CABINET / The Physical Stack of AI / Neocloud
GPU 折旧与融资结构专题
本篇是 10 篇 Neocloud 研究中财务维度最深的一篇。读完之后，你应该能看懂一份 Neocloud 财报的关键部分，理解 GPU 作为资产在数字上是怎么流动的，以及为什么这个行业的财务逻辑既像地产、又像飞机租赁、又像大宗商品交易商。
上游：01-Neocloud作为新资产类别（商业模式定义）、04-公司画像-CoreWeave（具体案例）
一、开篇：为什么 Neocloud 的财务比普通公司难懂
读一家普通软件公司的财报，核心指标是收入增速和利润率。读一家传统制造商的财报，看毛利和库存。但读 Neocloud 的财报，你会发现这套标准语言失灵了。原因在于 Neocloud 的核心资产（GPU）同时具备几种让会计师头疼的特质：
特质一：寿命有限，但不可预测。 一台 DGX H100 服务器在技术上可以运行 5 年以上，但 NVIDIA 通常每 1.5 到 2 年推出新一代产品。上一代产品在新品发布后的市场价值会阶梯式坠落。“能用多久”和”值多少钱”是两个完全不同的问题。
特质二：有活跃的二级市场。 GPU 不像一台定制的生产线机器，它可以被拆出来单独转卖。这意味着 Neocloud 的 GPU 既是运营资产（用来赚钱的），也是可流动资产（可以随时套现的）。这让它的财务性质更接近飞机租赁而非工厂设备。
特质三：高度可抵押。 因为 GPU 有活跃的二级市场、有可预测的现金流（客户签了长期合同），银行和投资人愿意用 GPU 作为抵押物来发放贷款或发行债券。这创造了一整套只有 Neocloud 才会用到的融资工具。
特质四：资产价值随 NVIDIA 迭代阶梯式下跌。 H100 发布后，A100 的价值跌了约 40%。B200 发布后，H100 的价值会发生类似的事情。这不是线性贬值，而是”断崖式”贬值，发生在新品发布的那个季度。
把这四个特质加在一起，你会得到一家公司，它的财报逻辑同时需要三种视角才能读懂：
| 视角 | 类比 | 用于理解 Neocloud 的哪个部分 |
|---|---|---|
| 基建地产公司 | 高折旧 + 长期租约 + 稳定现金流 | GPU 资产折旧、长期合同收入 |
| 飞机租赁公司 | 专业资产 + 残值风险 + ABS 融资 | GPU 残值管理、ABS/GPU-backed debt |
| 大宗商品交易商 | 价格波动 + 库存投机 + 时机判断 | GPU 采购时机、on-demand 定价 |
这三种视角都不完整，但缺少任何一种都会让你读出错误的结论。
二、资产负债表基础（温和铺垫）
在进入 GPU 折旧的细节之前，先用最白话的方式过一遍几个必要的财务概念。如果你已经熟悉这些，可以跳过这节。
2.1 四个基础概念
资产（Assets）：公司拥有的东西。分两种：流动资产（一年内能变现的，比如现金、应收账款）和非流动资产（长期持有的，比如 GPU 服务器、建筑物）。
负债（Liabilities）：公司欠别人的东西。同样分两种：流动负债（一年内要还的，比如应付账款）和长期负债（银行贷款、债券）。
股东权益（Shareholders’ Equity）：资产减去负债剩下的部分。白话理解：公司的”净资产”，属于股东的那份。
折旧（Depreciation）：把固定资产的成本在使用年限内平摊到每一年的费用。白话举例：花 100 元买了一台 GPU，预期用 5 年，那每年在报表上记 20 元的”折旧费用”，5 年用完。这 20 元是一笔费用，但不是真的在花钱，因为钱已经在买 GPU 的时候花出去了。
这最后一点非常重要，它解释了为什么 Neocloud 的”利润”和”现金流”会出现巨大差异。
2.2 Neocloud 的资产结构
典型 Neocloud 的资产负债表长这样：
| 资产项目 | 大致占比 | 说明 |
|---|---|---|
| IT 设备（GPU + 服务器 + 网络） | 60-75% | 核心资产，也是最大的折旧来源 |
| 数据中心设施（使用权资产） | 10-20% | 大多数 Neocloud 租赁数据中心，不自购 |
| 现金及等价物 | 5-15% | 融资后的现金储备，快速消耗 |
| 应收账款 | 5-10% | 客户欠款，大合同客户可能有 30-60 天账期 |
负债端通常是：大量长期债务（银行贷款 + ABS + 债券）、融资租赁负债、少量流动负债。
关键特征：Neocloud 是”重资产、高杠杆”公司。它的资产里绝大多数是 GPU 这类固定资产，负债率往往超过 60%，有些公司甚至超过 80%。这和软件公司（轻资产、高利润率）完全不同。
2.3 五个关键财务比率（白话版）
毛利率（Gross Margin）：（收入 - 直接成本）/ 收入。直接成本包括电费、数据中心托管费、维护费，不包括折旧。毛利率衡量的是”不考虑折旧和管理费用，卖 GPU 算力这件事本身赚不赚钱”。
EBITDA（息税折摊前利润，Earnings Before Interest, Taxes, Depreciation and Amortization）：这是 Neocloud 最常被引用的盈利指标。白话翻译：扣掉直接运营成本后的利润，但还没扣利息、税、折旧、摊销。它的意义在于：反映”业务本身的现金创造能力”，把融资方式（利息）和会计方法（折旧）的影响先排除掉。
自由现金流（FCF，Free Cash Flow）：经营现金流减去资本性支出（Capex）。白话：扣掉买新 GPU 的钱之后，公司手里还剩多少真钱。Neocloud 的 FCF 通常是大幅负数，因为它一直在买新 GPU。这不一定是坏事，要看买 GPU 是否有对应的合同支撑。
ROIC（投入资本回报率，Return on Invested Capital）：净运营利润 / 投入的总资本（股权 + 债务）。白话：每投入 1 块钱，一年能赚几毛钱。这是衡量一个业务是否真的”值得做”的核心指标。
Payback Period（回本周期）：投入的本金需要多少年才能被经营现金流收回。投资人用这个来判断 GPU 买了到底划不划算。
三、GPU 折旧的秘密（本篇核心）
3.1 两种折旧：会计折旧 vs. 经济折旧
这是理解 Neocloud 财务的最关键区分。
会计折旧（Accounting Depreciation）：公司按照预先设定的方法和年限，在账面上分摊资产成本。最常见的方法是”直线法”（每年折旧额相同）和”加速折旧法”（前期折旧多、后期少）。这是一个会计规则，和资产真实的市场价值没有直接关系。
经济折旧（Economic Depreciation）：资产真实市场价值随时间下降的幅度。比如一张 H100 GPU 今天值 3 万美元，一年后可能只值 1.8 万美元，这 1.2 万美元的损失就是经济折旧。
核心矛盾：两者往往严重不一致。会计折旧是平滑的、可预测的；经济折旧是阶梯式的、与 NVIDIA 的产品周期高度相关。当下一代产品发布时，当季的经济折旧可能远超会计折旧，但这个损失不会立刻反映在报表上，除非公司进行”资产减值”（Impairment）。
3.2 Hyperscaler 和 Neocloud 的折旧年限”博弈”
折旧年限的设定是一个财务决策，对报表利润有直接影响，公司有相当的自主空间（在会计准则允许的范围内）。大云厂商在这件事上的操作相当值得玩味：
| 时间 | 事件 | 影响 |
|---|---|---|
| 2019 年前 | AWS/Azure 服务器折旧年限：3 年 | 标准做法 |
| 2020 年 | AWS/Azure 延长至 4 年 | 每年折旧减少 25%，利润增加 |
| 2022 年 | 继续延长至 5 年 | 折旧进一步减少，利润进一步增加 |
| 2024 年 | Microsoft 将部分 AI 服务器延长至 6 年 | 短期利润大幅美化 |
每一次”延长折旧年限”，在当年报表上就减少了折旧费用，直接推高了净利润和 EPS（每股收益）。公司的官方理由是”随着软件优化进步，老设备的实际有效寿命延长了”。这在技术上没有错，但放在 AI GPU 迭代极快的背景下，6 年的折旧年限是否能反映 GPU 的真实经济寿命，是一个有争议的问题。
根据二级市场数据（虽然流动性和透明度有限，存在不确定性），H100 在 B200 发布后的残值走向大致是：
| 时间节点 | H100 残值（相对原价） | 说明 |
|---|---|---|
| 发布后第 1 年 | 80-100% | 仍是市场主力，需求旺盛 |
| 第 2 年（下一代发布） | 50-65% | 竞争出现，价格开始下滑 |
| 第 3 年（两代之后） | 25-35% | 进入性价比市场，高端训练需求减少 |
| 第 4 年 | 10-20% | 主要用于推理、边缘场景 |
| 第 5 年以上 | 5-10% 或以下 | 二级市场流动性差 |
需要坦诚的不确定性：以上数字是基于 A100 折旧经验和市场观察的粗略估计，不是精确数据。GPU 残值曲线受 NVIDIA 发布节奏、市场供需、买家结构等多因素影响，很难精确预测。B200/Blackwell 的实际折旧速度目前尚未有足够的历史数据支撑。
3.3 Neocloud 倾向用什么折旧年限，为什么
和大云厂商倾向拉长折旧年限不同，大多数 Neocloud 采用相对保守（较短）的折旧年限：
| 公司类型 | 常见折旧年限 | 逻辑 |
|---|---|---|
| AWS/Azure/GCP | 5-6 年（近年延长） | 利润最大化，有长期稳定的利润基础 |
| CoreWeave 类 Neocloud | 4-5 年 | 贴近实际使用周期，避免残值过估风险 |
| 部分激进 Neocloud | 3-4 年 | 极保守，防止被迫资产减值 |
短折旧年限意味着什么？每年折旧费更高，账面净利润更低。但这并不意味着公司不赚钱，恰恰相反：
一个在报表上”亏损”（因为折旧很大）但 EBITDA 很高的 Neocloud，实际上在产生大量的经营现金流。这就是为什么投资人分析 Neocloud 时用 EBITDA 倍数估值（类似房地产 REIT），而不是用市盈率（P/E），因为 P/E 在这里完全失真。
用数字感受一下：假设某 Neocloud 买了价值 1 亿美元的 GPU：
- 5 年折旧：每年折旧 2000 万美元
- 4 年折旧：每年折旧 2500 万美元
- 这 500 万美元的差额直接影响报表利润，但不影响一分钱的现金流
3.4 真实的 GPU 经济折旧曲线：前 2 年是黄金期
综合以上分析，对一张 H100 GPU 的”经济生命周期”，可以大致这样理解：
第 1 至 2 年（黄金期）：GPU 仍是市场主力，训练和推理都有旺盛需求，出租价格处于高位，资产残值保持。这是 Neocloud 利润最厚的阶段。
第 2 至 3 年（过渡期）：下一代产品（H200 或 B200）已经发布并规模出货，H100 开始被挤压到性价比市场。出租单价下滑，但利用率可能因为需求下移而维持。
第 3 年以后（还债期）：这个词不是比喻，而是字面意义上的还债。如果 Neocloud 用 GPU-backed 债务融资（下一节详解），合同结束后需要偿还本金，而此时 GPU 的残值可能已经低于未偿债务，产生资产缺口。
这个时间结构有一个重要的投资含义：Neocloud 的超额利润主要发生在 GPU 生命周期的前 2 年，之后逐渐向传统基础设施的平均水平靠拢。这不是悲观判断，而是理解 Neocloud 估值的前提。
四、Neocloud 的融资结构
4.1 融资来源全景
Neocloud 的扩张需要巨额资本（买 GPU 很贵），但它也有独特的融资优势（GPU 可抵押 + 长期合同现金流可预测）。典型的融资来源从低成本到高成本排列：
| 融资来源 | 典型利率 | 特点 | 代表案例 |
|---|---|---|---|
| 股权融资（IPO/增发） | 无固定利率 | 不稀释现金流，但稀释股权 | CoreWeave IPO（2025 年） |
| 优先担保贷款（Term Loan） | 8-11% | 有抵押，利率较低 | 一般银行团贷款 |
| GPU-backed ABS | 9-13% | 以 GPU + 合同双重抵押，中等利率 | CoreWeave 的 ABS 发行 |
| 高收益债（High-Yield Bond） | 11-15% | 无抵押或软抵押，利率较高 | 部分 Neocloud 债券 |
| Blackstone 类大型信贷 | 11-14% | 私募信贷，灵活但昂贵 | Blackstone-CoreWeave 78 亿贷款 |
| 设备融资/融资租赁 | 7-10% | 类似”分期付款买 GPU” | 部分中小 Neocloud |
一个值得关注的数字：CoreWeave 在 IPO 前的总债务已经超过 70 亿美元，这对一家成立于 2017 年的公司而言是极高的杠杆水平。这不一定是危险信号（高杠杆在有强合同支撑的情况下是合理的），但它放大了一切风险。
4.2 GPU-backed ABS：用 GPU 和合同”印钱”
ABS（资产支持证券，Asset-Backed Securities）是一种把资产的未来现金流”打包成债券”卖给投资人的融资工具。GPU-backed ABS 是 Neocloud 特有的创新，把 GPU 硬件和客户合同同时作为抵押物。
用一个具体例子来走一遍完整流程：
第一步：Neocloud 采购资产 某 Neocloud 公司花了 3 亿美元买了一批 H100 GPU 集群（约 6000 张 H100，含服务器和网络）。
第二步：签订长期合同 同时，与一家 AI 实验室（比如某头部大模型公司）签了为期 3 年的 GPU 租赁合同，合同总价 6 亿美元（约每年 2 亿）。合同里约定对方按月付款，不能随意违约（有违约金条款）。
第三步：成立 SPV SPV（Special Purpose Vehicle，特殊目的载体）是一个独立的法律实体，专门用来”隔离”这笔交易的风险。Neocloud 把这批 GPU 的所有权，以及那份 3 年合同的收款权，都转移到 SPV 名下。
第四步：发行 ABS SPV 向市场上的机构投资人（保险公司、养老金、私募信贷基金）发行债券，融资 2.5 亿美元，承诺每年支付约 12% 的利率。投资人的钱流入 SPV，再转给 Neocloud 用于采购更多 GPU 或偿还其他债务。
第五步：现金流结构 每个月，AI 实验室按合同付给 SPV 一笔钱，SPV 先还投资人的利息，剩余部分归 Neocloud。三年合同结束后，SPV 卖掉 GPU（残值，假设是买价的 25% 即 7500 万美元），偿还投资人的本金。
整个结构用表格呈现：
| 角色 | 行动 | 金额（示意） |
|---|---|---|
| Neocloud | 买 GPU | 支出 3 亿美元 |
| AI 实验室 | 签 3 年租赁合同 | 承诺付 6 亿美元 |
| SPV | 发行 ABS 债券 | 募资 2.5 亿美元 |
| 机构投资人 | 购买 ABS | 投入 2.5 亿美元 |
| Neocloud（净投入） | 自有资金出 | 0.5 亿美元 |
| Neocloud（净收入） | 合同收入减债务还款后 | 约 2-3 亿美元（3 年内） |
关键点：通过这个结构，Neocloud 只需要出 5000 万美元的自有资金，就能撬动 3 亿美元的 GPU 资产，控制 6 亿美元的合同收入。这是 Neocloud 高增长的秘密，也是高风险的来源。
4.3 为什么投资人愿意买 GPU-backed ABS
机构投资人对 GPU-backed ABS 感兴趣，原因有四：
可预测的现金流：AI 实验室每月付款，类似租金，现金流高度可预测（相比股票的不确定性）。
双重抵押：同时有 GPU 硬件（可以查封变现）和合同现金流（收款权有法律保障）两层保护。这比很多其他 ABS 更安全。
较高的收益率：11-14% 的年化利率，在利率市场上是相当高的（同期美国国债约 4-5%）。
期限可控：3-5 年的合同期限，对机构投资人来说是合理的持有周期。
4.4 风险：Margin Call 机制可能触发连锁反应
ABS 的抵押物价值会随市场变化。如果 GPU 的二级市场价格大幅下跌（比如 NVIDIA 突然大幅降价，或新一代大规模出货），或者客户违约（合同现金流消失），ABS 的抵押率就会低于约定阈值，触发”追加抵押（Margin Call）“或”提前清算”。
具体机制：
- ABS 合同里约定：GPU 残值 + 合同剩余价值 必须始终大于债务余额的某个比例（比如 130%）
- 如果 GPU 市场价格暴跌 50%，这个比例可能跌破 130%
- SPV 需要追加抵押物（更多 GPU 或现金），否则投资人有权提前清算 SPV
- 提前清算意味着 SPV 强制变卖 GPU，而 GPU 在被迫变卖时的价格往往更低，形成负反馈
这就是 Blackstone 向 CoreWeave 提供的 78 亿美元融资被广泛关注的原因：规模如此之大的 GPU-backed 信贷，一旦市场条件恶化，清算过程可能影响整个 GPU 二级市场的价格，进而影响所有 Neocloud 的抵押物价值。
用一句话理解：GPU-backed ABS 是一把双刃剑。市场好的时候，它让 Neocloud 以 5 块钱的本金控制 30 块钱的资产；市场差的时候，它可能用 5 块钱亏出 30 块钱的窟窿。
五、单位经济：一台 DGX H100 的账怎么算
抽象讲了这么多，现在用具体数字感受一下。以下是一台 DGX H100（含 8 张 H100 SXM5 GPU 的标准服务器）的”微经济学”。注意：以下数字为示意性估算，不同供应商、不同合同结构差异较大，不应作为精确参考。
5.1 成本端（每年，单台 DGX）
| 成本项目 | 金额（美元/年） | 说明 |
|---|---|---|
| 折旧（5 年直线） | ~90,000 | 购置价 ~45 万美元，5 年分摊 |
| 电力成本 | ~7,000 | ~10 kW × 8760h × 70% 开机率 × $0.08/kWh |
| 数据中心托管（含液冷分摊） | ~10,000 | 机架费 + 冷却 + 空间 |
| 网络带宽 | ~5,000 | InfiniBand 网络分摊 |
| 运维分摊 | ~5,000 | 人员、维保、监控系统 |
| 融资利息 | ~36,000 | 假设借款 30 万美元 @ 12% 年利率 |
| 直接运营成本小计（不含折旧） | ~63,000 | 这部分对应”非 EBITDA 费用” |
| 加折旧 | +90,000 | 这部分不是真的花钱，但在利润表里 |
| 总成本 | ~153,000 | 税前利润 = 收入减这个数 |
5.2 收入端（每年，单台 DGX，8 张 GPU）
GPU 出租的计价单位是”GPU-hour”（每张 GPU 每小时的租金）。价格因合同类型不同而差异很大：
| 合同类型 | 单价（GPU-hour） | 年收入（8 卡 × 70% 利用率） | 说明 |
|---|---|---|---|
| 1 年以上 Reserved（预付） | ~$2.2 | ~$108,000 | 客户预付，折扣大 |
| 3 年 Reserved | ~$2.8 | ~$137,000 | 长期合同，双方锁定 |
| On-demand（即用即付） | ~$3.5-4.5 | ~$171,000-220,000 | 无合同，溢价高但利用率不稳定 |
| Spot（空闲时段） | ~$1.0-1.5 | 不稳定 | 填充空闲，利润薄 |
5.3 利润测算（以 3 年 Reserved 为例）
| 项目 | 金额 |
|---|---|
| 年收入（8 卡 × 70% 利用率 × $2.8 × 8760h） | ~$137,000 |
| 减：直接运营成本（不含折旧） | -$63,000 |
| EBITDA（类似”经营现金流贡献”） | ~$74,000 |
| 减：折旧 | -$90,000 |
| 减：利息 | -$36,000 |
| 税前利润 | 约 -$52,000（亏损） |
看起来是亏损的？但注意：折旧 9 万美元是非现金费用。真实的现金层面：
| 现金维度 | 金额 |
|---|---|
| 经营现金入账 | ~$137,000 |
| 经营现金出账（电 + 托管 + 网络 + 运维） | ~$27,000 |
| 利息支出（现金） | ~$36,000 |
| 经营现金流贡献（扣利息） | ~$74,000 |
| 每年还债本金（30 万美元 / 5 年） | ~$60,000 |
| 自由现金流（含还本） | ~$14,000 |
这就解释了为什么 Neocloud 在报表亏损的情况下，仍然可以支付债务并扩张：它的”利润”是负数，但现金流是正数，因为折旧是非现金费用。
5.4 利用率是生死线
上面的计算用的是 70% 利用率，这是一个非常关键的假设。看看利用率变化对财务的影响：
| 利用率 | 年收入（Reserved $2.8） | EBITDA | 税前利润 |
|---|---|---|---|
| 90% | ~$177,000 | ~$114,000 | 约 -$12,000 |
| 80% | ~$157,000 | ~$94,000 | 约 -$32,000 |
| 70% | ~$137,000 | ~$74,000 | 约 -$52,000 |
| 60% | ~$118,000 | ~$55,000 | 约 -$71,000 |
| 50% | ~$98,000 | ~$35,000 | 约 -$91,000 |
利用率从 80% 降到 60%，EBITDA 几乎腰斩。这就是为什么 Neocloud 拼命签长期合同：长期合同可以锁定高利用率。On-demand 价格更高，但利用率可能只有 50-60%，不一定比低价的长期合同更好。
真实披露的不确定性：大多数 Neocloud 不公开披露 GPU 利用率数据。CoreWeave 在部分投资者沟通中提到”利用率超过 85%“，但这是管理层口径，不是审计数据。
六、Payback Period 和 ROIC
6.1 投入 vs. 回收的完整计算
上面的单台 DGX 例子里，Neocloud 自有资金出了约 15 万美元（45 万成本减去 30 万借款）。用 EBITDA 衡量的回本速度：
| 情境 | 年 EBITDA | 回本年数（自有资本） |
|---|---|---|
| 乐观（85% 利用率 + On-demand 溢价） | ~$120,000+ | 不到 1.5 年 |
| 基准（70-80% 利用率 + Reserved） | ~$70,000-90,000 | 约 1.5-2 年 |
| 悲观（60% 利用率 + 低价合同） | ~$40,000-55,000 | 约 3 年 |
但这是”自有资本回本”，不是”全部成本回本”（含债务本金）。含债务本金的全回收需要 4-5 年，接近 GPU 的会计寿命上限。
6.2 Neocloud 的 ROIC 区间和对标
Neocloud 的 ROIC 受稀缺溢价影响很大：
| 阶段 | 典型 ROIC | 说明 |
|---|---|---|
| GPU 稀缺期（2023-2024） | 20-30% | 供不应求，价格高，利用率高 |
| 正常化期（2025-2026） | 15-20% | 供应增加，价格竞争加剧 |
| 商品化期（2027+，假设） | 10-15% | 类似飞机租赁 |
对比其他行业的典型 ROIC：
| 行业 | 典型 ROIC | 特点 |
|---|---|---|
| 传统三云（AWS/Azure/GCP） | 25-35% | 规模效应 + 软件附加值 |
| 数据中心 REIT | 8-12% | 稳定但增长慢 |
| 飞机租赁（Air Lease 等） | 10-15% | 高杠杆 + 资产专业性 |
| 电信基础设施 | 12-18% | 稳定现金流 + 高杠杆 |
| Neocloud（当前） | 15-25% | 稀缺溢价支撑，但持续性不确定 |
核心判断：Neocloud 目前的超额 ROIC 来自 GPU 稀缺溢价。这个溢价会随着 Blackwell 大规模出货和市场竞争加剧而下降。长期来看，Neocloud 的 ROIC 可能向飞机租赁（10-15%）收敛，而不是维持在传统三云的水平（25-35%）。
七、怎么读 Neocloud 的财报（关键指标 Checklist）
掌握了以上背景知识，可以把”读财报”这件事变得更有效率。以下是每季度可以用 15-20 分钟完成的快速扫描清单：
| 指标 | 在哪里找 | 看什么 | 为什么重要 |
|---|---|---|---|
| RPO（剩余履约义务，Remaining Performance Obligation） | 财报附注 | 合同总额和增速 | Neocloud 的未来收入”已经锁定”多少，越高越安全 |
| 客户集中度 | 10-K 风险章节 | 前 3/5 客户各占收入多少 % | CoreWeave 前三客户占 60%+，这是最大的单点风险 |
| Capex 指引 | 管理层讨论（MD&A） | 下一季度 / 下一年资本支出计划 | 反映 GPU 采购节奏，Capex 大 = 在押注需求持续 |
| 折旧年限 | 会计政策附注（Significant Accounting Policies） | 是几年折旧，与同行比是否偏离 | 折旧年限延长 = 报表利润美化，需要单独提醒自己 |
| 长期债务结构 | 资产负债表 + 债务附注 | 总额、利率、到期时间分布 | 短期内到期的债务量如果很大，存在再融资风险 |
| 经营现金流 vs. 自由现金流 | 现金流量表 | FCF = 经营现金流 - Capex，是否正数 | FCF 长期为大幅负数说明依赖外部融资维持扩张 |
| GPU 利用率（如有披露） | 管理层讨论或 Earnings Call | 百分比和趋势 | 这是最核心的运营指标，但大多数公司不正式披露 |
| EBITDA margin | 利润表 / 财报摘要 | EBITDA / 收入 | 排除折旧影响后的运营效率，30-50% 是健康区间 |
特别注意：很多 Neocloud 会在 Earnings Call（业绩电话会议）里透露比财报更多的信息，管理层对 GPU 利用率、合同续签情况的描述往往比数字更有价值。可以在 Seeking Alpha 或公司 IR 网站找到 transcript（文字稿）。
八、Neocloud 财务模型的三大敏感点
8.1 敏感点一：GPU-hour 价格
Neocloud 的定价权是财务模型最脆弱的地方。GPU-hour 价格的变动对利润的影响是非线性的（因为成本相当固定）：
| GPU-hour 价格变化 | 收入变化 | EBITDA 变化（估算） |
|---|---|---|
| +10% | +10% | +20-25%（经营杠杆放大） |
| -10% | -10% | -20-25% |
| -20% | -20% | -40-50% |
为什么杠杆这么高？因为运营成本（电费、托管费）在短期内几乎固定，收入减少的部分几乎直接反映在利润上。这就是”经营杠杆（Operating Leverage）“的概念：固定成本越高的行业，收入波动对利润的放大效应越强。
当前（2026 年）的市场趋势：随着 Blackwell 出货量提升，Reserved 合同价格已经开始承压，On-demand 价格下跌速度更快。具体数字争议较大，但方向相当清晰。
8.2 敏感点二：利用率
前面的数字已经说明，利用率从 80% 降到 60% 几乎等同于亏损。补充一个现实层面的风险：
合同到期集中度：如果一家 Neocloud 的长期合同集中在同一年到期，而那年 AI 实验室普遍不续约（比如因为 AGI 进展让需求结构改变），利用率可能在很短时间内从 85% 暴跌到 40%，而成本端几乎没有弹性。
新 GPU 世代的替代效应：客户会倾向于续约时升级到更新的 GPU。这意味着旧一代 GPU（H100）的合同续签率会下降，即使整体 AI 算力需求没有下降，老一代设备的利用率也会下滑。
8.3 敏感点三：利率
Neocloud 是高负债公司，利率变化的影响被放大：
| 债务水平 | 利率变化 | 年利息变化 |
|---|---|---|
| 50 亿美元长期债务 | +1% | +5000 万美元 / 年 |
| 100 亿美元 | +1% | +1 亿美元 / 年 |
| 200 亿美元（CoreWeave 级别） | +1% | +2 亿美元 / 年 |
2024-2025 年的高利率环境对 Neocloud 的影响是真实的。如果美联储在 2026 年开始降息，这是 Neocloud 的一个不可忽视的顺风；如果利率维持高位或上升，财务压力会持续累积。
九、三种财务情境推演
把以上所有变量整合进三个情境，看 Neocloud 的整体盈利能力走向：
| 情境 | GPU 稀缺持续时间 | 平均利用率 | 利率走势 | Neocloud 盈利能力 | 股价方向（示意） |
|---|---|---|---|---|---|
| 乐观 | 3 年以上（Blackwell 需求超供给） | 85%+ | 降息 50bp+ | ROIC 22-28%，EBITDA margin 45%+ | 大涨，P/S 扩张 |
| 基准 | 约 2 年 | 70-80% | 利率持平 | ROIC 15-20%，EBITDA margin 35-40% | 震荡，估值分化 |
| 悲观 | 不足 1 年（Blackwell 大规模出货 + 竞争涌入） | 50-65% | 加息或持平 | ROIC 5-10%，部分公司债务危机 | 大跌，信用问题浮现 |
需要注意：以上情境是简化模型，实际结果还受到客户续约率、NVIDIA 定价策略、AI 实验室算力需求结构变化等因素影响。投资决策不应仅依赖此类情境分析。
十、本篇核心判断
判断 1：折旧年限是 Neocloud 最重要也最被忽视的财务变量
市场关注收入增速和 EBITDA，但折旧年限的选择可以在不改变任何业务现实的情况下，把同一家公司的净利润从 -5 亿变成 +3 亿。当你看到 Neocloud 的利润改善时，首先要检查折旧年限是否变化。延长折旧年限是一种合法的利润”美化”，但它不创造任何真实价值。
判断 2：GPU-backed Debt 是杠杆，不是护城河
有些分析把 Neocloud 的 ABS 融资能力解读为竞争优势。这有道理，但要区分两件事：融资能力让 Neocloud 可以以较少的自有资金控制大量 GPU，这是商业模式的优势；但 GPU-backed Debt 本身不创造任何差异化，一旦市场条件恶化，高杠杆是最先放大损失的因素。Blackstone-CoreWeave 的 78 亿融资让 CoreWeave 快速扩张，也让它在 AI 降温时面临最大的偿债压力。
判断 3：70% 利用率是生存线，而不是”优化目标”
很多公司把利用率说成”我们还有优化空间”。但在当前的单位经济里，70% 利用率几乎是 EBITDA 转负的临界点，而不是一个可以接受的”优化目标”。Neocloud 的真正安全边际在 80% 以上的稳定利用率，而这依赖于强力的长期合同组合。
判断 4：单位经济在稀缺期极好，在商品化期接近飞机租赁
Neocloud 目前的 ROIC（20-25%）来自 GPU 稀缺溢价，这在 AI 算力供不应求的阶段是真实的。但随着 Blackwell 大规模出货和竞争者涌入，这个溢价会压缩，ROIC 向 10-15%（飞机租赁水平）收敛。这不是末日，但意味着当前的估值倍数（P/S 10-15x）是否合理值得审视。
判断 5：读 Neocloud 财报最关键的 3 个数字是 RPO、客户集中度和 Capex 指引
RPO 告诉你未来收入有多少已经”锁定”，代表安全边际；客户集中度告诉你单一大客户违约会造成多大损失，代表尾部风险；Capex 指引告诉你管理层对未来需求的信心，代表战略信号。这三个数字花 5 分钟就能找到，是读财报的最高性价比动作。
下一篇：09-AI数据中心PPA细粒度 — 从公司财务转向电力采购协议，看电力合同如何成为比 GPU 更持久的护城河。
本章相关文章：00-索引 / 01-Neocloud作为新资产类别 / 04-公司画像-CoreWeave / 07-传统云玩家横扫