Nebius 联合创始人 Roman Chernin：AI 基建不是泡沫，规模化应用才刚开始

▍嘉宾：罗曼·切尔宁（Roman Chernin）

Nebius 联合创始人兼首席商务官（CBO），常驻以色列，两个十几岁女儿的父亲。他的职业轨迹几乎就是 Nebius 这家公司前身的缩影：

• Yandex 岁月：在 Yandex 任职多年，是其云计算业务（Yandex Cloud）的核心建设与商业化负责人之一。
• 分拆与再造：2024 年 Yandex 出售俄罗斯业务后，与 CEO 阿卡迪·沃洛日（Arkady Volozh）及原班国际团队把保留业务重组为 Nebius，全面转向 AI 基础设施。
• 本期定位：负责商业化与客户战略——从微软、Meta 级裸金属大单到 TokenFactory 托管推理，都是他口中“沿技术栈向上走”的主战场。

▍关于 Nebius

Nebius 是从 Yandex 分拆而来的 AI 基础设施公司（NeoCloud），在纳斯达克上市，由 Yandex 创始人阿卡迪·沃洛日出任 CEO。

• 起源：2024 年 Yandex NV 出售俄罗斯业务后，保留的国际业务（欧洲数据中心与云平台）重组为 Nebius，全部押注 AI 算力。
• 商业模式：全栈 AI 云——自建数据中心与 GPU 集群，向上依次为裸金属大单、多租户托管云与 TokenFactory 托管推理。
• 规模与订单：2025 年下半年与微软签下最高约 194 亿美元、与 Meta 约 30 亿美元的多年期算力合同，NVIDIA 为股东；录制时市值约 660 亿美元，当年资本开支 200 至 250 亿美元。

现在是不是 AI 基础设施泡沫时刻？

Harry： AI 基础设施竞赛已经打响，资本开支（CapEx）达到历史峰值。而这场竞赛的中心，正是 Nebius。今天请到的是 Nebius 的联合创始人——这家公司已经做到 660 亿美元市值，与全球最大的几家超大规模云厂商（hyperscaler）正面交锋。当下全球最著名的投资人之一利奥·阿申布伦纳（Leo Aschenbrenner），刚刚把它买成自己的最大持仓之一。

今天，我们就和这家全球最热公司之一的联合创始人一起，揭开 AI 基础设施泡沫之争，以及更多话题。热烈欢迎罗曼·切尔宁（Roman Chernin）。不过在进入正题之前，

Harry： 目的地已到。Roman，这期我太期待了。过去这几年，Nebius 是我们见过的最不可思议的故事之一；而未来几年，恐怕还要更精彩。谢谢你答应来做这期节目。

Roman： 谢谢邀请，很高兴来。

Harry： 先从一个很多人最关心的问题开始：AI 基础设施现在到底走到拐点（inflection point）的什么位置了？看着资本一波波砸进去，有人喊泡沫，有人说这才刚起步。你怎么看——我们现在是不是正处在一个 AI 基础设施泡沫时刻？

Roman： 我不认为是泡沫。先定义一下什么叫泡沫。我是否相信我们还需要再建十倍、百倍的设施？我相当相信。我当然可能有立场偏差——如果不信，我也不会干这行。我认为我们正站在一个美妙时刻的起点，黄仁勋（Jensen Huang）称之为“有用的 AI”（useful AI），真正的规模化采用才刚刚开始。

说实话，在那么多应用场景里，目前真正跑通的只有一个。就是人人都在谈的编程（coding）——它也是几个月前才真正开始好用的。把时间轴摆出来看：距离第一个真正规模化跑通的场景出现，才过去几个月，我们才刚看到它到处落地。接下来显然还会有更多、更多的场景，采用率也会高得多。

你随便挑一家今天的公司——抛开那些跑得最快的初创公司不谈（开场前我们还在聊，谁跑得够快、谁不够快）——去看它的 AI 采用情况，你会发现它只在 1% 的业务量、1% 的场景里用上了 AI。哪怕是技术相当先进的大公司，也才刚刚起步。所以我判断一切都刚开始。就算你不信马斯克（Musk）关于未来和太空的那套说法，单看企业采用的现实进展，这也只是头几步。

开源模型为什么伤不到 OpenAI 和 Anthropic

Harry： 这一点我们完全一致——但如果我只会说“我同意”，这期就太无聊了。顺着编程场景跑通这六到十二个月往下问：有一种观点认为，很多企业很快会转向本地托管的开源模型，因为成本对它们来说太重了，这个转变很快会发生。如果真如此，无论对 OpenAI、Anthropic 这类模型提供方，还是对 Nebius，都是伤害。为什么这个判断是错的？

Roman： 首先，我不认为这是未来的事——它已经发生了。我们到处都能看到：当客户或产品开发者做到一定规模，就会开始想办法改善经济性、加速增长，这时很多人开始寻找替代模型。今天最好的开发方式，显然还是建立在 OpenAI、Anthropic、Google 这些优秀提供方的前沿模型（frontier model）上——它们确实给你全世界最强的能力，这是事实。

但当你跑通了场景、看到采用率起来、看到客户数据飞轮转起来之后，你可能会找到更便宜——甚至不是更便宜，而是质量更高的方式，来服务同一个场景。你不一定需要全世界最强的通用模型，你可以造一个专用模型，在你的特定场景里效果反而更好。这就是从闭源前沿模型转向开源模型的路径。这类模型最重要的特质不只是开源，而是可微调、可训练——你可以拿来做后训练（post-training），做出在你的场景里表现更好的专用模型。这样的例子，我们在全世界、各个场景里都看得到。

Harry： 但这为什么不伤 Anthropic 和 OpenAI？

Roman： 因为在现实中，它们会向下一个前沿推进。回到刚才那点：世界上还有太多未被解决的任务，而且这些任务未必有预算上限。我们一次次看到——一年前的 DeepSeek 是如此，现在仍在继续——每当我们找到更高效解决某类任务的方法，就会同时开始解决更复杂的任务。这是一段没有终点的旅程。

你一直在推前沿，前沿之外永远有更复杂的任务等着你去搞明白；搞明白之后，再回过头把价格降下来、把质量提上去。未解决的任务实在太多，Anthropic、OpenAI 和所有前沿模型面前的市场还远未被覆盖，它们会继续指数级增长。

Harry： 你真信这套吗？这些公司的估值很多已经完美定价到万亿美元级别。如果它们创造的价值不断被侵蚀，就得不停玩“跳蛙”游戏——从一个价值点跳到下一个，而开源模型在后面一路啃食。那你得源源不断找到新问题，兄弟，这日子可不好过。

Roman： 其实大多数人担心的反而是另一头：开源生态和专用模型环境够不够强，能不能把这一层做起来？我认为我们还处在采用的极早期，未解决的问题太多，这只是蛋糕总量的问题。未来的蛋糕足够大，容得下前沿能力，容得下为特定场景深度调优的模型，也容得下整个开源与专用模型的世界——当我们清楚自己要什么时，可以在它们之上构建，拿到经济性和性能上的双重优势。你刚才说，每当更便宜的模型出现，现有业务就会被冲击。

我最爱讲的一件轶事，大概在 15 个月前——就是那个 DeepSeek 时刻。如果你记得，2025 年 2 月还是 3 月，Nebius 的股价一周左右跌了 40%。轶事在于：同一个星期，我们的销售反而创下了公司历史最好纪录。

市场上的人在恐慌，觉得 AI 便宜成这样，Nebius 这种基础设施公司就没用了、是不是泡沫要破了；但同一周，我们拿到了史上最好的商业成绩——因为无数人想明白了：可以用 DeepSeek 在生产环境里跑推理，而且经济性算得过来账。也正是在那段时间，Cursor 开始起飞——我记得他们是第一批真正把这类模型为编程场景调优、并因此受益的公司。

每当智能变得更便宜——同样一单位智能变得更便宜——我们并不会减少消耗，而是增加消耗：同样的预算，可以解决更复杂的任务；或者，那些早就知道能解决、但一直算不过账的任务，终于变得经济可行、可以放量了。观察这种经济性改善带来的连锁反应，实在很有意思。

Nebius 的四层产品栈：从兆瓦到 token

Harry： 顺着杰文斯悖论（Jevons paradox）——产出越多、需求反而越多——往下问：今天你在哪些地方动得不够快、希望更快？

Roman： 所有地方。我们谈公司怎么建，会讲四个维度。第一个是产能（capacity）：部署多少兆瓦、吉瓦和 GPU。我们是基础设施公司，必须足够大——不够大，就没有人需要我们存在。这是物理世界的扩张。团队做得极好，但永远不够快，你总想更快。而现实世界有一堆麻烦拖住你：新建一个数据中心，要走完供应链和监管审批，还要应付火灾、水患这些现实世界里会发生的一切。

第二个维度是产品。你要足够快，才能接住市场上涌现的新型负载、新型客户。回想一下：这个行业在 AI 征程上，最早的客户是造模型的人——OpenAI 这类公司、超大规模云厂商、大型实验室。它们对基础设施提供方的要求几乎是裸算力，就是纯粹的基础设施。市场上有很多这样的大额裸金属（bare metal）交易，我们也做。但这只是我们建的第一层：可规模化的物理基础设施，供 Meta、微软（Microsoft）这类客户在我们这里大规模使用。

第二层我们叫多租户云（multi-tenant cloud），仍然面向研究密集型团队，但数量是几百上千个团队——它们不想碰物理基础设施，只想用托管好的基础设施，也就是云计算语境里经典的基础设施即服务（IaaS）：存储、计算、网络都虚拟化好，配上 API、可观测性和安全，一个正常团队对云的一切期待都在。你登录进来，集群就给你配好了，可以开始训练或者跑推理；应用和工作流自己管，基础设施交给我们。

注意计量单位的变化：第一层谈的是兆瓦——你看那些大交易的公告，谁和 Meta、微软、OpenAI 签了大单，说的都是交付多少兆瓦算力。到了托管云这层，大家谈的是 GPU 小时，这是你卖的关键单位——连存储、配套服务一起，但买的本质上还是托管算力。

再往上一层，是我们在做的托管推理（managed inference）。到了这层，客户不想再用 GPU 小时思考问题，不想研究 B200、H200、B300 哪个更适合自己的负载，不想自己部署 vLLM 或 SGLang 这些推理引擎、自己做全部优化。这就是我们的产品 TokenFactory 所在的位置。

这是一个托管推理平台。它面对的又是一类新客户——我们称之为垂直 AI 公司或企业客户：真正做产品的人，他们不做模型，而是在模型之上做产品。这也回应你刚才说的专用与开源模型问题：当他们需要从 Anthropic 迁出、或者想让用的模型更多元时，就需要这一层。计量单位又变了——现在谈的是 token。你不再为 GPU 小时付费，而是消耗 token，专心做应用，不用想底下的集群。这是我们现在所在的位置。

但我认为这还不是终点。现在大家在造智能体（agentic）应用、智能体工作流。当你做一个端到端智能体时，你甚至可能不用想具体用哪个模型、生成多少 token——你要的是整个任务被高效执行、产出预期结果。

平台能施展的魔法，是替你思考：这次调用用哪个模型更好？需要上更聪明的模型吗？还是在同样的推理预算下，调两个更轻的模型、拿到“没那么聪明”的 token，再让一个裁判模型（judge model）选出最好的结果？上下文该开多大？诸如此类。这就是再往上的一层：开发者甚至不用关心 token 的类型，只关心任务的端到端执行。

Harry： 那第四层就是 OpenRouter 的直接对手了。

Roman： 我们想在那一层带来的，和底下几层一样，是优化引擎。你可以用各种开源或自研工具搭智能体，但当你要把它规模化，就会开始考虑经济性、可靠执行、可重复执行。这时问题就不只是选模型、不只是结果好坏，而是系统问题——你得让它可靠、可重复，还得算得过账。这大概就是 Nebius 能创造价值的地方。

同样道理：我们不教客户怎么做应用，我们只说——如果你需要这个模型以这样的经济性为你工作，我们帮你优化。智能体这层也一样：如果你需要这个智能体端到端跑在既定预算、既定质量内，或许我们能帮你优化。再说明一下，这部分是对未来的推测性思考，不是我们手上已有的东西。但我们看到客户在往这个方向演化，也就看到了下一代产品层可能出现的位置。

产能乘以 10 能卖掉吗：客户组合与价格弹性

Harry： 我很喜欢这个框架，笔记也记了一大堆，想把你说的四根支柱逐一过一遍。第一根是产能。如果今天的产能乘以 10，会有什么不同？你能一夜之间卖掉吗？

Roman： 好问题。一夜卖光不至于，但我们确定有那样的需求。对我们而言，关键问题不是有没有需求，而是怎么搭建需求组合。这个市场上的客户足够多，你可以在其中做平衡。还是回到那四层产品：你可以卖裸金属、卖托管基础设施、卖推理，未来也许还能卖新的产品层。我们想做的，是搭建一个相当多元的客户组合。

我们相信，沿技术栈越往上走，能为客户创造的价值越大，能服务的客户群也越大。裸金属这层，全世界能服务的客户大概只有十几家；托管基础设施这层有几百家；推理这层有几千家；到了智能体这层，会有数以万计的新开发者涌进来。

Harry： 客户组合这点说得很好。落到产能上，你希望客户大到足够有意义，但又不能大到让整个生意吊在它身上。带着这种两难的自觉，Meta 或微软这个级别的客户，你能接受的收入集中度是多少？

Roman： 好问题。我甚至想说，这是我们这门生意——不止 Nebius，而是整个品类——的核心问题。我们一直公开讲、对投资人和客户也讲：Nebius 的长期战略，是服务尽可能多元的客户组合。所以我们尽全力拓展客户数量、搭建平台。

现实是，要服务 Meta、微软这个级别的全球十几家客户——它们技术极强，自己有完整的软件栈，字面意义上只需要物理基础设施，把自己的全套东西搬进来、部署在你的设施上跑——你在物理基础设施之上能提供的附加价值微乎其微。顺便说一句，要满足它们对物理基础设施的要求本身就是巨大的挑战：你可以想象它们有多苛刻，需要的是世界上现存最大规模的基础设施。有人说这是大宗商品（commodity），但在那个规模上根本不是——到了真正的规模，没有什么是大宗的。

回到你的问题：这类客户的总量很小，而且服务它们未必需要全栈软件。所以从 Nebius 创立第零天起，我们就有意打造这套软件栈，因为我们认定这对公司更有利——说点情怀层面的话：这个世界上应该有一家厂商，不只在物理基础设施层、而且在更高的层面上支撑客户。

Harry： 从长期保护生意的角度看，你是不是必须建全栈？否则你就成了这些巨头的产能供应商——钱是赚得盆满钵满，但客户极度集中、业务极度垂直。

Roman： 是的，我也这么想。当然，我们不知道世界最终会走向哪里。在一个需求近乎无限的世界里，哪怕中长期只靠卖这类裸金属合同，你也未必活不下去。但当需求侧的选择足够多，你甚至可以挑客户——挑那些更看重我们所建平台的客户合作。世界上的客户各不相同：有人执着价格，有人执着质量，有人真心想要更先进的平台，因为他们想专注在自己的平台或产品上，不想在基础设施上花精力。

Harry： 在进入第二根支柱“产品”之前，再在产能上停一下。今天产能供给不足，如果你把价格翻倍，需求会有任何变化吗？

Roman： 这问题很难答。几个月前我们其实刚涨过价，供给端的管线压力依然实打实存在。我们也不知道平衡点在哪，原因如下：这不只是我们贪心、想趁短缺多收钱——某种程度上市场确实是这样，人们需要算力来建设。但存在一个临界点：训练那边还好，训练更像一次性成本；而如果你相信行业正在转向推理、推理就是服务客户的成本，那么价格超过某个水平，客户产品的经济性就不成立了。客户产品的经济性成立，他们才能增长，我们才能跟着增长。

所以这不是简单的供需关系加上完全弹性的价格。价格在一定范围内是弹性的，但我们也想做得有意义、替客户着想。而且成本不只是 GPU 小时价格，还包括你做的所有优化——我们叫它总拥有成本（TCO）。这也是我们建软件平台的部分原因。抱歉，又绕回产品了——你想聊产能，但人们对产能太执着了，尤其执着于产能的名义价格。GPU 小时你可以标 3 美元、4 美元、5 美元，取决于场景和平台质量，客户真实成本的结果可以完全不同。

设施能连续跑多久？有效不中断时间有多长？谈推理的话，你能榨出多少 token？我们看到各种优化手段，能把 token 成本拉低一个数量级。人人都在谈某块 GPU 的价格，但如果你把模型侧的事情做对，成本可以成倍数地改变。这一切都该作为一个系统协同工作——只做裸基础设施，你能管的只有价格；建平台、给客户提供高水平服务，你能从整个成本结构里榨出多得多的经济性。

和 CoreWeave 比，差别在全栈

Harry： 那进到第二层——从产能往 GPU 小时、往多租户云这个产品本身走一步。在这一层，你问自己的核心问题是什么？如果第一层的问题是接受多高的收入集中度，那这一层的大问题是什么？

Roman： 客户需要什么？你访谈过那么多产品创始人，答案都一样：客户到底需要什么？客户的需求如何演化？需求在往哪走？我们看到从训练到推理的迁移，看到从“用模型”到“造智能体”的迁移，也看到算力消耗从以 AI 实验室为主、转向企业入场。

想保持相关性，就得始终跟着这些变化走。这就是我们在产品上问自己的主问题：客户需要什么？Nebius 的价值是什么、该创造什么？因为我们终究是小公司，不可能什么都建。必须非常精确地知道，什么事我们比别人做得好、价值应该聚焦在哪——始终盯着客户的演化来校准。

Harry： 客户需求里有哪些变化，是你看到了、但公开讨论里没怎么被谈到的？

Roman： 人人都在谈从训练到推理的迁移，我觉得那是十万英尺高空的视角。这个迁移的实际含义是：人们在造具体的产品，产品里有自己的经济性、自己的增长轨迹——不是“同一块 GPU 换了个用途”那么简单。它带来的是新需求：你得建推理平台；你不只要帮客户跑推理，还要管推理用的模型从哪来。

现在人人都在拿开源模型做微调、做强化学习（RL），我们怎么帮上忙？模型跑起来之后会产生大量数据，客户跑应用、跑推理时要收集数据、创造数据，再用它改进模型或应用——这又怎么帮？大家爱用飞轮来比喻：跑推理、产生数据、观测数据、改进模型，终端产品的质量持续提升。这里面有大量工作，既有系统层面的，也有所谓 AI 魔法层面的。

最让我着迷的是：建造的门槛在降低。越来越多“建造者”型客户进入市场，他们未必是 AI 研究员，也未必是推理工程师。Nebius 这类公司能创造的价值，就是降低“造出真正可用的 AI 产品”的门槛——把基础设施的复杂性、AI 的部分复杂性（比如怎么调模型、怎么优化推理这种研究密集的活）从开发者面前藏起来，让他们只管专注自己的客户和场景。顺带说一句，Anthropic、OpenAI 的闭源生态，走的也是这个路子。

Harry： 你提到了差异化，这是开录前我和合伙人就说好必须要谈的点，就在这几层之内。你已经详细讲了产品建设、讲了在产能之下建产品的重要性。但当人们把你和其他新云（NeoCloud）放在一起比——比如你和 CoreWeave：你们都跑 GPU，都和 NVIDIA 关系深厚，客户名单里都有 Meta。差别到底在哪？

Roman： 我不喜欢和别人比。但我们的建设原则是全栈——我们叫全栈整合（full stack integration）。你可以把它拆成“向下全栈”和“向上全栈”。向下全栈，是我们在物理世界扎得极深：自建数据中心、自建机架和服务器、自建平台。掌控下游这些环节，你就能跑得更快、挤出更多成本，给客户更经济可行的方案。

向上垂直整合，就是刚才谈的产品：怎么跟上客户需求和客户分层的演化，不被“只需要基础设施”的那小撮客户锁死，而是真正服务企业客户和产品公司，在他们需要我们的地方接住他们。我认为这就是我们不同的地方。落到结果上，就是更低的业务集中度、更多元的客户组合——我们相信这是进军企业市场的更好站位，而长期看，大量需求会从企业市场来。

眼下我们的客群主要是 AI 原生公司服务 AI 原生公司。但外面有一个巨大的存量企业市场，总得有人去服务。它们不会买裸算力——它们要平台、要工具，要我们尊重它们的遗留系统，能在更复杂的环境里协作。它们不灵活，有数据要迁移，有系统要集成。这才是大棋局，也是我们主攻的方向。

TokenFactory：让开源模型变成生产级服务

Harry： 你提到四支柱的第三层是托管推理。对不了解的人，你怎么看这一层？会怎么向他们解释？

Roman： 很简单。你在某个东西上做了你的产品——你现在用什么 vibe code？

Harry： 我其实是 OpenAI 加 Codex 那派的。

Roman： OpenAI，行，也够用。你用 OpenAI 做出了很棒的产品，跑通了场景、开始增长、势头喜人。唯一的问题可能是：毛利不够了，或者你想更激进地用自己的数据去调教模型行为——而这在闭源生态里做不到。

于是你上网一查，发现有很多优秀的开源模型，基准测试上已经逼近 OpenAI。你心想：太好了，推理成本能便宜 10 倍，还能自己调模型、用自己的数据，产品会更好、增长会更快。

然后你就动手了：从 Hugging Face 上把权重拉下来，找个 vLLM、SGLang 之类的引擎跑起来——结果跑不动。因为要真正榨出你预期的价值，你得做优化、得以正确的方式部署；而且不是一块 GPU、一台主机出 token 就行——你已经是大产品了，跑在成百上千块 GPU 上，需要整套编排、缓存、可观测性。客户还会追着问你：这功能到底怎么运作的？

而这些，你在 OpenAI 那边是现成的——它对你就是生产级服务，你根本不用想基础设施，订个套餐、按用量付费、拿结果。所以这时你就需要 TokenFactory 这样的产品：它给你基于开源或专用模型的托管推理。你可以跑现成的原版开源模型，也可以调好自己的模型、部署自己的权重，剩下的一切交给我们——全套优化技术替你上、更好的经济性替你管、可靠性有保证，你不用再愁下一批 100 块 GPU 去哪找。这就是托管服务。用 TokenFactory，你可以在 60 个开源模型上跑。

Harry： 你之前说过，靠优化能把推理成本最多砍掉 70%。我能问个笨问题吗：一个 token 到底是怎么变便宜的？

Roman： 这也不是什么魔法。你拿一个基线模型，针对你的具体场景做优化：可以做蒸馏，得到一个质量不变的小模型；可以做投机解码（speculative decoding）；可以优化缓存，诸如此类。本质上，你是从一个模型出发，为你的场景、你的需求，建出一个经济性最优的系统。

还有一点对客户很重要：模型每周每月都在换。就在今天，MiniMax 发了新模型，NVIDIA 的 Nemotron Ultra 也官宣了。这种事每隔几周就发生一次，新模型在某些基准上更强、另一些未必。你需要灵活性，需要有人支持你试验、在新模型一上线就把最适合你场景的那个用起来。我们这样的平台，把换模型、跑基准这些活全部替你抽象掉：你可以确信，每次有新东西出来，平台上就有；你可以测，对你的场景更好就切换——整个过程平滑透明。

冷启动之后，企业 AI 采用会指数级起飞

Harry： 模型开发的节奏能持续吗？你说每隔几周——恕我直言，我看是每隔几天。五年后还会是这个迭代速度吗？

Roman： 我不知道。我觉得有很大概率，我们会继续看到大量细分模型涌现并改进。我还是那个判断：我们离那堵墙还远，模型改进会持续发生。我们还看到更多新模态、更多专用模型入场——大家都在谈前沿大语言模型，但外面还有一整个世界：生命科学模型、机器人、世界模型、视频模型、图像模型，各有各的场景。高度优化的细分场景小模型也越来越多。

就在今天早上，我在以色列还聊了一个团队，他们在做网络防御基础模型——专门优化来构建网络防御智能体的模型。他们也不是从零开始：拿一个开源基础模型，然后针对这个场景训练，按网络防御场景要求的质量和延迟做优化。我认为这类东西会越来越多：大量专用后训练模型涌现，而它们同样需要优化过的推理、需要配套优化过的基础设施，客户才用得起。

Harry： 在 token 成本和用量上，有什么是你看到了、但大家谈得太少的？最近有什么震到你的事？

Roman： 大家谈的还是同一件事：增长有多快。我们看着 Anthropic、Cursor、Cognition 这些编程类公司的轨迹往上冲，现在其他垂直领域也开始出现了——医疗的例子、金融的场景。我觉得相当惊人。更有意思的是看那些非 AI 原生公司怎么动。

举个客户的例子：Revolut。我们刚开始合作时，他们推理预算的 99% 都在闭源模型、在 OpenAI 上。他们逐步攻坚一些场景，但有些场景经济性不成立——在那些想做的场景里，AI 实际上替代不了人、也增强不了人。于是他们开始往开源模型迁移，但动得不快，因为得先花时间在公司内部建整套引擎——而且首先建的是评估（evaluation）体系。

我认为人们低估了这件事：作为一个公司、一个团队，要先建好“改进与实验引擎”这个地基，搞清楚什么对自己是好的。你跑通了一个场景、它有效，但你想换模型——怎么知道不会把质量搞砸？你需要指标，需要评估机制，需要为 AI 开发建好 CI/CD 流程。我们看到很多像 Revolut 这样的客户，都得先做这些地基性投入，先搞明白怎么演进模型、怎么安全地把模型接进生产流程。

但这些地基问题一旦解决，他们就开始指数级增长。别低估这类客户建起“快速交付系统”之后的增速——快速交付意味着他们知道怎么演进、怎么做决策。我们在很多客户身上都看到这个规律：先有一段地基投入期、一个冷启动问题——怎么开始交付；一旦解决，增长就是指数级的。从外部看，你会觉得“他们没动静啊，起步小、节奏慢”，但只要团队够强，地基一铺好，增长随即起飞。

我认为接下来会看到大量企业爆发式增长——尤其是那些数字原生、云原生的公司，Revolut、Shopify、Prosus、Booking.com 这类。等它们解决了冷启动、建好交付系统，AI 采用率会疯涨。

Harry： 你觉得三年后 Revolut 付给你们的钱会多多少？

Roman： 不知道，真的不知道，这个我就不说了。但我可以说的是：总体上，他们就在这条增长曲线上。我们都看到 AI 公司公布 ARR 增速，对吧？对 Revolut 这种公司来说，那不是 ARR，是预算。但我认为，最先进的那些公司，AI 预算的增长轨迹和 AI 原生公司是一样的——而且不是那种虚假的刷 token 竞赛，我们看到的是他们在生产负载里的真实用法。AI 原生公司说自己的 AI 消耗随 ARR 同步增长，Revolut 这类公司也走在同一条指数曲线上。

Harry： 谁跟我说开源能真正威胁最大的模型提供方，我都会反驳。我说，听着，大企业要的是可靠性、安全性，最重要的是省事——它们不想折腾水面之下的那堆架构。而你现在告诉我的是：你能把这一切都给到它们，让它们从这些提供方手里迁出来，体验还更便宜更好，因为你把管道工活全包了。

Roman： 对，但我的意思是：闭源与开源之争，关键不在可靠不可靠。如你所说，Nebius 这类公司的工作，就是让你用替代模型时也不用想管道工活。但真正的分野在能力。闭源前沿模型非常强，而且会变得更强，会解决很多我们今天还解决不了的问题。我们想解决的场景如此多样，市场自然容得下：全世界最聪明的模型、全世界最快的模型、介于两者之间“够聪明也够便宜”的模型。作为客户，你按任务挑对应的 token 来源就行。

回到智能体那层：也许未来连“这次调哪个模型”都不是客户的活了，会有一个熟悉底下所有模型能力的引擎替你调度。就像你今天用 OpenAI 的深度研究（Deep Research）：你不会去想它该循环几轮、什么时候调 LLM、什么时候调搜索、该用哪个提示词——你给个任务，背后的推理引擎决定怎么跑，你拿结果。我认为大量企业场景、大量智能体任务，最终都会以这种方式被解决：开发者不该再去编排这些 token 和模型，而是专注客户需求。

届时所有模型都有位置——最聪明的解决最复杂的智能问题，最快的做快速迭代。我们甚至还没谈那些模态、物理 AI 世界需要什么。所以再说一次我的观点：蛋糕足够大，不同模型各得其所。我们作为基础设施公司要做的，就是让开发者舒舒服服用上这些能力。因为你说得对——这不只是模型能力的问题，而是把管道工活拿掉，让模型跑起来、优化好、可靠地跑。

主权模型之争：该操心的不是兆瓦，是建设者

Harry： 看模型的大爆发和专用化——照你说的，会有那么多模型被造出来、覆盖那么多场景。遗憾的是有一点很清楚：欧洲的模型建设，远赶不上美国和中国。各国拥有自己的主权模型，你觉得有多重要？

Roman： 好问题。但看起来世界已经分裂了——我们可能不喜欢，但事实如此。让世界大部分地区都能用上“足够好”的基础模型，这件事很重要。在欧洲，我们应该思考的是怎么让这里有足够的能力可用。过去几年围绕主权、围绕主权 AI（sovereign AI）议程的讨论很多，我觉得那些讨论太集中在兆瓦和电力上，而不是建设者（builder）那一层。

兆瓦会来的。我们在 Nebius 一直讲：只要有需求，我们这样的公司就会把基础设施建起来。而需求来自建设者。欧洲真正该操心的，是长出更多 Lovable、Black Forest Labs、Mistral 这样的好公司，有足够多投研究的人、投产品的人。他们会创造足够的需求，飞轮会重新转起来，足够好的模型自然会来。这才是我们该上心的事。

Harry： 今天最有意思的投资方向是哪？给你四个选项：基础设施、横向模型、垂直模型、应用层。

Roman： 我们自己建基础设施，在这个位置待得很舒服。放在今天的世界里，这是个好位置——尽管某种程度上，我们建的是“最容易”的部分。不是说执行不复杂，而是我们大致知道世界需要什么，客户也在帮我们搞清楚需要什么。

我认为这个行业最了不起的人，是那些冒险去造终端用户产品的人。在我看来，真正驱动增长的主要是他们——冒着“造出来的东西别人要不要”这种真正风险的人。他们才是这段 AI 征程的英雄。

谁对 NVIDIA 有议价权？把你该干的活干好

Harry： 说到 AI 征程的英雄——你刚才也提到，我很幸运访谈过一些大人物，每期节目开录前我都会去找他们聊。这几轮聊下来，有一个主题反复出现：和 NVIDIA 的关系。如果一段“婚姻”里一方权力远大于另一方，那还叫婚姻吗？面对权力这么大的 NVIDIA，你怎么看待这段关系里的权力结构？

Roman： 谁对 NVIDIA 有议价权？我们的看法很简单：建自己要建的东西，做好自己的产品，讲好自己的故事，剩下的自然水到渠成。NVIDIA 最有意思的一点是，它在很大程度上仍然是一家工程师驱动的公司。赢得 NVIDIA 尊重的最好方式——这是我的解读，他们可能不这么看——是让 NVIDIA 的工程师尊重你的工程师，这才是关系的正确地基。

我们一次又一次证明了自己知道在造什么，我们有一支很强的工程团队，他们看得见，也认这个。硬件层、软件层、推理平台层，我们有大量工程师对工程师的关系。NVIDIA 的工程师越看得起你，能结成的关系与伙伴关系就越好。也许我们这么想是错的，但这是我们能看到、也能走的正路。我们就专注做合理的事、专注长期价值——这话听起来虚，人人都会讲，但说到底：把你该干的活干好，就这么简单。

Harry： 这期标题有了：Roman——把你该干的活干好。

Roman： 不然还能怎么办？我们处在这样一场竞赛里，能做的就是把自己的活干到最好。把你该干的活干好。

Harry： 这话很糙，但我喜欢。那说正经的：今天“把你该干的活干好”里，最难的部分是什么？

Roman： 四个维度。建规模、建产品——这两个我们讨论过了。第三个是客户。我们是“在场”的生意，我们爱说一句话：云是售后型生意（post-sales business）。你卖的那一刻，卖出的是承诺；接下来你得让客户满意。服务客户、覆盖客户、维持一支强的客户侧工程团队——前置部署工程师（FDE）团队，这是第三维。去见你的客户，确保他们认识你、你认识他们。

第四个维度，最无聊也最刺激的，是资本。我们玩的是资本密集的游戏，对手是全世界资本最雄厚的公司。

资本帮不上六个月的忙，瓶颈要放在时间跨度里看

Harry： 如果我给你无限预算，你会有什么不同的做法？

Roman： 建得更快。这问题太简单了。

Harry： 建什么更快？

Roman： 数据中心，然后用 GPU 把它们填满——就是建得更快。我们今年的资本开支计划是 200 到 250 亿美元，超大规模云厂商对手比我们大 8 到 10 倍。如果资本大 10 倍，我就建更多数据中心、更快填满 GPU、服务更多客户。这就回到了开头的问题：如果有 10 倍供给怎么办？我会跑得更快。

Harry： 加文·贝克（Gavin Baker）有个说法我觉得挺聪明：许可审批、监管和数据中心的建设延迟，其实反而帮了忙。因为如果今天让你把数据中心乘 10 倍建出来，反而会造出供给过剩（glut）。

Roman： 对，这问题问得好。投资人有时也会问我们：主要瓶颈是什么？答案是：一切都是瓶颈，得放在时间跨度里看。

未来六个月，资本帮不上忙——六个月太短，你手上有什么就是什么，你得交付。未来十二个月，有些东西可以加速，但主要卡在产能约束上，靠资本或执行力能抢出一些进度。放到二十四个月，你能解锁的东西就太多了。而且要理解：我们建的不是一个数据中心，而是一个产能组合。执行力越强、资本越多，能并行推进的事就越多。

所以我们才是现在这个打法：先锁定电力和土地，再建数据中心，再填 GPU。每个下一阶段都要更多资本，但我们尽量把活做在前面——确保进入下一阶段时，电力早已锁定；等有钱部署 GPU 时，数据中心已经在运转。这是分阶段的投资节奏。所以显然，资本越多跑得越快——六个月看不出差别，十八、二十四个月就是天壤之别。

Harry： 再聊一个。看数据中心建设这件事：公众对 AI 的抵触情绪越来越重。埃里克·施密特（Eric Schmidt）被嘘下台——不是因为内容，而是因为 AI 这个议题本身。公众对数据中心的反感也在升温，我记得现在走规划审批的项目，100 个里有 40 个建不成。你们内部怎么看、怎么消化这件事？

Roman： 这就是我们必须在其中工作的环境。这件事有两面。务实的一面是生意：如前面所说，我们把建设当作项目组合来管理，必须确保整体超额认购——一个数据中心延期，照样能给客户交够产能。而且多数客户不锁定单一物理位置，这是云，我们可以在不同地方建，把工作负载引到有产能的地方。这是务实面。

另一面，我们清楚看到：社区和地方政府要求我们这样的公司和他们紧密合作，解释、展示我们在做什么，回应并解决他们的顾虑。这就是现实。可以类比 Uber 当年的扩张：很多地方都出现反弹——“这个新东西是什么？动得太快了，我们没料到”。你只能去做工作、去解释。和那些开始依赖你的新社区打交道，本就是你职责的一部分。他们有顾虑：有些只是不了解，有些是合理的、你可以解决。还是那句：把你该干的活干好。

Harry： 你觉得到目前为止，这活你们干得好吗？

Roman： 我们这家公司骨子里总觉得自己做得不够。我觉得在已开建的地方，进展是实打实的。历史上我们的经验更多在欧洲；中期新建产能大概 70% 到 75% 在美国，所以我们在美国铺了大量本地团队，专门和当地社区沟通。我们尽力做到最好——当然永远要做得更好，但我们在往前走。

太空数据中心、快问快答与最大的威胁

Harry： 再帮我解一题。刚才聊到太空时我们都笑了。在地球上建数据中心已经是后勤噩梦，那在太空建数据中心呢？我热爱技术、我是乐观派——但那是不是纯属疯了？

Roman： 我觉得我们今天看到的一切都很疯狂。我的看法很简单：那么多聪明人在努力让它发生，我凭什么不信它会成？三年内太空算力超过地球？也许三年不至于。但我足够谦卑：这么多聪明人在解这道题、在把算力送上太空，我有什么理由悲观。当然，挑战还很多，很多事情要搞明白。

可是想想：哪怕三年前，有人告诉你我们会建起多吉瓦级的数据中心、建成大型互联算力集群，你信吗？反正我当初不会这么想。而今天我们就在这儿，这已经成了日常。

Harry： 来个快问快答：我说一句短的，你给第一反应。今天不存在、五年后会非常普遍的职业是什么？

Roman： 太空数据中心技师？

Harry： 不对，那活多半是机器人干。

Roman： 说正经的。有件事显然正在发生：我们在把“开发者”这个身份民主化——现在人人都能当开发者。我说的开发者，是指能把想法变成数字资产的人。我希望这种“建造的民主化”、让每个人都成为建造者，能打开大量我们今天想象不到的机会。

当几百万、几千万新的人获得“轻松把想法变成可用之物”的能力，我们会看到大量新生意、新想法活生生冒出来，它们会创造出许多今天压根不存在的新工作。这就是建造民主化的二阶效应（second order）。

同样既是机会也是风险的，是教育会怎么变。当人人都能调用智能，人们还该学什么？肯定不用再背事实了——一切都触手可及，知识就在那里。可人不再需要那么多思考时，你怎么训练人思考？很多职业不再稳定，你怎么教人持续变化？怎么帮人在变动的环境里找到自己、不断学习新概念？这里既有大把新机会，也藏着不小的风险。

Harry： 你提过有两个十几岁的女儿。未来十年她们要进入职场，你给她们什么建议？

Roman： 我原话这么告诉她们：我不知道未来需要什么，但我确信有两样东西一定有用。一是带着同理心与人沟通的能力——理解人、和人交流、有共情。二是创造力，所有的艺术——我希望艺术会以某种方式继续存在。

十年前我以为最重要的是数学和工程，现在完全不这么想了。我很欣慰，两个女儿的软技能比我小时候强得多：会和人沟通、理解人、有同理心，还有创造力——敢试新东西、能创造。这两样如果你能帮孩子养成，十年后她们会是抢手的人。

Harry： 创造力怎么教是另一个问题，但我完全同意。帮我补完这句话：Nebius 最大的威胁不是竞争，而是……

Roman： 而是集中化（consolidation）。我认为 Nebius 这门生意的主要威胁，是世界变得过度集中。我们努力多元化：服务不同客户、解决不同问题、覆盖不同层。如果最后世界变成——我不知道——三五个超级模型、超级公司、超级帝国控制一切，那 Nebius 这类公司就只剩一个用途：在物理层帮它们满足需求。

所以总体上，集中化是我们的主要威胁。世界越民主化、越多元，市场就越需要我们这种公司。

Harry： 你觉得这事概率大吗？我们看到的可是价值在向越来越少的玩家集中——恰恰是多元化的反面。

Roman： 我希望不会发生。作为生意，多元化对我们更好；作为人，对你我也一样——世界最好在不同维度上保持多元。我对此是乐观的：想独立造点什么的人太多了，有太多人有这种“去试、去造”的内在冲动。这种冲动会自发形成压力，自发造出一个更多元的世界。希望如此。

Leo 重仓之后：背书是信用，交付是本分

Harry： 倒数第二个。Leo Aschenbrenner 现在是红人投资人，信徒一大堆。他最近披露了一笔对他来说的重仓：持有你们 5.3% 的股份，我记得占他组合的 15%。你们内部什么反应？是不是“Leo 牛逼”？

Roman： 说没注意到，那是假话——显然所有人都注意到了，股价应声跳涨，满世界都是新闻。我们把它当作对我们所做之事的背书。但你拿到这份背书之后，要对自己说：好，这些人还是在给你信用，赌你能执行。

我反复回到那句话：我们做的是售后型生意。每签一单、每有一个人投我们，都是给我们一次交付的信用和机会——然后你就回工位上，交付。这个市场情绪浓度太高，更得让自己贴着地面：记住，所有这些增长、所有客户给你的信用，本质都是交付的机会——去干活。

Harry： 你太以色列人了。美国人这会儿早喊“冲啊”了，你却是“不，接着干活”。

Roman： 这一点上我更像个俄罗斯人。俄罗斯人骨子里讲究极度务实，而且总是一副“随时要出事”的表情——你得准备着，永远准备着。这一点很大程度上来自我们的 CEO 兼创始人阿卡迪·沃洛日（Arkady Volozh）：每天醒来，就是新的一天、新的客户，你得交付，没有任何东西是保证的，你只能专注在活上。

我清楚团队为了“让一切运转”投入了多少，清楚有多少事情系于每一天的投入，也清楚市场跑得有多快。想保持相关性，你就得继续以市场的速度跑。说点温情的话：我们其实该多庆祝一点，只是没时间。借这个机会给团队致敬——我觉得我们庆祝得太少了。我们不放松，这没错，但确实该多庆祝一点，给团队更多认可：已经做成的事情有那么多，过去不容易，现在不容易，将来也不会容易。

但不能停，我们不能停。就像鲨鱼——动起来才是活着，就是那个著名的说法。所以我们必须动。

Harry： 就聊到这。太感谢你能来，还包容我这些东拉西扯的问题。你太棒了，Roman，这期分量十足。

Roman： 谢谢，谢谢，你过奖了。

Harry： 不过在和大家道别之前，