一年暴涨56%，谁在AI算力短缺中拿到了最大筹码？

Nebius从10月1日起上调旗下GPU云服务价格，覆盖H100至B300全系列芯片。这不是突发新闻——五个月前他们已经做过一次类似调整。但这一次更让人警惕的是：客户已经把订单排到了2028年第二季度。

这家前身是Yandex云计算的公司，在过去三年里完成了一次身份转换：从俄罗斯科技巨头的附庸，变成新加坡注册的独立AI基础设施服务商。2024年末从Yandex集团独立后，英伟达向其投入数十亿美元资金用于建设欧洲数据中心。这种紧密绑定让它在算力争夺战中拥有了独特地位——既能拿到英伟达最前沿的黑瓦架构GPU，又能在定价上获得一定空间。

回顾这段历史，2022年俄乌冲突爆发后，Yandex被迫剥离海外资产，其云计算业务也随之陷入重组。当时的估值仅为5亿美元左右，而如今Nebius所掌控的算力资源已经成为全球AI产业链上的核心节点。一个曾经被视作区域性业务的部门，现在正在决定全球科技巨头的模型迭代速度。

黑瓦架构：稀缺成为新的货币单位

这次涨价覆盖的不仅是现有型号，更重要的是包含了英伟达最新发布的B200和B300——也就是所谓的"黑瓦"架构产品。这两块芯片的设计目标直指万亿参数级别的下一代大语言模型，性能相比上一代Hopper架构有质的飞跃。但其生产面临的挑战也远超预期：先进的封装工艺良率爬坡缓慢、供应链深度依赖台积电CoWoS先进封装产能，这些都导致黑瓦GPU的出货量远不能满足市场需求。

当一种产品的生产能力跟不上市场需求时，价格就会脱离传统的成本加成模式。Nebius的数据显示，针对极度稀缺的黑瓦架构算力，部分客户不得不通过"竞拍"获取资源，实际成交价超出最高标价15%到20%。这意味着市场上甚至出现了拍卖行式的算力交易方式。

H100单价上涨16.9%，H200上涨20%，B200上涨18.9%，B300上涨21%。这些数字背后是一个简单逻辑：越是客户拼命要的，就越贵。而黑瓦架构恰恰是当前最让客户焦虑的部分——各大模型公司都在等待这款芯片来训练下一代大语言模型，延迟上线意味着可能失去窗口期。

订单排到2028年的生意经

更关键的信号不在当前报价，而在未来。Nebius的需求能见度已经拉长至24个月以上，客户订单一直排到2028年二季度。这个数字意味着什么？想象一家传统制造业企业，如果它的工厂在未来两年都满负荷运转，且产能已经被预订一空，那么它自然会重新思考定价策略。

对Nebius而言，过去五年里全球数据中心行业经历了激烈的价格竞争。微软等科技巨头凭借雄厚的资本和庞大的用量要求极其严苛的服务等级协议（SLA），包括高额处罚条款和连带赔偿责任。在某些合同中，云厂商甚至要求供应商因服务中断而赔偿数月营收。但在今天的供需格局下，原本占据绝对话语权的大型云厂商开始软化其谈判立场。

这不仅仅是商业谈判桌上的胜负交替，而是产业价值的实质性转移。从技术角度看，拥有稳定电力供应和网络资源的数据中心资产正在获得类似传统能源股的确定性溢价。过去数据中心被视为IT设施中的商品化组件，利润率长期被压缩；而现在，它们更像是石油钻井平台——谁能控制基础设施，谁就能掌握整个产业链的定价权。

英伟达财报里的暗线

英伟达在其Q2 FY2026财报中展示了数据中心业务的强劲增长态势，这为Nebius等算力供应商的定价底气提供了宏观佐证。虽然英伟达并未公开披露具体的Blackwell收入占比或订单积压数值，但其管理层在讨论中对"强劲的订单势头"这一描述足以说明问题。

值得关注的细节是，Nebius的运营模式和英伟达形成了微妙的互补关系。英伟达卖芯片赚一次钱，Nebius把芯片部署成云服务赚取持续性收入。在算力供不应求的市场环境下，这种"二房东"模式的利润率反而可能比单纯的硬件销售更具吸引力。英伟达的股东们看到的不仅是芯片销量增长，更是整个生态系统中其他玩家围绕其GPU构建的基础设施网络也在同步扩张。

单兆瓦8000万美元的远期合同估值虽然只是第三方分析师Jonah Lupton的个人测算模型，但它反映了一个基本判断：能够承载大规模AI计算的数据中心不再是普通的IT设施，而是具有战略意义的工业基础设施。这个估算涵盖了土地、建筑、电力基础设施、不间断电源系统、柴油发电机备份、网络布线以及散热系统等全套配套设备。

接下来看什么

算力涨价的影响链条还在继续延伸。对于关注这个行业的读者来说，以下几个观察点值得重点关注和量化追踪：

第一，AWS、Azure和Google Cloud等其他大型云平台的跟进动作。目前尚未找到这三家同步提价的直接证据，但它们作为Nebius的直接竞争对手，必然受到同样的供需压力影响。建议持续关注各家云控制台实例价格的变动记录，一旦形成系统性涨价，将标志着整个云算力市场的定价体系发生根本性重构。

第二，GPT类大模型的API定价是否会因此上调。目前Nebius的价格变动主要面向B端客户，但如果AI推理的训练成本确实被推高，最终可能会传导至面向开发者的API服务收费。以OpenAI的ChatGPT API为例，其按token计费的商业模式在成本结构变化时将面临重新校准的压力。

第三，科技巨头自建专属算力集群的进度。当租赁成本持续上升时，Microsoft、Meta等大型企业可能会加速投资自有数据中心。这不仅涉及财务支出，还牵涉到选址审批、电力接入许可等复杂流程。可以关注各家公司近几个季度的资本开支指引是否有明显上调。

第四，英伟达下一季度财报中对数据中心业务的新指引。尽管缺乏精确的Backlog数字，但管理层的态度变化往往是市场的风向标。特别值得关注的是其对下一个季度的收入指引是否高于华尔街共识预期。

第五，电力供应瓶颈是否成为新的制约因素。随着数据中心能耗不断攀升，稳定的电力接入正变得越来越珍贵。在美国部分地区，数据中心的电力审批周期已经从几个月延长至数年。这意味着即使有钱买GPU，也可能因为无法获得足够的电力配额而无法交付服务。