利率飙升与硬件快速折旧：AI算力基建迎来算账时刻

全球AI产业的聚光灯，正在从大模型能力演进转向基础设施的真实财务回报。

近期，由NVIDIA投资的英国数据中心开发商Nscale在资本市场遇冷。其原计划寻求约300亿美元的IPO估值，却遭到投资者集体抵制，机构普遍认为160亿至190亿美元才是合理区间。

估值骤降的核心原因来自财务基本面。截至2026年8月底，Nscale对外宣称的合同储备总价值超千亿美元，但这多为包含终止条款的意向性订单，并非锁定的实际收入。同期其实际投入运营的数据中心仅有5座，2026年上半年营收1.4亿美元，净亏损却超过10亿美元。随着微软退出其英国项目、挪威项目延期，资本市场对其现金流状况逐渐失去耐心。

Nscale的遭遇并非孤例。在AI算力硬件依然紧俏的表象下，算力基建端的估值逻辑正从宏大叙事切换为商业常识。

算力生意的三重折旧压力

建设一个万卡规模的智算中心门槛极高。以H100或H200为例，单卡采购价格在2.5万至4万美元之间，仅万张显卡的硬件成本就达到18亿至29亿元人民币。叠加高速网络设备、光模块、存储系统、水冷散热与电力增容改造，总体资本开支（CAPEX）极易突破50亿元。

高昂的初始投入背后，是硬件资产面临的三重折旧损耗：

1. 账面折旧：财务层面通常按3至5年计提，大幅侵蚀当期账面利润；
2. 二手残值缩水：设备淘汰后，残值变现高度依赖下游二手市场的承接能力；
3. 技术淘汰风险：在大模型预训练场景中，不同代际的显卡受限于显存与架构无法混合组网。旧卡往往被迅速踢出高利润的预训练市场，只能转去从事低单价的推理任务。

算力商真正的生命线在于租约质量。微软等头部云厂商的长期租约多属于摊销支出，抗风险能力强；但大量第三方算力服务商依赖按量计费的弹性订单。当下游大模型初创团队融资遇阻或削减预算时，算力中心的出租率会迅速下滑，无法覆盖采购显卡产生的高额利息支出。

在国内市场，部分跨界入局的算力项目同样面临挑战。部分地方智算中心虽然拿到了土地和能耗指标，但本地缺少真实的大模型研发需求，机房落成后设备空置率高，只能低价承接数据清洗等边缘业务；而面向政企客户的项目，漫长的交付与回款周期也给企业资金链带来巨大压力。

高息环境重塑项目投资回报模型

除产业内部供求变化外，宏观资金成本上升成为重资产算力项目的另一大阻力。

算力中心具备典型的重资产属性：建筑机房寿命可达20年，内部IT设备生命周期却不足3年。在长期无风险利率走高的背景下，投资者对算力项目的预期投资回报率门槛大幅提高。

以投资50亿元的算力中心为例，若年化收益率为10%，在资金成本为8%的低息环境下项目具备商业可行性；但当资金成本上升至12%时，原本处于盈亏边缘的项目将直接陷入亏损。对于依赖融资租赁或民间资本的民营算力商而言，一旦显卡单价下调或出租率滑落，高额利息支出便会迅速吞噬现金流。

全栈软件能力拉开估值差距

业内通常将第三方算力商统称为“二房东”，但这一称谓掩盖了企业间的技术分化。

一方面是业务结构的差异。预训练算力订单金额大、周期短，项目交付后容易出现算力闲置；推理算力单价偏低但需求持续稳定。算力商需要合理配置长短期订单结构以平衡现金流。

另一方面是真假“全栈服务”的界限。若算力商剥离底层显卡后，其调度软件与运维系统无法单独形成商业收费能力，其本质仍是传统的数据中心硬件租赁业务。

具备溢价能力的调度系统需要极高的工程壁垒：

• 异构算力调度能力：面对客户混用的NVIDIA、AMD及国产芯片，系统能够自动将大模型训练任务拆解为数据并行与流水线并行的子任务，并在异构硬件集群中稳定运行；
• 断点续传与故障恢复：在超万卡集群的高压运行环境下，单卡故障十分普遍。缺乏强大的容错调度机制，可能导致客户整月的训练进度因局部故障而中断。

传统数据中心企业在软件研发组织能力上存在天然短板。机柜租售依托的是土地、电力与工程审批资源，而GPU云原生服务依赖的是分布式系统研发和MLOps交付能力。

即便被视作行业标杆的CoreWeave，同样承受着重资产的高杠杆压力。财报数据显示，CoreWeave在2026年第二季度营收达到25.8亿美元，但单季净亏损超6亿美元，净利息支出超6亿美元，总负债规模居高不下。与此同时，头部大模型公司往往倾向直接与芯片原厂及顶级云服务商签约，留给第三方的多是价格敏感度高、稳定性偏弱的长尾客户。

芯片多元化短期难解训练生态壁垒

尽管AMD等芯片厂商逐步放量，为下游采购提供了替代选项，但在核心的万卡集群前沿训练中，NVIDIA的CUDA生态壁垒依然稳固。软件栈的迁移与适配成本高昂，意味着替代芯片带来的成本红利目前主要集中在利润空间较窄的推理环节。

算力基建格局加速洗牌

伴随折旧周期的加速与资金成本居高不下，算力基础设施领域的梯队分化愈发显著：

1. 头部超大规模云厂商：如微软、AWS、阿里云、腾讯云等，凭借自身大模型生态、海量存量客户及低成本融资渠道，牢牢占据行业核心利润；
2. 垂直算力头部平台：如CoreWeave等，依托深度优化的分布式调度软件，在自动驾驶、三维渲染等特定大算力场景建立竞争优势；
3. 缺乏软件能力的中小服务商：在算力租赁价格战中，无软件附加值的服务商将逐步退守为底层托管物业，甚至面临被并购与资产出清的局面。

AI算力进入精细化运营周期后，能否在牌桌上长期立足，取决于企业是否同时具备健康的客户结构、低成本资金通道、长期稳定的低价电力供应、稀缺的能耗指标，以及可独立变现的异构调度软件能力。重资产运作最终必须回归健康的经营性现金流，脱离了应用场景与财务常识的算力扩张，终将面临沉没成本的考验。