|
|
Neocloud 行业深度研究：ORCL · CRWV · NBIS · IREN
AI算力租赁市场的 Per-GPU / Per-FLOP / Per-MW 经济学
0. 四家公司核心判断
公司层面竞争力 ≠ 股东per-share return profile。两个维度分别评估，避免conflation。
0.1 IREN — Strong Bullish but ATM Overhang
公司level：power cost护城河（$0.028/kWh不可复制）+ Sweetwater 1.4GW新通电产能 + 客户集中但合同质量高。公司level EBITDA potential 8-10x growth。
股东层面：$6B ATM = 当前市值44%，完全发行场景40%稀释。Per-shareholder upside被压缩到5-6x（仍然显著正回报但不是公司level的grand slam）。ATM存在本身cap短期股价upside。
最佳进入和exit时点：等ATM大量发行完成 + Sweetwater合同填充开始落地，估计2027年中后——公司level execution已confirmed + ATM overhang解除。
0.2 ORCL — Modest Bullish
公司level：双speed business——Stargate低margin大revenue（5-10% gross margin）+ enterprise AI cross-sell高margin（40-55% gross margin）。后者是真正alpha source：
- 430K+ existing SaaS客户的AI需求pull
- Sovereign cloud需求增长（regulated industries）
- 与现有Oracle Database/ERP/Health的integration优势
股东层面：低稀释risk（cashflow-based融资为主，不需大量发股），但Moody's警告杠杆推向4x EBITDA。Per-shareholder upside +50-100% over 2-3yr。
关键观察：FY27季报中OCI non-OpenAI revenue占比能否稳定在25%+。如果能，margin profile显著改善，trade thesis从Stargate 1对1风险转向diversified enterprise AI play。
0.3 NBIS — Hold with Mild Bullish
公司level：custom hardware效率 + Finland/Iceland low-cost power的中等优势 + scaling deleverage是核心动力。合同mix最平衡，真实blended margin是四家最强的（+6-8%）。VR200早期allocation原本预期是additional alpha source，但VR200 per-FLOP margin仅有2-3个quarters的早期窗口，对NBIS的margin upside contribution比预期小。
股东层面：累计$7.75B convertibles + $1B equity offering，潜在稀释58%但延迟（convertibles只在股价超premium时才转换）。已涨492%（截至4月），估值已price in多数upside。Per-shareholder upside +40-70% over 2-3yr。
风险：估值过高使任何ramp delay都会触发严重回调。
0.4 CRWV — Underperform Relative to Peers
公司level：absolute revenue scale最大，客户diversity最好（OpenAI+Meta+Microsoft+Anthropic+Jane Street+NVIDIA），但operating cost structural弱（colocation依赖，Core Scientific收购失败）。
股东层面：4.5x debt/equity + 9-9.75%高息债 = 利息费用每年$1.5-2B且增长。Net income多年negative。Per-shareholder upside +20-50% over 2-3yr（最低）。
核心问题：高利息成本是structural而非周期性。即使每个新合同的margin扩张，也被利息侵蚀掉。合同mix集中在低margin长单 + 高colocation成本 + 高利息三重叠加。
按per-shareholder risk-adjusted return排序：
排名
| 公司
| Per-shareholder upside (2-3yr)
| 关键风险
| Trade window
| 1
| IREN
| +150-200%
| ATM稀释overhang + 客户集中
| 2026Q3-2027末
| 2
| ORCL
| +50-100%
| OpenAI执行 + Stargate ramp delay + non-OpenAI conversion速度
| 2026Q2-2028Q1
| 3
| NBIS
| +40-70%
| 估值已饱满 + convertibles future稀释 + VR200 premium窗口短
| 2026Q2-2027Q4
| 4
| CRWV
| +20-50%
| 利率上升加重利息负担
| 2026Q2-2027Q3 (短期momentum)
|
整个sector的peak earnings窗口在2027Q4-2028Q1——supply ramp不及预期延长了pricing power的窗口。
1. 分析框架与方法论
Neocloud公司的unit economics需要从三个互补的视角来评估：Per-GPU框架反映市场实际定价单位，Per-FLOP框架反映客户购买的算力价值，Per-MW框架反映neocloud真正最大化的物理产出。三个视角各有适用场景，单独使用任一个都会导致误判。
1.1 Per-GPU框架：成本计算逻辑
Per-GPU框架按以下逻辑构建：
- 部署成本（CapEx）：包括GPU+rack分摊、网络份额、服务器BOM、建筑shell、电力基建（变压器/switchgear）、冷却系统、网络backbone、系统集成软件。所有项目均按NVL72机架级别合理分摊到per-GPU水平，再除以5年GPU economic life × 8,760小时/年 = 43,800小时。
- 运营成本（OpEx）：电力消耗（GPU功耗 × PUE × 电价）、facility O&M、colocation/lease费用（如不持有数据中心）、network/software/集成。这是公司之间最大的差异化变量。
- 财务成本（利息）：杠杆水平 × 借款利率 / 资产寿命 = per-GPU利息成本。CRWV的4.5x debt/equity + 9-9.75%息率使其在这一项上结构性劣势明显。
利用率假设的关键性
基础公式按100% paid utilization计算（即客户付费时段占总时段的比例为100%），适用于hyperscaler长单——客户用不用都付钱。但对spot/on-demand mix，真实utilization为60-70%，相当于把固定成本摊薄到更少的真实付费小时上。
公式：Per-hour cost = (Capex / 5年) / (8,760 × paid utilization%)
比如GB300代次$124K capex，hyperscaler长单100% paid utilization下折旧$2.83/hr；但spot capacity 75% paid utilization下折旧$3.78/hr——同样的资产，不同的合同mix导致每小时成本不同。
1.2 Per-FLOP框架：算力归一化的计算逻辑
1.2.1 单位的物理含义
Per-FLOP框架的核心单位是$/EFLOP-hour，但这个单位的物理含义需要先讲清楚——单从字面看会让人误以为算力本身按小时计费，实际不是。
GPU的throughput（FLOPS）本身就是一个速率：FLOPS = Floating-point Operations Per Second，已经包含"每秒"的含义。例如GB300的5,000 TFLOPS意思是"每秒能执行5,000万亿次浮点运算"。所以FLOPS不是"算力总量"，而是"算力速率"。
$/EFLOP-hour真正在表达："如果我需要租用'每秒1 ExaFLOP'这个速率级别的算力，连续租1小时，要付多少钱？"——它在描述"租用某个速率级别的算力，每小时的开销"。
具体推导：1台GB300速率为0.005 EFLOPS，租金$2.91/hr。要凑够"1 EFLOPS"这个速率级别，需要 1 / 0.005 = 200台GB300，每小时总租金 = 200 × $2.91 = $582/hr。所以GB300的Per-FLOP Revenue = $582/EFLOP-hr。
这是行业惯例的写法（与GPU的per-hour定价对应方便比较），但物理意义可以等价表达为$/PFLOP（每千万亿次运算的成本，类似"每千瓦时电费"）：GB300每小时$2.91，每秒产出5×10¹⁵ FLOPs，每小时产出 1.8×10¹⁹ FLOPs，所以每PFLOP（10¹⁵ FLOPs）成本 ≈ $0.16。
两种写法等价、1:1换算（$582/EFLOP-hr = $0.162/PFLOP）。本报告统一使用$/EFLOP-hr与GPU per-hour定价对齐，便于阅读。
1.2.2 计算公式
以下公式站在neocloud视角——"Per-FLOP Revenue"是neocloud从客户处收到的钱，"Per-FLOP Cost"是neocloud自己承担的成本。从客户视角看，Per-FLOP Revenue就是客户购买算力付出的钱。本报告统一使用neocloud视角的命名（Revenue/Cost/Margin），便于跟Per-GPU、Per-MW框架对齐。
- Per-FLOP Revenue ($/EFLOP-hr) = Per-GPU每小时租金 / GPU FP8 dense throughput (EFLOPS)
- Per-FLOP Cost ($/EFLOP-hr) = Per-GPU每小时all-in成本 / GPU FP8 dense throughput (EFLOPS)
- Per-FLOP Margin (%) = (Per-FLOP Revenue - Per-FLOP Cost) / Per-FLOP Revenue
1.2.3 计算示例（GB300，IREN-Microsoft合同）
项目
| 数值
| 说明
| GPU per-hour rental
| $2.91/hr
| MSFT 5年长单blended
| GB300 FP8 dense throughput
| 5,000 TFLOPS = 0.005 EFLOPS
| NVIDIA官方spec（速率，每秒）
| 要凑够1 EFLOPS速率所需GPU数
| 200台
| 1 / 0.005
| Per-FLOP Revenue
| $582/EFLOP-hr
| 200 × $2.91 = $582；或 $2.91 / 0.005
| Per-GPU all-in cost
| $3.24/hr
| 折旧+电力+OM
| Per-FLOP Cost
| $648/EFLOP-hr
| 200 × $3.24 = $648
| Per-FLOP Margin
| -11%
| ($582 - $648) / $582
| 等价$/PFLOP cost
| $0.180/PFLOP
| $3.24 / (5×10¹⁵ × 3,600 / 10¹⁵) = $3.24 / 18,000
|
这个框架揭示了一个关键的市场inefficiency：硬件供应商按FLOP创新（每代throughput提升3-5x），但租赁市场按GPU定价。客户每升级一代GPU，per-FLOP cost自动下降50-70%；neocloud per-GPU revenue只涨50-80%。差额流向了NVIDIA的毛利、客户的TCO节省、和被压缩的neocloud margin。
1.3 Per-MW框架：Neocloud真正最大化的指标
Per-MW框架的逻辑很直接：每代GPU的rental rate反映其throughput水平（GB300 rate高于H100是因为算力更高）。同样MW容量下，部署最新一代GPU能产生最高absolute revenue和absolute EBITDA dollars——这是neocloud真正最大化的指标，也是为什么所有玩家都追新硬件的根本原因。
Per-MW Revenue per year ≈ (该MW能装的GPU数量) × (Per-GPU rate) × 8,760小时
简化对比（同样200MW critical IT load）：
代次
| Per-GPU rate
| Per-MW absolute revenue/year¹
| vs H100
| H100
| $1.90/hr
| ~$1.7B
| 1.0x baseline
| GB200
| $3.20/hr
| ~$2.8B
| 1.6x
| GB300
| $2.91/hr (5Y长单)
| ~$3.3B
| 1.9x
| VR200
| $4.35/hr (早期)
| ~$3.6B
| 2.1x
|
¹ 基于NVL72架构密度（每MW约720 GB300 GPU）。H100代次因架构密度较低和PUE效率差异，可装数量略少。具体数字会因机架配置和PUE假设有±10%变化，但代际增长趋势稳定。
这就解释了报道反复强调的事实：即使新一代GPU per-FLOP margin被NVIDIA capture大部分价值，neocloud仍然有强烈动力升级到最新硬件——因为同样MW的facility投资+power合同+staffing开销，部署GB300/VR200产生的absolute EBITDA dollars远高于H100。
1.4 三个框架的使用场景
框架
| 适用场景
| 关键洞察
| 误用风险
| Per-GPU
| 公司间竞争力对比、合同议价、operating cost差异化
| 运营成本（电力、利息、colocation）差异完全体现在per-GPU层面
| 用industry average cost会掩盖个别公司的low-cost优势
| Per-FLOP
| 算力定价的代际演化、跨GPU代次的客户TCO比较
| 反映NVIDIA每代throughput提升让per-FLOP cost下降的结构性趋势
| 用作'neocloud business health指标'是误用——per-FLOP margin %下降不等于neocloud亏损
| Per-MW
| Neocloud business真正的最大化指标、capacity allocation决策
| Per-MW absolute EBITDA scaling才是评估business health的核心
| 忽略时会导致low-margin %的判断变成'business恶化'的误判
|
Per-FLOP framework的核心局限是它给出'每FLOP多少钱'的客户视角数字，但neocloud不是按FLOP卖算力的——它是按GPU出租，按MW部署。Per-FLOP margin负值反映的是NVIDIA代际创新让客户per-FLOP cost下降这个结构性现象，不是neocloud business破产的信号。Per-MW absolute EBITDA和合同lifecycle IRR才是评估neocloud business health的真实指标。
1.5 四种Margin口径的明确定义
Neocloud business的margin数字让人迷惑的根本原因，是不同口径的margin数字差异巨大。同一笔合同（如IREN-Microsoft），按不同口径算出来的margin可以从+85%到-22%。理解每个数字代表什么口径，是理解neocloud unit economics的核心。
本报告涉及四种margin口径，每个反映business的不同侧面：
口径
| 公式
| GB300示例（IREN-MSFT）
| 用途
| 本报告出现位置
| EBITDA Margin
| (Revenue - Opex) / Revenue （不含折旧、利息、税）
| +83%
| 反映current cash generation能力。Neocloud行业reporting convention
| Section 6 (Per-MW EBITDA)、各家公司earnings reports
| Pre-interest GAAP Margin
| (Revenue - Opex - Depreciation) / Revenue （含折旧不含利息）
| -1% to -11%
| 反映合同的会计盈利能力（不含融资成本）
| Section 4 (Per-GPU)、Section 5 (Per-FLOP)
| Net Margin
| (Revenue - Opex - Depreciation - Interest) / Revenue （含折旧+利息）
| -7% to -22%
| 反映stock investor视角的真实GAAP盈利
| Section 4.3 (加利息后净margin)
| Lifecycle IRR
| 全合同期+残值期的cash flow IRR （多年回报）
| +12-18%
| 反映capital allocation效率。真实回报水平
| Section 6.3 (Lifecycle IRR)
|
为什么EBITDA口径数字这么高？因为neocloud的最大成本项（GPU折旧，约占revenue 50-65%）被排除了。EBITDA反映的是"如果不算GPU采购成本，纯运营层面赚多少现金"——对评估业务scale的cash flow健康度有用，但不反映ROI。
为什么GAAP口径数字这么低甚至负？因为5年合同期内GPU折旧被前置，但合同revenue按5年均匀流入。这造成"前2年大量capex outflow + 折旧侵蚀，后3年revenue稳流入但折旧仍在压制"的模式。GAAP margin负不意味着business在亏钱——只意味着会计层面前期承担了未来收入的成本。
Lifecycle IRR是真实的回报指标。5年合同到期后，GPU仍可继续运营2-3年（残值期，cost仅power+OM）。把整个lifecycle的现金流算IRR，得到neocloud business真实的capital efficiency——通常12-18%，符合capital-intensive infrastructure的合理回报。
看后续表格时的提示：每张margin表会标注是哪个口径。如果发现两张表margin差异巨大，多半不是数字错了，是用了不同口径。EBITDA和GAAP同时存在不矛盾——它们描述同一个business的不同侧面。
2. CapEx Inflation定式（H100 → GB300 → Vera Rubin）
以下是按NVL72机架标准化的per-GPU部署成本拆解。最大inflation driver是大型变压器（涨4-6倍，128-144周交期）和HBM3e紧缺。Memory虽涨4-5倍但占BOM份额小。
组件
| H100代次
| GB300代次
| VR200代次
| GPU+rack share
| $0.685/hr
| $1.895/hr
| $2.395/hr
| 网络份额
| $0.100/hr
| $0.128/hr
| $0.137/hr
| 服务器BOM
| $0.128/hr
| $0.174/hr
| $0.183/hr
| 建筑shell
| $0.080/hr
| $0.115/hr
| $0.115/hr
| 电力基建（变压器/switchgear）
| $0.137/hr
| $0.262/hr
| $0.262/hr
| 冷却基建
| $0.046/hr
| $0.180/hr
| $0.190/hr
| 网络backbone+光纤
| $0.034/hr
| $0.034/hr
| $0.034/hr
| 系统集成+软件
| $0.023/hr
| $0.046/hr
| $0.046/hr
| 部署成本小计 (per hour)
| $1.233/hr
| $2.834/hr
| $3.362/hr
| All-in capex per GPU
| $54K
| $124K
| $147K
| YoY增幅 (vs上一代)
| —
| +130%
| +18%
|
VR200 NVL72 full system price约$5-7M（含$1M NAND），per-GPU比GB300贵约18%——但VR200 FP8 dense throughput约为GB300的2x（约10,000 TFLOPS vs 5,000 TFLOPS），所以per-FLOP capex实际下降约40%。这是NVIDIA每代GPU的核心创新模式：硬件单价上涨，但throughput上涨更快，per-FLOP成本下降。
3. 运营成本：四家公司的核心差异化
运营成本中电力获取方式是决定性变量。每家的电价差距高达3.5倍。
3.1 各家电力获取方式对比
公司
| 主力站点
| $/kWh
| 获取模式
| IREN
| Childress, TX (own)
| $0.028
| 自建变电站直连ERCOT 345kV，自有土地，West Texas renewable curtailment套利
| NBIS
| Mäntsälä Finland
| $0.04-0.05
| 自建数据中心，北欧低碳电网
| NBIS
| Iceland (Verne)
| $0.03-0.04
| 100%地热+水电
| NBIS
| Kansas City (Patmos)
| $0.05-0.06
| Colocation
| NBIS
| NJ behind-the-meter
| $0.07-0.08
| 自发电绕过电网
| NBIS blended
| —
| $0.055
| —
| CRWV
| Lincoln/TierPoint/Chirisa
| ~$0.10等效
| Colocation主导（Core Scientific收购2025/10失败）
| ORCL
| Crusoe-owned (Abilene等)
| passthrough ~$0.07
| 不持有数据中心，付facility hosting fee
|
3.2 电力消耗与PUE假设
每GPU每小时电力消耗（含PUE摊销）：
- H100 SXM5: 0.7kW × PUE 1.4 = 0.98kW total
- GB300 (NVL72均摊): 1.4kW GPU + 0.6kW share = 2.0kW × PUE 1.10 = 2.2kW total
- VR200预估: 1.8kW GPU + 0.7kW share × PUE 1.10 = 2.75kW total
注意GB300/VR200比H100更省PUE是因为液冷数据中心的能效大幅高于风冷（PUE从1.4降到1.10）。
4. Per-GPU Unit Economics（GB300代次）
4.1 全成本对比
成本项
| IREN
| NBIS
| CRWV
| ORCL
| 部署成本（折旧）
| $2.834/hr
| $2.834/hr
| $2.834/hr
| $2.28/hr¹
| 电力
| $0.054/hr
| $0.090/hr
| n/a²
| n/a²
| Facility O&M
| $0.011/hr
| $0.020/hr
| n/a²
| n/a²
| Colocation/Lease
| $0
| $0或部分
| $0.193/hr
| $0.45/hr
| Network/Software/集成
| $0.030/hr
| $0.040/hr
| $0.040/hr
| $0.30/hr³
| Total cost
| $2.93/hr
| $2.98/hr
| $3.07/hr
| $3.03/hr
|
¹ORCL Stargate早期deploy的是GB200而非GB300，单价较低
² CRWV和ORCL的电力+facility O&M打包在colocation/hosting fee里，无法单独拆分
³ ORCL的高Network/Software/集成成本反映了它需要交付bundled services，不只是raw GPU rental
4.2 现有合同margin分析（Pre-interest GAAP视角，含折旧）
以下表中cost含全部成本（折旧+电力+OM+colocation），margin对应Pre-interest GAAP Margin口径——含折旧但不含利息。同样合同的EBITDA口径margin要高得多（IREN GB300按EBITDA是+83%，详见Section 6.2）。
公司
| 现有合同blended revenue
| Total cost (含折旧)
| Pre-interest GAAP Margin
| IREN
| $3.00/hr
| $2.93/hr
| +$0.07/hr (+2%)
| NBIS
| $3.10/hr
| $2.98/hr
| +$0.12/hr (+4%)
| CRWV
| $2.80/hr
| $3.07/hr
| -$0.27/hr (-10%)
| ORCL
| $2.97/hr
| $3.03/hr
| -$0.06/hr (-2%)
|
4.3 加利息后真实Net Margin（GAAP视角）
4.2的Pre-interest margin之上扣除利息成本，得到Net Margin（接近stock investor看到的GAAP净利润margin）：
公司
| 杠杆水平
| 利息成本/GPU/hr
| 现有合同净margin
| IREN
| 中等（convertibles）
| $0.27
| -$0.20/hr
| NBIS
| 中等（convertibles）
| $0.27
| -$0.15/hr
| CRWV
| 4.5x debt/equity + 9-9.75%息
| $0.62
| -$0.89/hr
| ORCL
| 低（cashflow-based）
| $0.14
| -$0.20/hr
|
4.4 合同mix结构：被忽略的关键变量（Pre-interest GAAP视角）
前面用单一blended rate计算掩盖了一个事实：每家公司的合同mix结构不同，不同合同类型的margin profile差距巨大。
合同类型
| Per-hour rate
| Per-hour cost (IREN, 含折旧)
| Pre-interest GAAP Margin
| Hyperscaler 5Y长单 (如MSFT)
| $2.91
| $2.93
| -1%
| Hyperscaler 3Y reserved
| $3.20
| $2.93
| +9%
| Enterprise 2Y reserved
| $3.70
| $2.93
| +26%
| AI lab 1Y reserved
| $4.20
| $2.93
| +43%
| Spot / on-demand (effective)
| $3.35¹
| $3.91²
| -14%
|
¹ 标价$5.16 × 65% utilization = effective $3.35
² 折旧 = $124K / 5年 / (8,760 × 75%) = $3.78 + $0.13其他成本 = $3.91
Hyperscaler长单的Pre-interest GAAP margin微负到breakeven，但EBITDA口径下margin仍是+80%以上（因折旧排除）。这就是为什么Hyperscaler长单从财报EBITDA角度是好business——提供cashflow stability + 低financing成本（20% prepayment等于零息融资），neocloud用它换取确定性现金流和长期客户关系。真正的GAAP operating profit来自中型合同（企业2Y/AI lab 1Y），margin能到+25-45%。
4.5 真实合同mix与blended margin（Pre-interest GAAP视角）
公司
| 长单占比
| 中单占比
| 短单+spot占比
| 真实blended margin
| IREN
| 80% (MSFT权重大)
| 15%
| 5%
| +3-5%
| NBIS
| 65%
| 25%
| 10%
| +6-8%
| CRWV
| 70%
| 20%
| 10%
| -2 to +2%
| ORCL
| 70% (Stargate)
| 15% (enterprise AI)
| 15%
| +5-10%¹
|
¹ ORCL的+5-10% margin部分来自services bundling而非纯GPU rental
修正后的几个关键发现：
- NBIS的真实margin实际上是四家最强的——合同mix最平衡（hyperscaler+meta+欧洲enterprise比例适中）
- IREN对MSFT的80%权重依赖是真实弱点——靠power cost优势才能拉到+3-5%
- Sweetwater的核心unlock value不只是签更多合同，而是改善mix——签更多中型合同把blended margin拉到+10-15%
- CRWV的margin问题是structural三重叠加：mix集中在低margin长单 + 高colocation成本 + 高利息
- ORCL的enterprise AI cross-sell正好对应最profitable的中单层
|
|
IP卡
狗仔卡
发表于 
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡