CABINET / The Physical Stack of AI / Neocloud
Neocloud
这是 Physical Stack of AI 系列的第五章。前四章按物理层次往上走：云计算的交付模式，CPU 和 GPU 的硬件架构与半导体产业链，AI Infra 的系统互联和分布式训练软件栈。这一章换一个角度，讲这些硬件堆出来的算力作为一种新资产类别，怎么被公司持有、被投资人定价、被交易。
这不是十篇笔记的目录，而是一张认知地图。每个判断都标注了来源模块，每条信号都说明了它在整体框架中的位置。先读本文，再按K节指引进入具体模块。
A. 项目概览与认知地图
核心研究问题
Neocloud（GPU即服务，即AI基础设施租赁）是真正的新资产类别，还是只是一轮有时间窗口的周期性基础设施行情？
这个问题的答案决定：估值倍数应该参照科技公司还是基础设施公司，投资时间窗口是3年还是10年，以及中国市场是否存在对应的投资机会。
认知地图：三层递进
第一层：定义与基础（01, 02） 先建立概念边界。Neocloud满足NIST（美国国家标准与技术研究院）云计算五标准中的约2.5条，本质上是”有部分云特征的专用算力租赁商”。然后建立商品化的三条路径框架，这是整个项目的底层预测模型。
第二层：公司深度（03, 04, 05, 06） 四家公司代表四种不同的生存逻辑：Nebius（地理主权护城河）、CoreWeave（杠杆放大 + 微软依赖）、IREN（电力优先模式）、Oracle（现金牛转型）。四个案例覆盖了Neocloud可能的主要形态。
第三层：结构性力量（07, 08, 09, 10） 四个专题揭示塑造整个行业的底层力量：传统云巨头（CSP）的竞争与合作关系（07）、GPU折旧这个最被低估的财务变量（08）、电力采购协议（PPA）如何成为真正的护城河（09）、中国作为完全不同物种的独立逻辑（10）。
项目定位
本系列是投资判断导向的研究，不是行业分析报告。每个模块都包含：事实层（可验证数据）、分析层（逻辑推导）、判断层（主观概率估计）。三层分开标记。
B. 模块目录
| 编号 | 文件 | 一句话定位 | 最重要的一个概念 |
|---|---|---|---|
| 01 | 01-Neocloud作为新资产类别 | 认知框架与基础单位经济学，建立整个系列的概念地基 | 利用率70%是生死线，不是优化目标 |
| 02 | 02-AI算力商品化路径 | 三条商品化路径与GPU小时定价演化，决定Neocloud长期价值上界 | 训练算力=石油（2026-2028），推理算力=电力（演化中） |
| 03 | 03-公司画像-Nebius | Yandex剥离后的欧洲AI云，数据主权提供3-5年时间窗口 | 欧洲GDPR+Schrems II形成真实监管护城河 |
| 04 | 04-公司画像-CoreWeave | 以太坊矿工转型AI云，GPU支撑债务放大收益也放大风险 | 62%微软收入集中度是生死依赖，不只是客户集中度 |
| 05 | 05-公司画像-IREN | 电力优先模式，比特币+AI双引擎，Neocloud中最轻资产+最重资产的组合 | ERCOT电网脆弱性是被低估的系统性风险 |
| 06 | 06-公司画像-Oracle | 数据库现金牛赌AI基础设施，RPO爆炸式增长背后是框架期权非锁定收入 | OCI Gen2裸金属优先架构是真实技术护城河 |
| 07 | 07-传统云玩家横扫 | CSP-Neocloud关系矩阵，微软是顾客+投资人+竞争者三位一体 | 自建vs租用经济学：3-4年盈亏平衡但GPU 2-3年迭代令结论反转 |
| 08 | 08-GPU折旧与融资结构专题 | 最财务细节的模块，会计折旧vs经济折旧是读懂所有Neocloud财报的钥匙 | H100第2年残值50-65%，第3年25-35%，阶梯式下跌不是直线摊销 |
| 09 | 09-AI数据中心PPA细粒度 | 电力采购协议四类型与五大案例，核电PPA是结构性转折 | TMI-1重启是AI公司从电力消费者变为定价者的真实转折点 |
| 10 | 10-中美映射与国内替代 | 中国AI算力四层结构，国内替代30-40%，软件生态才是真正瓶颈 | 中国没有也不应该期待出现”中国版CoreWeave” |
C. 核心概念术语表
结构定义类
Neocloud（新云 / GPU即服务） 专门向AI/ML工作负载出租GPU算力的服务商，与传统CSP（云服务提供商，即AWS/Azure/GCP）的核心区别在于：不提供完整云堆栈，不满足NIST五标准中的快速弹性和资源池化，本质上是专用基础设施租赁而非通用云服务。来源：01-Neocloud作为新资产类别
NIST五标准 美国国家标准与技术研究院定义云计算的五个标准：按需自助服务、宽带网络访问、资源池化、快速弹性、可计量服务。Neocloud约满足2.5条（前两条+部分可计量），未满足资源池化和快速弹性。来源：01-Neocloud作为新资产类别
IPP（独立电力生产商，Independent Power Producer） Neocloud的结构类比对象。两者共同点：重资产、长合同、固定成本占大头、定价能力取决于供需。关键区别：电力是均质商品，GPU算力目前有质量差异。来源：02-AI算力商品化路径，09-AI数据中心PPA细粒度
智算中心 中国政府主导的AI算力基础设施，是中国”Neocloud”的主要形态。特点：政策驱动建设、利用率约50%偏低、补贴依赖、不以市场化回报为首要目标。与美国Neocloud的商业逻辑根本不同。来源：10-中美映射与国内替代
融资结构类
GPU支撑债务（GPU-backed ABS） 以GPU硬件设备 + 长期租约合同作为双重抵押物，通过SPV（特殊目的载体）向机构投资人发行资产支持证券（ABS，Asset-Backed Securities）的融资结构。CoreWeave是最大实践者，Blackstone $78亿GPU支撑贷款是代表案例。来源：04-公司画像-CoreWeave，08-GPU折旧与融资结构专题
SPV（特殊目的载体，Special Purpose Vehicle） 独立法人实体，用于隔离风险。Neocloud将GPU所有权 + 租约收款权转移至SPV，SPV向投资人发行债券，实现表外融资。关键特性：若Neocloud主体破产，SPV资产理论上不受波及。来源：08-GPU折旧与融资结构专题
PIK（实物支付利息，Payment-in-Kind） 以额外债务代替现金支付利息的融资条款。高杠杆结构中的风险信号：债务本金在滚雪球，表面上减少现金流出，实质上加速负债累积。CoreWeave债务结构中含有PIK条款。来源：08-GPU折旧与融资结构专题
Margin Call Cascade（追加保证金级联） GPU市场价格下跌 → 低于ABS合同约定的抵押覆盖率（如130%）→ SPV要求追加抵押物或还款 → 被迫在低价市场抛售GPU → 进一步压低价格的恶性循环。2026-2027 Blackwell爬坡期是这一风险最高发窗口。来源：08-GPU折旧与融资结构专题
财务分析类
会计折旧 vs 经济折旧 会计折旧：直线法或加速法，平滑摊销，符合准则但不反映真实价值损耗。经济折旧：随NVIDIA产品周期呈阶梯式下跌，H100的真实残值为第1年80-100%，第2年50-65%，第3年25-35%，第4年10-20%。Hyperscaler（超大规模云）将折旧年限从3年延长至4/5/6年，每次延长都直接虚增利润，不改变商业现实。来源：08-GPU折旧与融资结构专题
EV/EBITDA（企业价值/息税折旧摊销前利润） Neocloud正确估值框架，合理区间15-25倍（成长期基础设施）。P/E（市盈率）误导原因：折旧巨大导致净亏损，但经营现金流为正。P/S（市销率）误导原因：忽视资本密度差异。来源：01-Neocloud作为新资产类别，08-GPU折旧与融资结构专题
ROIC（投入资本回报率，Return on Invested Capital） 当前Neocloud在稀缺期可达15-25%，长期将向飞机租赁商（10-15%）收敛。这是判断Neocloud是否仅为周期性行情的核心指标。来源：08-GPU折旧与融资结构专题
RPO（剩余履约义务，Remaining Performance Obligations） 已签约但尚未确认收入的合同总额，是最重要的前瞻性指标之一。Oracle的RPO从$990亿增至$1300亿再至$4550亿（含OpenAI框架协议披露后），但其中包含框架期权，并非锁定收入。RPO增速放缓是重要预警信号。来源：06-公司画像-Oracle，08-GPU折旧与融资结构专题
电力采购类
PPA（电力购买协议，Power Purchase Agreement） AI数据中心与电力供应商签订的长期电力采购合同。四类型：实物PPA（物理直连）、虚拟PPA（VPPA/差价合约）、套管PPA（Sleeved，通过电网中介）、企业PPA（大型企业直签）。核心条款：Take-or-Pay（付或用）、执行价格、合同期限（AI公司签20-25年）。来源：09-AI数据中心PPA细粒度
Take-or-Pay条款 买方无论实际用电量多少，均须支付合同约定的最低电量费用。对AI公司意味着：若AI需求低于预测，仍须为闲置产能付款，直接侵蚀利润。这是长期PPA最大的下行风险。来源：09-AI数据中心PPA细粒度
SMR（小型模块化反应堆，Small Modular Reactor） 新一代核电技术，单机容量约50-300MW，工厂预制、现场组装，建设周期更短。Google × Kairos Power 500MW、7台、2030年以后启动。目前仍是技术期权而非确定供给。来源：09-AI数据中心PPA细粒度
LMP（区域边际电价，Locational Marginal Price） 电力市场中随时间、地点实时变化的边际定价机制。GPU小时的定价正在向类LMP机制演化：算力价格将由时间、地点、负载类型决定，不再是固定报价。这是02-AI算力商品化路径中最重要的长期趋势判断。
中国特有概念
CANN框架（计算架构神经网络，Compute Architecture for Neural Networks） 华为自研的AI计算软件框架，等效于NVIDIA的CUDA。华为昇腾（Ascend）生态的核心瓶颈不在芯片硬件，而在CANN的开发者生态成熟度。2027-2030年结果由此决定。来源：10-中美映射与国内替代
东数西算 中国将东部数据需求通过专用网络导向西部低成本电力地区的国家战略。解决了成本问题，但未解决核心约束：芯片供应链 + 软件生态。对时延不敏感的训练任务有用，对实时推理意义有限。来源：10-中美映射与国内替代
D. 跨模块核心判断（10条）
以下判断均基于多模块综合推导，非单一模块结论。每条标注主要来源和辅助来源。
判断1：利用率60-70%是行业生死线，不是运营优化目标
来源： 01-Neocloud作为新资产类别（公式建立）+ 04-公司画像-CoreWeave（CoreWeave实证）+ 08-GPU折旧与融资结构专题（单位经济学详解）
逻辑链： 以DGX H100为例，70%利用率时：年收入约$137K，EBITDA约$74K，净亏损约-$52K（但折旧$90K为非现金，实际经营现金流为正）。60%利用率时EBITDA接近腰斩，经营现金流转负。70%是”勉强活着”，80%+才是真正健康。
判断（主观概率）： 2026-2027年供给高速扩张（Blackwell爬坡）叠加合同到期，整体行业利用率有概率下穿70%，这是最大的系统性下行风险。概率估计约30-35%。
投资含义： 季度财报中利用率数字是第一优先级指标，先于收入增速和利润率。
判断2：GPU折旧是Neocloud财务分析中最被系统性低估的变量
来源： 08-GPU折旧与融资结构专题（核心模块）+ 01-Neocloud作为新资产类别（资产定义层）+ 04-公司画像-CoreWeave（债务结构验证）+ 06-公司画像-Oracle（Hyperscaler折旧延长）
逻辑链： 两个方向的系统性误差同时存在。 第一，Neocloud折旧低估风险：账面按直线法摊销，但H100经济寿命是阶梯式下跌，若2027年B100/B200大规模普及，H100残值可能从账面50%直接跌至20%，触发大额减值。 第二，Hyperscaler折旧高估利润：AWS/Azure将折旧年限从3年→4年→5年→6年，每次延长都直接虚增报告利润。AWS近年有超过$100亿的利润虚增来自折旧延长，不是真实运营效率提升。
判断： 读任何Neocloud财报，第一步核查折旧政策和折旧年限，第二步核查是否有折旧年限变更注释。这两个细节的信息价值远超营收增速数字。
判断3：物理基础设施（电力、土地、散热）不会商品化，是真正的长期护城河
来源： 02-AI算力商品化路径（商品化三条路径）+ 05-公司画像-IREN（电力优先模式）+ 09-AI数据中心PPA细粒度（PPA作为护城河）
逻辑链： GPU算力存在商品化路径（三条路径：快速商品化15%、分层商品化65%、反商品化20%）。但电力位置、PPA合同、数据中心物理选址这三类资产不会商品化：电力是物理约束，PPA是合同锁定，土地是地理唯一性。
判断： 未来5-10年，Neocloud的估值溢价将从”稀缺GPU”转移到”稀缺电力”。CoreWeave的护城河在合同，IREN的护城河在电力，后者更持久。
IREN case： 1500MW目标容量，BC水电（低成本、稳定）+ Texas ERCOT（高风险、高弹性）组合，是物理基础设施护城河的直接实证。但ERCOT冬季风险（Winter Storm Uri前车之鉴）是这个判断的重要修正项。
判断4：微软-CoreWeave关系是整个Neocloud行业最大的单点系统性风险
来源： 04-公司画像-CoreWeave（关系建立）+ 07-传统云玩家横扫（CSP关系矩阵详解）
逻辑链： CoreWeave 62%收入来自微软，但这不是普通意义上的”客户集中度风险”。更准确的描述：微软同时是CoreWeave的最大客户、最大股东之一，以及Azure的直接竞争者。三重角色并存创造了不对称权力结构：微软有能力通过减少采购、调整转介绍关系、或自建竞争产品来单方面改变CoreWeave的命运。
OpenAI向CoreWeave的转移（$119亿/5年合同）是一个正向信号，但截至2026年OpenAI仍有50%+算力在Azure，去云化是方向不是2026年完成的事。
判断： CoreWeave IPO估值中应该包含一个”微软折扣”，大小约15-25%。观察信号：微软年报中对CoreWeave的叙述方式，以及CoreWeave客户集中度的季度变化趋势。
判断5：2026-2027是整个Neocloud行业的压力测试窗口，不是线性增长期
来源： 01-Neocloud作为新资产类别（2026-2027压力测试框架）+ 04-公司画像-CoreWeave（债务到期结构）+ 08-GPU折旧与融资结构专题（Margin Call机制）
逻辑链： 三个压力因素在同一时间窗口叠加：
- Blackwell（B100/B200）大规模爬坡 → H100存量市场价值快速下跌 → GPU支撑ABS的抵押物价值下降 → Margin Call风险升高
- 2023-2024年签订的大量3年期合同在2026-2027年到期 → 续签价格面临下行压力
- 利率仍处于相对高位 → 高杠杆Neocloud融资成本压力
判断： 这个窗口将是Neocloud格局的第一次真实筛选。能扛过去的公司（稳定电力 + 多样化客户 + 合理杠杆率）将建立真正的竞争优势；扛不过去的将进入债务重组或被CSP收购。
判断6：Neocloud本身无法直接签核电PPA，电力获取能力是结构性而非战略性障碍
来源： 09-AI数据中心PPA细粒度（PPA信用+规模门槛）+ 05-公司画像-IREN（IREN例外分析）
逻辑链： 核电PPA（$100-130/MWh，20-25年期）要求签约方同时满足：足够的信用评级（投资级或等效担保）、足够的负荷规模（数百MW起签）、足够的合同期限能见度。绝大多数Neocloud不满足。实际路径：通过托管（colocation）间接获取，由数据中心运营商而非Neocloud自身签署PPA。
IREN是例外：电力优先模式使其直接掌握约1500MW电力资源，但这也是IREN相对CoreWeave的根本商业逻辑差异，不能类推。
判断： 电力获取能力将成为2027年后Neocloud的核心差异化来源，但只有少数具备”电力优先”特质的公司能实现。这是市场集中的长期驱动力之一。
判断7：中国Neocloud是完全不同的物种，套用美国框架分析必然得出错误结论
来源： 10-中美映射与国内替代（核心框架）+ 09-AI数据中心PPA细粒度（中美电力对比）+ 07-传统云玩家横扫（竞争格局对比）
逻辑链： 三个根本性差异使美国框架失效：
- 芯片供应链：美国用NVIDIA H100/H200/B100作为储量，中国以华为昇腾910B/C/920为主，加上H20限制，生态碎片化
- 资本形式：美国GPU支撑ABS可在NASDAQ上市，获得资本市场估值；中国没有这条路径，主要靠政策性资金和国资背景
- 监管逻辑：美国以市场竞争为主，中国以国家产业政策为主，智算中心是政策工具先于商业资产
不应期待出现”中国版CoreWeave”。中国的智算中心约50%利用率、补贴依赖，是政策目标驱动而非商业回报驱动的建设逻辑。
判断： 分析中国AI算力投资机会需要完全独立的分析框架，核心跟踪指标是：国产替代率（当前30-40%，目标50%+）、华为昇腾CANN软件生态成熟度、以及2025-2027年政策扶持力度。
判断8：AI训练算力=石油（2026-2028稀缺期），推理算力=电力（2026-2030演化期），但物理基础设施始终稀缺
来源： 02-AI算力商品化路径（核心类比建立）+ 01-Neocloud作为新资产类别（资产类别定位）
逻辑链： 训练算力的石油类比成立的条件：供给有限（H100稀缺、Blackwell产能爬坡中）、需求刚性（Scaling Law成立的前提下大模型训练持续扩张）、价格弹性低。 推理算力向电力演化的条件：技术路径多元化（NVIDIA + AMD + 自研芯片）、需求可预测（DAU × 平均调用次数）、定价向边际成本收敛。
物理基础设施（电力、冷却、土地、网络）不满足商品化条件：地理约束使其不可复制，PPA合同期20-25年使其难以快速增加供给。
判断： 2026年是最适合持有”训练算力稀缺”叙事的时间节点，但需要在2027-2028年前评估Scaling Law是否出现边际收益递减的真实信号，这是最大的叙事失效风险。
判断9：去云化（de-clouding）是3-5年方向性趋势，不是2026年可观察到的断裂性事件
来源： 04-公司画像-CoreWeave（OpenAI合同实证）+ 07-传统云玩家横扫（自建vs租用经济学分析）
逻辑链： OpenAI向CoreWeave的$119亿/5年合同，加上Stargate项目，代表AI实验室供应链多元化的真实动作。但截至2026年OpenAI仍有50%+算力在Azure，完全自建的技术门槛（约1000万GPU小时/年）只有最大的AI公司才能达到，对绝大多数AI应用开发者，租用始终比自建经济。
自建的盈亏平衡点：1万张卡规模约3-4年，但GPU技术每2-3年迭代一次，3-4年后那批GPU已经不是最优选择，资本回报率大幅降低。
判断： 去云化对Neocloud不是短期威胁，但会持续压缩利润天花板。5年后AI算力市场格局：Hyperscaler大约占60-65%，Neocloud大约占25-30%，AI实验室自建大约占5-10%。Neocloud不会消失，但增长叙事需要降预期。
判断10：EV/EBITDA 15-25倍是Neocloud当前合理估值区间，但基准会随商品化进展下移
来源： 01-Neocloud作为新资产类别（估值框架）+ 08-GPU折旧与融资结构专题（ROIC分析）
逻辑链： EV/EBITDA正确的原因：折旧是最大的利润侵蚀项但为非现金项目，P/E会系统性低估经营价值；P/S忽视资本密度，高收入不等于高价值。15-25倍区间的依据：对比飞机租赁商（10-15倍）、数据中心REIT（20-30倍）、电信铁塔（25-35倍）后的中间估值。
ROIC收敛路径：当前稀缺期15-25%，若算力商品化按基准路径（65%概率）推进，3-5年内将向10-15%收敛，估值倍数应同步下移至12-18倍。
判断： 当前以25倍EV/EBITDA买入Neocloud，相当于赌稀缺期延续3年以上，且ROIC不快速收敛。这个赌注不算激进，但需要持续监测商品化信号。
E. 跨研究系列回调
回调至 512-能源金属研究 ：GPU商品化 ↔ 锂价周期
连接点： 02-AI算力商品化路径 中建立了GPU商品化的三条路径，但参考系不足。512-能源金属研究 中的锂价周期提供了完美的比照：
- 锂：稀缺叙事（2021-2022）→ 供给爆发（2023-2024）→ 价格崩塌（60-70%跌幅）
- GPU：当前稀缺叙事（2023-2026）→ Blackwell爬坡 + AMD MI300系列 + 各家自研芯片 → 供给增加 → 价格下行
两者的关键差异：锂是完全的大宗商品，GPU仍有软件生态护城河（CUDA生态）。因此GPU商品化路径中，“分层商品化”（65%基准）比”快速商品化”（15%）更可能，但完全不商品化也不现实。
交叉判断： 持有能源金属研究的”供给周期比需求叙事更决定价格”判断，并将其应用于GPU：关注NVIDIA Blackwell产能爬坡时间线和AMD MI300出货量，这两个数字比AI需求预测更能预判GPU价格走向。
回调至 513-电力系统研究 ：PPA结构 ↔ 电力市场机制
连接点： 09-AI数据中心PPA细粒度 详细分析了四类PPA，但电力市场底层机制（LMP、输电阻塞、容量市场）需要 513-电力系统研究 的基础支撑。
交叉判断：
- AI数据中心的核电PPA本质上是对核电站基础负荷能力的”预约锁定”，对核电站而言等于在竞争性电力市场中获得稳定现金流，对AI公司而言等于对冲电力价格波动。这一结构在 513-电力系统研究 的容量市场分析中有直接对应。
- GPU小时向LMP机制演化（02-AI算力商品化路径 的长期判断）与电力LMP的运行逻辑完全平行：算力的”位置”（数据中心地理位置）和”时间”（峰值负载 vs 低谷）将成为定价因子，就像电力LMP中的节点和时段。
回调至 507-芯片与AI硬件研究 ：Blackwell迭代周期 ↔ 折旧加速
连接点： 08-GPU折旧与融资结构专题 建立了GPU经济折旧的阶梯式下跌模型，但折旧速度的预测依赖于NVIDIA产品迭代周期的准确性，而这是 507-芯片与AI硬件研究 的核心内容。
交叉判断：
- 如果B200/B300的性能提升幅度超过预期（比如在推理效率上大幅领先H100），H100的经济残值将在2026-2027年出现比模型预测更快的下跌，直接触发Neocloud资产负债表减值，并可能触发GPU支撑ABS的Margin Call。
- 华为昇腾910B/C/920的技术路径（10-中美映射与国内替代）需要对照 507-芯片与AI硬件研究 中的芯片架构分析来评估其真实算力竞争力，而非仅凭官方规格参数。
F. 投资追踪信号
信号按类别组织，每条说明观察频率和意义。
F1. 算力供需类（最高优先级）
| 信号 | 观察频率 | 意义 |
|---|---|---|
| H100现货价格 vs 合约价格价差 | 月度 | 价差收窄预示供需平衡，价差扩大预示供给压力 |
| Blackwell (B100/B200) 出货量爬坡速度 | 季度 | 超预期爬坡 → H100残值加速下跌 → ABS压力 |
| AMD MI300系列市场占有率 | 季度 | 替代率上升是算力商品化加速的早期信号 |
| CoreWeave/Nebius季度利用率 | 财报季 | 低于70%触发警报，连续两季低于70%是重大风险信号 |
F2. 公司层面财务信号
| 信号 | 观察频率 | 意义 |
|---|---|---|
| RPO（剩余履约义务）增速 | 财报季 | 增速放缓早于收入放缓3-6个月，是最佳领先指标 |
| 客户集中度（前三大客户占比） | 财报季 | CoreWeave重点关注微软占比能否从62%降至50%以下 |
| 折旧政策注释是否变更 | 财报季 | 折旧年限延长=隐性利润粉饰，需扣除后重算EBITDA |
| Capex / Revenue 比率 | 财报季 | 比率持续超过100%是流动性压力的早期信号 |
| 债务到期结构（maturity profile） | 半年度 | 2026-2027年到期债务集中度是系统性风险源 |
F3. 电力与能源类
| 信号 | 观察频率 | 意义 |
|---|---|---|
| CEG/Constellation Energy电力价格与股价 | 月度 | 核电PPA需求代理指标，价格上涨=AI数据中心需求超预期 |
| VST/Vistra Energy峰值电价 | 月度 | 德克萨斯ERCOT电力价格，IREN风险代理指标 |
| TLN/Talen Energy核电容量利用率 | 季度 | Amazon数据中心直连核电项目进展 |
| NuScale/SMR项目进展 | 季度 | SMR商业化进度，2030年后AI电力的长期选项 |
| 新核电PPA签署公告 | 实时 | 微软TMI-1之后，每一笔核电PPA都是行业结构性信号 |
F4. 中国AI算力类
| 信号 | 观察频率 | 意义 |
|---|---|---|
| 华为昇腾出货量（季度） | 季度 | 国产替代率的最直接代理，当前30-40%目标50%+ |
| CANN开发者生态（GitHub活跃度、主流框架适配） | 季度 | 软件生态成熟度，决定2027-2030年昇腾市场渗透率 |
| 智算中心利用率披露 | 半年度 | 当前约50%，若持续低于这一水平说明政策建设超前市场需求 |
| H20出口限制政策更新 | 实时 | 任何进一步收紧都将加速国产替代叙事，但也压制整体算力供给 |
| 字节跳动/阿里云资本开支增速 | 财报季 | 互联网大厂是中国AI算力需求的主要来源，资本开支是领先指标 |
F5. 宏观与跨类别
| 信号 | 观察频率 | 意义 |
|---|---|---|
| Scaling Law关键论文（新架构/新训练方法） | 实时 | Scaling Law叙事失效是整个Neocloud稀缺叙事的最大外生风险 |
| 大型AI实验室预算公告 | 实时 | OpenAI/Anthropic/Google DeepMind训练预算增速反映需求侧确定性 |
| FERC（美国联邦能源监管委员会）数据中心直连电力裁定 | 实时 | 监管方向决定核电+数据中心整合的速度 |
| 美联储利率路径 | 月度 | 高杠杆Neocloud对利率高度敏感，每降50bp释放约$5-8亿年度财务成本 |
G. 公司快速参考
G1. Nebius（来源：03-公司画像-Nebius）
定位： 欧洲AI云基础设施，Yandex国际业务剥离后重组，NVIDIA $7亿战略投资背书
核心优势： 欧洲数据主权护城河（GDPR + Schrems II + EU AI Act），3-5年时间窗口；Mistral AI等欧洲AI实验室锚定客户
核心风险： 俄罗斯折扣（市场对其前身Yandex的合规疑虑）、规模体量远小于CoreWeave、欧盟监管可能松动
关键指标： RPO约$22亿（较小但增长快），芬兰+法国+堪萨斯城三地数据中心扩张进度
一句话定位： 规模最小但护城河最清晰的Neocloud，适合”欧洲AI主权”叙事下的中长期持有
G2. CoreWeave（来源：04-公司画像-CoreWeave）
定位： 从以太坊挖矿转型的最大独立Neocloud，约25万张GPU，上市时估值约$190-230亿
核心优势： 规模最大、GPU支撑ABS融资创新、OpenAI $119亿/5年合同多元化客户
核心风险： 62%微软收入集中度（生死依赖，非普通集中度风险）、约$80-100亿债务、Blackwell过渡期H100残值风险、Margin Call级联潜在风险
关键指标： 微软收入占比季度变化、RPO增速、利用率、折旧政策
一句话定位： 最大的Neocloud但杠杆最高、单点风险最集中，适合高风险偏好、相信微软-CoreWeave关系稳定的投资者
G3. IREN（来源：05-公司画像-IREN）
定位： 电力优先模式，比特币挖矿+AI云双引擎，BC水电+Texas ERCOT组合，目标1500MW以上
核心优势： 电力直接掌控是Neocloud中独特的资产形态；债务低于$5亿，财务杠杆相对保守；比特币业务在AI业务需求低时提供现金流缓冲
核心风险： ERCOT电网脆弱性（Winter Storm Uri前车之鉴，系统性风险被低估）；双引擎模式使估值框架复杂化，市场定价效率低
关键指标： ERCOT冬季用电可靠性数据、BC水电合约续签进度、AI vs 比特币算力切换比例
一句话定位： 最”重”的Neocloud（电力资产直接掌控），ERCOT风险是持仓的主要监测项，适合对电力市场有独立判断的投资者
G4. Oracle（来源：06-公司画像-Oracle）
定位： 数据库+企业软件现金牛赌AI基础设施，OCI（Oracle Cloud Infrastructure）Gen2作为核心赌注
核心优势： 年度操作现金流约$200-250亿作为债务后盾，OCI Gen2裸金属优先架构真实技术差异化，OpenAI $3000亿/5年框架协议（即便是期权也是重要信号）
核心风险： Capex从2022年$200亿→2025年$2500亿→2026预计$8000-10000亿，增速远超收入；Ellison接班风险；RPO $4550亿中包含大量框架期权，非锁定收入
关键指标： OCI收入增速（应持续超过Azure/AWS）、非Oracle数据库客户RPO占比、Capex / Free Cash Flow 比率
一句话定位： 传统软件公司中基础设施赌注最大的一个，OCI Gen2技术差异化真实存在但规模差距巨大，适合相信Oracle成功”弯道超车”叙事的投资者
H. 估值框架
核心框架：EV/EBITDA
为什么不用P/E： Neocloud有巨额折旧（H100 DGX $90K/年），折旧是非现金项目，使净利润系统性为负，但经营现金流为正。P/E会将一个经营现金流健康的公司标记为”严重亏损”，信息失真。
为什么不用P/S： 不同公司的资本密度差异巨大，同样$10亿收入，IREN（直接持有电力资产）的资本投入远高于纯合同型Neocloud，P/S无法区分资本效率。
EV/EBITDA的合理区间：
| 可比对象 | EV/EBITDA | 逻辑 |
|---|---|---|
| 飞机租赁商（空客资本等） | 10-15倍 | 重资产、长合同、低增长，接近成熟期 |
| 数据中心REIT（Equinix, Digital Realty） | 20-30倍 | 重资产但增长更快，租户粘性高 |
| 电信铁塔（American Tower, Crown Castle） | 25-35倍 | 极高粘性长约，近垄断特征 |
| Neocloud当前稀缺期 | 15-25倍 | 成长性高于飞机租赁，但合同粘性低于铁塔 |
| Neocloud商品化后预期 | 12-18倍 | 向飞机租赁靠近，ROIC从20%+收敛至10-15% |
估值锚定时的注意事项：
- EBITDA必须排除折旧政策变更的一次性影响
- 如果公司有未到期的GPU减值风险，需在EBITDA中提前扣除概率加权减值
- RPO / 市值比率是一个辅助指标：RPO超过市值的3倍以上，通常意味着收入能见度充足
辅助指标：RPO覆盖率
计算方式：RPO总额 / 年化收入。CoreWeave约3-4倍，Oracle超过10倍（但包含大量框架期权），Nebius约2-3倍。覆盖率越高，收入确定性越强，但需扣除框架期权的水分。
I. 关键数据点速查
I1. 利用率与单位经济学
| 利用率 | DGX H100年收入 | EBITDA | 净利润 | 经营现金流 |
|---|---|---|---|---|
| 80% | ~$157K | ~$94K | -$32K | +$58K |
| 70% | ~$137K | ~$74K | -$52K | +$38K |
| 60% | ~$117K | ~$54K | -$72K | +$18K |
| 50% | ~$98K | ~$35K | -$91K | -$1K |
注：假设H100每GPU小时报价$2.5-3.0，折旧年限3年直线，电力及运维成本约$25-30K/年。来源：08-GPU折旧与融资结构专题
I2. GPU经济残值（H100）
| 时间节点 | 经济残值 | 原因 |
|---|---|---|
| 购入时 | 100% | 基准 |
| 第1年末 | 80-100% | B100尚未规模量产，稀缺期维持 |
| 第2年末 | 50-65% | Blackwell爬坡，H100供给增加 |
| 第3年末 | 25-35% | 下一代（B200系列）成为主流 |
| 第4年末 | 10-20% | 接近边缘计算/低价值用途 |
来源：08-GPU折旧与融资结构专题
I3. 核电PPA关键参数
| 项目 | 规模 | 价格 | 期限 | 状态 |
|---|---|---|---|---|
| 微软 × Three Mile Island 1 | 835MW | 约$100-130/MWh | 20年（至2054年） | 2024年签约，2024年已重启 |
| Amazon × Talen Energy/Susquehanna | 拟960MW | 未披露 | 未披露 | FERC 2024年裁定拒绝直连 |
| Google × Kairos Power SMR | 500MW / 7台 | 未披露 | 未披露 | 技术期权，2030年以后启动 |
来源：09-AI数据中心PPA细粒度
I4. 超大规模云资本开支
| 公司 | 2022年Capex | 2025年Capex | 2026年预期Capex | 主要用途 |
|---|---|---|---|---|
| 微软 | 约$200亿 | 约$800亿 | $1300亿+ | Azure AI + 土地 |
| 约$300亿 | 约$750亿 | $1250亿+ | GCP + TPU | |
| Meta | 约$320亿 | 约$600亿 | $1000亿+ | AI基础设施 + 研究 |
| Oracle | 约$200亿 | 约$2500亿 | $8000-10000亿 | OCI快速扩张 |
来源：07-传统云玩家横扫，06-公司画像-Oracle
I5. 中国AI算力关键数字
| 指标 | 当前数值 | 目标 | 时间线 |
|---|---|---|---|
| 国产芯片替代率 | 30-40% | 50%+ | 2025-2027 |
| 智算中心平均利用率 | 约50% | 70%+ | 未明确 |
| 华为昇腾生态适配主流框架数 | 有限 | 全面兼容PyTorch生态 | 2026-2028 |
| 字节跳动AI资本开支（年度） | 约6000亿人民币 | 持续增长 | 2025 |
来源：10-中美映射与国内替代
J. 待研究问题与白空间
当前系列未覆盖或覆盖不足的问题，优先级由高到低排列。
J1. 高优先级（对投资判断影响最大）
-
CoreWeave债务结构全貌：$80-100亿总债务的具体到期结构（哪一年到期多少）、PIK条款具体适用范围、ABS中的提前还款条款。当前研究基于公开披露，但招股说明书中的细节未充分挖掘。
-
Blackwell爬坡具体时间线：B100/B200 2024Q4-2025Q2的实际出货量 vs 此前预期，以及这对H100现货价格的实际冲击幅度。GPU价格下行速度是触发ABS风险的核心变量。
-
Scaling Law最新动态：2025-2026年各大实验室对Scaling Law边际效益的最新实证研究，特别是推理时计算（Inference-time Compute）路线是否已经实质性分流训练算力需求。
-
OCI Gen2 vs Azure vs AWS的真实性能对比：不是营销材料，而是基于实际AI训练任务的Benchmark对比，以评估Oracle的技术差异化是否可持续。
J2. 中优先级
-
AMR（AMD）MI300系列实际市场渗透率：AMD的CUDA替代策略是否已在CoreWeave/Nebius等主流Neocloud产生实质性采购，或仍停留在实验阶段。
-
欧盟AI Act对Nebius的具体利弊分析：法规文本中哪些条款具体形成Nebius的监管护城河，哪些可能成为额外合规负担，特别是高风险AI系统分级标准的落地时间。
-
中国智算中心债务风险：政策性建设的地方政府债务压力，如果利用率持续偏低，清算路径和资产处置方式。类比地方政府融资平台（城投）风险评估框架。
J3. 长期追踪
-
SMR第一批商业合同的实际履约情况：Google × Kairos Power第一台SMR预计2027-2028年建设，实际进度将决定核能在AI电力供给中的角色。
-
FERC对数据中心直连核电政策演化：2024年裁定拒绝Amazon直连是起点不是终点，监管框架将影响整个行业的电力获取结构。
-
华为昇腾海外市场渗透：在中东、东南亚等对美国制裁不敏感的市场，昇腾是否有机会建立独立生态，这将影响其软件生态成熟度的速度。
K. 阅读指引
根据你的出发点，选择不同的进入路径。
如果你是第一次接触这个研究系列
推荐路径（3步入门）：
- 先读 01-Neocloud作为新资产类别 — 建立概念地基，理解NIST2.5/5和70%利用率生死线
- 再读 08-GPU折旧与融资结构专题 — 理解为什么P/E误导、EV/EBITDA正确、折旧是最被低估的变量
- 最后读 02-AI算力商品化路径 — 建立长期预测框架，三条路径决定投资时间窗口
用时： 约2-3小时，完成后可独立分析任何Neocloud财报的核心逻辑
如果你要做具体公司研究
按公司进入：
- CoreWeave → 04-公司画像-CoreWeave → 07-传统云玩家横扫（微软关系深度分析）→ 08-GPU折旧与融资结构专题（债务结构）
- Oracle → 06-公司画像-Oracle → 07-传统云玩家横扫（CSP竞争格局）→ 09-AI数据中心PPA细粒度（电力战略）
- IREN → 05-公司画像-IREN → 09-AI数据中心PPA细粒度（电力采购）
- Nebius → 03-公司画像-Nebius → 10-中美映射与国内替代（欧洲 vs 中国AI监管对比）
如果你关注中国AI算力投资机会
推荐路径：
- 10-中美映射与国内替代 — 核心框架，建立”完全不同物种”的认知
- 07-传统云玩家横扫 — 横向对比中美CSP竞争格局差异
- 09-AI数据中心PPA细粒度 — 中美电力获取对比，理解中国算力扩张的电力约束
如果你要准备Neocloud相关投资备忘录或讨论
必读核心判断来源：
- 估值框架：01-Neocloud作为新资产类别 Section 估值 + 08-GPU折旧与融资结构专题 Section ROIC
- 风险因子：04-公司画像-CoreWeave Section 风险 + 08-GPU折旧与融资结构专题 Section 融资风险
- 中长期趋势：02-AI算力商品化路径 Section 三条路径 + 07-传统云玩家横扫 Section 五种生存场景
如果你时间很有限（30分钟）
按顺序只读本文件的以下部分：
- C节（核心概念术语表）— 建立词汇表，约10分钟
- D节（10条跨模块判断）— 获取核心观点，约15分钟
- F节（投资追踪信号）— 知道看什么数字，约5分钟
这三部分是整个10个模块的精华浓缩，覆盖面足够支撑基础讨论。
本索引基于2026年4月的研究状态，市场数据和公司数字将随时间变化。追踪信号（F节）应按对应频率更新。判断层概率估计（D节）应在每个季报季后重新校准。