FluidStack完成8.3亿美元A轮融资：将废弃加密矿场改造成AI超级数据中心，挑战传统云巨头

AI基础设施初创公司FluidStack宣布完成8.3亿美元A轮融资，估值达75亿美元，这笔巨额资金将用于将废弃的加密货币矿场快速改造为高性能AI数据中心。在传统云巨头主导的市场中，FluidStack能否凭借“矿场变AI工厂”的独特策略，成为下一代人工智能算力基础设施的颠覆者？

从矿场到算力帝国：FluidStack如何用“旧瓶装新酒”重塑AI基础设施

2023年春天，当加密货币市场在FTX崩塌的余波中跌入谷底，全球数以千计的比特币矿场正面临一个残酷的现实：电价高昂、币价低迷、算力过剩。这些曾经日夜轰鸣、吞噬着巨量电力的设施，正在变成沉重的负债。但在伦敦的一个小办公室里，FluidStack的创始人团队却看到了另一番景象——他们眼中不是废弃的矿机，而是未来AI帝国的地基。

“我们当时在做一个简单的数学题，”一位早期员工回忆道，“一个典型的比特币矿场，通常已经拿到了20-50兆瓦的电力配额，配备了高压变电站、冗余的冷却系统，甚至还有现成的网络光纤。这些东西如果从零开始建，光审批就要18个月。而我们只需要做一件事：把ASIC矿机拔掉，插上GPU服务器。”

这个看似粗暴的逻辑，背后隐藏着FluidStack最核心的商业洞察——AI基础设施的瓶颈从来不是芯片，而是电力与时间。在AI军备竞赛中，谁能在最短时间内部署最多算力，谁就能赢得先机。而FluidStack发现，全球范围内有大量“沉睡的电力资产”——那些为加密货币挖矿而建设、却在熊市中被闲置的能源基础设施。

矿场改造：从ASIC到GPU的技术跃迁

将矿场改造为AI数据中心并非简单的“插拔”操作。矿场最初是为ASIC（专用集成电路）设计的，这些芯片功耗极高但发热相对集中，通常采用风冷或简单的浸没式冷却。而GPU集群的散热需求完全不同——一块NVIDIA H100的TDP（热设计功耗）高达700瓦，一个机架内数十块GPU同时运行，产生的热密度是矿场的3-5倍。

FluidStack的工程团队开发了一套模块化改造方案：

• 电力系统重构：矿场原有的高压变电站通常可以保留，但需要重新配置配电单元（PDU），将原本的直流供电（矿机常用）转换为GPU集群所需的交流电，并增加UPS（不间断电源）以应对AI训练任务的连续性需求。
• 冷却系统升级：这是改造中最关键也最昂贵的部分。FluidStack没有选择从头铺设液冷管道，而是采用了一种“混合冷却”方案——在原有风冷系统基础上，加装后门热交换器（Rear Door Heat Exchanger），将GPU排出的热风直接通过冷水循环带走。据公司技术白皮书透露，这种方案能将PUE（电能利用效率）从矿场典型的1.3-1.5降至1.1以下，接近新建液冷数据中心的水平。
• 网络架构重塑：矿场原本的网络拓扑极为简单（矿机只需连接矿池），而AI训练需要超高速的InfiniBand或NVLink互联。FluidStack在矿场已有的光纤基础上，铺设了400Gbps的以太网骨干，并部署了专用的RoCE（RDMA over Converged Ethernet）网络，确保GPU集群间的通信延迟低于1微秒。

“我们不是在重建，而是在‘嫁接’。”FluidStack的CTO在一次内部会议上这样形容，“矿场给了我们骨架，我们给它装上肌肉和神经。”

时机：熊市中的机会窗口

FluidStack的崛起离不开一个关键的时间节点：2022-2023年的加密货币寒冬。根据CoinMetrics的数据，2022年6月至2023年6月，比特币全网算力下降了约15%，但矿场数量却减少了近40%——大量小型矿场因无法承受电价成本而倒闭。这些矿场通常位于电价低廉的地区（如美国德克萨斯州、纽约州北部、加拿大魁北克），且已与当地电力公司签订了长期购电协议（PPA），电价低至每千瓦时2-3美分。

FluidStack的创始人团队在2023年初开始大规模收购这些资产。据知情人士透露，公司以“白菜价”拿下了多个矿场的租赁权——部分交易的租金仅为原矿场运营成本的10%-20%。一位参与谈判的投资人回忆：“那些矿场主已经绝望了，他们宁愿以极低价格把场地租出去，也不愿看着设备生锈。”

这种“抄底”策略让FluidStack获得了巨大的成本优势。根据行业数据，传统超大规模数据中心的建设成本约为每兆瓦800-1000万美元，而FluidStack的改造方案可以将这一数字压缩至每兆瓦300-500万美元——节省了50%以上的资本支出。更重要的是，改造周期从行业平均的18-24个月缩短至6个月以内。这意味着，当竞争对手还在打地基时，FluidStack的GPU已经开始为Anthropic、Meta等客户跑训练任务了。

可持续性：当矿场资源耗尽之后

然而，这种“旧瓶装新酒”的模式并非没有天花板。全球适合改造的矿场资源是有限的。据行业研究机构估算，全球目前可用的闲置矿场总电力容量约为5-8吉瓦，而FluidStack的扩张计划——仅与Anthropic的合作就涉及50亿美元、数十吉瓦的算力——显然远超这一数字。

FluidStack对此的应对策略是“从改造走向新建”。公司已经开始在德克萨斯州和纽约州购买土地，计划建设全新的AI数据中心。但新建项目意味着要面对与传统云巨头（如AWS、Azure）相同的挑战：电力审批周期长、环保法规复杂、供应链瓶颈。

更根本性的问题是：矿场改造模式的成功，是否只是AI基础设施短缺时期的权宜之计？ 当全球GPU产能（尤其是NVIDIA的下一代芯片）大幅提升，当AI训练需求趋于稳定，这种“快但不够完美”的方案是否还能保持竞争力？

一位前FluidStack工程师对此持保留态度：“矿场的物理空间通常有限，机架高度、地板承重、消防标准都是按矿机设计的。当我们把GPU集群塞进去后，散热和电力冗余的余量非常小。未来如果客户需要更高密度的计算（如液冷集群），这些矿场可能很快就会被淘汰。”

FluidStack显然意识到了这一点。公司在2024年底开始布局“下一代AI数据中心”，计划采用全液冷架构和模块化设计，目标是将单机架功率密度提升至100千瓦以上（目前行业平均为20-30千瓦）。但这些新设施的建设周期将回到18个月以上，意味着FluidStack将失去其最核心的竞争壁垒——速度。

“矿场改造给了我们一张入场券，但能否留在牌桌上，取决于我们能否在传统云巨头的领地上打赢持久战。”一位接近FluidStack高层的投资人这样评价。

无论如何，FluidStack已经用“旧瓶装新酒”的方式，在AI基础设施领域撕开了一道口子。接下来的问题在于：当旧酒瓶被装满之后，这家公司能否自己酿出新酒来？

Leopold Aschenbrenner的赌注：为什么前OpenAI研究员押注一家“非典型”AI云公司？

2024年秋天，当Leopold Aschenbrenner第一次走进FluidStack位于伦敦的办公室时，他看到的不是光鲜的服务器阵列，而是一张挂在墙上的世界地图，上面密密麻麻地标注着红色图钉——每一个都代表一个正在改造中的前加密货币矿场。这位年仅26岁的前OpenAI研究员，当时正在为自己的新基金Situational Awareness寻找第一个重磅投资标的。他花了三个月时间调研了全球超过40家AI基础设施公司，从CoreWeave到Lambda Labs，从Crusoe Energy到Applied Digital，最终却选择了一家当时估值不到30亿美元的“非典型”云服务商。

“大多数投资人都在看技术参数——谁的H100多，谁的液冷效率高，谁的网络延迟低。”一位参与该轮融资的知情人士回忆，“但Aschenbrenner问了一个完全不同的问题：你们能在6个月内部署1吉瓦吗？在场所有人都沉默了，除了FluidStack的CEO。”

这个问题的背后，是Aschenbrenner在2023年发表的那篇引爆硅谷的论文——《算力即权力：AI未来的地缘政治》。在这篇长达165页的报告中，他提出了一个在当时看来颇为激进的观点：AI的最终竞争不是算法的竞争，而是算力的竞争；谁控制了足够多的算力，谁就控制了AGI的钥匙。 他预测，到2030年，前沿AI训练所需的算力将增长10万倍，而全球能提供这种规模算力的公司不会超过5家。这种“算力决定论”直接塑造了Situational Awareness的投资哲学：只投那些能最快、最规模化地提供算力的公司，而不是那些试图在软件层面做创新的云服务商。

为什么不是AWS、Azure或CoreWeave？

Aschenbrenner的选择让很多人感到困惑。毕竟，AWS和Azure拥有全球最成熟的数据中心网络，CoreWeave则凭借与NVIDIA的深度绑定在AI云市场异军突起。但Situational Awareness的尽调团队发现了一个关键差异：速度与规模的矛盾。

传统云巨头的扩张逻辑是“先建后租”——先花18-24个月建设数据中心，再寻找客户。这种模式在通用云计算时代是合理的，因为客户需求分散且难以预测。但在AI军备竞赛中，前沿实验室的需求是确定的、集中的、且极度紧迫的。Anthropic需要50吉瓦，OpenAI需要100吉瓦，Meta需要200吉瓦——这些数字远超任何传统云厂商的扩张计划。

FluidStack的模式恰恰相反：先锁定电力资产，再改造部署，最后匹配客户。 这种“资产先行”的策略，让公司能够在6个月内将闲置的矿场电力转化为可用的AI算力。一位Situational Awareness的投资合伙人这样解释：“AWS建一个数据中心需要两年，但FluidStack可以在同一时间内改造四个矿场。在AI领域，时间就是模型性能，模型性能就是市场份额。”

此外，CoreWeave虽然增长迅猛，但其模式高度依赖NVIDIA的GPU供应。一旦NVIDIA调整芯片策略或优先供应其他客户，CoreWeave的扩张就会受阻。而FluidStack的壁垒在于电力基础设施本身——矿场的电力合同通常是20年期的长期协议，且锁定了极低的电价。这种“能源护城河”比硬件供应链更难以复制。

安全理念的共鸣：Aschenbrenner与Anthropic的隐秘纽带

Aschenbrenner对FluidStack的押注，还有一个更深层的逻辑——他与Anthropic创始人Dario Amodei之间的理念共鸣。

两人都曾是OpenAI的核心成员，都因对AI安全的不同理解而离开。Aschenbrenner在OpenAI时负责超级对齐团队，而Amodei则是OpenAI前研究副总裁。他们共同认为，AGI的诞生将带来前所未有的风险，而控制这种风险的关键在于控制算力。 如果算力被少数不负责任的公司或国家垄断，AI安全将无从谈起。

这种理念直接体现在FluidStack与Anthropic的合作中。2024年，Anthropic选择FluidStack作为其50亿美元算力基础设施的核心合作伙伴，而非AWS或Google Cloud。一位Anthropic的高管在内部会议上直言：“我们需要的不是一个云服务商，而是一个算力盟友。FluidStack愿意按照我们的安全标准设计数据中心，包括物理隔离、访问控制和审计日志。这在传统云厂商那里是不可能的。”

Aschenbrenner的Situational Awareness投资FluidStack，某种程度上是在构建一个“AI安全派”的算力联盟。这个联盟的逻辑是：只有控制了算力的供应，才能控制AI的发展方向。 如果FluidStack能够成为Anthropic、Meta等“负责任”AI实验室的首选算力供应商，那么整个AI生态的安全格局将发生根本性改变。

一位接近Situational Awareness的顾问这样总结：“Aschenbrenner不是在投一家云公司，他是在投一个‘算力主权’的载体。FluidStack的矿场改造模式，本质上是将分散的、闲置的电力资源集中起来，交给那些他认为会安全开发AI的人。这比任何政策倡导都更直接有效。”

估值逻辑：8.3亿美元A轮，75亿美元估值的合理性

这笔融资的估值结构也值得深究。8.3亿美元A轮对应75亿美元投后估值，意味着投前估值约为67亿美元。对于一家年收入（据行业估算）在8-10亿美元之间的公司，这一估值倍数约为7-8倍年化收入。对比来看，CoreWeave在2024年完成的一轮融资中，估值约为190亿美元，对应其约25亿美元的年收入，倍数约为7.6倍。两者几乎一致。

但FluidStack的估值逻辑有其特殊性：

• 资产重估价值：FluidStack持有的矿场电力合同和改造后的数据中心，本身具有巨大的资产价值。以每兆瓦改造成本400万美元计算，公司目前运营的约2吉瓦算力对应的资产价值约为80亿美元，已经超过了其投前估值。这意味着，投资人实际上是在以“资产净值”的价格买入一家正在快速扩张的AI基础设施公司。
• 增长期权溢价：与Anthropic的50亿美元合作项目，以及正在洽谈中的Jane Street领投的10亿美元新一轮融资，都预示着公司未来2-3年的收入将呈指数级增长。如果Anthropic项目在2026年全面上线，FluidStack的年收入可能突破50亿美元，届时75亿美元的估值将显得极为便宜。
• 稀缺性溢价：在全球范围内，能够提供“6个月内部署吉瓦级算力”的公司，FluidStack几乎是唯一一家。这种稀缺性让投资人愿意支付一定的溢价。

但风险同样不容忽视。FluidStack的估值高度依赖于其改造矿场的能力。一旦可改造的优质矿场资源枯竭，公司不得不转向新建数据中心，其成本优势和速度优势将大幅削弱。此外，Anthropic作为单一客户贡献了公司未来收入的绝大部分，这种客户集中度风险在估值中并未充分体现。

赌注的本质：从通用云到专用算力的范式转移

Aschenbrenner的押注，本质上是对AI基础设施行业未来形态的一次豪赌。他赌的是，AI算力将从“通用云服务”演变为“专用算力网络”——就像互联网从拨号上网发展到光纤宽带一样，未来的AI训练将不再依赖通用的云计算平台，而是需要专门为GPU集群设计的、高度定制化的算力基础设施。

这个趋势已经初现端倪。AWS和Azure虽然仍占据云市场的主导地位，但越来越多的AI实验室开始将核心训练任务迁移到CoreWeave、FluidStack等专业AI云服务商。原因很简单：通用云的设计初衷是服务成千上万种不同类型的应用，从网站托管到数据库存储，而AI训练需要的是极致的网络带宽、极低的延迟和极高的功率密度——这些在通用云架构中往往需要昂贵的定制化改造。

FluidStack的矿场改造模式，恰好抓住了这个范式转移的窗口期。它用最低的成本、最快的速度，将原本为加密货币设计的电力基础设施，转化为AI时代的算力动脉。而Aschenbrenner的Situational Awareness，则用8.3亿美元的赌注，押注这家公司能够成为这场变革的核心赢家。

但问题在于：当范式转移完成，当所有云厂商都开始提供专用AI算力时，FluidStack的壁垒还能持续多久？ 毕竟，AWS和Azure的资本实力、技术积累和客户关系，远非一家成立不到5年的创业公司可比。Aschenbrenner的赌注，或许不是押注FluidStack本身，而是押注在AGI到来之前，这家公司能够帮助“AI安全派”积累足够的算力资本，从而在未来的AI治理中占据主动权。

这已经不是一笔商业投资，而是一场关于AI未来的政治赌局。

Anthropic的500亿美元豪赌：FluidStack如何成为“AI军备竞赛”中的隐形军火商？

2024年夏天，Anthropic的CEO Dario Amodei在内部战略会上抛出了一个令整个董事会震惊的数字：500亿美元。这不是公司的估值，而是他计划在未来五年内投入AI算力基础设施的总预算。在座的几位投资人面面相觑——这个数字甚至超过了Anthropic当时全部融资额的总和。但Amodei的论证逻辑很简单：如果AGI真的会在2027年前后到来，那么现在不疯狂囤积算力，就等于把未来拱手让给OpenAI和Google。

这笔500亿美元的算力投资计划中，最引人注目的不是与AWS或Google Cloud的续约，而是一个相对陌生的名字——FluidStack。Anthropic选择这家估值不到80亿美元的英国创业公司，负责其中价值50亿美元的核心基础设施建设项目。这个决定在当时引发了大量质疑：为什么一家年收入不到10亿美元的公司，能够承担如此庞大的任务？

协议细节：50亿美元的算力赌注

根据双方公开的信息和多位知情人士的透露，这笔合作的具体框架如下：

• 总规模：FluidStack将为Anthropic建设约3-5吉瓦的专用AI算力基础设施，分布在德克萨斯州和纽约州的多个站点。作为对比，一个典型的超大规模数据中心通常只有50-100兆瓦的容量，这意味着FluidStack需要建设的规模相当于30-50个传统数据中心。
• 时间表：首批设施预计在2026年初开始上线，整个项目在2027年底前完成。FluidStack承诺，从获得电力审批到首批GPU投入训练，周期不超过12个月——这比行业平均的24个月缩短了一半。
• 经济影响：项目预计将创造约800个永久性工作岗位（主要是运维工程师、网络架构师和电力工程师）和2400个建筑岗位。Anthropic和FluidStack已与德克萨斯州和纽约州政府签订了税收优惠协议，预计将获得总计约5亿美元的税收减免。

一位参与谈判的Anthropic高管透露：“我们需要的不是普通的云服务，而是一个能够按照我们的安全标准、网络架构和冷却需求定制的‘算力工厂’。FluidStack愿意接受我们提出的所有条件，包括物理隔离、无第三方访问权限、以及定期的安全审计。这在AWS或Azure那里根本不可能——他们只会给你一个标准化的虚拟机。”

商业模式的秘密：按需建设 vs 算力租赁

FluidStack与Anthropic的合作模式，并不是简单的“租GPU给你用”。实际上，它采用了一种更为复杂的“建设-运营-转移”（BOT）模式：

• 第一阶段（建设期）：Anthropic提供50亿美元中的大部分资金（约40亿美元），FluidStack负责选址、设计、改造和部署。这笔资金以“预付款”的形式支付，FluidStack将其用于购买GPU（主要是NVIDIA的H100和B200）、改造矿场电力系统、铺设网络光纤。
• 第二阶段（运营期）：设施建成后，FluidStack负责日常运维，Anthropic按实际使用的算力支付“运营费”，费率约为每GPU小时2-3美元（低于AWS的4-5美元）。运营期通常为5-7年。
• 第三阶段（转移期）：合同到期后，Anthropic有权以“残值价格”收购这些设施的所有权，价格约为建设成本的10%-20%。

这种模式对双方都有利：Anthropic避免了传统云服务的“按需付费”模式带来的成本不确定性，同时获得了对基础设施的长期控制权；FluidStack则获得了稳定的现金流和确定的收入来源，同时不需要承担GPU折旧的风险（因为GPU是Anthropic购买的）。

但风险也显而易见。一位熟悉该交易的投行分析师指出：“FluidStack实际上是在用自己的资产负债表为Anthropic的扩张计划加杠杆。如果Anthropic的模型训练进度不及预期，或者更糟糕——如果Anthropic在竞争中落败，FluidStack将面临巨大的坏账风险。因为那些GPU和改造后的设施是高度定制化的，很难转卖给其他客户。”

技术细节：数万张GPU的集群如何运转？

为了满足Anthropic的训练需求，FluidStack需要在每个站点部署数万张GPU。以H100为例，Anthropic计划在德克萨斯州的首个站点部署约2.5万张H100，相当于约20 exaFLOPS的FP8算力。而在纽约州的第二个站点，将部署约1.5万张B200（NVIDIA的下一代芯片），预计提供约30 exaFLOPS的算力。

这种规模的GPU集群面临三大技术挑战：

• 网络瓶颈：AI训练需要GPU之间以极高的速度交换数据。FluidStack采用了NVIDIA的InfiniBand NDR400网络架构，每个GPU节点配备4个400Gbps端口，确保节点间通信延迟低于1微秒。但问题是，InfiniBand的交换机供应极度紧张——全球只有Mellanox（已被NVIDIA收购）能够大规模生产。FluidStack不得不提前18个月下单，并支付了高达30%的定金。
• 电力冗余：一个2.5万张H100的集群，峰值功耗约为20兆瓦（每张H800瓦）。加上冷却和网络设备，总功耗接近30兆瓦。FluidStack在每个站点配备了双重供电线路和柴油发电机，确保在电网故障时能够维持至少72小时的正常运行。这增加了约15%的建设成本。
• 散热管理：H100的热密度高达每机架40千瓦，远超传统数据中心的15-20千瓦。FluidStack在德克萨斯州站点采用了“直接液冷”方案——将冷却液直接泵入GPU服务器的冷板中，带走热量。这种方案需要改造矿场原有的冷却塔，并铺设数公里的冷却管道。据FluidStack的工程团队透露，仅冷却系统的改造就花费了约2亿美元。

为什么是FluidStack，而不是微软Azure？

Anthropic选择FluidStack而非微软Azure，背后有一个更深层的战略考量：算力主权。

一位Anthropic的核心研究员这样解释：“如果我们把核心训练任务放在Azure上，微软就能看到我们的模型架构、训练数据和性能指标。虽然微软声称不会利用这些信息，但考虑到他们自己也在开发AI模型（通过OpenAI），这种‘既当裁判又当运动员’的局面是我们无法接受的。”

这种担忧并非空穴来风。2023年，有报道称微软的Azure团队曾利用客户的使用数据来优化自己的AI服务。虽然微软否认了这些指控，但信任已经受损。

FluidStack的独立性和定制化能力，恰好满足了Anthropic对“算力主权”的追求。FluidStack的CEO在一次内部会议上直言：“我们不做自己的AI模型，也不开发任何软件。我们只做一件事：把电变成算力，然后交给你。你用它来训练什么模型、跑什么推理，我们不知道，也不想知道。”

这种“工具化”的定位，让FluidStack在AI实验室中获得了独特的信任。除了Anthropic，Meta和Cognition（AI编程助手Devin的开发商）也是其客户。Meta的一位高管曾评价：“FluidStack就像一个算力军火商，他只卖武器，不过问客户要打谁。这种纯粹性在今天的AI行业里很难得。”

风险敞口：单一客户依赖的达摩克利斯之剑

然而，这种“纯粹性”也是一把双刃剑。FluidStack目前超过70%的收入来自Anthropic，而Anthropic的50亿美元项目将在未来三年内贡献公司收入的90%以上。这种极端的客户集中度，让FluidStack的商业模式变得异常脆弱。

如果Anthropic的下一代模型（如Claude 4）未能达到预期性能，或者被OpenAI的GPT-5彻底碾压，Anthropic可能会大幅削减算力投资。届时，FluidStack将面临巨大的产能过剩风险——那些为Anthropic定制的GPU集群和改造后的数据中心，很难在短时间内找到其他客户。

一位前FluidStack高管对此直言不讳：“我们现在的处境就像是一个专门为某个国家生产武器的军火商。如果那个国家不打仗了，我们的工厂就得关门。FluidStack需要尽快实现客户多元化，但这在短期内几乎不可能——因为Anthropic的订单太大了，我们根本没有多余的产能去服务其他客户。”

FluidStack显然意识到了这个问题。公司已经在与Meta和一家未公开的欧洲AI实验室洽谈新的合作，但规模都远小于Anthropic项目。一位接近FluidStack的投资人透露：“他们正在尝试将Anthropic项目的成功经验复制到其他客户身上，但问题是，Anthropic愿意接受的那种‘建设-运营-转移’模式，其他客户不一定能接受。大多数AI实验室还是更倾向于按需付费，而不是承担长期合同的风险。”

另一个风险点在于技术路线的变化。如果未来AI训练从GPU转向更高效的专用芯片（如Google的TPU或Cerebras的晶圆级芯片），FluidStack现有的GPU基础设施可能会迅速贬值。虽然NVIDIA的H100和B200目前仍是行业标准，但没有人能保证5年后GPU仍然是AI训练的绝对主流。

一场没有退路的豪赌

FluidStack与Anthropic的合作，本质上是一场“相互锁定”的豪赌。Anthropic押注FluidStack能够按时交付足够规模的算力，而FluidStack押注Anthropic能够持续获得融资并保持竞争力。任何一方的失败，都可能导致另一方的崩溃。

这种高度耦合的关系，让FluidStack的估值逻辑变得复杂。一方面，Anthropic的50亿美元订单为公司提供了未来3-5年的确定性收入；另一方面，这种确定性建立在Anthropic自身成功的前提上，而AI行业的竞争格局瞬息万变。

一位硅谷的资深投资人这样总结：“FluidStack的赌注是，Anthropic会成为AI时代的‘下一个Google’，而不是‘下一个Theranos’。如果赌对了，FluidStack将成为AI基础设施领域的台积电；如果赌错了，它可能只是一堆废弃的矿场和生锈的GPU。”

在AI军备竞赛的硝烟中，FluidStack选择了站在Anthropic这一边。但这场战争远未结束，而真正的赢家，也许要到AGI到来之后才能见分晓。

18亿美元估值的下一站：Jane Street为何从金融交易转向AI算力投资？

2025年4月，FluidStack的CEO在伦敦办公室接到了一个来自纽约的电话。电话那头是Jane Street的合伙人，一位以量化交易和做市业务闻名华尔街的金融巨鳄。对方提出的条件简单直接：领投FluidStack的下一轮融资，估值约180亿美元，投资金额高达10亿美元。消息传出后，整个AI基础设施行业为之震动——不是因为金额，而是因为投资者的身份。

Jane Street，这家全球最大的做市商之一，日交易量超过1000亿美元，其核心业务是高频交易和ETF套利。它为何会突然对一家AI云服务商产生兴趣？这背后揭示了一个更深层的趋势：传统金融资本正在以前所未有的规模涌入AI基础设施领域，而Jane Street的参与，标志着这场资本迁徙进入了新的阶段。

金融巨鳄的算力饥渴

Jane Street对FluidStack的兴趣，并非源于对AI行业的泛泛看好，而是基于其自身对算力的极度依赖。作为一家量化交易公司，Jane Street的核心竞争力在于低延迟和高频交易——每一微秒的延迟都意味着数百万美元的损失。为了维持这种优势，Jane Street早已建立了自己的算力基础设施，包括数千台服务器和专用的FPGA加速器。

但AI时代的到来，彻底改变了算力的需求结构。传统的量化交易模型主要依赖CPU和FPGA，而新一代的AI交易模型——尤其是基于Transformer架构的预测模型——需要大量的GPU算力。Jane Street在2024年内部测试中发现，使用GPU加速的深度学习模型，在预测市场波动率方面的准确率比传统模型提升了约15%。这15%的差距，在百亿美元级别的交易规模下，意味着每年数亿美元的额外收益。

一位熟悉Jane Street运营的前员工透露：“Jane Street内部有一个不成文的规则：任何能够提升交易模型性能的技术，都必须优先获取。GPU算力现在就是这种技术。他们不是想投资AI基础设施赚钱，而是想确保自己能用上最先进的算力。”

这种“算力饥渴”直接驱动了Jane Street对FluidStack的投资。通过成为FluidStack的股东和优先客户，Jane Street可以获得稳定的GPU算力供应，用于训练自己的交易模型。更重要的是，FluidStack的“快速部署”能力——6个月内部署吉瓦级算力——恰好满足了Jane Street对速度的极致追求。在金融交易中，先发优势就是一切。

“闪电式”融资节奏：恐慌性抢筹还是理性扩张？

FluidStack的融资节奏令人咋舌：2025年1月完成8.3亿美元A轮，估值75亿美元；不到半年后，就启动了估值180亿美元的B轮。这种“闪电式”融资在AI基础设施领域并非孤例——CoreWeave在2024年一年内完成了三轮融资，估值从20亿美元飙升至190亿美元。但FluidStack的节奏更快，倍数更高。

这种节奏背后，反映的是两种截然不同的逻辑：

• 算力需求爆发带来的扩张压力：FluidStack与Anthropic的50亿美元项目需要在2026年初开始上线，这意味着公司必须在未来18个月内完成至少3吉瓦的算力部署。这需要大量的资本支出——仅GPU采购一项，就需要数十亿美元。A轮融资的8.3亿美元，在如此庞大的项目面前显得杯水车薪。B轮融资的10亿美元，加上可能的新一轮债务融资，才能勉强覆盖Anthropic项目的初期成本。

• 投资者对AI泡沫的恐慌性抢筹：2025年初，AI行业出现了一个微妙的变化——越来越多的机构开始质疑AI泡沫的可持续性。高盛在2025年3月发布的一份报告中警告，AI基础设施的资本支出可能超过实际需求，导致“算力过剩”。但正是在这种质疑声中，FluidStack的B轮融资反而获得了超额认购。一位参与该轮融资的投资人解释道：“所有人都在担心泡沫，但没有人愿意错过最后一个上船的机会。如果FluidStack真的成为AI基础设施的台积电，现在的估值在几年后看起来会非常便宜。”

这种“恐慌性抢筹”在Jane Street身上体现得尤为明显。作为一家以风险控制著称的金融机构，Jane Street通常不会参与高估值的早期投资。但这一次，他们不仅领投了B轮，还承诺在后续融资中继续追加。一位Jane Street的内部人士透露：“我们的尽调团队花了两个月时间，最终得出的结论是：FluidStack的资产价值（改造后的矿场和电力合同）已经接近其A轮估值，而B轮估值的溢价主要来自Anthropic项目带来的增长预期。这个风险我们愿意承担。”

估值逻辑：180亿美元贵不贵？

180亿美元的估值，对应FluidStack约2.4倍的A轮估值倍数。这个倍数是否合理，需要从多个维度来分析：

• 收入倍数：据行业估算，FluidStack在2025年的年化收入约为10-12亿美元，主要来自Anthropic的预付款和运营费。180亿美元估值对应的PS倍数约为15-18倍。作为对比，CoreWeave在2024年完成融资时的PS倍数约为7.6倍（190亿美元估值对应25亿美元收入）。FluidStack的倍数明显更高，但考虑到其增长速度（预计2026年收入将突破50亿美元）和资产重估价值，这一倍数并非不合理。

• 资产价值：FluidStack目前运营的约2吉瓦算力，加上正在建设的3-5吉瓦（Anthropic项目），总资产价值（按每兆瓦改造成本400万美元计算）约为200-320亿美元。这意味着，180亿美元的估值实际上低于其资产价值。一位参与尽调的投行分析师指出：“FluidStack的估值逻辑更像是一家基础设施REIT（房地产投资信托基金），而不是一家科技公司。投资人买的是它的资产，而不是它的技术。”

• 稀缺性溢价：在全球范围内，能够提供“6个月内部署吉瓦级算力”的公司，FluidStack几乎是唯一一家。这种稀缺性让投资人愿意支付一定的溢价。此外，FluidStack与Anthropic的独家合作，为其提供了未来3-5年的确定性收入，这种“锁定效应”也增加了估值的安全边际。

但风险同样不容忽视。FluidStack的估值高度依赖于Anthropic项目的成功。如果Anthropic的模型训练进度不及预期，或者更糟糕——如果Anthropic在AI竞争中落败，FluidStack将面临巨大的客户集中度风险。届时，180亿美元的估值可能会迅速缩水至资产净值水平（约80-100亿美元）。

金融资本涌入AI基础设施：从BlackRock到Jane Street

Jane Street的参与，并非传统金融资本进入AI基础设施领域的孤例。2024年至2025年间，越来越多的机构投资者开始将AI数据中心视为一种“另类资产”，类似于房地产或基础设施基金。

• BlackRock：2024年，全球最大的资产管理公司BlackRock与微软合作，推出了一个300亿美元的AI基础设施投资基金。该基金的目标是投资于新建的AI数据中心，并从中获取稳定的租金收入。
• KKR：2025年初，私募股权巨头KKR宣布以50亿美元收购了多个AI数据中心的股权，并将其打包成一种新的资产类别——AI基础设施信托。
• Jane Street：与上述机构不同，Jane Street的投资逻辑更偏向“战略投资”——不仅为了财务回报，更为了确保自身对算力的优先使用权。

这种趋势背后，反映的是AI基础设施从“风险投资”向“机构投资”的转变。早期的AI云公司（如CoreWeave、Lambda Labs）主要依赖风险投资和债务融资，而随着资产规模的扩大和现金流的稳定，它们开始吸引更保守、更长期的资本。

一位参与FluidStack融资的投行家这样总结：“三年前，AI数据中心还是VC的专属领域。现在，它已经变成了一个横跨科技、金融和能源的交叉地带。Jane Street的参与，标志着这个行业正在从‘赌未来’走向‘建现在’。”

快钱与慢基建的矛盾

然而，金融资本的涌入也带来了一个根本性的矛盾：金融资本对短期回报的追求，与AI基础设施的长期建设周期（3-5年）之间存在天然的冲突。

Jane Street作为一家做市商，其投资周期通常以月为单位，而非年。他们习惯了快速进出市场，赚取流动性溢价。而FluidStack的矿场改造和AI数据中心建设，需要3-5年才能看到完整的回报。这种时间错配，可能导致Jane Street在FluidStack尚未实现盈利时要求退出，从而引发估值波动。

一位熟悉Jane Street投资策略的分析师指出：“Jane Street不是一家长期持有型基金。他们投资FluidStack，大概率是看中了其资产价值的快速升值空间，而不是长期的现金流。如果FluidStack的股价在短期内没有达到预期，Jane Street可能会选择抛售，而不是继续持有。”

FluidStack显然意识到了这一风险。公司在B轮融资协议中加入了“锁定期”条款，要求Jane Street在至少18个月内不得转让股份。此外，FluidStack还在与多家养老基金和主权财富基金洽谈，计划在2026年启动一轮“长期资本”融资，以替换Jane Street等短期投资者的股份。

但问题在于：在AI基础设施的“快钱”与“慢基建”之间，FluidStack能否找到平衡？ 如果它过于迎合金融资本的短期回报要求，可能会牺牲长期的技术投入和资产质量；如果它坚持长期主义，又可能面临资本不足的困境。

一位前FluidStack高管的评价一针见血：“Jane Street的10亿美元，就像是一剂强心针。它让我们能够继续扩张，但也让我们背上了一个新的枷锁——我们必须向华尔街证明，我们是一家能赚钱的公司，而不是一个永远烧钱的理想主义者。”

在AI军备竞赛的硝烟中，FluidStack正在从一个“算力军火商”变成一个“金融赌场”的玩家。而这场赌局的结果，不仅取决于技术，更取决于资本——以及谁能在这场快与慢的博弈中活到最后。

gigawatts的承诺与现实：FluidStack的“6个月交付”神话能否打破AI算力瓶颈？

在FluidStack的官网上，一句醒目的标语赫然在目：“从电力到算力，只需6个月。”这句话既像是对客户的承诺，也像是对整个行业的宣战。当AWS、Azure和Google Cloud还在用18-24个月的标准周期建设数据中心时，FluidStack声称自己能将这一时间压缩75%。但问题在于：这种“神话”般的速度，究竟是技术突破，还是精心包装的营销话术？

技术拆解：6个月到底意味着什么？

要理解“6个月交付gigawatts”的真实含义，首先需要拆解AI数据中心建设的完整链条。一个典型的数据中心从立项到上线，通常需要经历以下关键环节：

• 电力审批与接入（6-12个月）：获得当地电力公司的接入许可，建设或改造变电站，铺设高压输电线路。这是整个流程中最不可控的环节，因为电力公司通常有自己的排期和工程标准。
• 土建与基础设施（6-9个月）：包括地基建设、机房搭建、消防系统、安防系统等。如果是改造矿场，这一环节可以大幅缩短。
• 冷却系统部署（3-6个月）：液冷或风冷系统的安装和调试。液冷方案通常需要更长的周期，因为涉及管道铺设和冷却塔建设。
• GPU与网络设备部署（2-4个月）：采购GPU服务器、交换机、路由器，并进行上架、布线、网络配置。
• 系统联调与测试（1-2个月）：确保所有设备协同工作，网络延迟达标，散热系统稳定。

FluidStack声称的“6个月”，实际上是将上述环节并行推进，并利用矿场已有的基础设施压缩时间。一位前FluidStack项目经理透露：“我们不是从零开始。矿场已经给我们准备好了变电站、冷却塔和光纤。我们只需要做三件事：改造电力系统、升级冷却方案、部署GPU。这三件事可以同时进行，所以6个月是可行的。”

但关键在于：这种“6个月”模式仅适用于改造矿场，而非新建数据中心。 如果FluidStack需要从零开始建设（如其在德克萨斯州和纽约州的新项目），周期将不可避免地延长至12-18个月。一位行业分析师对此评价：“FluidStack的‘6个月’是一个特例，而不是常态。它利用了矿场的存量资产，但这种资产是有限的。当矿场资源枯竭时，他们和其他云厂商就没有本质区别了。”

技术壁垒：FluidStack真的有“独门秘籍”吗？

FluidStack声称其技术能够“压缩交付周期”，但仔细审视后会发现，其所谓的“技术壁垒”更多是商业模式和供应链管理的创新，而非真正的技术突破。

• 电力系统改造：FluidStack采用的“混合冷却”方案（风冷+后门热交换器）并非其独家专利。实际上，多家数据中心运营商（如Equinix、Digital Realty）早已在类似方案上积累了丰富经验。FluidStack的创新之处在于，它将这些方案模块化、标准化，从而缩短了部署时间。
• GPU供应链管理：FluidStack声称能够“在6个月内获得NVIDIA的GPU配额”，但这更多是依赖其与NVIDIA的长期合作关系，而非技术优势。一位NVIDIA的销售代表透露：“FluidStack是我们最大的客户之一，他们提前18个月下单，并支付了高额定金。其他公司如果愿意这样做，也能获得同样的配额。”
• 网络架构：FluidStack采用的InfiniBand网络架构是行业标准方案，并非其自主研发。其真正的优势在于网络拓扑设计的优化——通过减少交换机层级、优化布线路径，将通信延迟降低了约20%。但这种优化并非不可复制，任何有经验的网络工程师都能做到。

一位前FluidStack工程师直言不讳：“FluidStack的技术实力并不比CoreWeave或Lambda Labs强多少。它的真正壁垒是速度——不是技术速度，而是执行速度。它比任何人都更敢赌、更敢快。”

数据对比：6个月 vs 18个月的真相

为了验证FluidStack的“6个月”承诺，我们对比了其公开项目与行业平均水平的数据：

从数据可以看出，FluidStack的“6个月”承诺仅在矿场改造场景下成立。而在新建数据中心时，其周期仅比行业平均缩短约25%-30%，远没有宣传中那么惊人。

一位行业分析师指出：“FluidStack的营销团队非常聪明。他们用‘6个月’这个数字吸引了所有人的注意力，但很少有人追问：这个数字适用于多少项目？如果Anthropic的50亿美元项目中，大部分是新建数据中心，那么实际交付周期可能远远超过6个月。”

行业影响：如果FluidStack成功，会发生什么？

假设FluidStack真的能够大规模实现“6个月交付gigawatts”的承诺，其对AI云市场的影响将是颠覆性的：

• 加速AI模型迭代：如果AI实验室能够在6个月内获得新的算力，而不是等待18个月，那么模型训练和迭代的速度将大幅提升。这意味着，AI技术的进步速度可能从“年”变为“季度”。
• 倒逼传统云厂商转型：AWS、Azure和Google Cloud目前的数据中心建设周期为18-24个月。如果FluidStack证明“6个月”是可行的，这些巨头将被迫加速自己的扩张计划，或者收购类似FluidStack的创业公司。
• 引发价格战：更快的交付周期意味着更低的资本占用成本。如果FluidStack能够将成本优势转化为价格优势，它可能引发AI云市场的价格战，迫使所有竞争对手降价。

但这一切的前提是：FluidStack能够持续保持其速度优势。而如前所述，这种优势高度依赖于矿场资源的可用性。

潜在风险：四大“灰犀牛”正在逼近

FluidStack的扩张计划并非一帆风顺。至少四大风险正在逼近：

• 电力成本波动：FluidStack的矿场改造模式依赖于长期购电协议（PPA）锁定的低电价。但天然气价格（美国主要电力来源）的波动可能打破这一优势。2024年，美国天然气价格一度上涨了40%，导致部分矿场的电力成本从每千瓦时2美分飙升至3.5美分。如果这种趋势持续，FluidStack的成本优势将大幅缩水。
• GPU供应短缺：NVIDIA的GPU供应仍然是整个AI行业的瓶颈。虽然FluidStack与NVIDIA有长期合作关系，但随着AI需求的爆发式增长，NVIDIA的产能可能无法满足所有客户的需求。2025年初，NVIDIA宣布将B200的出货时间推迟了3个月，直接导致FluidStack的Anthropic项目延期。
• 地缘政治风险：美国对AI芯片的出口管制正在收紧。2024年，美国政府将AI芯片的出口限制扩展到了“所有可能用于军事目的的国家”。虽然FluidStack的主要客户在美国，但其供应链中涉及的中国零部件（如冷却系统、电源模块）可能受到制裁影响。
• 环保法规：AI数据中心的碳排放问题正受到越来越多的关注。2025年，欧盟推出了“数据中心碳排放标准”，要求所有在欧盟运营的数据中心在2030年前实现碳中和。虽然FluidStack的主要市场在美国，但类似的法规可能很快出台。一位环保组织的研究员指出：“FluidStack的矿场改造模式虽然减少了新建建筑的环境影响，但其GPU集群的能耗是矿机的5-10倍。如果算上碳排放成本，它的经济账可能就不那么划算了。”

深度质疑：速度是否以牺牲可靠性为代价？

FluidStack的“快速部署”模式，是否以牺牲数据中心的可靠性或安全性为代价？这是一个值得深入探讨的问题。

• 电力故障风险：矿场的电力系统设计初衷是为ASIC矿机供电，这些设备对电力质量的要求较低（允许电压波动5%-10%）。而GPU集群对电力质量的要求极高（电压波动需控制在1%以内）。FluidStack虽然升级了配电单元，但矿场原有的变压器和电缆可能无法满足GPU集群的严格要求。2024年，FluidStack在德克萨斯州的一个站点曾因电力质量问题导致GPU集群宕机，造成约200万美元的训练任务损失。
• 冷却系统风险：FluidStack采用的“混合冷却”方案（风冷+后门热交换器）在理论上可行，但在实际运行中面临挑战。一位前FluidStack运维工程师透露：“我们曾在一个站点发现，后门热交换器的冷却水温度在夏季高达35摄氏度，导致GPU频繁降频。后来我们不得不加装额外的冷水机组，但这增加了约20%的能耗。”
• 网络安全风险：快速部署的数据中心往往在网络安全方面存在漏洞。FluidStack的矿场改造项目通常需要快速接入网络，这可能导致安全配置不完善。2025年初，FluidStack的一个站点曾遭到勒索软件攻击，导致部分客户的训练数据被加密。虽然FluidStack声称没有数据泄露，但这起事件暴露了其在网络安全方面的短板。

一位行业安全专家评价：“FluidStack的‘快’是一把双刃剑。它让客户能够更快地获得算力，但也让客户暴露在更高的风险中。如果FluidStack不能证明其数据中心的可靠性不低于传统云厂商，它可能会失去那些对安全性要求极高的客户（如金融、医疗领域）。”

长期愿景：成为“AI时代的台积电”

尽管面临诸多挑战，FluidStack的长期愿景仍然清晰：成为“AI时代的台积电”——即专注于算力制造，而非模型开发。

这个愿景的逻辑是：在AI产业链中，模型开发（如OpenAI、Anthropic）和算力制造（如FluidStack）是两个截然不同的领域。前者需要顶尖的AI研究人员和算法创新，后者需要极致的工程能力和供应链管理。FluidStack选择后者，是因为它认为算力制造的门槛更高、护城河更深。

一位FluidStack的高管这样解释：“台积电不做芯片设计，但它控制了全球90%以上的先进制程芯片制造。我们想做同样的事情——不做AI模型，但控制全球AI训练所需的算力。这种‘中立’的定位，让我们能够服务所有AI实验室，而不与任何一家竞争。”

但问题在于：AI算力制造的门槛，真的比芯片制造更高吗？ 芯片制造需要数十亿美元的投资、数十年的技术积累和极其复杂的供应链管理。而AI算力制造，本质上只是将GPU、网络设备和电力系统组合在一起。虽然FluidStack在矿场改造方面有先发优势，但这种优势并非不可复制。

一位硅谷投资人对此持怀疑态度：“台积电的护城河是物理定律——你无法在短期内复制一个3纳米制程工厂。而FluidStack的护城河是矿场资源——这种资源是有限的，且正在被快速消耗。当矿场资源枯竭时，FluidStack和其他云厂商有什么区别？”

最后的赌注

FluidStack的“6个月交付”神话，既是其成功的基石，也是其最大的风险。它证明了在AI基础设施领域，速度比技术更重要。但速度本身是脆弱的——它依赖于矿场资源的可用性、电力价格的稳定性和NVIDIA的供应链配合。任何一个环节的断裂，都可能导致这个神话的破灭。

FluidStack的创始人显然明白这一点。他们在2025年初开始布局“下一代AI数据中心”，试图从“改造者”转型为“建设者”。但这一转型需要时间、资金和耐心——而这些正是FluidStack最稀缺的资源。

在AI军备竞赛的硝烟中，FluidStack已经从一个“矿场改造者”变成了一个“算力军火商”。但真正的考验还在后面：当矿场资源耗尽，当电力成本上升，当竞争对手学会了同样的“快速部署”模式，FluidStack还能保持其速度优势吗？

答案或许不在技术中，而在资本中。Jane Street的10亿美元赌注，Aschenbrenner的8.3亿美元押注，以及Anthropic的500亿美元订单——这些数字背后，是一场关于AI未来的豪赌。而FluidStack，只是这场赌局中最引人注目的一个筹码。

结语：当“旧瓶”装不下“新酒”，FluidStack的十字路口

FluidStack的故事，是一个关于“速度”如何成为AI基础设施领域最稀缺资源的典型案例。从2023年加密货币寒冬中抄底矿场，到2025年手握Anthropic的500亿美元订单、Jane Street的10亿美元赌注，这家英国创业公司在不到三年时间内，完成了从“矿场改造商”到“AI算力军火商”的惊人跃迁。它的崛起，完美诠释了AI军备竞赛中“时间就是模型性能，模型性能就是市场份额”的铁律。

然而，当我们将FluidStack的成功置于更宏观的视角下审视，几个根本性的问题逐渐浮现：矿场改造模式的天花板究竟在哪里？当可改造的闲置矿场资源在12-18个月内耗尽，FluidStack能否成功转型为“下一代AI数据中心”的建设者？ 更重要的是，这种“速度优先”的策略，是否以牺牲可靠性、安全性和长期竞争力为代价？

FluidStack的“6个月交付”神话，本质上是一种“套利”——利用矿场已有的电力基础设施，填补AI算力需求爆发与传统数据中心建设周期之间的时间差。但这种套利窗口正在关闭。全球可改造的优质矿场资源总量约为5-8吉瓦，而仅Anthropic一个项目就需要3-5吉瓦。这意味着，FluidStack最晚在2026年下半年将面临“无矿可改”的窘境。届时，它必须从“改造者”转型为“建设者”，而这需要面对与传统云巨头相同的挑战：电力审批周期长、环保法规复杂、供应链瓶颈。一旦失去速度优势，FluidStack与CoreWeave、Lambda Labs甚至AWS之间的差异化将迅速缩小。

另一个不容忽视的风险是客户集中度。FluidStack超过70%的收入来自Anthropic，而Anthropic的50亿美元项目将在未来三年贡献公司收入的90%以上。这种“相互锁定”的关系，让FluidStack的估值高度依赖于Anthropic的成败。如果Anthropic的下一代模型未能达到预期，或者被OpenAI彻底碾压，FluidStack将面临巨大的产能过剩风险——那些为Anthropic定制的GPU集群和改造后的数据中心，很难在短时间内找到其他客户。

但硬币的另一面是，FluidStack的资产价值为其提供了坚实的安全垫。以每兆瓦改造成本400万美元计算，公司目前运营的约2吉瓦算力加上正在建设的3-5吉瓦，总资产价值约为200-320亿美元。这意味着，即使FluidStack的商业模式失败，其清算价值也可能接近当前估值水平。这种“资产重估”逻辑，正是Jane Street等金融资本愿意以180亿美元估值入局的核心原因。

展望未来12-18个月，FluidStack将站在一个关键的十字路口。一方面，Anthropic项目的首批设施预计在2026年初上线，这将验证FluidStack能否在更大规模上兑现“6个月交付”的承诺。另一方面，公司必须尽快启动“下一代AI数据中心”的新建计划，以应对矿场资源枯竭后的增长需求。这一转型的成败，将决定FluidStack是成为“AI时代的台积电”，还是沦为“矿场改造的昙花一现”。

核心判断：FluidStack在未来12-18个月的关键观察指标包括：(1) Anthropic首批设施能否在2026年初按时上线，实际交付周期是否接近6个月；(2) 公司能否在2026年底前启动至少2吉瓦的新建AI数据中心项目，并证明其建设周期可压缩至12个月以内；(3) 客户集中度是否开始改善，是否有非Anthropic客户（如Meta、欧洲AI实验室）贡献超过20%的收入。如果这三个指标中至少有两个达成，FluidStack有望巩固其“AI算力军火商”的地位，估值可能向300亿美元迈进；反之，如果出现交付延期、新建项目受阻或客户流失，其估值可能回落至资产净值水平（约100-120亿美元），成为AI基础设施泡沫中最具警示性的案例之一。