博客 详情

黄仁勋投85后双胞胎：出租AI算力，估值970亿

一家依靠出租GPU盈利的企业，目前手握价值500亿美元的订单。

这家公司名为Lambda，其核心业务是构建算力集群，然后对外出租这些算力并收取服务费。英伟达也是它的投资方之一。

这项业务的热度有多高？

今年6月，Lambda的未交付订单总额还是150亿美元，到了9月，这一数字已迅速增长至500亿美元。尤其在8月底，它与人工智能公司Anthropic签订了一份价值350亿美元的算力服务合同。

尽管订单量持续攀升，Lambda仍在积极寻求资金。

近期，该公司计划进行一轮最高40亿美元（约合人民币270亿元）的融资，由黑石集团和Coatue联合领投，投前估值为145亿美元（约合人民币972亿元）。公司计划在2027年实现上市。

Lambda为何会面临资金压力？

客户可以分期数年支付租金，但Lambda需要先行垫付资金购买GPU并建设数据中心。

有人开始将算力比作一种新型的房地产生意：先买地、再盖楼、最后卖楼。

兄弟联手，做起了算力“地主”

Lambda由一对出生于1985年后的双胞胎兄弟创立。

2012年，斯蒂芬·巴拉班与他的双胞胎弟弟迈克尔·巴拉班共同创立了Lambda，最初专注于人工智能研究，尝试过人脸识别等应用。

当时的AI行业远不如现在火热。斯蒂芬从朋友那里购入了一台配备4张英伟达GTX 580显卡的工作站，用于训练神经网络。

大约在2015年，团队开发了一款名为DreamScope的图片应用，能将普通照片转化为油画等艺术风格。这款产品吸引了约100万用户，处理了数千万张图片。

用户数量越多，公司面临的风险反而越大。

因为训练和处理图片需要大量计算资源，Lambda每月需向亚马逊云服务AWS支付约4万美元。按照当时的财务状况，公司可能仅能维持两三个月的运营。

一位早期投资人给了他们建议：既然租用服务器如此昂贵，为什么不自己购买？

兄弟俩计算后发现，如果投入6万美元购买设备并自建计算集群，就能省下每月4万美元的云服务开销。

问题在于，6万美元对一家小公司来说并非小数目。

斯蒂芬后来在播客中回忆，当时非常担心这笔投入会导致公司破产。为了降低风险，他们特意购买了可以拆开出售的工作站，万一失败，还能通过变卖设备回笼资金。

结果，这笔投资仅用了大约一个半月就收回了成本。

更重要的是，兄弟俩意识到，帮助他人节省算力开支，可能比开发AI应用更赚钱。

Lambda因此转向销售AI工作站和服务器，并逐步建立起云计算平台。据斯蒂芬回忆，2017年，公司硬件业务收入约为300万美元，2018年达到1000万美元，2019年增至3000万美元。

这次转型奠定了Lambda今天的商业模式。

简单来说，Lambda从事的是AI算力出租业务。

开发大模型需要昂贵的英伟达GPU，但并非所有公司都愿意自行购买设备并建设机房。Lambda负责采购设备、组建计算集群，然后根据合同向客户提供算力。

客户无需自行运营数据中心，Lambda则通过出租计算资源盈利。

这类企业近年来被称为Neocloud（新兴AI云服务商），与亚马逊、微软等传统云计算巨头相比，它们更专注于GPU算力。

Lambda的客户名单也越来越有分量。

2025年11月，它与微软签署了一份价值数十亿美元的多年期协议，计划部署数万张英伟达GPU。今年8月底，另一个大客户Anthropic签署了价值350亿美元的云计算合同。

从开发图片应用，到销售显卡，再到为全球头部大模型公司建设AI算力集群，Lambda花了十多年时间。

但随着规模扩大，创始人发现公司又遇到了熟悉的问题：需要先投入资金，才能获得收益。

只是当年让他紧张的6万美元，如今变成了数十亿美元。

贷款创业

Lambda目前最有价值的资产，不仅是GPU，还包括微软、Anthropic等大客户签署的长期合同。

这些合同正在改变公司的融资方式。

过去，一家初创企业想要融资，通常需要向风险投资机构证明自己的增长潜力，并用股权换取资金。

Lambda则多了一条途径：用设备和合同作为抵押，向银行、保险公司等机构借款。

2024年4月，Lambda以英伟达GPU为抵押，获得了5亿美元融资，用于扩大算力业务。

2026年，这种融资方式进一步加速。

5月，Lambda将一项担保信贷额度扩大至10亿美元。8月，公司又获得了9.26亿美元贷款，用于支持已签约客户的GPU部署。

10月1日，它宣布完成了一笔新的10.08亿美元固定利率贷款，利率为6.78%，最终到期日为2033年。

这笔贷款值得特别关注。

其抵押品不仅包括GPU服务器，还包含两家投资级客户的合同现金流。

这意味着，在贷款机构眼中，一份可靠的大客户合同也开始具备类似基础设施资产的融资价值。

例如，Lambda接到一份长期算力订单，但暂时没有足够资金采购GPU。它可以向金融机构出示合同，并以未来的租金收入和设备作为偿债保障，借钱完成采购。

设备上线后，客户陆续付款，Lambda再用收入支付利息、偿还本金。

于是，一个循环形成了：签订订单、获得贷款、采购GPU、交付算力、收取租金、偿还债务。

这套方法让Lambda不必完全依赖股权融资，也无需等待上一批设备收回成本后再购买下一批。

但有两个前提：客户必须有能力持续付款，Lambda也必须按期交付算力。

因此，Anthropic的350亿美元订单至关重要。

这一模式并非Lambda独有。

2025年9月，同行Nebius与微软签订了一份约174亿美元的五年期算力协议。公司明确表示，计划利用合同现金流及相关债务融资来支付资本开支。

AI算力行业正在出现一种变化：企业不仅要比拼谁能拿到大客户订单，还要比拼谁能将订单转化为低成本融资。

这也解释了Lambda今年的一次重要人事调整。

5月，创始人斯蒂芬卸任CEO，转任CTO，负责技术和产品方向。新任CEO米歇尔·孔布曾领导Sprint软银国际等大型企业，前通讯巨头AT&T的CEO约翰·多诺万出任董事长。

一家由机器学习工程师创办的技术公司，开始交由熟悉大型基础设施运营的职业经理人管理。

因为Lambda现在需要处理的，不再仅仅是产品开发问题，而是数十亿美元的融资、长期债务、多处数据中心建设以及大客户合同履约。

技术仍然重要，但融资成本、资本结构和交付效率，已经直接决定了公司的竞争力。

算力生意变成了地产出租生意

Lambda的商业模式有一个现成的参照对象：CoreWeave。

这家公司同样获得了英伟达支持，主营GPU云计算服务，并且已经上市。

它的财报揭示了AI算力生意最矛盾的一面。

截至2026年6月底，CoreWeave的未交付订单总额达到约1040亿美元，是Lambda披露规模的两倍多。

但订单的持续增长，并未让它摆脱亏损。

2026年第二季度，CoreWeave实现收入25.75亿美元，同比增长约112%，但净亏损却达到6.26亿美元。

其中，净利息支出高达6.4亿美元，相当于季度收入的近四分之一。同期折旧及摊销达到13.93亿美元。

这两组数字揭示了算力生意的成本结构。

一方面，公司购买的GPU必须持续折旧。即便设备尚未收回投入，新一代GPU也可能已经上市。

另一方面，公司使用债务购买设备，利息不会因为设备暂时闲置而停止计算。

假设一家算力公司借款10亿美元，年利率6.78%，那么仅一年利息就约为6780万美元，这尚未计算设备折旧、电费、机房租金和其他运营费用。

如果客户按期付款，GPU利用率较高，公司就可能依靠租金覆盖这些成本。

如果数据中心建设延期、GPU空置，或者新一代芯片上市导致旧设备租金下降，利润空间就会受到挤压。

设备寿命也是华尔街争论的焦点。

银行和信用投资者通常按照3至4年的周期评估高端GPU的折旧，而英伟达则认为，其AI计算设备可能使用更长时间，甚至达到10年。

斯蒂芬本人倾向于更乐观的判断。他曾在采访中提到，Lambda仍在出租2017年推出的英伟达V100 GPU，以此反驳高端GPU只能使用三年的观点。

总的来说，对于华尔街而言，GPU出租也是一个新的投资机会。

过去，保险公司和长期债务投资者更熟悉房地产、能源、电信等基础设施项目。如今，拥有大客户长期合同的GPU计算集群，也开始进入它们的投资范围。

但华尔街并没有无条件接受GPU是一种可靠的长期资产。贷款通常还要依赖客户合同、设备抵押及其他保障安排。

十年前，斯蒂芬发现自建服务器比租服务器更划算，于是创办了一门算力生意。

十年后，Lambda已成为拥有数百亿美元订单的AI基础设施公司。但它能否像当年一样迅速收回设备投资，还需要时间验证。

当年6万美元的服务器，一个半月就回了本。今天数十亿美元的GPU，需要多少年才能回本？

这才是Lambda上市前，华尔街真正需要算清楚的账。

本文不构成任何投资建议。

本文来自微信公众号 “铅笔道”（ID：pencilnews），作者：铅笔道，36氪经授权发布。