摘要

Kenny Zhang 的核心框架：AI 云与传统云“同源不同宗”，不是传统云的简单延伸，而是“回到大型机时代”的范式逆转——传统云的核心资源是带宽和高频分发，Neocloud 的核心是集中管理和优化超大算力集群。 Neocloud 存在的三重逻辑：AI Lab 与超大云商“既是供应商也是竞争对手”（如微软之于 OpenAI）、Neocloud 没有上层应用布局因此更中立、以及云巨头不愿把资金投向 ROIC 只有 8%-10% 的重资产基建（对比主业 40%-50%）。
算力短缺已经反转了 OpenAI 与 Anthropic 的攻守：Dario 去年还公开“诟病 OpenAI 为什么无限制采购算力”，如今 Anthropic 年化收入从去年年底约 90 亿美元到现在可能约 500 亿美元、年底可能超过 1000 亿美元，被迫“刚性采购”——“都不能说是弹性采购了”。曹卿云认为 xAI 基本退出大模型竞争，手中的 H100/H200 被动变现为 Neocloud 卖给 Anthropic；Kenny 判断 xAI 算力全部上线后两家供给大致持平，而 OpenAI 因前瞻布局算力“非常从容”，有机会反追。
CoreWeave 与 Nebius 代表两条可跑通的商业模式：CoreWeave 走传统基建路线——锁 5-6 年长约覆盖 GPU 商用周期，“每花一块钱，未来六年能赚回来三块钱”，融资成本从 2023 年的 14.5% 高收益债降到今年 6.2% 投资级，杠杆后 IRR 稳超 50%；Nebius 则用 40%-50% 客户预付款降低对杠杆的依赖，牺牲约 20%-25% 合同价格，杠杆前收益仍达 35%-40%。相比之下，Oracle、部分加密货币挖矿转型者等以裸金属为主的模式，Kenny 持“比较中性”态度。
对“贬值资产借长债”和利润率断崖两大市场质疑，Kenny 给出同一个答案：市场看错了账。 债务对应的不是 GPU 残值而是整体合同价值，残值只是“锦上添花”；CoreWeave 利润率从 12%-14% 跌到 1%-2%，是因为在建规模约 1GW、真正收租的规模约 800MW——随在建/收租比收敛，年底利润率回到 12%-14%，2028 年底可能达到约 25%并向 30%靠近。当前 Neocloud 约 10 倍稳定利润估值、未来三年复合增长可能达 120%-130%，对比传统云约 20-25 倍、约 30% 增长，估值差距“非常大”。
约 900 多亿、节目开场称突破 990 亿美元的积压订单之争：收入与资本开支是“瀑布型结构”，今天花的 300 多亿美元对应未来六年约 900 亿-1000 亿美元的回收，收入约 2029 年反超 Capex。向前看 backlog 已高度多元化——Meta 占 35%、微软 20%、OpenAI 约 20%、Anthropic 与 Jane Street 各 8%-10%；订单不易取消，且英伟达承诺无法部署的芯片可以回收，因此财务风险敞口“没有大家想象的那么大”。
供给格局正被 TPU、Trainium 等非英伟达芯片改写：TPU 在 2025 年约为 100 多万颗（Kenny 举例可能是 110 万、120 万或 130 万颗），今年约 400 万颗；他预测明年可能达到 1000 万-1200 万颗，量级接近英伟达。 Trainium 明年可能达到 400 万-500 万颗。TPU 崛起带动 FluidStack（“TPU 版的 Nebius”），Kenny 认为未来三大 Neocloud 可能是 CoreWeave、Nebius、FluidStack；谷歌联手黑石建独立 TPU 新云，是把 TPU 推向更广泛生态，而英伟达当年尝试 DGX 云时没人愿意采用。
未来最大的变量不在硬件而在 PaaS 层，尤其是存储层与数据库层的合并：模型可直接与硬件交互；大模型回答越来越快，“我不认为是因为推理的速度变快了……是因为很多的答案已经存起来了”。一些传统存储企业可能做得不太好，Kenny 点名关注未上市的 Vast Data——从高频交易客户到如今超大云商、AI 算力公司和 Neocloud 都可能成为其 backlog，存储的 TAM“非常大”。
收官的宏大类比：AI 是美国白领劳动力膨胀的新出口，类似美国在中国 2001 年加入 WTO 后将大量制造业转移出去的降本增效过程——“芯片是劳工，它们住在数据中心里”，超大云商和 Neocloud 是雇主，英伟达因此称之为 AI Factory。但基建的历史教训不变：“第一个酒店的持有者大概率是要亏钱或者破产的”“基建类从来不会一家独大”；未来两三年，规模超过 10 亿美元的 Neocloud 公司中“肯定有一大半”会被淘汰，而这是健康且必然的。

精读

1. 三个计算时代：AI 云是向大型机范式的回归

Kenny 的历史分期：1950 年代至 1990 年代末，硬件为主、企业自购自管；2000 年后进入由互联网巨头驱动的虚拟化时代——AWS 与阿里云的成功在于把 Black Friday、双十一峰值下的内部算力“外部化”。2010 年代中期，一个 CPU 的算力约 300 TFLOPS，而企业应用可能只需 10-20 TFLOPS，云时代的核心竞争资源是带宽与高频分发。
AI 云时代“整个是反过来的，又回到了像五十年代、六十年代大型计算机的时代”——不做高频分发，而是集中管理算力，让超大集群持续运行在高性能状态；训练、推理、Agent 以及企业推理的需求“在同一时间爆发”。

2. Neocloud 为什么存在：同源不同宗的三重逻辑

Kenny 的定性：传统云与 Neocloud“同源不同宗”。第一重逻辑是管理和优化超大型、密集型算力的专门能力；第二重是利益结构——超大云商对 AI Lab“既是供应商也是竞争对手”。OpenAI 担心微软“不可能把所有的资源都倾向于它”，于是重点扶植 CoreWeave 这类上层“没有应用端布局、将来也不会有”的中立算力方。
第三重是资本配置：Kenny 十五年前就看数据中心，杠杆前回报常年约 8%-10%，而互联网巨头主业 ROIC 可达 40%-50%，没有必要把资源砸向低回报且需要专业经验的重资产领域。因此，在中国以外的数据中心市场，超大型云商约占客户的 30%，电力和制冷大约 60%-70% 仍由第三方提供。
对曹卿云引用报告的回应：基于 Transformer 的深度学习广告模型（Meta、谷歌）占算力 20% 多，Anthropic、OpenAI 等 LLM 约占 30%，其余是企业推理与 To C 需求——“这些数字我觉得是合理的，将来大概率也会维持”。

3. OpenAI 的从容与 Anthropic 的刚性：一次被验证的战略分歧

Sam Altman 从第一天就认为算力需求非常庞大，尤其推理“大概率是训练的 10 倍甚至更高”，因此从 2022、2023 年开始大量采购和布局算力。Dario Amodei 去年还在访谈里“诟病 OpenAI 为什么要去无限制采购这么多的算力”。
今年 Anthropic 年化收入从去年年底约 90 亿美元到现在可能约 500 亿美元，年底可能超过 1000 亿美元，算力不足已经影响其收入增长——“都不能说是弹性采购了，它现在属于刚性的采购”。
Kenny 的判断：Anthropic 年初收入曾超过 OpenAI，甚至接近其两倍；但从 4 月底这个时间点起，OpenAI 因算力前瞻布局“有机会去追赶上 Anthropic”。
xAI 的退出及算力变现是曹卿云的描述；他认为 xAI 手中的 H100/H200 被动把公司变成了 Neocloud，卖给 Anthropic，且大概率不会继续发展这项业务。Kenny 判断，xAI 算力全部上线后，OpenAI 与 Anthropic 的整体算力供给大致持平。

4. 新云两派：第四朵云派与裸金属派

利润率账本：AWS 利润率约 40%，纯硬件约 25%-30%，多出的 10-15 个百分点来自存储、分发、带宽、数据库和云管理等 PaaS。这些软件服务占收入约 30%-35%，毛利可能达到 80%-90%。CoreWeave、Nebius 这一派希望在硬件上增加算力优化、KV Cache 部署与调用、serverless RL 等 PaaS 能力；CoreWeave 的存储和 KV Cache 年化收入到今年年底可能约 3 亿美元，未来可能达到 10 亿、20 亿美元。
但天花板更低：客户——大模型公司和超大云商——自身 PaaS 能力很强，因此 Neocloud 的 PaaS 收入占比“能做到 15% 到 20% 就已经很不错了”，整体利润率可能达到 30% 出头；AI GPU 纯硬件利润率约 25%。
另一批玩家包括 Oracle、SoftBank Energy、从加密货币挖矿转型的 IREN，以及私有公司 Crusoe 等；节目还列举了 FluidStack。Kenny 称这类模式目前主要做裸机柜、裸金属租用，更像硬件租赁，容易受到价格、回报率和资金供给的挤压，因此持“比较中性”的态度。Oracle 可能同时发展两类模式。后文中，FluidStack 又被 Kenny 视为 TPU 版的 Nebius。

5. AI 原生云：同一个词，三种理解

Kenny 预判 CoreWeave 和 Nebius“应该能成为第四朵和第五朵云”，最终路径是 AI 原生云——为 Agentic workflow 做流程上的整体改变。但各家理解不同：DigitalOcean 偏产品理念，发布了约 15 款或 20 款产品；英伟达与 CoreWeave 这对绑定较深的伙伴，讲的是“以 AI 算力大型集群管理为核心”的较宽泛概念。
超大云商基本不提这个词：它们认为本质没有变，只是 B 端 workflow 从人使用软件、数据库和存储层，变成机器代替人使用——“以前主要面对的是人，那现在主要面对的是机器”。
市场份额既取决于需求端，也取决于资源端：哪一个模型未来市场份额更大，其上游供应商的份额就会跟着走；同时还要看下游客户的发展、能否稳定获得 powered shell（电力和制冷等基础设施），以及能否拿到最先进、最合适的芯片。

6. 供给格局巨变：TPU 放量与未来三巨头

主持人给出 2025 年收入口径：CoreWeave 收入 51 亿美元、占 Neocloud 市场 22%；Nebius、Lambda 各约 5 亿美元。Kenny 认为格局会快速变化：2025 年 TPU 只有 100 多万颗，举例可能是 110 万、120 万或 130 万颗；今年可能约 400 万颗，明年按他的预测可能达到 1000 万-1200 万颗，量级接近英伟达。亚马逊 Trainium 今年可能约 200 万颗，明年达到 400 万-500 万颗甚至更高。
CoreWeave、Nebius、Lambda 等主要玩家基本属于英伟达体系，芯片和集群部署以英伟达为基础。Kenny 认为 TPU 崛起会带动 FluidStack——“你可以把 FluidStack 想象成 TPU 版的 Nebius”。未来三大 Neocloud 可能是 CoreWeave、Nebius、FluidStack；以 Trainium 为主的亚马逊也会占有一席，但它本身是 hyperscaler。
Lambda 更侧重编程，可能走垂直化、区域化、专业性更强的 Neocloud 路线。

7. CoreWeave 模式：锁长约、上杠杆、融资成本大幅下降

模式内核是最传统的基建打法：GPU 商用生命周期约 5-6 年，CoreWeave 把这一周期锁给单一头部客户，包括 Anthropic、OpenAI，以及 Jane Street、HRT 这类新的算力大户。“每花一块钱，大概在未来的六年能赚回来三块钱”，残值只是“锦上添花”。
融资成本曲线体现了市场对模式的接受：2023 年首笔贷款利率 14.5%，属于 high yield 债务；今年新一轮贷款利率只有 6.2%，已经成为 investment grade。杠杆前 IRR 约 23%-25%；三年前杠杆后可能在 35%-40%，甚至约 30%-35%；现在杠杆后回报率“稳稳地超过了 50%”。
相比之下，传统铁路、码头、高速公路等基建项目杠杆前回报约 5%-6%，杠杆后约 10%-12%，较好的可达 15%。Kenny 的老东家 Brookfield 管理约 2 万亿美元资产，是一家有百年历史的加拿大商业地产和基建资产管理公司，长期采用这种现金流稳定、回报可预测的模式。

8. Nebius 模式：用预付款降低对杠杆的依赖

团队是前俄罗斯最大搜索网站 Yandex 的创始团队，出售 Yandex、迁到阿姆斯特丹后转做 Neocloud，具有“非常有互联网思维”的基因。它们愿意承担算力价格波动，不愿承担财务杠杆风险。
微软和 Meta 的几个大订单在财报电话会上提到，预付款达到 40% 甚至 50%；Nebius 自身主要发行公司层面的可转债，因此整体杠杆率不高。
代价与回报：Kenny 测算合同价格约打 20%-25% 折扣，但因大额前期预付款，杠杆前收益率仍可达 35%-40%。主持人追问这是否意味着未来有更大加杠杆空间；Kenny 回答“是的”，但认为 Nebius 不会加很多杠杆，会继续采用 40%-50% 预付款模式。他强调，前述回报率都按净现金流计算，因为 EBITDA 不包括折旧。

9. 主持人的第一记质疑：拿贬值资产借长债，逻辑站得住吗？

曹卿云追问：GPU 一两年就有新一代、使用寿命只有几年，是否是在“用一个会贬值的资产去借一个长期的债”？
Kenny 称这是“市场层面对这个商业模式的一个误区”：数据中心设备和电力系统折旧约 15-20 年，传统云 CPU 最初也按 5-6 年折旧，现在有些超大云商延长到 7-8 年，与 AI 云并没有特别大的差别。
关键在于，负债“对应的不是 GPU 硬件本身的残值，它对应的是整体合同的价值”。CoreWeave 和 Nebius 的合同主要签 5-6 年，基本用尽芯片的商用价值；之后多用一天就多赚一天，刨除电费后几乎是 100% 的利润。银行评估的也是合同、运营和现金流这笔大账，这解释了 CoreWeave 过去三年利息成本的大幅下降。

10. 利润率断崖之谜：在建规模压过收租规模

二级市场的困惑是：CoreWeave 利润率从去年第二、三季度的 12%-14% 降至第四季度的 8%，今年上半年“断崖式下跌到 1%-2%”；现货 GPU 价格第一季度还上涨 40%，为何越做利润率越低？Kenny 以他曾任首席战略官的万国数据为例：2016 年上市时报表同样难看，原因是在建规模大于已经产生租金收入的体量。
数字拆解：CoreWeave 已通电部分为 1GW，整体布局电力为 3.5GW，在建大概率约 1GW；已通电的 1GW 中，只有约 800MW 真正产生收入，因为通电、客户上架和服务器部署之间有 2-3 个月时差。因此，在建和已通电但尚未产生收入的部分，会拖低整体利润率。
收敛路径：到年底，CoreWeave 大概率有 1.8-2GW 在收租，同时继续建设约 1GW；收租部分利润率约 25%，整体利润率约 12%-14%。明年底可能有 3GW 上架收租，在建部分约相当于现有收入规模的 30%，利润率达到 20% 出头。叠加 KV Cache、RL 等高利润 PaaS，到 2028 年底利润率可能达到约 25%，并逐步向 30%靠近。

11. 估值差与终局利润率：折扣该有，但不该这么大

当前错位：传统云的利润估值倍数约 20-25 倍、增长率约 30%；Neocloud 按 Kenny 的测算只有约 10 倍稳定利润估值，但利润增长超过 100%，未来三年复合增长率可能达到 120%-130%。他认为资本市场会提前意识到“新云其实跟旧云差别不是特别大”，两者在芯片折旧和盈利模式上都比较接近。
长期来看，新云估值仍应略低于传统云：CoreWeave 和 Nebius 每 MW 资本开支约 4500 万-5000 万美元，传统云约 1500 万-2000 万美元；若采用自研芯片、白牌网络和带宽设备，传统云可能降至每 MW 1000 万-1200 万美元。Neocloud 的资本投入更大，利润率也“永远达不到”传统云约 40% 的水平。
终局可能是两者趋同：传统云可打包出售的部分 PaaS 功能可能受到 AI 应用、用户自行 Web coding 或小型软件开发商的冲击，传统云利润率降至 30%-35%；Neocloud 升至 25%-30%。两者会“相对比较接近，但还是差一些”。

12. 约 900 多亿积压订单：瀑布结构与多元化的辩护

主持人点出风险：CoreWeave 当前收入约 50 亿美元、指引收入 120 亿-130 亿美元，Capex 需要花两三百亿美元；2025 年收入约三分之二来自微软，还有大量 OpenAI 订单。Kenny 称这是市场对 CoreWeave“最大的一个误区”：收入与当期 Capex 没有直接关系，而是瀑布型结构——今年花 300 亿甚至 350 亿美元，未来六年收回约 900 亿-1000 亿美元；收入应在 2029 年超过资本开支。
与 AI 模型公司不同，后者的资本开支通常要在 6-12 个月内转化为收入；CoreWeave、Nebius 则把合同价值拆分到 5-6 年，只要客户没有严重财务问题、平台能够持续交付，现金流就会不断累积。
向前看的 backlog 已多元化：Meta 占 35%、微软约 20%、OpenAI 约 20%、Anthropic 约 8%-10%、Jane Street 约 8%-10%。这些订单具有财务绑定性，客户不易轻易取消。另一个常被投资界忽略的因素是：英伟达承诺，如果 CoreWeave 采购的相当一部分芯片无法部署，英伟达可以回收，因此“财务性的风险敞口其实并没有大家想象的那么大”。

13. DeepSeek 焦虑与半导体周期：效率提升是必要条件，不是威胁

对算法效率提升可能冲击需求的担忧，Kenny 回到云计算的底层逻辑——“零售变成批发”：超大云商凭借规模、技术能力和主业现金流降低算力成本，一部分留给自己、一部分让利客户，客户因此把更多需求搬上云。DeepSeek 是“很伟大的企业”，但其算力效率提升是正常现象；效率提升和 token price 下行是必要条件，软件、设备和端侧需求才会蓬勃发展。
今年现货价格“不正常”，根源还在供给端的周期记忆：新冠期间上游大幅扩产，随后遭遇可能是过去 20-30 年最惨烈的半导体下行周期；海力士、闪迪、铠侠在 2022、2023 年“几乎处于濒临破产的状态”，之后又迅速接上可能是过去 20-30 年最大的上行周期，因此企业不敢大刀阔斧扩张。
Kenny 对明年 Capex 增长 50%-60%的判断保留：其中很大部分可能来自元器件、尤其是存储涨价，silicon content 并没有同比例提升。健康的市场应当是“资本开支增加百分之五十”的同时，silicon content 增加 30%-40%，再叠加 token 成本继续大幅下降，真正需求才会爆发。

14. 三角关系：微软边缘化，英伟达要 CoreWeave 展示“原装超跑”

Kenny 直言，这是个人观点较重的部分：微软在这个体系中“已经是比较边缘化了”。它当年作为 OpenAI 与 CoreWeave 之间的中间人，本质是增信；基建项目的信用评级与客户强相关，而当时 OpenAI 负现金流巨大。没有微软背书，CoreWeave 给 OpenAI 的价格可能会非常高。如今 OpenAI“基本上从微软的体系独立出来了”。
英伟达的动机是建立自己的硬件基建云生态。未来大型超大云商和互联网企业，包括字节跳动、Meta、阿里，都会积极自研芯片，因此英伟达需要在自己的体系内建立护城河。传统云时代的打法是硬件白牌化：减少对 OEM 的依赖，让台湾 ODM 从更前端参与设计和整合；超大云商像《头文字 D》中买 GTR 后自己改装，以硬件优化形成差异化。
英伟达的理念相反：“你就应该买我这辆超跑，什么都不用改”。CoreWeave 在部分集群使用整套英伟达网络设备，只做 PaaS 层面的优化，打造“英伟达想展现给世界的真正的推理和训练能力”。
交换条件包括英伟达持有 CoreWeave 约 11% 股权、芯片和服务器的优先供应、软件与 PaaS 工具支持，以及无法交付芯片时的回收承诺。

15. 谷歌×黑石的 TPU 新云：卖发动机，不捆整车

逻辑是生态飞轮：英伟达生态强于 AMD，是因为其芯片被超大云商、模型公司以及 DeepSeek 大量优化和应用。谷歌希望 TPU 被更多人使用，让生态参与者共同优化；但 Google Cloud 继承了传统云时代的技术和 PaaS，“不见得会被新一代 AI 原生的公司所接受”。因此，谷歌选择黑石等资金实力雄厚的财团，把 TPU 独立推向更广泛的市场。
镜像案例是英伟达当年尝试 DGX 云：客户担心“你这个云要是发展快了，将来你可能不卖我芯片了，只把算力出售给我”，因此从第一天就没有接受这一路径，英伟达后来也不太再提。谷歌的方案给了市场选择权——“我可能认可你的这个发动机，就像宝马奔驰一样，但我可能不认可你的车的设计理念、内饰”。
对 CoreWeave 与英伟达绑定是否会成为劣势，Kenny 基于与管理层的交流表示：“我并不觉得他们认为自己跟某一家是完全独家的状态”，但 CoreWeave 内部确实认为英伟达芯片是最优解。

16. 铁路的教训：资产留下，公司淘汰，基建从不一家独大

主持人提出 19 世纪铁路类比——公司可能破产，但基础设施留下。Kenny 认可并扩展到所有重资产：Brookfield 内部的玩笑是“第一个酒店的持有者大概率是要亏钱或者破产的，第二个 owner 一般会打平，到了第三个 owner 才开始赚钱”。2008-09 年，澳大利亚最大的基建资产管理公司 Babcock & Brown 破产，Brookfield 以大幅折价收购澳大利亚铁路、码头和基建类资产约 20%-25%的市场份额。
结构性结论是“基建类从来不会一家独大，因为这个几乎不可能”：核心竞争力差异没有那么大，只要资金足够便宜、收益率预期足够低——即使只要 2%-5%、不加杠杆——就能占有一席之地。但 AI 芯片与铁路 40-50 年的折旧不同，芯片 6 年后残值可能较低，资产不会永久存在。
淘汰赛预告：算力链目前“百花齐放，两只手已经数不过来”。未来两三年，规模超过 10 亿美元的 Neocloud 公司中“肯定有一大半”会被淘汰，压力来自三朵云、CoreWeave/Nebius/FluidStack 等新贵，以及下游客户自身能否存活；“但我认为这个是健康的，也是必然发生的”。

17. 未来最大变量在存储层：答案已经被存起来了

Kenny 避开硬件，认为真正的变量在 PaaS 层。过去 IaaS 层的差异没有特别大：微软偏小而轻、节点较多，亚马逊偏大型数据中心部署；两者在硬件和物理层面的差异化有限，竞争更多发生在 PaaS。
现有数据库、可视化管理云等服务主要是给人使用的，对机器的意义可能没有那么大。Kenny 判断：“将来一个很大的发展方向是存储层 storage layer 和数据层 database layer 会结合在一起”，模型甚至可以直接与硬件交互；存储层将贯穿训练、推理、GenAI workload、企业 workload、To C workload 以及可能的本地部署端。
支撑这个判断的观察是：很多问题可能已经问了几万遍，数据源接近上限，大模型回答越来越快——“我其实不认为它是因为推理的速度变快了，因为新的卡其实也没有出现，我觉得就是因为很多的答案它已经存起来了”。谁能以高效、高频、大规模、低成本的方式优化信息和答案存储，TAM“非常大”。
标的层面，一些传统存储企业可能做得不太好，包括 Dell 旗下的 EMC、NetApp、Pure Storage；Kenny 点名关注未上市的 Vast Data，其 low-latency storage 技术积累较深。AI 时代以前，Vast Data 的客户主要是高频交易公司；现在许多头部超大云商、AI 算力公司和 Neocloud 都可能成为其 backlog。

18. 数字劳工：AI 是美国白领劳动力膨胀的新出口

Kenny 的历史框架：美国 1980 年代通胀曾达到十几个百分点以上，制造业劳动力不足；制造业先迁往亚洲四小龙等地区，2001 年中国加入 WTO 后，美国又把大量制造业迁往中国。1985 年至今，美国约减少 700 万个制造业岗位，亚洲增加约 1.2 亿-1.5 亿个制造业岗位，成本约下降 60%；与此同时，美国在 30 年间增加约 4000 万个白领岗位。到 2010 年，美国服务业就业人口约 1.3 亿，其中约 5000 万是核心白领。
2012 年后白领供给也不够，第二个降本增效方案是云计算、软件和 SaaS。云帮助节省了一些成本，但无法减少既有的 5000 万白领及其工资成本；SaaS 则完成了从本地软件到持续收费的商业模式转型，系统绑定和数据积累带来粘性，软件公司还能持续提价。
Kenny 认为 AI 是美国解决知识劳动力膨胀的新方案。从明年开始，AI 可能替代一部分、也可能替代大部分劳动力；随着实用性和稳定性被接受，这一过程可能持续几年甚至十年。数字经济的映射是：“芯片是劳工，它们住在数据中心里边”，雇主是采购芯片、为其支付数据中心租金的超大云商和 Neocloud；这也是英伟达称其为 AI Factory 的原因。断水、断电、缺人等瓶颈，中国在 1990 年代和 2000 年代初也经历过；光互联等网络设备相当于高速公路和电信公司，芯片不休息但需要更多电力。
这套理论的边界被 Kenny 明确强调：它“只是基于现在的 AI 的能力”。当前使用的 AI 能力可能只是未来能力的 1%，甚至不到 0.1%；我们可能还只是看到了 AI 发展的“小荷才露尖尖角”。

深入 Legora 技术栈：为什么 Token Maxing 正在让企业初创公司走向失败｜Legora CTO Dan Loeb：失传的做空艺术，以及选股为何又回来了