网络、液冷散热、大规模并行调度和集群稳定性提出更高要求，通用云架构叠加AI能力，与原生面向AI工作负载设计的平台之间开始出现工程效率差异。NeoCloud正是在这一阶段性窗口中，承接了大模型公司、企业客户乃至Hyperscaler自身对于新一代 GPU、大规模集群和可预期SLA的迫切需求。

但从长期看，NeoCloud的出现并不意味着云计算格局将彻底分散。相反，AI时代可能进一步强化头部全栈云厂商的综合优势。AI云竞争不仅需要GPU和数据中心，还


需要模型、开发工具、数据库、安全能力、企业客户关系、生态合作和全球交付体系。全栈云厂商能够将底层算力与上层平台、应用和企业场景打通，形成更强客户粘性和更完整商业闭环。因此，NeoCloud未来发展的核心问题，不在于短期能否依靠GPU稀缺获取订单，而在于能否从算力资源型公司，进一步升级为具备平台能力、软件能力和客户生态能力的AI基础设施平台公司。只有完成这一能力跃迁，NeoCloud才有机会在AI云长期竞争格局中占据独立位置。

图1：云厂商分类


数据来源：各公司官网，东吴证券研究所

1.2. 行业背景：AI算力需求爆发与物理供给刚性创造NeoCloud成长窗口

NeoCloud崛起的核心背景是AI算力需求快速扩张与物理产能供给刚性之间的错配。不同于传统云计算周期，本轮AI基础设施扩张并不是单纯增加通用服务器、存储和网络资源，而是围绕高端GPU集群、高功率密度数据中心、低延迟网络、液冷散热和大规模集群调度能力展开。需求侧可以在数个季度内快速爆发，而GPU交付、电力接入、数据中心建设、液冷改造和集群调试均需要较长周期，这为专业化AI算力云厂


商创造了阶段性成长窗口。

1.2.1. 需求侧：训练需求延续，推理放量接棒

AI基础设施建设仍处于高景气阶段，核心体现为头部云厂商资本开支持续上升。 2023年以来，全球主要CSP围绕GPU集群、数据中心、电力与网络设施持续加大投入， 2026年资本开支指引进一步上行。谷歌在FY1Q26财报会上将2026年全年资本开支指引由1750-1850亿美元上调至1800-1900亿美元，并预计2027年资本支出将较2026年进一步显著增加。微软在FY3Q26财报会后预计2026年全年资本开支将达到1900亿美元，同比增长约 61%。亚马逊在FY4Q25财报会上预计2026年全年资本开支约2000亿美元，同比增长超过 50%，显著高于市场此前预期。Meta也在FY1Q26财报会上将2026年全年资本开支指引由1150-1350亿美元上调至1250-1450亿美元。头部云厂商资本开支的持续上行，表明AI算力供给仍未充分满足需求，AI基础设施仍处于产能快速扩张周期。

图2：四大CSP资本开支（亿美元）与增速（%）


数据来源：各公司财报，东吴证券研究所

表1：北美五大CSP资本开支指引（2026年）

公司

2026年资本开支最新指引

此前指引/市场预期

变化

主要投入方向


亚马逊

约2000亿美元

1460-1470亿美元

显著高于预期

主要用于AWS、AI、机器人、半导体、卫星等方向；管理层强调AWS增长越快，资本开支也会随之提升

谷歌

1800-1900亿美元

1750-1850亿美元

上调50亿美元

主要由AI算力需求、Google Cloud订单增长、内部及外部AI计算需求驱动；公司还预计2027年CapEx将较2026年显著增加

微软

约1900亿美元

1470亿美元

显著高于预期。同比+61%

主要用于Azure和AI基础设施；微软FY26Q3资本开支为319亿美元，约三分之二用于GPU、CPU等短寿命资产；公司表示客户需求仍超过供给

Meta

1250-1450亿美元

1150-1350亿美元

上调100亿美元

主要由于组件价格上涨，以及为未来产能准备的额外数据中心成本

甲骨文

500亿美元

500亿美元

不变

主要用于扩建OCI云基础设施和AI算力产能

数据来源：证券时报，华尔街见闻，新浪财经，科创板日报，东吴证券研究所

英伟达最新业绩进一步验证AI基础设施需求的高景气度。FY1Q27，公司实现收入 816亿美元，同比增长 85%；其中数据中心收入达到752亿美元，同比增长 92%，占总收入比重超过9成。公司同时给出下一季度约910亿美元收入指引，反映下游AI基础设施需求仍在延续。管理层将当前行业阶段定义为大规模AIFactory建设周期，并强调Blackwell平台正在进入规模放量阶段。对于NeoCloud而言，英伟达数据中心收入的高增长不仅意味着GPU需求强劲，也意味着AI服务器、数据中心、电力、网络和冷却等配套基础设施正在同步扩张，行业景气度并非单一芯片周期，而是贯穿AI基础设施全链条的系统性建设周期。

从需求结构来看，AI算力需求正在由训练主导演逐步演变为训练与推理共同驱动。训练仍然是最直接、最集中、单体规模最大的GPU需求来源，大模型参数规模提升、多模态模型迭代以及头部模型厂商持续训练新一代模型，仍将支撑高端GPU集群需求。 TrendForce预计，2026年北美前五大CSP通过采购英伟达GB/VR系列服务器，将推动其AI训练算力同比增长超过 56%。但更重要的变化在于，推理需求正在成为AI基础设施新增需求的主要增量。TrendForce预计，2026年北美前五大CSP的AI推理算力将同比增长约 122%，增速明显快于训练算力。与此同时，微软明确表示其AI业务快速增长主要来自推理，而非单纯GPU训练租赁；AWSBedrock在2026年第一季度处理的Token数量已经超过此前所有年份总和；谷歌也首次将第八代TPU拆分为训练芯片TPU8t和


推理芯片8i。上述变化表明，AI算力需求正在从模型训练阶段，向应用调用、Agent工作流、企业级部署和实时推理场景扩散。训练需求决定单次集群规模和短期订单弹性，推理需求则决定算力使用效率、持续性和商业化深度。

这一需求结构变化对NeoCloud具有重要意义。训练需求往往以大客户、长约、大规模集群交付为主，有助于NeoCloud快速获取订单、提升收入规模，并验证其GPU资源获取和AIFactory交付能力。推理需求则具有更高频、更分散、更持续的特点，对平台化调度、成本优化、低延迟网络、弹性扩容和多租户服务能力提出更高要求。因此，NeoCloud短期成长更多受益于训练集群扩张和GPU供给稀缺，中长期能否打开更大空间，则取决于其能否承接推理放量带来的持续算力需求，并从项目型训练集群租赁，升级为更稳定的平台型AI基础设施服务。

企业AI应用落地构成NeoCloud中长期成长的另一条主线。大量企业不具备自建大规模GPU集群的能力，也未必愿意完全绑定单一Hyperscaler。随着企业将AI嵌入工作流程，模型微调、私有化部署、专属推理服务、行业智能体和企业级AI应用将持续释放算力需求。对于这类客户而言，NeoCloud的价值不只是提供GPU资源，更在于提供灵活、可扩容、交付速度快、成本相对可控的AI基础设施选择。

图3：英伟达收入（亿美元）与增速（%）


数据来源：公司财报，东吴证券研究所

图4：北美5大CSP通过GB/VR机架获得的算力估计


数据来源：TrendForce，东吴证券研究所

1.2.2. 供给侧：瓶颈从GPU扩散到电力、数据中心和AI Factory交付能力

AI算力供给并非买到GPU即可形成收入。真正可交付的AI产能，需要同时具备 GPU、服务器、数据中心、电力、液冷、网络、存储、调度系统和运维能力。任何单一环节受限，都会影响最终算力交付。因此，AI算力短缺本质上不是单一GPU短缺，而是系统工程短缺。对于NeoCloud而言，行业竞争正在由GPU获取能力，逐步转向GPU、电力、数据中心、网络和工程化能力的综合交付能力。

短期看，GPU仍是AI基础设施最核心、最稀缺的资源。由于微软等大型云服务商通常会优先将GPU库存分配给内部AI团队和大客户，部分AI初创公司算力获取难度


上升，只能以更高价格争夺剩余服务器资源。根据现货市场价格显示，租赁NVIDIAB200 GPU的每小时成本在4月中下旬大幅上涨。部分AI公司在续签Blackwell算力合同时，面临价格上涨和较长合约期限。在这一背景下，能够更早获得新一代GPU的云厂商，更容易在供给紧张、客户需求强劲、价格较高的窗口期获取订单。CoreWeave与英伟达的深度绑定本质上体现的是GPU供给、技术路线图、客户信任和资本市场背书的总和优势。Nebius也通过英伟达生态支持和大规模AIFactory建设获取高端GPU和客户合同。进一步看，Blackwell、VeraRubin等平台并不只是单一GPU升级，而是同步推动服务器形态、网络互联、液冷系统、电力密度和软件栈迭代。对于NeoCloud而言，每一轮新平台导入都会带来新的工程适配和交付要求，能够更快获取新平台、完成集群调试并交付稳定产能的厂商，将持续拥有阶段性溢价。

图5：NVIDIA B200 GPU现货市场租赁价格


数据来源：The Information，东吴证券研究所

中长期看，电力约束已经成为头部NeoCloud扩张叙事中的核心指标。根据IEA2026年最新测算，全球数据中心用电量预计将由2025年的约485TWh提升至2030年的约 950TWh，基本实现翻倍，并将在2030年占全球电力需求约 3%；其中AI-focused数据中心用电量增长更快，预计2025-2030年约增长3倍。区域上，美国是本轮数据中心电力需求增长的核心区域。IEA指出，美国将贡献全球数据中心用电增量的最大部分，到 2030年，美国数据中心用电强度预计将超过1200kWh/人，约相当于美国家庭年均用电量的 10%。

电力短缺并不只是发电量不足，更体现为并网和输电瓶颈。Lawrence Berkeley National Laboratory最新数据显示，截至2025年底，美国超过2060GW的发电和储能容量正在申请并网，大量发电和储能项目已经规划，但受制于并网审批、输电线路、系统影响评估和电网扩容，短期难以转化为可实际使用的电力。因此，未来AI云竞争不只


是GPU获取能力的竞争，更是可用电力、并网速度、高密度数据中心建设能力和低成本稳定运行能力的竞争。需要注意的是，签约电力容量与可用电力容量并不完全等同。对NeoCloud而言，更重要的是已上线电力、已并网容量、电力价格、长期购电协议、备用电源体系、液冷支持能力和高功率密度机柜交付能力。只有能够按期转化为AI Factory上线产能的电力资源，才真正构成收入天花板。

1.3. 商业模式聚焦：重资产AI基础设施运营，核心是长约、融资与交付能力的循环

NeoCloud商业模式的本质是以重资产投入换取长期算力合同现金流。其扩张路径通常包括四个环节：首先，与大客户签订多年期算力合同、容量预留协议或take-or-pay合约；其次，以客户合同、GPU资产和未来现金流为基础进行债务、股权、可转债、资产支持融资或客户预付款融资；再次，将资金投入GPU采购、数据中心建设、电力锁定和AI集群交付；最后，通过长期算力服务收入回收投资并支撑后续扩张。因此，NeoCloud的商业闭环并不是简单的客户需求驱动收入增长，而是由客户长约、融资能力、资本开支、产能交付和现金流回收共同构成的资本循环。这一模式决定了NeoCloud同时具备云服务公司和基础设施资产运营商的双重属性。收入端类似云服务，依赖客户需求、合同期限和算力价格；资产端类似基础设施，依赖资本开支、融资成本、折旧周期和资产利用率。NeoCloud的核心能力，也不只是获取GPU，而是能否将客户需求、资金、资产、工程交付和平台能力连接为可持续的商业循环。

1.3.1. 收入模式：长约和Backlog决定短期能见度，平台化收入决定长期弹性

NeoCloud收入主要来自GPU算力租赁和AI集群服务。收费形式包括GPU小时、节点租赁、专属集群、容量预留、多年期take-or-pay合同等。在AI算力供给紧张阶段，大客户为了保障训练和推理产能，通常愿意通过多年期合同提前锁定GPU资源，并通过预付款、最低采购承诺或take-or-pay条款提高供应确定性。CoreWeave的模式最具代表性，其Committed Contracts为take-or-pay，且历史活跃合同加权平均预付款约为TCV的 15%-20%。截至1Q26，CoreWeave收入达到20.78亿美元，同比增长112%，Backlog达到994亿美元，较2025年底的668亿美元进一步提升，大量未来收入已经通过客户合同提前锁定。

但Backlog规模并不等同于收入质量。我们认为，判断NeoCloud收入质量，至少需要关注四个维度：1）合同是否具备take-or-pay或最低采购承诺：若客户必须支付最低采购金额，收入确定性更强；若仅为框架协议或可选容量，实际兑现风险较高。2）客户信用质量：Microsoft、Meta等高信用客户的合同，不仅收入兑现概率更高，也更容易被资本市场认可为融资基础。3）合同期限与GPU折旧周期是否匹配：若GPU资产折


旧周期长于客户合同期限，公司将面临续约价格和资产利用率不确定性。4）定价机制是否具备保护：若合同价格相对锁定，公司在未来算力租赁价格下行时更具保护；若客户具备较强重新议价权，收入弹性和毛利率可能承压。

从收入结构看，当前NeoCloud仍以GPU基础设施收入为主，软件和平台收入占比普遍较低。短期增长主要来自训练集群、大客户容量预留和算力长约。中长期若推理API、模型优化、托管AI平台、开发者工具和企业AI工作流收入占比提升，收入结构才有机会由单纯算力租赁转向更高毛利、更高粘性的平台型收入。尤其在AI工作负载由训练扩展至推理和Agent应用后，客户需求将更加关注单位token成本、推理延迟、模型部署效率和多工作负载调度能力。平台化不再只是估值提升选项，而是NeoCloud应对AI云竞争加剧的必要条件。

图6：CoreWeave Backlog


数据来源：CoreWeave财报，东吴证券研究所

图7：NeoCloud收入质量判断


数据来源：东吴证券研究所

1.3.2. 客户结构：Hyperscaler和AI Lab贡献短期需求，企业与开发者客户决定长期天花板

NeoCloud的核心客户主要分为以下三类：

第一类是Hyperscaler和大型科技公司。它们自身AI需求增长快，但自建AI数据中心、部署GPU和调试大规模集群需要时间，因此会通过NeoCloud快速获得外部算力，作为短期产能补充。微软、Meta等客户与CoreWeave、Nebius签订大规模长期合同，体现的正是这一逻辑。对这类客户而言，NeoCloud的价值在于交付速度、可用产能和供应链弹性，而不只是价格。

第二类是AI Lab和大模型公司。这类客户对GPU需求极大，但通常采取多供应商


策略，以保障训练和推理算力供应，并降低对单一云平台的依赖。对于这类客户而言， NeoCloud的价值在于能够提供新一代 GPU、大规模集群、较短交付周期和更灵活的云合作关系。尤其是在新一代 GPU供给紧张阶段，谁能率先交付可用集群，谁就更容易获得模型公司的训练订单。

第三类是企业客户和AI应用开发者。随着AI应用从模型研发走向商业落地，金融、医药、制造、互联网、软件、自动驾驶、机器人等行业客户会产生模型微调、推理部署、Agent应用和私有化AI服务需求。这部分客户可能不需要超大规模训练集群，但需要稳定、低延迟、可扩展和成本可控的AI算力。若NeoCloud能够通过推理平台、开发者工具和企业AI工作流切入这类客户，其客户结构将从少数大客户长约逐步扩散至更多分散化需求。

现阶段头部NeoCloud客户结构仍然偏集中。大客户长约能够提高收入可见度，但也带来客户集中度风险。一旦主要客户削减订单、推迟部署、转向自建产能或迁移至其他平台，公司收入和资本开支回报率都会受到影响。

1.3.3. 融资能力：扩张的前置条件，决定长约能否转化为真实产能

融资能力是NeoCloud商业模式中最关键的环节之一。融资能力对NeoCloud的意义在于：1）影响产能扩张速度：融资效率越高，GPU采购、电力锁定和数据中心上线速度越快；2）影响利润留存能力：若债务成本过高，利息费用会显著侵蚀经营利润；3）影响资产负债表安全性：若公司过度依赖短债或高息债，一旦GPU租赁价格下行、客户需求延后或资本市场收紧，现金流与债务到期之间的错配风险将迅速放大；4）影响客户信任：大型客户与NeoCloud签订多年期AI基础设施合同，本质上是在判断供应商未来数年能否持续交付GPU、电力和数据中心产能，若供应商融资能力不足，即使客户存在需求，也未必愿意签订大额长约。

从融资模式看，NeoCloud已经从传统科技公司股权融资，转向“客户长约+资产抵押+债务融资”的重资产基础设施融资模式。由于GPU、数据中心、电力和液冷设施前期投入巨大，单纯依靠股权融资难以支撑快速扩张，头部NeoCloud普遍通过多年期限客户合同锁定未来现金流，并进一步将客户预付款、最低采购承诺或take-or-pay条款转化为融资基础。债务融资也是NeoCloud扩张的核心杠杆。CoreWeave是最典型案例，公司一方面通过OEM融资、设备融资和担保债务融资工具支持GPU采购，另一方面发行优先票据和可转债补充长期资金。与此同时，供应商和生态方支持也成为NeoCloud融资体系的重要组成部分。因此，NeoCloud融资能力的核心不只是能否融到钱，而是能否形成客户、资产和资本三者之间的闭环。高信用客户长约决定收入能见度，客户预付款和take-or-pay条款降低前期资金压力，GPU与数据中心资产支持债务融资，供应商背书进一步降低融资难度。但这一模式也放大了杠杆和交付风险，一旦GPU到货、数据中心建设、电力接入或客户上线进度不及预期，公司可能同时面临收入延迟、利息压


力上升和资产利用率不足的问题。

表2：NeoCloud 主要融资方式

融资方式

具体形式

案例

核心作用

主要风险

客户预付款

大客户在合同初期支付部分款项，用于支持GPU采购和数据中心建设

IREN与Microsoft97亿美元五年合同包含20%预付款；IREN表示将通过现有现金、客户预付款、经营现金流和其他融资支持合同相关CapEx

降低前期资金压力，把客户需求直接转化为建设资金

若交付延迟，可能触发退款、赔偿或合同终止风险

合同支持债务融资

以Microsoft、Meta等高信用客户长约为基础发行债务或获得贷款

Nebius与Microsoft174亿美元AI基础设施合同中，公司明确表示将通过合同现金流以及该合同为担保的债务融资支持CapEx，融资条件受Microsoft信用质量改善

用客户信用提升融资能力，降低债务成本

高度依赖大客户合同兑现，客户集中度和交付风险较高

设备融资/GPU抵押融资

以GPU服务器、网络设备、数据中心设备等作为抵押，获得设备贷款或OEM融资

CoreWeave披露，截至2025年9月底，公司OEMFinancingArrangements相关设备融资名义余额约19亿美元

适合GPU等可识别资产采购，资金用途明确

GPU技术迭代快，抵押品价值可能快速折旧

项目贷款/延迟提款贷款

以数据中心项目、客户合同、设备资产和未来现金流为支持，获得大额贷款额度

CoreWeave此前通过大额延迟提款贷款支持扩张；2025年7月又完成26亿美元secured debt financing facility

与CapEx节奏匹配，支持分阶段建设

利率较高、财务杠杆提升，若利用率或交付不及预期，偿债压力上升

高收益债/优先票据

发行senior notes或其他债券补充长期资金

CoreWeave2025年5月发行20亿美元2030年优先票据，2025年7月发行约18亿美元2031年优先票据

延长债务期限，补充大规模扩张资金

提高利息负担，对信用评级和资本市场窗口依赖较高

可转债融资

通过可转债获得低于普通债务的票息，同时给予投资者未来转股权

CoreWeave在FY2025后披露完成约26亿美元可转债融资；Nebius2026年完成约43.4亿美元可转债融资；AI相关可转债发行在2026年明显增加

相比纯债降低现金利息压力，适合高成长公司

股价上涨时带来摊薄；股价承压时仍是债务负担

股权融资/IPO/战略投资

私募融资、IPO、增发或战略投资

Lambda2025年2月完成4.8亿美元融资；CoreWeave已上市；Nebius曾出售认股权证给NVIDIA

补充永久资本、降低杠杆，增强市场信用

摊薄股东权益，市场窗口影响较大

供应商/生态方支持

NVIDIA、Google等通过投资、容量购买、租回或付款担保支持NeoCloud融资

NVIDIA与Lambda签署约15亿美元GPU租回协议；NVIDIA承诺购买CoreWeave未售出容量；Google在Fluidstack相关数据中心租约中提供付款支持

提升客户与融资方信心，降低产能空置风险或融资成本

生态绑定加深，供应商、客户、融资方之间关系复杂

数据中心/电力资产合作

与数据中心运营商、电力资源方、矿企转型公司合作，通过租赁、合资或长期容量协议扩张

IREN利用其Childress园区约750MW电力资源承接Microsoft合同；Fluidstack、Cipher、TeraWulf等也通过长期数据中心租约融资扩张

缓解自建数据中心和电力获取压力，加快上线速度

长期租赁负债较重，电力交付与并网风险仍存在

数据来源：新浪财经，证券时报，各公司公告，各公司财报，Davis Polk，路透社，华尔街日报，东吴证券研究所


1.3.4. 成本结构与盈利能力：TCO差异决定经营利润，资本开支与融资成本压制净利润

NeoCloud的盈利能力具有明显分化特征，本质上取决于算力租赁价格与全生命周期TCO之间的差额。收入端看，在AI算力供给紧张、GPU利润率较高、客户愿意通过长约锁定产能的阶段，已上线GPU集群能够产生较强经营利润。但成本端看，NeoCloud是典型的重资产基础设施运营商，其成本结构包括GPU服务器采购、网络设备、存储、数据中心租赁或自建、电力、液冷、运维、折旧摊销和融资成本。上述成本中，GPU和服务器决定初始CapEx，电力和数据中心决定长期运行成本，折旧和利息费用则直接影响利润表和自由现金流。因此，NeoCloud即使在EBITDA层面表现较强，也可能长期面临净利润和自由现金流压力。

从经营层面看，成熟算力资产在高利用率环境下具备较强盈利能力。1Q26， CoreWeave收入达到20.78亿美元，同比增长 112%，Adjusted EBITDA达到11.57亿美元，对应Margin为 56%；Nebius收入达到3.99亿美元，同比增长 684%，Adjusted EBITDA达到1.30亿美元，对应Margin为 32%。但EBITDA并不等同于最终盈利质量。1Q26， CoreWeave Adjusted Net Loss仍达5.89亿美元，对应Adjusted Net Loss Margin为 28%； Nebius Adjusted Net Loss为1亿美元，对应Margin约 25%。NeoCloud在EBITDA层面能够较快实现盈利，但折旧摊销、利息费用、减值、股权激励以及持续资本开支仍会显著压制净利润。

我们将 NeoCloud 盈利能力拆分为：NeoCloud 盈利能力=单位算力收入-单位算力 TCO-资本成本。其中，单位算力收入主要取决于 GPU 租赁价格、长约定价、客户结构和资产利用率；单位算力 TCO 包括 GPU 服务器采购成本、电力成本、数据中心租赁或自建成本、网络设备、液冷系统、运维成本和维护费用；资本成本则包括折旧摊销、债务利息、设备融资成本以及潜在股权摊薄。SemiAnalysis 关于 AI Cloud TCO 的分析也表明，不同 NeoCloud 之间的 TCO并不相同，CoreWeave 凭借溢价定价成为白金供应商，在大型 LLM 预训练、多模态强化学习研究、推理端点等场景中拥有显著成本优势。其研究还显示，即便 GPU 小时定价相同，超大规模云厂商在 TCO 调整后的成本可能比金牌供应商贵 10%以上，而银牌新兴云厂商可能贵 15%以上。

图8： NeoCloud 厂商 Adjusted EBITDA Magin (%)


数据来源：各公司财报，东吴证券研究所

图9：NeoCloud厂商 Adjusted Net Income Margin (%)


数据来源：各公司财报，东吴证券研究所


注：Nebius为右轴，IREN/Applied Digital财务季度调整，1Q25对应FY3Q25

注：IREN为右轴&GAAP Net Income Margin

图10：SemiAnalysis ClusterMAX2.1排名，2026年4月


数据来源：SemiAnalysis，东吴证券研究所

1.3.5. 商业模式是否可持续：供需错配创造窗口，平台化影响终局

NeoCloud商业模式是否可持续，是市场关注重点之一。我们认为，应该分阶段考虑。短期来看，商业模式具有较强支撑。AI算力需求仍处于高速增长期，GPU、电力和数据中心供给存在刚性约束，头部NeoCloud已经通过大客户长约锁定大量未来收入。在供给紧张环境下，NeoCloud可以维持较高利用率和较强定价能力。

中期来看，可持续性取决于供需缺口能维持多久。如果AI训练和推理需求继续高增，而电力、数据中心和高端GPU供给仍然紧张，NeoCloud仍将享受较高景气度。但如果英伟达扩产、Hyperscaler自建产能释放、替代芯片成熟，当前算力供给短缺可能缓解，GPU租赁价格和合同条款可能承压。届时，只有具备低成本融资、强交付能力和高质量客户合同覆盖的头部公司能够维持竞争力。

长期来看，商业模式可持续性的核心在于能否平台化。如果NeoCloud长期只是借钱买GPU、签约租出去、用现金流还债，其本质更接近高杠杆基础设施租赁公司，面临资产折旧、融资周期和价格竞争压力。真正可持续的模式，应当是在底层算力基础上形成推理平台、开发者生态、企业AI工具和客户工作流嵌入，把收入从单纯GPU租赁升级为“算力+软件+平台”的复合收入。

从这一角度看，NeoCloud行业的核心问题是头部公司能否在供需窗口期完成能力沉淀。若公司只能依赖GPU供给紧张赚取阶段性价差，长期将面临供给改善后的估值


重估。若公司能够在重资产扩张过程中沉淀客户、工程、融资和平台能力，则有机会从算力资源型公司升级为AI基础设施平台型公司。Nebius和CoreWeave之所以值得重点研究，正式因为二者分别代表了NeoCloud赛道的两条典型路径：前者从AIFactory基础设施出发，尝试向推理平台和全栈AI基础设施服务商演进；后者更偏向合约驱动型AI Hyperscaler，通过英伟达绑定、大客户长约和资产融资实现快速扩张。基于对行业商业模式分析和未来云计算竞争格局判断，我们更看好Nebius长期发展潜力。

2. Nebius：从基础设施出发，迈向全栈AI平台

2.1. 公司概览：Yandex基因与AI原生重构

Nebius是一家总部位于荷兰阿姆斯特丹的AI原生云平台公司，专注于为大模型训练、推理及企业AI应用提供全栈AI基础设施服务。公司的核心产品是面向AI和机器学习高强度工作负载深度优化的GPU集群平台，覆盖GPU算力、高性能网络、存储、数据中心基础设施以及AI工作负载管理等完整技术栈。与AWS、Azure等追求“大而全”的通用云厂商不同，Nebius的定位更接近一个AIFactory运营商。其核心价值不来自简单的GPU租赁，而是将GPU、服务器、网络、存储、电力、冷却、调度系统和开发者工具整合为可持续运行、可规模化交付的AI基础设施能力，并正加速向包含推理服务和AI工作负载管理在内的软件平台升级。

公司的战略起点决定了其与众不同的竞争禀赋。Yandex曾是俄罗斯最大的互联网科技集团之一，长期在搜索、广告、云计算、自动驾驶和数据中心等领域积累了深厚的工程能力。2022年俄乌冲突爆发后，公司创始人ArkadyVolozh被列入欧盟制裁名单，公司随即启动了国际业务与俄罗斯核心业务的彻底切割。2024年，Yandex俄罗斯业务以约26亿美元价格出售给俄罗斯本土买家，国际业务正式以Nebius品牌独立运营，由Volozh重新出任CEO，核心工程团队随之转移，并于2024年10月重返纳斯达克。这一历史背景的关键战略意义在于，Nebius并非从零起步搭建GPU租赁业务的新公司，而是在既有的云计算架构设计、分布式系统工程、数据中心运营与工程研发能力的基础上，针对AI工作负载进行全面的原生化重构。Yandex时期积累的大规模分布式系统、低延迟实时计算和云服务运营能力，均可直接迁移到GPU集群调度优化、推理延迟控制和多租户资源管理等AI云核心场景。这是普通GPU采购型转租商所不具备的底层能力，也是Nebius能够在短时间内赢得微软、Meta等超大规模客户信任的重要基础。

公司已形成多元化、高质量的资本支撑体系。自2024年12月重返纳斯达克以来， Nebius通过权益融资、战略认股权证和可转换票据三条渠道，在不足一年半的时间内累计融资逾百亿美元，且每一轮均获超额认购或主动扩容，充分反映机构投资者对公司商业模式的高度认可。权益端，2024年12月，公司完成由NVIDIA、Accel及Orbis参与


的7亿美元私募定向增发，发行价每股21美元，NVIDIA自此轮起以战略投资者身份介入，其背书的核心价值不在于资金本身，而在于为Nebius锁定了GPU供应链的优先分配权。2025年9月，公司再度完成约10亿美元公开增发，与同期可转换票据并行发行。债券端，公司先后完成三轮可转换优先票据发行：1）2025年6月首轮10亿美元；2）2025年9月，紧随微软合约落地，第二轮从原定20亿美元扩容至27.5亿美元，以合约现金流为信用抵押的资产支持结构使融资成本显著低于无担保债务；3）2026年3月，第三轮从37.5亿美元进一步扩容至43.4亿美元。与此同时，NVIDIA于2026年3月以认购预融资认股权证的方式向公司注资约20亿美元，以象征性行权价获得可转换为逾2100万股A类普通股的权证，进一步强化了双方在GPU供应链上的战略绑定。

图11：Nebius发展历程


数据来源：人民日报，纽约时报，财联社，智东西，电子工程专辑，华盛通，路透社，Nebius，东吴证券研究所

图12：Nebius业务概览



数据来源：Nebius，东吴证券研究所

图13：Nebius融资梳理（2024年12月-2026年3月）

时间

融资类型

规模

战略意义

权益融资（合计约17亿美元）

2024年12月

私募权益

7亿美元

复牌后首轮融资，超额认购；NVIDIA战略入股，锁定GPU供应链优先分配权

2025年9月

公开增发

10亿美元

微软合约落地后配套融资，与27.5亿美元可转换票据同期发行

NVIDIA战略认股权证投资（合计约20亿美元）

2026年3月

认股权证

20亿美元

GPU分配优先权实质性强化

可转换优先票据（合计约87.5亿美元）

2025年6月

可转债

10亿美元

首轮可转债，用于GPU采购及数据中心建设

2025年9月

可转债

27.5亿美元

紧随微软174亿美元合约落地；资产支持融资结构

2026年3月

可转债

43.4亿美元

与NVIDIA认股权证同步发行，迄今最大单轮

数据来源：Nebius，路透社，东吴证券研究所

2.2. 财务分析：收入兑现与资本开支并行，经营杠杆进入验证期

收入高增已获财务验证，ARR与客户长约共同夯实能见度。1Q26，Nebius实现集


团收入3.99亿美元，同比增长 684%，环比增长 75%；核心AI Cloud收入3.90亿美元，同比增长 841%，环比增长 82%，占总收入约 98%。收入加速并非单纯来自低基数，而是产能扩张、GPU供需紧张、定价韧性和高利用率共同推动的结果。从客户承诺看，微软和Meta构成了公司未来收入可见度的两大核心锚点，两笔合约均为5年期，法律约束力明确，且均含分批交付安排，使收入释放具备较高的确定性与节奏可预期性。ARR快速提升也验证产能正在持续被客户消化。1Q26末，AI业务ARR达到19.2亿美元，较上季度末的12.5亿美元环比增长超过 50%。同时，公司维持全年ARR指引70-90亿美元。ARR的快速提升表明，新增AI Cloud产能正在稳定转化为年化收入，而非依赖一次性交付拉高单季数字。后续判断收入增长质量，不应只看单季增速，更应跟踪ARR的绝对水平与环比增速、客户长约覆盖率、各AI Factory站点实际投产节奏以及GPU利用率。微软合约2026年下半年主力批次交付是下一阶段ARR能否接近指引上限的最关键单一变量。

图14：Nebius收入（百万美元）与同比增速（%）


数据来源：Nebius财报，东吴证券研究所

图15：Nebius ARR（百万美元）与环比增速（%）


数据来源：Nebius财报，东吴证券研究所

图16：Nebius主要收入来源

客户/合作方

已披露规模

合同性质

确定性强弱

主要意义

Microsoft

174亿美元，最高194亿美元

5年期AI基础设施协议

高，另有20亿美元潜在扩展

高信用客户长约，验证Hyperscaler交付能力

Meta

120亿美元确定采购，最高270亿美元

5年期AI基础设施供应协议

120亿美元较高，额外150亿美元偏条件性

降低单一客户依赖，并为新增产能提供需求兜底

数据来源：Nebius公告，东吴证券研究所

经调整EBITDA由负转正，经营杠杆开始实质性释放。1Q26，公司经调整EBITDA由去年同期亏损5370万美元转为盈利1.295亿美元，对应经调整EBITDA Margin由 105.5%提升至 32.5%，AI云业务经调整EBITDA Margin从4Q25的 24%进一步扩张至 45%。这一改善并非费用压缩的结果，其底层机制是GPU集群、数据中心、电力与网络


等大量前置固定成本随收入放量被快速摊薄，同时新一代GPU定价能力更强推动毛利率提升，客户向更长期合约迁移也进一步改善了单位算力的收入产出。

高Capex是Nebius成长的基础，也是市场估值分歧的核心。公司已将2026年Capex指引从160-200亿美元上调至200-250亿美元，约为全年收入指引的6-8倍。孤立看绝对金额意义有限，判断Capex质量的核心维度在于：新增产能是否属于“订单驱动型扩张”，而非基于市场乐观预期的激进押注。从现有证据看，此轮Capex上调的主要驱动是Meta在2026年3月扩容协议中已明确承诺的2027年算力需求。客户不仅在合同上承诺采购，更已用真金白银为未来产能买单，部分建设风险由此从公司转移至客户侧，有效降低了前置资本投入的不确定性。若微软、Meta等高信用客户的长约持续覆盖新增产能，高Capex更接近未来收入的前置锁定；反之，若AI算力供需关系出现逆转或新增产能未能被充分消化，高资本开支将迅速转化为产能空置、折旧压力与资产回报率下降。因此，后续跟踪的核心指标不是Capex绝对金额，而是订单覆盖率、产能上线节奏、GPU利用率与单位Capex产出。

图17：Nebius Adj-EBITDA（百万美元）和 Margin


数据来源：公司财报，东吴证券研究所

图18：Nebius Capex（百万美元）和同比增速（%）


数据来源：公司财报，东吴证券研究所

图19：Nebius经营现金流（百万美元）



数据来源：公司财报，东吴证券研究所

2.3. 核心优势：全球AI Factory、电力卡位与工程平台能力构筑成长壁垒

2.3.1. 优势一：全球AI Factory布局，支撑大客户交付与区域合规需求

全球AI Factory布局是Nebius区别于其他厂商的重要基础。对于AI云厂商而言， GPU资源只是基础，真正决定公司能否承接大客户需求的是可交付产能。可交付产能不仅包括GPU和服务器本身，还涵盖数据中心场地与电力接入、冷却系统与机架设计、运维体系与SLA保障能力，以及日益重要的区域合规与数据主权能力。Nebius正在全球范围内系统性地构建其AI Factory网络一一从美国东部的新泽西州、宾夕法尼亚州，到中部的密苏里州，再到欧洲的芬兰、法国、英国，以及中东的以色列，形成了覆盖主要AI算力需求地区的多站点布局。

美国市场是Nebius当前最核心的营收来源。新泽西州瓦恩兰数据中心专门为微软服务，已于2025年开始分批上线，是微软174亿美元合约的主要交付节点。密苏里州独立城站点于2026年5月正式奠基，是公司首个GW级自建AI Factory，占地超过百公顷，完工后将成为面向多客户的通用AI云主力产能。宾夕法尼亚州新站点是目前已知的最大单体项目，最高可支持1.2GW电力容量，主要面向2027年的新增产能需求，与此前披露的Meta扩容协议形成明确的需求-供给对应关系。

欧洲市场则承担着完全不同的战略功能。欧盟《AI法案》和GDPR构建了全球最严格的数据合规框架，使本地数据主权成为大量欧洲企业和政府机构在采购AI基础设施时的优先考量因素。Nebius总部位于阿姆斯特丹，并在芬兰、法国、英国以及冰岛等地推进布局，具备在欧洲本地提供合规算力服务的独特能力。北欧站点的额外优势在于能源成本。芬兰和冰岛拥有充裕的可再生水电和风电资源，数据中心电力使用效率可接近1.1，明显低于Uptime Institute2024年披露的全球数据中心平均值1.56，意味着相同的算力产出所需总能耗更少，单位运营成本更低。


全球布局的深层价值，在于使Nebius能够向微软、Meta等超大规模客户提供跨地区的长期算力保障。这类客户采购的从来不是简单的GPU实例，而是能够持续扩容、满足区域合规要求并保障SLA的长期算力伙伴。Nebius通过多区域AI Factory布局，向市场证明了其具备工程复制和跨区域交付能力，这是普通GPU采购转租商所无法提供的。然而，全球化布局的另一面是执行风险的累积。多区域同步建设大幅提高了项目管理的复杂度，例如宾夕法尼亚州1.2GW站点从签约到全面上线，至少需要经历电力并网、变电站建设、GPU部署和SLA验收等多个关键环节。后续各站点的实际投产节奏和客户上线情况值得重点关注。

图20：Nebius数据中心布局

地点

模式

状态

当前/规划容量

详情

欧洲

芬兰·曼采莱

自建

运营中

75MW

继承自Yandex的原始旗舰数据中心，2024年完成三倍扩容，GPU扩展至约6万张，当前容量完全售罄

芬兰·拉彭兰塔

自建

建设中

310MW

新建超大规模AI专用园区，满负荷运行后将是欧洲最大AI专用计算设施之一

法国·巴黎

托管

运营中

少量

早期欧洲扩张托管节点，主要服务法国及西欧客户，随着贝蒂讷大型自建节点推进，巴黎节点将逐步迁移整合

法国·贝蒂讷

自建

规划/建设

240MW

大规模AI专用超大规模数据中心改造项目，将是法国最大AI计算节点

冰岛·凯夫拉维克

托管

运营中

10MW

100%可再生能源驱动，天然低温提供免费冷却，对注重ESG的欧洲企业客户吸引力显著，绿色数据中心认证优势突出

英国·萨里郡

托管

运营中

~4000GPU

欧洲首批BlackwellUltraGPU部署之一，液冷高密度设计，支持英国初创、科研及公共部门，自备发电规避英国电网接入限制

美国

密苏里州·堪萨斯城

托管

运营中

5-40MW

美国首个落地节点，由堪萨斯城星报印刷厂改建，作为“快速上市”验证站点证明了Nebius快速部署能力，二期扩容于2025年Q2完成

新泽西州·瓦恩兰

自建

建设中

300MW（首期）

按Nebius专有设计建造，分阶段建设，支持大规模专属实例，自备发电架构规避东部电网接入瓶颈，电力资源自主可控

宾夕法尼亚州

自建

规划中

250-250MW（首期）

满容量1.2GW是全球最大AI专用数据中心规划之一，Meta已就宾夕法尼亚新容量预签协议（纳入270亿美元、五年框架），2027年首期点亮时已有确定客户承诺

密苏里州·独立城

自建

规划中

大规模

是现有托管节点的规模化升级，具体容量和时间表尚未公开披露

阿拉巴马州·伯明翰

自建

许可申请中

大规模

利用TVA剩余电力，电力成本具竞争力；2026年1月公众听证会引发当地社区异议，聚焦噪音、用水及土地分类问题，Nebius在临时暂停令前提交许可，主张既得权利，但获批存在不确定性

以色列

莫迪因

托管

运营中

8MW

Nebius进入以色列市场首个站点，25%GPU资源贡献以色列创新局国家超算项目，体现主权AI战略布局价值

马斯米耶

托管

建设中

22MW

与贝特谢梅什打包合同总价约8.8亿美元，两站合计将以色列部署容量从8MW跃升至逾88MW（含远期）

贝特谢梅什

托管

建设中

58MW

以色列规模最大的Nebius站点，远期222MW将成为中东重要AI算力枢纽

数据来源：Nebius公告，Data Center Dynamics，路透社，Data Center Magazine，BAXTEL，东吴证券研究所

2.3.2. 优势二：GW级电力资源卡位，决定中长期产能上限

AI基础设施的竞争焦点，已从“谁能采购到GPU”演变为“谁拥有可用的电力和数据中心”。随着GPU从H100到H200再到B200、B300的快速迭代，单GPU功耗持


续上升，NVIDIA下一代旗舰平台GB200NVL72机柜的满载功率预计高达130kW以上。在这一背景下，电力接入能力已成为数据中心建设最核心的瓶颈。根据Lawrence Berkeley National Lab2025年发布的研究数据，美国电网的并网申请队列等待期中位数已接近5年，意味着今天没有签约电力的公司，至少在5年内无法新增大规模算力产能。 Nebius通过提前大规模锁定电力资源，本质上是在为未来3-5年的产能扩张打下无法被快速复制的竞争基础。

从公司电力储备的演进轨迹看，增速之快令人印象深刻。2025年8月融资时，公司披露签约电力约1GW；微软合约落地后，2025年底目标提升至2.5GW；2025年Q4实际超过2.5GW，同时有800MW-1GW处于连接（即可立即用于部署GPU）状态；1Q26末，签约电力已超过3.5GW，远超原全年目标，促使公司随即将年底目标上调至超过 4GW。宾夕法尼亚州新站点最高1.2GW的签约，是这一轮目标上调的主要来源，也是 2027年新增产能的核心载体。

理解电力资源对收入天花板的意义，可以通过一个简化框架：可用IT负载电力 $ \times $ 单位电力 GPU部署密度 $ \times $ GPU平均利用率 $ \times $ 单 GPU小时价格 $ \times $ 年运行小时数 = 年化收入上限。以B200集群为参考，B200单GPU功耗约1000W，但实际部署还需考虑服务器、CPU、内存、网络、存储、供电冗余和冷却等配套负载，因此单纯以GPU芯片功耗估算容量会高估实际可部署数量。Nebius芬兰Maintsa站点披露75MW可容纳最多约60,000块GPU，对应约800块GPU/MW，可作为单位电力GPU部署密度的参考口径。按Nebius官网B200NVLink价格5.50美元/GPU小时估算，若采用800块 GPU/MW、80%平均利用率，则1MW有效IT负载对应年化收入约3,083万美元；反推 70-90亿美元ARR约需227-292MW有效IT负载。Nebius1Q26股东信披露，公司2026年ARR指引为70-90亿美元，同时合约容量已超过3.5GW，并将2026年底合约容量目标上调至超过4GW。由此看，公司提前锁定GW级电力资源，确实为70-90亿美元ARR目标提供了重要资源基础。但需要注意，合约电力并不等于当期可用IT负载。真正决定ARR兑现的，是电力能否按期转化为连接电力、数据中心是否完成建设、GPU是否完成部署、客户是否按计划上线以及实际利用率能否维持在较高水平。因此，Nebius的>4GW电力目标更准确地说是对中长期产能扩张能力的背书，而非对当期收入的直接等同。

北欧站点的选址策略，还体现了对运营成本的长远规划。芬兰和冰岛站点具备两大结构性成本优势：1）可再生水电和风电资源充裕，电力成本低于欧洲大陆平均水平；2）寒冷的自然气候几乎可以完全替代主动冷却，大幅降低冷却系统的资本开支和运营成本。对于 $ 7\times 2 4 $小时高负荷运行的AI集群而言，运营成本差异在规模化后将转化为数亿美元级别的竞争优势，是竞争对手难以通过短期选址调整来弥补的结构性差异。

图21：Nebius签约电力容量演进


时间点

签约/目标容量

2025年8月

约1GW

2025年底

目标2.5GW

2025年Q4

超2.5GW，800MW-1GW连接中

2026年Q1

超3.5GW

2026年底

目标超4GW

数据来源：EQS，Data Center Dynamics，Nebius，东吴证券研究所

2.3.3. 优势三：工程基因与平台化升级，从卖算力到卖平台的双轮驱动

工程基因是Nebius区别于普通GPU转租商最本质的底层优势。AI云不是简单地采购GPU然后出租，而是一项需要长期积累分布式系统架构、数据中心运维工艺、高性能网络工程、大规模集群调度和客户交付管理的综合能力。Nebius脱胎于Yandex，继承了这家互联网巨头二十余年的大规模计算系统工程积淀：搜索引擎时期的大规模并发分布式处理能力，可迁移至GPU集群调度与多租户任务管理；自动驾驶项目锻炼的低延迟实时控制能力，可迁移至AI推理延迟优化和SLA保障；YandexCloud的多年运营经验，则直接为AICloud平台架构和客户运维提供了成熟范本。创始人ArkadyVolozh亲任CEO，在资本市场、大客户谈判和内部执行三端保持高度整合能力，对于一家年度Capex规模超过当年收入7倍的重资本公司而言，这种创始人级别的决策权威是维持战略连贯性的重要组织保障。超过1000名AI工程师的团队规模，在国际Neocloud领域处于领先地位，是公司在高强度扩张阶段保持交付质量和产品迭代速度的核心支撑。

Token Factory是Nebius从GPU云向高附加值推理平台延伸的战略抓手。公司于2025年11月发布Token Factory，将其定位为面向生产环境的推理平台，支持企业在开源和自定义模型上完成部署、后训练、访问管理和规模化推理，并依托Nebius全栈AI基础设施和AI Cloud3.0“Aether”实现低延迟、高吞吐和成本可控。因此，Token Factory并非简单API转售，而是将模型部署、推理优化、平台治理与底层算力资源整合为统一的生产级推理服务。2026年以来，Nebius围绕Token Factory连续补强软件能力。公司先后宣布收购Tavily和EigenAI：前者提供agentic search能力，补足Agent应用对实时网络搜索、外部数据获取和RAG的需求；后者以约6.43亿美元交易对价收购，主要强化模型层推理和后训练优化能力，提升单位GPU的token产出效率。与此同时，Nebius引入Clarifai核心工程和研究团队，并获得其推理与计算编排技术许可；公司明确表示，EigenAI偏模型层优化，Clarifai偏系统层优化，二者结合有助于Token Factory形成贯穿模型、系统和基础设施的端到端推理能力。从商业模式看，TokenFactory的意义在于把底层GPU算力进一步包装成高粘性API和推理平台服务。Nebius披露，早期客户Prosus在特定场景中相较前沿闭源模型实现最高26倍成本下降。若TokenFactory能够


持续以低成本推理吸引开发者和企业客户，Nebius有望通过更低 token成本绑定客户对自有算力的使用，并将 API层利润更多内化到自身平台。

3. CoreWeave：以AI Hyperscaler为定位的合约驱动型重资本玩家

3.1. 公司概览：从GPU矿工到AI云基础设施平台

CoreWeave是美国AI云基础设施公司，自我定位为“AI Hyperscaler”，核心是为AI工作负载提供原生构建的高性能云平台。与Nebius一样，CoreWeave并不追求覆盖计算、存储、数据库、企业软件等完整云服务品类，而是高度聚焦GPU加速计算，围绕大模型训练、推理、高性能计算和企业AI部署提供专用基础设施。公司的核心能力由数据中心、电力资源、NVIDIAGPU集群、高性能网络、Kubernetes编排栈以及面向AI负载的软件工具共同构成，本质上是将GPU硬件、数据中心工程、网络架构和软件调度能力打包为可规模化交付的AI算力平台。

从基础设施规模看，CoreWeave已经成为独立AI云厂商中最具代表性的重资产玩家之一。截至1Q26，公司活跃运营数据中心数量达到49个；可用电力容量超过1GW，已签约电力容量超过3.5GW，并计划在2030年前建设超过5GW的AIFactory产能。这意味着CoreWeave已经从早期GPU云服务商，逐步演化为围绕电力、数据中心、GPU和客户长约进行系统化扩张的AI基础设施平台。

公司的发展路径决定了其与传统云厂商截然不同的组织基因。CoreWeave由 Michael Intrator、Brian Venturo和 Brannin McBee等人在2017年创立，早期名为Atlantic Crypto，主营业务是利用GPU进行加密货币挖矿。加密市场下行后，公司并未清算GPU资产，而是将高密度GPU部署、电力管理、散热运维和集群调度能力迁移至GPU云服务，并于2019年更名为CoreWeave。虽然早期挖矿业务并非面向AI场景，但其沉淀的底层工程能力，恰好与后续大模型训练和推理所需的GPU密集型基础设施高度匹配。

2022年后，CoreWeave抓住NVIDIAGPU迭代窗口，完成从GPU云厂商到AI基础设施平台的跃迁。公司在H100早期供应阶段大规模押注NVIDIA最新GPU，成为少数能够较早批量交付H100集群的非超大规模云厂商之一。此后，公司与NVIDIA的关系从供应链合作进一步升级为资本、技术和生态绑定。NVIDIA在2023年参与CoreWeave融资；2026年1月进一步以每股87.20美元价格投资20亿美元，并宣布双方将在AI Factory建设、NVIDIA软硬件验证和大规模AI基础设施交付上深化合作。对CoreWeave而言，NVIDIA不仅是关键供应商，也是战略股东和生态背书方；但这种绑定也使公司暴露于NVIDIA生态、GPU供给和产品迭代周期之下。


更重要的是，CoreWeave率先将GPU基础设施资产“金融化”，形成区别于多数 NeoCloud 厂商的扩张能力。2023年，公司曾以H100 GPU等资产为抵押完成大额债务融资，开创了以GPU硬件和客户合约现金流作为融资基础的模式。此后，公司持续围绕客户长约、GPU资产和数据中心项目推进延迟提取定期贷款融资，形成“签订客户长约-锁定GPU与数据中心资源-以资产和合约现金流融资-建设并交付产能-确认收入和现金流”的闭环。2026年3月，公司完成85亿美元DDTL4.0融资，获得Moody’s A3和DBRS A(Iow)投资级评级，公司称这是首个由HPC基础设施和相关客户合约支持、达到投资级评级的融资安排。

图22：CoreWeave发展历程


数据来源：CoreWeave，Businesswire，36氪，路透社，证券时报，东吴证券研究所

图23：CoreWeave业务概览



数据来源：CoreWeave，路透社，OpenPipe，雅虎财经，Marimo，东吴证券研究所

图24：CoreWeave融资梳理

时间

融资类型

规模

战略意义

早期股权融资及二次出售(合计约28-30亿美元)

2021年11月

B轮

0.5亿美元

Magnetar领投，CoreWeave完成转型为AI云后首次主流机构融资

2023年4-5月

B轮及扩展融资

4.21亿美元

Magnetar继续领投，NVIDIA参与融资，开启产业绑定

2023年12月

二次出售

6.42亿美元

旧股转让，估值大幅抬升

2024年5月

C轮

11亿美元

Coatue领投，IPO前最后一轮私募融资，估值约190亿美元

2024年11月

二次出售

6.5亿美元

Jane Street、Fidelity、Macquarie等首次入股，预热IPO

IPO和IPO后股权融资(合计约45亿美元)

2025年3月

IPO

15亿美元

40美元/股登陆纳斯达克；NVIDIA锚定2.5亿美元，OpenAI同步认购3.5亿美元

2026年1月

NVIDIA增资

20亿美元

87.2美元/股私募增资，配套至2030年5GW+AI Factory联合建设计划

2026年4月

Jane Street增资

10亿美元

109美元/股，配套60亿美元算力使用合约，金融垂直行业的标杆性背书

高息债与可转换票据(合计约112.5亿美元)

2025年5月

高级票据

20亿美元

票息9.250%，2030年到期，IPO后首发美元债，定价反映非投资级风险溢价

2025年7月

高级票据

17.5亿美元

票息9.000%，2031年到期，超额认购，规模由15亿美元上调至17.5亿美元

2025年12月

可转换高级票据

22.5亿美元

票息1.75%，2031年到期，转股溢价显著降低名义资金成本

2026年4月

高级票据

17.5亿美元

票息9.750%，2031年到期，配合Meta等客户合约扩容及基础设施建设需求

2026年4月

可转换高级票据

35亿美元

票息1.75%，2032年到期，初始转股价约119.6美元，为公司迄今最大单笔可转债

GPU抵押融资DDTL系列(合计约209亿美元)

2023年8月

DDTL1.0

23亿美元

Blackstone、Magnetar领投，行业首创以H100 GPU为抵押的债务融资，定价约SOFR+11%

2024年5月

DDTL2.0

75亿美元

Blackstone再度领投，14家投资人参与；当时最大规模私募信贷之一

2025年7月

DDTL3.0

26亿美元

Morgan Stanley、MUFG牵头，定价SOFR+4%，专项用于交付OpenAI合约

2026年3月

DDTL4.0

85亿美元

获Moody's A3/DBRS A(low)投资级评级，定价SOFR+2.25%，行业首次GPU抵押融资获投资级评级

数据来源：CoreWeave，Businesswire，路透社，PR Newswire，Investopedia，东吴证券研究所


3.2. 财务分析：收入加速兑现，利润与现金流仍处重资本扩张期

收入端高速增长，合约储备强化未来能见度。CoreWeave收入规模在过去两年快速放大，2024年收入19.15亿美元，同比增长约 700%；2025年收入进一步提升至51.31亿美元，同比增长 168%；1Q26实现收入20.78亿美元，同比增长 112%，单季收入已接近2024年全年水平。公司维持2026年全年120-130亿美元收入指引，并将2026年末年化收入规模指引由170-190亿美元上调至180-190亿美元，反映已签约订单正随GPU集群和数据中心上线逐步转化为收入。更重要的是，截至1Q26末，公司Backlog达到 994亿美元，同比增长 284%、环比增长 50%，剩余履约义务达到988亿美元。对CoreWeave而言，当前收入增长并非单纯来自现货算力需求，而是由多年期大客户合约驱动。

图25：CoreWeave收入（百万美元）与增速（%）


数据来源：公司财报，东吴证券研究所

图26：CoreWeave Backlog（亿美元）和增速（%）


数据来源：公司财报，东吴证券研究所

利润表呈现“EBITDA强、净利润弱”的典型重资产特征。1Q26，公司经调整EBITDA达到约12亿美元，对应Margin为 56% ，说明已投入运营的算力资产具备较强经营盈利能力；但同期公司净亏损7.40亿美元，净亏损率约 36%。这种分化主要来自折旧摊销和利息费用压力。1Q26，公司利息费用从去年同期的2.64亿美元提升至5.36亿美元；同时，大量GPU、服务器和数据中心投入带来高折旧摊销，使净利润明显承压。换言之，公司在EBITDA层面已经验证算力资产盈利能力，但高资本开支和高杠杆扩张仍在利润表中形成显著拖累。

图27：CoreWeave adj-EBITDA（亿美元）和 Margin

图28：CoreWeave adj-Net Loss（亿美元）和 Margin



数据来源：公司财报，东吴证券研究所


数据来源：公司财报，东吴证券研究所

现金流好于净利润，但自由现金流仍显著为负。1Q26，公司经营现金流明显好于同期净亏损，主要受客户预付款、递延收入增加和营运资本变化影响，说明长期合约可以在一定程度上为扩张提供现金支持。但公司仍处于资本开支高峰期，1Q26资本开支达到约68亿美元，全年2026年资本开支指引为310-350亿美元，主要用于NVIDIA芯片采购、数据中心和能源基础设施建设。

图29：CoreWeave Capex（亿美元）和增速（%）


数据来源：公司财报，东吴证券研究所

图30：CoreWeave经营现金流（亿美元）


数据来源：公司财报，东吴证券研究所

3.3. 核心优势：供应绑定与架构领先，共同构筑AI云扩张壁垒

3.3.1. 优势一：与NVIDIA深度绑定，从供应链合作升级为AI生态共同体

与NVIDIA的深度绑定，是CoreWeave相较其他NeoCloud厂商最核心的差异化优势之一。这种关系并不是简单的“GPU采购-云服务销售”，而是逐步演化为涵盖资本、硬件供应、技术协同、产品路线图和生态背书的多层次合作。NVIDIA早在2023年即参与CoreWeave融资，并在公司上市前后持续持股；2026年1月，NVIDIA进一步以每股 87.20美元价格投资20亿美元，同时宣布双方将扩大合作，共同推进超过5GW的AI Factory建设。根据双方公告，CoreWeave还计划将其云平台扩展至NVIDIARubin平台、


Vera CPU、BlueField等下一代基础设施。由此看，CoreWeave已经不只是NVIDIAGPU的重要采购方，而是NVIDIA在Hyperscaler之外推动AI Factory落地的重要合作伙伴。

这一绑定的本质，是NVIDIA在GPU供给紧张和云厂商加速自研芯片背景下，对核心算力分发渠道的战略选择。AWS、Google、Microsoft等超大云厂商均在推进自研AI芯片，以降低对NVIDIA GPU的依赖。相比之下，CoreWeave并不自研AI芯片，而是围绕NVIDIA GPU构建AI云平台，因此更符合NVIDIA扩大GPU生态、强化客户触达和加速新平台商业化的需求。对NVIDIA而言，CoreWeave既是GPU大客户，也是其面向AI Lab、企业客户和开发者生态输出完整AI Factory能力的重要载体。对CoreWeave而言，NVIDIA则提供了GPU供给、技术路线图、性能优化和客户信任背书。

硬件优先供给，是这种绑定带给CoreWeave最直接的竞争优势。在AI云行业，能否提前获得新一代GPU，往往决定厂商能否在供给最紧、价格最高、客户需求最强的窗口期抢占订单。CoreWeave过去多次体现出领先部署NVIDIA新平台的能力，公司较早商业化部署H100、H200、GB200等产品，并计划将平台扩展至NVIDIARubin架构。对AI Lab和大型企业客户而言，这种领先部署能力意味着更早获得新一代算力、更高训练与推理效率，以及更低排队和迁移成本。因此，CoreWeave与NVIDIA的深度绑定不仅提升了供给确定性，也强化了其在大客户长约谈判中的议价能力。

技术协同和生态背书进一步降低了客户尽调成本。CoreWeave并不是简单采购GPU后出租，而是围绕NVIDIA GPU构建适配AI训练和推理负载的软件栈、集群调度能力和高性能网络架构，并多次参与MLPerf等行业基准测试。对于AI云客户而言，选择供应商不只是比较GPU数量和单价，更重要的是判断其能否稳定交付大规模集群、持续优化性能，并及时跟进下一代硬件平台。NVIDIA的资本参与、硬件支持和技术协同，实际上为CoreWeave提供了信用增强，使其更容易从单纯GPU云服务商升级为核心AI基础设施合作伙伴。

但这一优势也伴随显著的单一依赖风险。CoreWeave的核心竞争力高度围绕 NVIDIA生态构建，其硬件供给、软件栈、网络架构、性能优化和客户认知均与 NVIDIA深度绑定。如果未来其他厂商芯片在性能或成本曲线上取得突破，或 NVIDIA因渠道策略、Hyperscaler关系、供给紧张等原因调整对 CoreWeave的支持力度，CoreWeave的相对优势可能被削弱。

图31：CoreWeave与NVIDIA深度绑定：资本支持、平台协同与生态背书共同强化扩张能力


绑定维度

NVIDIA提供

CoreWeave获得的优势

对CoreWeave商业模式的影响

资本支持

NVIDIA于2026年1月以87.20美元/股向CoreWeave投资20亿美元

增强资产负债表与市场信心

支撑重资本扩张和AI Factory建设

平台协同

双方计划推进Rubin平台、Vera CPU、BlueField等下一代NVIDIA基础设施合作；CoreWeave曾较早接入H100、H200、GB200/GB300NVL72等平台

更快跟进NVIDIA新一代GPU平台

提升高端算力供给能力和客户黏性

技术验证

双方计划测试和验证CoreWeave的AI-native软件及参考架构，包括SUNK、Mission Control等

提升软件栈、集群管理和平台稳定性的可信度

降低客户对大规模集群交付能力的尽调成本

生态背书

双方共同推进超过5GW AI Factory建设，并强化基础设施、软件和平台层面的合作

增强AI Lab和企业客户对CoreWeave长期交付能力的信任

强化多年期大客户合约获取能力

数据来源：NVIDIA，东吴证券研究所

图32：Hyperscaler自研芯片趋势下，CoreWeave成为NVIDIA重要算力分发渠道

云厂商类型

代表公司

芯片策略

与NVIDIA关系

对NVIDIA意义

Hyperscaler

AWS/Google/Microsoft

自研AI芯片与NVIDIA GPU并行

核心客户，但同时降低对NVIDIA的依赖

需应对客户自研芯片替代风险

NeoCloud核心伙伴

CoreWeave/Nebius

不自研AI芯片，围绕NVIDIA GPU构建AI云平台

资本、平台与生态深度合作

放大NVIDIA GPU生态，承接Hyperscaler之外的AI算力需求

其他GPU云/AI云

Lambda/Crusoe

以NVIDIA GPU为主要算力底座，但公开披露的绑定深度不同

NVIDIA云合作伙伴与渠道补充

扩大NVIDIA GPU触达范围，分散下游需求来源

数据来源：英伟达，Lambda，Crusoe，东吴证券研究所

3.3.2. 优势二：AI-Native基础设施架构，从“适配AI”到“为AI而建”

CoreWeave的基础设施优势，来自其AI-Native架构起点。传统超大规模云厂商的基础设施最初主要服务于通用计算、虚拟机、共享存储和多租户工作负载，后续再通过 GPU实例、专用网络和高性能存储承接AI训练与推理需求。相比之下，CoreWeave从业务转型早期即围绕GPU加速计算、AI训练和高性能计算搭建平台，因此其架构更接近“为AI而建”，而不是在通用云架构上追加GPU能力。

这种差异体现在资源调度、网络、存储和运维四个层面。CoreWeave以 Kubernetes和裸金属 GPU 集群为核心，尽量减少传统虚拟化层对高性能计算的性能损耗；在大规模集群中采用 NVIDIA 高性能网络、NVLink/NVL72机架级架构和液冷方案，支持低延


迟、高带宽的分布式训练；同时引入DPU和网络/存储offload能力，将部分网络、存储和安全任务从CPU/GPU侧剥离；并通过Mission Control等自研运营工具监控节点健康、管理节点生命周期，降低大规模训练中的中断和GPU小时浪费。NVIDIA与CoreWeave的合作公告也提到，双方计划测试和验证CoreWeave的AI-native软件和参考架构，包括SUNK和CoreWeave Mission Control，并推进与NVIDIA云伙伴和企业客户参考架构的互操作。

架构优势最终体现为两类结果：性能更高、部署更快。在MLPerf Inference v5.0中， CoreWeave使用NVIDIA GB200 Grace Blackwell Superchips，在Llama3.1405B模型上实现800 tokens/s的推理性能，较H200实现约2.86倍单GPU性能提升；其H200实例在Llama270B模型上实现约33,000 tokens/s，较H100提升约 40%。训练侧，CoreWeave、 NVIDIA和IBM联合提交MLPerf Training v5.0结果，使用2,496颗NVIDIA GB200 GPU，在Llama3.1405B训练任务中用27.3分钟完成训练提交，CoreWeave称这是当时MLPerf中规模最大的GB200NVL72集群提交。公开基准的意义在于，它证明CoreWeave并非单纯堆叠GPU，而是具备将GPU、网络、存储和调度系统整合为高效集群的工程能力。

但这一壁垒并非技术独占，而更接近“工程债务差”带来的阶段性领先。Kubernetes、NVLink/InfiniBand、DPU offload、液冷、高性能存储和集群监控等关键组件并非CoreWeave独有，Hyperscaler在资金、人才和客户资源上仍具备追赶能力。CoreWeave的真实优势在于历史包袱较轻：其平台从一开始围绕GPU密集型负载设计，不需要在传统通用云架构、多租户虚拟化兼容、老旧客户工作负载和AI专用集群之间做过多折中。因此，后续跟踪关键在于每一代NVIDIA新GPU发布后，CoreWeave与最快Hyperscaler、其他NeoCloud之间的实际商业化可用时间差，以及MLPerf等公开基准中能否持续保持领先。

图33：CoreWeave AI算力平台

图34：CoreWeave在MLPerf基准测试中领先



数据来源：公司官网，东吴证券研究所

Platform

Benchmark model

CoreWeave Throughput

Performance improvement

NVIDIA H200 GPUs

Llama 2 70B(fp8)

33K tokens/s

40% faster thanH100 GPUs

NVIDIA Grace Blackwell Superchips

Llama 3.1 405B(fp4)

800 tokens/s

2.86X overH200 GPUs

数据来源：公司官网，东吴证券研究所

4. 投资建议

AI算力供需错配仍是本轮NeoCloud行业景气的核心来源。需求端，大模型训练、多模态模型迭代、Agent工作流和企业级AI算力供需错配仍是本轮NeoCloud行业景气的核心来源；供给端，GPU、数据中心、电力、液冷、网络和集群交付能力均存在较长建设周期，可交付算力供给仍具备刚性约束。因此，NeoCloud并非简单的GPU租赁模式，而是AI时代以高资本开支、长期客户合同和持续交付能力为核心的新型基础设施运营模式。

从盈利能力来看，NeoCloud厂商的盈利能力可概括为：单位算力收入-单位算力 TCO-资本成本。收入端，在高端GPU供给紧张、客户倾向通过多年长约锁定产能的背景下，已上线GPU集群能够在高利用率和高定价环境下释放较强收入弹性；成本端，GPU服务器、数据中心、电力、网络、存储、液冷、运维、折旧摊销和融资成本共同决定全生命周期TCO；资本端，由于行业处于产能快速扩张阶段，资本开支和融资成本会阶段性压制净利润和自由现金流。因此，短期内头部NeoCloud厂商可能呈现“收入高增、AdjustedEBITDA改善，但净利润和自由现金流仍承压”的财务特征，后续盈利拐点取决于产能爬坡、利用率提升、客户结构优化、融资成本下降以及平台化收入占比提升。

我们预计，2026-2028年NeoCloud行业仍将维持较高增长，但不同厂商之间的盈利分化会进一步扩大。具备三类能力的公司更有望在本轮周期中胜出：一是GPU和新一代AI服务器资源获取能力，决定其能否在供给紧张阶段优先获得订单；二是电力、数据中心和AIFactory交付能力，决定其订单能否转化为真实收入；三是融资能力和客户长约能力，决定其能否支撑重资本扩张并平滑现金流压力。相反，仅依赖短期GPU租赁价差、缺乏长期客户合同和资本支持的厂商，在供给缓解或租赁价格回落后，盈利和估值弹性可能明显收缩。


基于上述分析，我们建议重点关注：1）海外NeoCloud龙头：CoreWeave、Nebius等；2）海外算力/存储产业链：NVIDIA、Broadcom、Marvell、Micron、SK Hynix、TSMC、 Arista Networks、Vertiv、Super Micro Computer、Dell Technologies、Lenovo Group等； 3）国内算力基础设施与运营商生态：盛视科技、平治信息、华策影视、协创数据、宏景科技等。

5. 风险提示

1) AI算力需求不及预期风险：当前NeoCloud行业高景气主要建立在大模型训练持续迭代、推理调用快速放量以及企业AI应用加速落地的基础上，若大模型能力提升放缓、AI应用商业化进展不及预期，或客户资本开支出现阶段性收缩，可能导致GPU集群需求、算力租赁价格和长约订单增长低于预期。

2) 资本开支过高和融资成本上升风险：NeoCloud属于典型重资产运营模式，GPU服务器、数据中心、电力、网络和液冷等环节均需要持续高强度资本开支投入，若公司融资环境持续恶化、债务成本上升，或资本市场风险偏好下降，可能影响厂商持续扩产节奏，并对净利润、自由现金流和资产负债表造成压力。

3) 产能交付不及预期风险：AI算力供给并非仅取决于GPU采购，还依赖数据中心建设、电力接入、液冷改造、网络调试和集群运维能力，若电力并网、数据中心交付、服务器部署或客户验收进度低于预期，可能导致订单无法按期转化为收入，并影响公司经营杠杆释放。


免责声明

东吴证券股份有限公司经中国证券监督管理委员会批准，已具备证券投资咨询业务资格。

本研究报告仅供东吴证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议，本公司及作者不对任何人因使用本报告中的内容所导致的任何后果负任何责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。

在法律许可的情况下，东吴证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易，还可能为这些公司提供投资银行服务或其他服务。

市场有风险，投资需谨慎。本报告是基于本公司分析师认为可靠且已公开的信息，本公司力求但不保证这些信息的准确性和完整性，也不保证文中观点或陈述不会发生任何变更，在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。

本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制和发布。经授权刊载、转发本报告或者摘要的，应当注明出处为东吴证券研究所，并注明本报告发布人和发布日期，提示使用本报告的风险，且不得对本报告进行有悖原意的引用、删节和修改。未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。

东吴证券投资评级标准

投资评级基于分析师对报告发布日后6至12个月内行业或公司回报潜力相对基准表现的预期（A股市场基准为沪深300指数，香港市场基准为恒生指数，美国市场基准为标普 500指数，新三板基准指数为三板成指（针对协议转让标的）或三板做市指数（针对做市转让标的），北交所基准指数为北证50指数），具体如下：

公司投资评级：

买入：预期未来6个月个股涨跌幅相对基准在 15%以上；

增持：预期未来6个月个股涨跌幅相对基准介于 5%与 15%之间；

中性：预期未来6个月个股涨跌幅相对基准介于-5%与 5%之间；

减持：预期未来6个月个股涨跌幅相对基准介于-15%与-5%之间；

卖出：预期未来6个月个股涨跌幅相对基准在-15%以下。

行业投资评级：

增持：预期未来6个月内，行业指数相对强于基准 5%以上；

中性：预期未来6个月内，行业指数相对基准-5%与 5%；

减持：预期未来6个月内，行业指数相对弱于基准 5%以上。

我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重建议。投资者买入或者卖出证券的决定应当充分考虑自身特定状况，如具体投资目的、财务状况以及特定需求等，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。

东吴证券研究所

苏州工业园区星阳街5号

邮政编码：215021

传真： （0512）62938527

公司网址： http://www.dwzq.com.cn