关于云服务公司的未来，最近美国投资圈、硅谷圈，都充满了争论。
一方面，亚马逊的云业务AWS增速重新加快，股价也稳中有升。而另一边，同样靠 AI算力赚钱的CoreWeave，股价却在一天之就跌了约15%。Nebius、IREN等新兴算力云公司也随之下跌。
更要命的是，CoreWeave的债券收益率也逼近15%。而且，用来给债务“上保险”的信用违约互换（CDS）表现来看，CDS价格一路上涨，目前相当于市场认为CoreWeave五年内违约的可能性超过50%。一家科技公司的未来如果是就像扔硬币一样，那肯定是危险的。
CoreWeave的表现，令英伟达CEO黄仁勋都公开表态，“其实力每天都在增强，不需要英伟达提供担保”。这个表态，令CoreWeave股价短暂反弹后，就再度走弱，从前序来算，7个交易日下跌了35%。稳定一时情绪易，改变现金流和债券价格就依然需要基本面的佐证。
奇怪的地方在于，两家公司卖的都是AI算力，资本市场给出的判断却几乎相反。如果说AI需求出了问题，亚马逊不应该上涨；如果说需求依然旺盛，CoreWeave也不该被如此抛售。
这种矛盾说明，市场质疑的并不是AI本身，而是商业模式和资本结构。尤其在利率上升以后，AI云的逻辑，也迎来了挑战。
同样卖算力，不同的生意
从客户的角度看，在AWS上租一台GPU服务器，和在CoreWeave上租一台，差别似乎不大。但从财务角度看，两家公司的账本却并不同。
亚马逊是用自己的现金流建工厂。
AWS也不只是出租算力。客户的数据存在这里，应用运行在它的数据库和网络上，模型通过它的平台调用，客户的整个IT体系都可以在它的生态里流转。这意味着，一份AI需求，AWS可以在多个环节收费。
在AWS之外，零售、广告和会员业务，每年也能产生大量现金，从而支撑其每年两千亿美元级别的资本开支。当然，亚马逊也有压力，比如自由现金流因为投资过猛而转弱，但它的问题是“回报来得快还是慢”，而不是“资金会不会中断”。
CoreWeave的路径就不一样了，可以概括为“借钱建工厂，再用租金还债”。它的核心设计常被形容为一个个“盒子”：
先和微软等信用良好的大客户签下长期、固定价格的算力合同，再拿着合同去采购英伟达GPU，然后把合同和GPU一起装进一个独立的融资单元，以未来的租金收入和GPU资产作为抵押，向华尔街借款。项目建成后，客户付租金，租金偿还债务，剩下的部分才是公司的利润。
这个设计很巧妙。每个“盒子”的风险彼此隔离，有真实客户和硬资产作支撑，看起来比普通的信用借款安全得多。正因为这样，CoreWeave才能在短短几年里扩张到数百亿美元的规模。
但这种模式有一个前提：资本市场必须持续以合理的价格借钱给它。说到底，它是一门高度金融化的基础设施租赁生意，GPU是生产工具，资本成本才是真正的原材料。
无风险利率提升的重压
讨论AI公司时，人们习惯关注模型能力、芯片性能和客户订单，这在常规时刻是足够的。但如今，也必须留意美国十年期国债收益率。尤其对CoreWeave这类金融化公司来说，后者可能才是最关键的变量。
道理不复杂。国债被看作最安全的投资，它的利率叫“无风险利率”。国债利率上涨，投资者买国债就能稳稳拿到更高回报，自然会要求风险更高的公司付更多利息。负债越多、信用越弱的公司，借钱成本涨得越快。
今年美国国债利率经历了一波显著上涨，十年期已经从4.2%上涨至5.1%左右。这必然会对整个经济带来冲击。
CoreWeave今年发行的一笔债券票面利率约为9.6%，短短几个月后，其市场收益率已经逼近15%。虽然已经借到的钱，不会发生利率变化，但公司下一次借钱时，就要付出比几个月前高得多的代价。
更麻烦的是收入和成本之间的时间错配，以及收入固定、成本却在变化。
CoreWeave卖出的算力合同，价格大多是签约时就定好的。可要完成这些合同，它还得继续借钱。市场估计，它已经借了约350亿美元，后面可能还要再借差不多一样多。
收入在签约时就已锁定，成本却随利率波动。利率每上升一点，已签合同的利润就会一点点减少，公司离盈亏平衡点的距离也就更近、甚至会出现亏损。有测算认为，这个缓冲空间只有正负50亿美元左右，并不算宽裕。
常言道，做债的要比做股的更加敏感。债券市场也比股票市场率先反应。其CDS的价格，包含了恐慌情绪和风险溢价，并不等于真实违约率。但它清楚表明，债权人的态度已经发生变化。
所以，这次下跌更多的是，市场在重新给“借钱的成本”定价，而不是AI需求退潮了。
需求没坏，但胜负手变了
看好CoreWeave的人也有自己的逻辑，核心是回本周期。
按公司口径，一个项目的回本周期大约是2.5年，而典型合同期限是5年。也就是说，合同期过半时投资就已经收回，剩下的时间都是利润。只要这个差距还在，再高的杠杆也有能力消化。
目前只看需求，AI算力行业的基本面依然强劲。主要云厂商的合同储备持续创出新高，大模型公司的收入增速依然可观。
按照行业内普遍的判断，GPU及配套基础设施的紧张局面，可能会延续到2028年以后。算力仍然是稀缺品，这一点并没有改变，甚至反而令服务器的变现期变长，相当于企业可以再多几年纯利润的时间。
然而，回本周期并不是一成不变的。虽然短期算力供应不会出现大幅扩张，也就是算力价格不会有显著下滑；但数据中心建设延期、电力迟迟接不上（毕竟美国依然是缺电状态），起租时间也会推迟。再加上融资成本上升。一旦回本周期逼近合同期限，这个模式的安全边际就会迅速消失。
好在CoreWeave还占有一个竞争的核心要素：客户。它的客户集中度很高，三个大客户占比75%左右，这几个大客户的风险承担力依然强劲。如果它的客户是AI初创公司，那就会更加麻烦。
CoreWeave和亚马逊的对比，也说明一个趋势：缺乏差异化、融资成本偏高的玩家会被并购或淘汰；全栈的云公司，也许优势正在加强。也就是像谷歌、亚马逊、百度智能云、阿里云这样，同时拥有自研芯片、自研大模型和智能体开发平台、以及自研应用的云厂商。
一是成本可以更低。自研芯片减少了对外部 GPU 的依赖，同样的算力花钱更少，回本更快；二是利润更厚。全栈意味着可以提供的服务也更多，收入来源增加的同时，客户粘性也在提升。
三是抗风险能力更强。算力既能卖给外部客户，也能用于自家业务，不容易出现闲置。背后的成熟业务，还能持续提供现金流，不必过度依赖借钱。
当然，全栈并不意味着稳赢，各个环节的布局也意味着高投入。全栈公司真正的优势不在于每一层都做到最好，而是各层之间能够互相支撑。芯片帮模型降成本，模型给平台带客户，平台又让算力保持满负荷，背后再有现金流兜底。
钱便宜的时候，专注一件事的公司可以跑得很快；钱变贵以后，能在多个环节赚钱、又不太依赖借钱的公司，才更有耐力。
AI的故事远没有结束，但无风险利率的提高，让资本市场不得不重新计算它的价格。
---全文完，欢迎交流
理工/金融 复合背景
