ReelOS.AI 禅定｜一句话看懂本文
这不是六家 GPU 云公司的横向排名，而是六种不同的资本循环：有人经营合同，有人经营项目、能源、交付或利用率。
- 所有公司都要先投入电力、机房、GPU、网络和建设资金。
- 按需业务看实际使用，长期合同看已交付容量与付款承诺。
- 合同结构决定谁承担闲置、价格波动与 GPU 折旧风险。
- 客户信用、合同期限和资产质量共同决定融资能力。
- 六家公司分别从合同、项目、能源、交付或存量资产切入。
- 最终价值取决于能否把有效算力转化为持续现金流。
一、先看懂：这不是六种互斥模式
CoreWeave、Nebius、Nscale、Crusoe、Fluidstack 和 Northern Data 旗下的 Taiga Cloud，看起来都在做同一件事：获得电力、机房和 GPU，再把算力卖给 AI 公司。
但它们做的不是同一种生意。
有人先签多年合同，再用合同融资扩张；有人用大客户覆盖一部分基础需求，继续经营公共云；有人从土地、电力或定制项目进入；也有人主要经营已经安装的 GPU。
所以，本文所说的“六种生意”，不是六个互不重叠的标准分类，也不是六家公司的横向排名。它们代表六家公司当前最主要的经营重心，以及各自最关键的资本循环和风险承担方式。同一家公司可以同时跨越多个层级，并随合同与建设阶段变化。
理解它们，不要先问“有多少 GPU”，先问六个问题：
- 它卖的是 GPU 小时、长期容量，还是整座 AI Factory？
- 它卖给大量开发者，还是少数超大客户？
- 客户按实际用量付款，还是提前承诺购买数年？
- 建设数据中心和购买 GPU 的钱从哪里来？
- 算力闲置或 GPU 折旧时，损失由谁承担？
- 它最终赚的是能源、工程、设备、云平台，还是模型服务的钱？
抓住这六个问题，表面相似的产品就会显出完全不同的合同、现金流和风险结构。
为了先建立直觉，可以做一次近似类比：把 AI 数据中心看成一座需要持续翻新的“重资产酒店”。
| 公司 | 当前经营重心 | 最像什么传统生意 | 最大风险 |
|---|---|---|---|
| CoreWeave | 长期合同支持容量扩张 | 拿企业长租协议融资扩张的酒店集团 | 债务、客户集中与 GPU 折旧 |
| Nebius | 锚定客户与公共云双层经营 | 有大客户覆盖基础需求的酒店 | 多项目并行交付与客户集中 |
| Nscale | AI Factory 项目开发与资源组织 | 工业园区开发商 | 规划容量未能按时通电计费 |
| Crusoe | 能源与数据中心纵向一体化 | 发电、园区与云平台组合 | 资本需求与组织复杂度 |
| Fluidstack | 定制基础设施交付与长期运营 | 面向大客户的定制总部交付商 | 客户集中与项目复制难度 |
| Taiga Cloud | 存量 GPU 的利用率与定价运营 | 已开业的重资产运营商 | GPU 降价与升级资本不足 |
这个类比只用于理解资本投入、合同覆盖和利用率，不代表法律或会计上的租赁关系。以 CoreWeave 为例，其 2025 年 Form 10-K 将相关客户合同作为 ASC 606 服务合同处理，而不是 ASC 842 租赁。GPU 的技术折旧也远快于酒店房间，算力收入还会受到网络、存储、调度、服务可用性和合同结构影响。
二、共同底盘：先投入资产，再经营可计费算力
无论从产业链哪一端进入，六家公司首先面对的是同一条现金流链：
先花钱获得电力、机房、GPU 和网络 → 再把可用算力交付给客户 → 用客户支付的钱覆盖电费、租金、运维、折旧与融资成本 → 剩下的才是经济回报。
1. 两种简化收入模型
不同合同不能被硬塞进同一个利润公式。为了理解单位经济，可以先拆成两条简化模型：
按需收入 ≈ 可计费 GPU 小时 × 实现单价 ＋ 平台与服务收入
长约／项目收入 ≈ 已交付合同容量费 ＋ 建设、运营与服务费这不是会计利润公式。判断真实经济回报，还要继续扣除电力、机房、运维、维护与更新资本开支，以及现金融资成本。
在前面的酒店类比中，电力与土地接近位置和水电条件，数据中心接近大楼，GPU 接近快速折旧的房间，利用率接近入住率，长期容量合同接近企业长租，公共云接近散客渠道。但长期承诺合同可能在客户未完全使用容量时仍产生约定收入，因此技术利用率、可计费利用率、合同覆盖率和实际使用率不能混为一谈。
2. 业务模式与商业模式不是一回事
业务模式回答的是：
公司为客户提供什么能力？
例如 GPU 虚拟机、裸金属服务器、模型推理接口，或者整座 AI 数据中心。
商业模式回答的是：
公司如何签合同、如何收费、如何融资，以及谁承担资产风险？
两家公司可能都提供 H100 或 GB300 集群，但商业模式完全不同。
一家可能按小时出租 GPU，自行承担利用率风险。
另一家则要求客户签署五年 take-or-pay（承诺采购）合同：即使没有完全用满已承诺容量，也需要按合同付款。
后者表面上是云计算，实际上已经接近由长期合同支持的基础设施融资；这不等同于法律意义上的资产证券化。
3. AI Infra 的五层利润池
AI Infra 的价值可以拆成五层：
| 层级 | 核心资产 | 典型收入 | 主要特点 |
|---|---|---|---|
| 能源层 | 发电、电网接入、天然气、储能 | 电力销售、能源价差 | 稳定，但资本密集 |
| 数据中心层 | 土地、建筑、变电、液冷 | 租金、容量费、长期租约 | 类似工业地产和基础设施 |
| GPU 容量层 | GPU、网络、存储 | GPU 小时、预留容量 | 收入高，但折旧和代际风险大 |
| 云平台层 | 调度、Kubernetes、Slurm、API | 云服务费、平台溢价 | 能提高利用率和客户黏性 |
| 模型服务层 | 推理、微调、模型部署 | Token、吞吐量、模型端点 | 更接近软件和服务收入 |
传统数据中心公司通常只经营前两层。
传统公有云主要经营第三层和第四层。
新一代 AI Infra 公司正在尝试一次性控制全部五层。
这就是为什么它们既像云计算公司，又像地产开发商、能源企业、设备融资平台和定制基础设施交付商。
用一句话概括这套组合：
用长期合同融资，用公共云提高利用率，用模型服务提高毛利率，用能源和园区控制交付。
三、专业对照表：合同、资产、融资与关键指标
上面的速览表用于建立直觉；下面这张表用于进一步比较客户、合同、资产控制方式与融资结构。
| 公司 | 主要客户 | 主要产品 | 典型合同 | 资产控制方式 | 主要融资方式 | 最关键指标 |
|---|---|---|---|---|---|---|
| CoreWeave | 微软、Meta、OpenAI、模型公司及企业客户 | 专属 GPU 集群、云平台、训练与推理基础设施 | 多年期承诺合同、take-or-pay、按需服务 | 大量租赁机房，自行部署并运营 GPU 集群 | 客户合同、预付款、资产级债务、公司债务和股权 | 活跃电力、合同积压、容量交付率 |
| Nebius | Microsoft、Meta、AI 公司和欧洲企业 | GPU 云、AI 平台、推理端点、专属 AI Factory | 大型长期容量合同与公共云消费并存 | 自建园区与定制租赁并存 | 客户预付款、可转债、公司债务和股权 | ARR、已投运容量、锚定客户与第三方收入比例 |
| Nscale | Microsoft、OpenAI、政府及主权 AI 客户 | AI Factory、专属 GPU 集群、AI 云和集群运营平台 | 大规模专属容量合同、合资项目、云消费 | 自有、合资和托管园区并存 | 大额股权融资、循环信贷、项目融资 | 已通电容量、按期交付 GPU 数量 |
| Crusoe | Microsoft、Oracle、OpenAI 生态和企业客户 | 数据中心、现场能源、GPU 云、推理服务 | 长期建设租赁、专属容量与云消费 | 深入控制能源、园区建设和云平台 | 项目合资、基础设施债务、GPU 融资和股权 | 已签约 GW、实际通电 MW、项目收益率 |
| Fluidstack | Anthropic 等头部模型公司 | 定制 AI 数据中心、专属 GPU 集群和长期运营 | 项目制、工作说明书和长期服务合同 | 自建团队统筹，结合融资方、承包商和供应链 | GPU 抵押融资、项目资本和客户合同 | 交付时间、项目建设成本、客户集中度 |
| Taiga Cloud | 欧洲 AI 企业、科研机构和中型模型公司 | H100/H200 裸金属、按需 GPU、Kubernetes | 周度按需、预留合同、最长约两年 | 主要经营已购置 GPU 和集团数据中心资源 | 集团资本、设备融资和经营现金流 | GPU 利用率、每 GPU 小时收入、代际残值 |
四、CoreWeave：长期合同融资型
1. 业务模式：专业化的 AI 云
CoreWeave 最早从加密货币 GPU 基础设施转向 AI 云，随后逐步建立了完整的 GPU 计算平台。
它为客户提供的并不只是 GPU 虚拟机，还包括：
- 大规模专属训练集群；
- Kubernetes 和容器基础设施；
- 高性能存储与网络；
- 模型训练、推理和集群管理；
- 面向超大客户的长期专属容量。
截至 2026 年第一季度，CoreWeave 披露 已拥有超过 1 GW 活跃电力容量和超过 3.5 GW 签约容量，合同积压——即未来仍待交付的合同规模——达到 994 亿美元。公司第一季度收入约 20.78 亿美元，调整后 EBITDA 约 11.57 亿美元。
它已经不是一家小型 GPU 租赁商，而是与大型云平台直接竞争的专业 AI Cloud。
2. 商业模式：长期合同驱动容量扩张
CoreWeave 最重要的创新不是 GPU 技术，而是合同结构。
公司的主要收入来自多年期承诺合同。根据其 2025 年 Form 10-K，承诺合同加权平均期限约五年，其中大量收入采用 take-or-pay 或其他承诺采购形式，活跃合同的加权平均预付款约占合同总价值的 15% 至 25%。截至 2025 年底，承诺合同贡献了公司超过 98% 的收入。
这意味着客户购买的不只是“实际使用的 GPU 小时”，而是提前购买一段时间内的算力可用性。
CoreWeave 再利用这些长期订单：
- 向银行和私人信贷机构证明未来收入；
- 以 GPU、设备和客户合同作为融资基础；
- 获取资产级债务；
- 采购更多 GPU 和数据中心容量；
- 将新容量继续出售给客户。
它实际上形成了一套循环：
客户合同 → 融资 → 购买 GPU → 建设集群 → 交付算力 → 新增合同 → 再融资
因此，CoreWeave 可以被理解为：
披着云计算外衣的算力容量融资平台。
3. 收入高增长，但自由现金流依然承压
根据 CoreWeave 2026 年第一季度 Form 10-Q，公司经营现金流约 29.84 亿美元，但购买物业和设备支出约 76.95 亿美元，相当于同期收入的约 3.7 倍；同期融资现金流约 39.14 亿美元。
截至第一季度末，其流动和非流动债务合计接近 249 亿美元，同时还承担超过 100 亿美元的经营租赁负债。
这揭示了 AI 云商业模式的核心矛盾：
调整后 EBITDA 可以很高，但 GPU 折旧、数据中心租赁、利息和持续资本开支并不是可忽略的会计项目，而是这门生意的核心成本。
2025 年，CoreWeave 确认约 24 亿美元折旧费用，并拥有超过 300 亿美元的净物业和设备资产。
因此，不能按照 SaaS 的估值逻辑看待 CoreWeave。
它更接近一家：
高成长云平台 ＋设备租赁公司 ＋数据中心运营商 ＋项目融资平台。
4. 核心壁垒
CoreWeave 的壁垒主要有四层：
第一是大规模 GPU 集群的实际运营经验。
第二是 NVIDIA 及服务器、网络供应链关系。
第三是通过长期合同获得的融资能力。
第四是已经形成规模的客户和平台生态。
规模本身会强化融资能力：合同越多，融资越容易；融资越容易，采购成本和交付速度越有优势。
5. 主要风险
CoreWeave 最大的风险不是没有需求，而是需求、交付和资本期限之间的不匹配。
其 2025 年收入中，Microsoft 占比约 67%，客户集中度仍然很高。
如果主要客户延迟部署、重新谈判合同，或者未来选择自建基础设施，CoreWeave 的收入和融资结构都会受到影响。
此外，所谓合同积压也不完全等于确定收入。部分金额仍取决于容量按时交付、服务可用性和合同条件。
ReelOS 判断
CoreWeave 最大的能力不是出租 GPU，而是把 AI 算力需求变成可融资的长期资产。
它当前拥有六家公司中最成熟的商业闭环，但也拥有最重的资产负债表和最明显的客户集中风险。
五、Nebius：锚定客户＋公共云型
这里的“锚定客户”，指提前承诺购买大量基础容量的核心买方。它可以降低一部分空置风险，但不等于为所有容量和项目提供无条件担保。
1. 业务模式：欧洲全栈 AI 云
Nebius 源自 Yandex 的国际业务重组，继承了搜索、云计算、分布式系统和数据中心工程能力。
其核心产品不仅包括 GPU 虚拟机和裸金属集群，还包括：
- 训练与微调环境；
- Kubernetes 和 Slurm 集群；
- 数据和对象存储；
- 模型推理服务；
- 专属模型端点；
- 企业安全、治理和可观测工具。
Nebius 正在把数据、训练、部署和推理整合为统一的 AI Cloud 平台，并推出按 Token 或专属吞吐量交付的推理产品。
它希望成为欧洲自己的 AI 原生云，而不只是 GPU 经销商。
2. 商业模式：公共云与长期承销合同的混合体
Nebius 当前采取的是双层商业模式。
第一层是面向 Microsoft、Meta 等超大客户的长期专属容量合同。
第二层是面向更广泛 AI 企业和开发者的公共 AI 云。
Nebius 与 Microsoft 签署了长期专属容量协议，为其提供位于美国新泽西州的 AI 基础设施。公司随后又与 Meta 达成最长五年、总价值最高约 270 亿美元的容量合作，其中一部分结构包含容量购买承诺或兜底安排：Nebius 可以先向第三方客户销售容量，剩余容量再由 Meta 按照约定购买。
这种结构非常关键。
它意味着 Meta 不一定是所有算力的唯一使用者，而是在一定程度上扮演了基础设施承销方。
Nebius 可以借此：
- 降低新数据中心的空置风险；
- 获得更有利的债务融资；
- 继续向第三方销售更高价格的公共云产品；
- 在保留上行空间的同时获得需求下限。
这比单纯把整座数据中心全部交给一个客户，更有商业弹性。
3. 财务结构：客户预付款正在参与基础设施融资
根据 Nebius 2026 年第一季度财报，公司收入约 3.99 亿美元，调整后 EBITDA 约 1.30 亿美元，但营业亏损约 1.28 亿美元。公司报告净利润约 6.21 亿美元，其中主要包含投资重估收益；调整后净亏损约 1 亿美元。
同一季度，公司资本开支约 24.73 亿美元，是同期收入的六倍以上。
Nebius 的经营现金流约 22.58 亿美元，但其中很大一部分来自递延收入增加。第一季度递延收入增加约 31.98 亿美元，反映客户预付款或提前承诺正在成为数据中心建设的重要资金来源。
Nebius 的商业模型可以概括为：
锚定客户预付款 ＋公司资产负债表 ＋债务和股权融资 → 建设大规模 AI Factory → 向锚定客户交付基础容量 → 将剩余容量出售给公共云客户。
4. 与 CoreWeave 的关键区别
CoreWeave 当前更接近一家已经成熟运转的容量承销和云运营机器。
Nebius 则仍处于从技术公司向大规模基础设施公司转型的阶段。
Nebius 的优势是：
- 拥有较完整的软件工程体系；
- 在部分地区控制自有数据中心资产；
- 欧洲主权与合规定位更清晰；
- 可以同时销售 GPU、平台和模型服务。
但其挑战也更明显：
- 数据中心和电力项目需要大规模并行交付；
- Microsoft、Meta 等大合同可能重新形成客户集中；
- 公共云业务能否在锚定客户之外形成足够规模，仍需验证；
- 集团还包含 Avride、TripleTen 以及其他投资资产，业务结构比纯 AI 云公司更复杂。
ReelOS 判断
Nebius 不是简单用大客户替代公共云，而是用大客户合同为公共云建设提供融资和需求底座。
如果它能在锚定客户之外形成多元化的公共云、推理和平台收入，就可能建立比单一专属容量模式更高的长期利润率。
六、Nscale：项目开发型
1. 业务模式：从机房建设到 AI 服务全栈覆盖
Nscale 将自己定位为 AI Hyperscaler。
其能力覆盖：
- 土地、电力和数据中心开发；
- GPU 服务器、网络和存储；
- Slurm、Kubernetes、虚拟机和裸金属；
- 集群控制中心和可观测系统；
- 推理、微调和 AI 平台服务；
- 主权 AI 和政府基础设施。
Nscale 试图同时经营 AI Factory 的建设、基础设施运营和上层云服务。
公司已公布与 Microsoft 等客户合作的大规模项目，包括 跨多个国家部署约 20 万块 GB300 GPU 的计划。其中，得克萨斯项目一期计划部署约 10.4 万块 GPU；葡萄牙 Sines 项目首期计划部署约 1.26 万块 GB300 GPU，后续又宣布自 2027 年追加 6.6 万块以上 Rubin GPU。
2. 商业模式：项目获取能力先于云平台成熟度
Nscale 当前最重要的商业能力并不是公共云收入，而是同时获取三种稀缺资源：
- 可建设 AI 数据中心的土地和电力；
- Microsoft、OpenAI 等大型锚定客户；
- 支持项目建设的股权和债务资本。
Nscale 的项目通常采用自有、合资或合作开发方式。
例如，公司与 Aker 在挪威建设大型 AI 基础设施项目，同时参与 Stargate Norway。其 Glomfjord 项目已有约 30 MW 运营容量，并具备进一步扩展空间。
Nscale 在 2025 年完成 11 亿美元 B 轮融资，2026 年又完成 20 亿美元 C 轮融资，估值达到约 146 亿美元。
这种资本结构说明，投资者当前购买的主要不是已经产生的云利润，而是：
欧洲电力资源 ＋AI Factory 项目储备 ＋大型客户合同 ＋未来规模化云平台的期权。
3. 收入模式
Nscale 可能同时从四类渠道产生收入：
专属容量收入
客户承诺购买一整批 GPU 或一座数据中心中的长期容量。
这种收入确定性较高，也更容易支持项目融资。
AI Factory 建设与运营收入
Nscale 为政府、主权基金或大型企业建设专属基础设施，并负责长期运营。
公共云消费
中小客户可以购买按需或预付 GPU 服务。
平台和运维服务
通过集群管理、可观测、调度和软件平台获得附加收入。
但目前公开信息尚未提供足够的经审计财务数据，无法准确判断上述收入的占比、毛利率和现金流质量。
4. 核心风险
Nscale 的主要风险来自“公布规模”和“实际通电规模”的巨大差异。
从签署客户合同到真正产生收入，中间仍需要完成：
- 土地和电力审批；
- 电网连接；
- 数据中心建设；
- 液冷和网络部署；
- GPU 交付；
- 软件验收；
- 客户工作负载迁移。
任何一个环节延迟，都会产生利息、人员和预付设备成本，但无法及时确认收入。
此外，Nscale 对大型战略客户的依赖程度较高。如果客户调整芯片代际、交付地区或建设节奏，公司需要重新安排资本和供应链。
ReelOS 判断
Nscale 当前最核心的产品不是 GPU 云，而是欧洲大型 AI Factory 的项目组织能力。
它最像一家正在向云平台升级的基础设施开发商。
未来估值能否兑现，取决于项目从“宣布”转化为“通电”，再从“通电”转化为“计费”的速度。
七、Crusoe：能源一体化型
1. 业务模式：控制 AI 基础设施最上游的瓶颈
Crusoe 最早通过利用油田伴生气为计算设施供电而受到关注，随后出售相关业务，将重心转向 AI 基础设施。
与大多数 Neocloud 从购买 GPU 开始不同，Crusoe 从能源和电力侧进入：
- 获取土地和能源；
- 建设发电与电力系统；
- 自行制造或整合部分长周期电气设备；
- 建设数据中心园区；
- 部署 GPU 集群；
- 提供云和模型推理服务。
截至 2026 年 6 月，Crusoe 披露 的数据中心和云业务签约容量约 4.9 GW，整体开发管线超过 40 GW。其 Abilene 园区包括为 Oracle 相关项目建设的 1.2 GW 容量，以及为 Microsoft 规划的约 900 MW 项目。
2. 商业模式一：Build-to-suit（按需定制建设）数据中心
Crusoe 的第一类收入接近大型数据中心开发商。
公司根据客户需求获取土地和电力，设计并建设专属园区，再通过长期租赁或容量合同获得收入。
这种业务类似：
客户先签长期租约 → Crusoe 成立项目载体 → 引入基础设施资本 → 建设数据中心 → 客户长期支付租金或容量费。
Crusoe 曾与 Blue Owl 及 Primary Digital Infrastructure 建立约 150 亿美元的项目合作结构，用于支持 1.2 GW 数据中心园区建设。
这种模式可以减少集团本身需要承担的全部资本，但会与项目投资者分享长期收益。
3. 商业模式二：能源和建设溢价
AI 数据中心最大的瓶颈越来越不是 GPU，而是电力接入时间。
Crusoe 的核心能力，是通过天然气、可再生能源、储能和现场发电等方式缩短能源交付周期。
因此，它出售的不只是电力本身，而是：
比传统电网排队更快获得可用电力的时间价值。
如果客户提前一年获得数百兆瓦算力，即使电价略高，也可能具备经济价值。
Crusoe 还尝试通过自有制造和模块化 AI Factory 降低变压器、配电和其他长周期设备的供应链风险。
4. 商业模式三：GPU 云与托管推理
Crusoe Cloud 提供按需、预留和 Spot GPU 实例，也提供按 Token 或预置吞吐量收费的托管推理服务。其 Spot 实例折扣最高可显著低于按需价格。
这使 Crusoe 可以同时获取三种利润：
- 能源和土地利润；
- 数据中心建设与长期租赁利润；
- GPU 云和软件服务利润。
这也是六家公司中纵向整合程度最高的模式。
5. 核心风险
纵向整合可以提高控制力，也会放大执行风险。
Crusoe 需要同时管理：
- 能源价格；
- 项目融资；
- 建设施工；
- 电气设备制造；
- GPU 供应链；
- 云平台稳定性；
- 大客户合同。
不同业务的资本回报率也完全不同。
数据中心开发可能提供稳定但相对较低的基础设施回报；GPU 云可能有更高收入，但面临折旧和价格波动；软件和推理服务利润率更高，但需要产品和开发者生态。
ReelOS 判断
Crusoe 的护城河不是拥有多少 GPU，而是能够比竞争对手更早把能源转化为可用算力。
当电力成为 AI Infra 的核心约束时，Crusoe 的上游控制力会越来越重要。
但它最终能否获得云平台级估值，取决于多少利润能够从工程建设层向云和软件层迁移。
八、Fluidstack：定制交付型
1. 业务模式：定制基础设施交付
Fluidstack 早期更接近 GPU 云和算力聚合平台，后来逐步转向大型定制 AI 基础设施。
公司目前强调的能力是：
- 获取大规模电力；
- 设计数据中心；
- 采购 GPU 和网络设备；
- 组织施工和供应链；
- 为客户部署专属集群；
- 长期负责基础设施运营。
Fluidstack 已被 Anthropic 选为其美国数据中心扩张计划的重要合作方，相关项目覆盖纽约和得克萨斯，并计划从 2026 年开始上线。Anthropic 宣布 的整体美国计算基础设施计划规模约 500 亿美元。
Fluidstack 还宣布在法国推进最高 1 GW 的 AI 超级计算项目，计划投资约 100 亿欧元；法国总统府对这项承诺进行了公开说明。但该项目仍需经过建设、融资和具体合同落地，不能视为已经投运的容量。
2. 商业模式：项目制收入，而不是标准化公共云
Fluidstack 更像 AI 基础设施领域的定制交付与长期运营商，而不是标准化公共云。
其合同可能围绕具体项目的工作说明书、采购订单、服务等级和长期运营要求展开。公司可以通过关联方、承包商和供应链伙伴完成部分建设和服务。
其收入可能包括：
- 项目设计和建设费用；
- 硬件与基础设施价差；
- 长期容量费；
- 运营和维护费用；
- 云平台或调度服务费。
与 CoreWeave 不同，Fluidstack 的产品标准化程度较低。
但这并不一定是缺点。
对 Anthropic 这样的前沿模型公司而言，最重要的不是进入一个标准云控制台，而是获得：
- 确定的电力；
- 确定的 GPU 数量；
- 确定的交付时间；
- 针对特定训练架构优化的网络和存储。
Fluidstack 出售的核心产品是：
定制能力与交付速度。
3. 资本模式
Fluidstack 曾与 Macquarie 达成以 GPU 资产为担保的融资合作，用于支持欧洲 AI 实验室的 GPU 集群部署。
在更大的项目中，资本可能来自：
- 客户预付款；
- 基础设施基金；
- GPU 抵押贷款；
- 数据中心项目融资；
- 公司股权；
- 长期客户合同支持的债务。
由于 Fluidstack 是私人公司，尚未公开足够完整的经审计财务数据，因此无法准确判断其收入、毛利率、债务规模及合同积压质量。
4. 核心风险
Fluidstack 最大的问题是客户和项目集中。
如果核心收入高度依赖 Anthropic 等少数客户，那么客户的融资能力、模型路线和建设节奏都会直接影响公司。
同时，项目交付业务通常难以像标准软件一样复制。
每个地区的电力、土地、法规和施工环境都不同，规模扩大可能带来更高的组织复杂度，而不是自动带来更高利润率。
ReelOS 判断
Fluidstack 不是在建设大众 AI 云，而是在成为前沿模型公司的外部基础设施部门。
它的价值取决于能否持续获得超大客户项目，并把一次性工程能力沉淀为可重复的供应链、软件和运营体系。
九、Northern Data／Taiga Cloud：存量运营型
1. 业务模式：欧洲本地 GPU 供给
Taiga Cloud 是 Northern Data 运营的 GPU 云业务，主要面向欧洲客户提供：
- H100 和 H200 裸金属集群；
- 按需 GPU 实例；
- 预留容量；
- Kubernetes 和托管基础设施；
- 欧洲本地数据和合规能力。
根据 Northern Data 2026 年第一季度经营更新，公司运营约 2.2 万块 H100/H200 GPU，3 月 GPU 利用率约 85%。第一季度收入约 4300 万欧元，调整后 EBITDA 约 2400 万欧元，其中包含部分其他收入。
Northern Data 随后将 2026 年收入指引提高至约 1.7 亿至 1.9 亿欧元，原因包括定价改善、利用率提升以及继续保留部分 GPU 集群。需要注意的是，2026 年 6 月换股完成后，Northern Data 已成为 Quake AI／RUM Group 的一部分，并启动退市流程。
2. 商业模式：GPU 小时 × 利用率
Taiga Cloud 的商业模式比其他五家公司更直接：
可用 GPU 数量 ×实际利用率 ×每 GPU 小时价格 ＝基础收入。
其客户合同从按周付费到最长约 24 个月的预留合同不等，同时混合按需、预留和 Spot 服务。
公开价格中，H100 和 H200 产品采用按小时或按分钟收费，具体价格根据裸金属、按需和集群配置变化。
与 CoreWeave 的五年级别大型承诺合同相比，Taiga 的合同期限更短。
这意味着：
- 资本被长期锁定的程度较低；
- 可以更快调整市场价格；
- 但更容易受到 GPU 价格下降和利用率波动影响。
3. 优势：现有资产已经可以计费
Nscale、Fluidstack 和部分 Nebius 项目仍然需要完成建设。
Taiga 的优势是 GPU 已经安装，可以直接产生收入。
因此，它更像一家存量资产运营商，而不是大型绿地项目开发商。
它当前的经营重点是：
- 将 Spot 客户转化为预留客户；
- 提高 GPU 利用率；
- 优化客户组合；
- 延长合同期限；
- 将基础 GPU 产品升级为平台服务。
4. 风险：GPU 代际与价格折旧
Taiga 的主要 GPU 资产是 H100 和 H200。
随着 Blackwell、GB300 及后续 Rubin 平台逐步交付，旧一代 GPU 的市场价格可能下降。
如果客户愿意为新一代 GPU 支付更高价格，Taiga 需要继续投入资本升级设备。
如果不升级，则需要依靠更低价格、欧洲合规和现货可用性维持利用率。
此外，公司披露的现金规模和资本能力明显小于 CoreWeave 或 Nebius，集团治理和资本结构变化也会增加战略不确定性。
ReelOS 判断
Taiga 经营的不是未来 GW 故事，而是今天已经安装的 GPU 能否持续保持高利用率。
它的模式更简单、更容易理解，但也更直接暴露于 GPU 商品化和代际折旧。
十、六种经营重心：优势与风险速查
这些标签描述的是当前最主要的资本循环，不是固定边界。随着客户组合、融资结构和项目阶段变化，同一家公司可能同时跨越多个模式。
| 公司 | 主要经营重心 | 最大优势 | 最大风险 |
|---|---|---|---|
| CoreWeave | 长期合同融资型 | 规模、客户与融资闭环 | 债务、客户集中与 GPU 折旧 |
| Nebius | 锚定客户＋公共云型 | 软件、基础设施与欧洲主权能力较均衡 | 多 GW 项目并行建设与客户集中 |
| Nscale | 项目开发型 | 项目资源与欧洲战略位置 | 规划容量尚未转化为通电和收入 |
| Crusoe | 能源一体化型 | 电力与建设周期控制 | 资本需求与组织复杂度极高 |
| Fluidstack | 定制交付型 | 大客户定制与快速交付 | 客户集中、项目制收入与透明度 |
| Taiga Cloud | 存量运营型 | 资产已上线，可直接产生现金流 | GPU 降价与升级资本不足 |
十一、AI Infra 最容易被误读的四个指标
1. 签约电力不等于已通电算力
公司披露的“3 GW 签约电力”可能只代表：
- 获得土地权利；
- 与电力公司签署初步协议；
- 排入电网连接队列；
- 签署数据中心租约；
- 获得未来扩展选项。
真正能够产生收入的，必须是：
电力已经接通 ＋数据中心已经完工 ＋GPU 已经安装 ＋网络已经调试 ＋客户工作负载已经上线。
因此，应该区分：
- Planned Power；
- Contracted Power；
- Connected Power；
- Active IT Load；
- Revenue-generating Compute。
2. 合同积压不等于现金
长期合同能够提高收入可见性，但仍然可能包含：
- 分阶段交付；
- 服务可用性条件；
- 延迟赔偿；
- 客户终止条款；
- 剩余容量兜底；
- 尚未执行的扩展选项。
合同积压是融资指标，不是可以直接提现的银行余额。
3. 调整后 EBITDA 不等于经济利润
AI Infra 公司经常强调调整后 EBITDA。
但对于 GPU 云而言，以下成本不能被视为偶发项目：
- GPU 折旧；
- 网络和服务器折旧；
- 数据中心租金；
- 电力；
- 利息；
- GPU 换代资本开支。
一家 GPU 云即使拥有 50% 的调整后 EBITDA 率，也可能仍然需要持续融资才能维持扩张。
因此，更适合观察：
经营现金流 －维护性资本开支 －利息 －维持竞争力所需的 GPU 更新 ＝真实可分配现金流。
4. GPU 数量不等于有效算力
同样数量的 GPU，在不同系统中能够产生的收入完全不同。
决定有效算力的还包括：
- GPU 代际；
- 网络拓扑；
- 集群规模；
- 存储吞吐；
- 软件调度效率；
- 故障率；
- 客户工作负载；
- 集群利用率。
AI Infra 应该比较的是：
每兆瓦收入 每 GPU 收入 每 GPU 小时毛利 集群有效利用率 客户续约率 按时交付率。
而不是只比较新闻稿中的 GPU 数量。
十二、最可能胜出的不是单一模式，而是四层组合
长期来看，单一模式很难胜出。
纯按需 GPU 云容易受到利用率和价格竞争影响。
纯数据中心开发商只能获得基础设施层回报。
纯定制交付商难以形成软件级规模效应。
纯能源公司无法自动获得云平台估值。
最有竞争力的模型可能是四层组合：
第一层：锚定客户覆盖基础容量
通过长期 take-or-pay、预付款或长期容量协议，为已交付容量提供基础需求与付款承诺。
第二层：公共云提高剩余容量收益
将合同允许向第三方销售的剩余容量提供给更多客户，提高利用率和平均收入。
第三层：平台和推理服务提高毛利率
从 GPU 小时收费升级为 Kubernetes、训练平台、模型部署和 Token 收费。
第四层：控制能源和土地降低交付风险
通过自有园区、长期电力协议、现场能源或战略合作，避免基础容量被上游卡住。
在六家公司中：
- CoreWeave 最接近已经验证的商业闭环；
- Nebius 最接近“锚定客户＋公共 AI 云”的平衡模型；
- Crusoe 拥有最强的上游纵向整合；
- Nscale 拥有最大的欧洲项目期权；
- Fluidstack 拥有最强的大客户定制属性；
- Taiga 拥有最清晰的存量 GPU 运营模型。
十三、接下来应该持续观察什么
判断这些公司是否真正兑现估值，不应该只看融资和项目公告，而应该持续观察以下指标：
| 观察指标 | 它回答的问题 |
|---|---|
| Active MW | 有多少容量已经实际通电 |
| Revenue-generating MW | 有多少容量已经开始计费 |
| GPU 利用率 | 已购设备是否被充分使用 |
| 每 GPU 小时收入 | 定价能力是否下降 |
| 每 MW 收入 | 数据中心资产的变现效率 |
| 合同平均期限 | 收入和融资是否稳定 |
| 前五大客户占比 | 是否过度依赖少数客户 |
| 资本开支与收入比例 | 增长需要消耗多少资金 |
| 利息与折旧占收入比例 | 调整后 EBITDA 是否掩盖真实成本 |
| 公共云收入占比 | 公司是否拥有锚定客户之外的市场 |
| 推理与平台收入占比 | 是否开始从硬件向软件迁移 |
| 按时交付率 | 项目储备能否转化为真实收入 |
结语：AI Infra 的竞争，本质是资本效率的竞争
这一轮 AI 基础设施竞争，很容易被理解为“谁拥有更多 GPU”。
但 GPU 只是资产负债表上的一项设备。
真正决定长期价值的是：
谁能以更低的资本成本获得电力和 GPU； 谁能用更稳定的客户合同覆盖折旧和利息； 谁能保持更高的集群利用率； 谁能从 GPU 容量继续向平台和模型服务升级。
这六家公司分别展示了不同入口：用长期合同支持融资，用锚定客户覆盖基础需求，用项目组织能力把土地和电力变成 AI Factory，用能源控制交付，用定制能力承接超大客户，或用利用率与价格管理经营存量 GPU。它们之间有重叠，但资本循环和风险落点并不相同。
最终胜出的公司，不一定是宣布最大 GW 的公司。
而是能够把：
能源确定性、建设确定性、GPU 交付确定性、客户合同确定性和软件变现能力，组合成一套可持续资本循环的公司。
AI Infra 不是新的服务器租赁生意。
它正在成为一种新的工业系统：
用云计算的产品形态，经营能源和基础设施资产； 用金融工具，为下一代计算能力提前融资。
研究说明
本文基于截至 2026 年 7 月公开的公司公告、监管文件、财务报告与产品资料整理。
不同公司对“签约容量”“活跃容量”“规划容量”和“GPU 数量”的统计口径并不统一；私人公司披露的项目规模也不等同于经审计收入或已经投运资产。
本文用于产业研究与商业模式分析，不构成投资建议。