一家靠出租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。英伟达也投了它。
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，特别是8月底，它跟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，它计划融资至多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。
有人发现算力越来越像新的房地产生意：买地、盖楼、卖楼。
– 01 –
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。
– 02 –
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。
– 03 –
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。