作者 | 铅笔道 松格编辑 | 铅笔道 黄小贵封面图 | 铅笔道制图

一家靠出租英伟达 GPU 赚钱的公司，拿到了 500 亿美元订单。

它叫 Lambda，专门建设算力集群，再把算力出租，收取服务费。

这门生意有多火？

今年 6 月，Lambda 的积压订单还只有 150 亿美元，到了 9 月，已经飙升至 500 亿美元。8 月底，Claude 开发商 Anthropic 一口气签下价值 350 亿美元的算力合同。

订单越来越多，Lambda 却还在四处找钱。

最近，国外媒体爆料，英伟达投资的 AI 云算力公司 Lambda 计划融资至多 40 亿美元（约合人民币 270 亿元），由黑石集团、Coatue 领投，投前估值 145 亿美元（约合人民币 972 亿元）。公司计划 2027 年上市。

Lambda 怎么会缺钱？

客户可以未来几年慢慢付租金，但 Lambda 必须先花钱购买 GPU、建设数据中心。

它拿到的 500 亿美元是未来的生意，不是已经赚到手的现金。订单越多，意味着需要提前投入的资金也越多。

不过，有人发现算力越来越像新的房地产生意。

兄弟创业，当算力地主

Lambda 由一对 85 后双胞胎兄弟创立。

2012 年，斯蒂芬 · 巴拉班和双胞胎弟弟迈克尔 · 巴拉班创办 Lambda，最早从事人工智能研究，尝试过人脸识别等业务。

那时的 AI 行业，还远没有今天热闹。斯蒂芬从朋友手中买来一台装有 4 张英伟达 GTX 580 显卡的工作站，用来训练神经网络。

2015 年前后，团队开发了一款图片应用 DreamScope，可以把普通照片处理成油画等艺术风格。产品吸引了约 100 万用户，处理了数千万张图片。

用户越多，公司反而越危险。

因为训练和处理图片需要大量计算资源，Lambda 每个月要向亚马逊云服务 AWS 支付约 4 万美元。按照当时的财务状况，团队可能只剩下两三个月的生存时间。

一位早期投资人给了他们建议：既然租服务器这么贵，为什么不自己买？

兄弟俩算了一笔账。如果投入 6 万美元购买设备，自建计算集群，就能省下每月 4 万美元的云服务费用。

问题是，6 万美元对一家小公司并不是小数目。

斯蒂芬后来在播客中回忆，当时非常害怕这笔投入会让公司破产。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，还能变卖设备回血。

结果，这笔投资只用了约一个半月就收回成本。

更重要的是，兄弟俩发现，帮别人节省算力开支，可能比开发 AI 应用更赚钱。

Lambda 由此转向销售 AI 工作站、服务器，并逐步建立云计算平台。据斯蒂芬回忆，2017 年，公司硬件业务收入约 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 今天的生意。

简单说，Lambda 做的是 AI 算力出租。

开发大模型需要昂贵的英伟达 GPU，但不是每家公司都愿意自己购买设备、建设机房。Lambda 负责采购设备、组建计算集群，再按合同向客户提供算力。

客户不必自己经营数据中心，Lambda 则通过出租计算资源赚钱。

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，它们更加专注于 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 签下价值 350 亿美元的云计算合同。

从开发图片应用，到卖显卡，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。

但规模扩大之后，创始人发现，公司又遇到了熟悉的问题：需要先花钱，才能赚钱。

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，不只是 GPU，还有微软、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，一家初创企业想融资，通常需要向风险投资机构证明自己的增长潜力，再用股权换取资金。

Lambda 则多了一条路：拿设备和合同做抵押，向银行、保险公司等机构借钱。

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

2026 年，这种融资进一步加速。

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 9.26 亿美元贷款，支持已签约客户的 GPU 部署。

10 月 1 日，它宣布完成新一笔 10.08 亿美元固定利率贷款，利率为 6.78%，最终到期日为 2033 年。

这笔贷款很值得关注。

抵押品不只是 GPU 服务器，还包括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，也开始拥有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，再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，一套循环形成了：签订单、获得贷款、采购 GPU、交付算力、收取租金、偿还债务。

这套办法让 Lambda 不必完全依赖股权融资，也不需要等上一批设备收回成本后才能购买下一批。

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 亿美元订单非常重要。

这一模式也不是 Lambda 独有。

2025 年 9 月，同行 Nebius 与微软签订约 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支付资本开支。

AI 算力行业正在出现一种变化：企业不仅比拼谁能拿到大客户订单，也比拼谁能把订单变成低成本融资。

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 得 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，开始交给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只是产品开发问题，而是几十亿美元融资、长期债务、多处数据中心建设和大客户合同履约。

技术仍然重要，但融资成本、资本结构和交付效率，已经直接决定公司的竞争力。

算力生意变地产出租生意

Lambda 的商业模式有一位现成的参照对象：CoreWeave。

这家公司同样获得英伟达支持，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 积压订单达到约 1040 亿美元，是 Lambda 披露规模的两倍多。

但订单不断增长，并没有让它摆脱亏损。

2026 年第二季度，CoreWeave 实现收入 25.75 亿美元，同比增长约 112%，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，利息却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，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。

斯蒂芬本人更倾向于乐观判断。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。