营收131亿却狂亏210亿？8.5亿免费用户拖垮OpenAI，AI算力泡沫有多恐怖！
一名工程师的深夜部署，牵出一条千亿债务链
据公开信息，去年11月的一个深夜，Lambda的部署团队正为微软的数据中心安装最后一批英伟达GPU。数万块芯片陆续点亮，一项价值数十亿美元的租赁合同就此落地。这家成立于2012年的“新云”公司，从那时起彻底进入了加速通道。
近日，据外媒报道，Lambda又通过私募方式筹集约10亿美元短期债务，专门用于采购英伟达GPU，再租赁给微软。据知情人士透露，摩根大通安排了这笔交易，债务面向私募投资者发售。
借短钱、买显卡、收租金
这笔债务的短期结构耐人寻味。分析指出，这意味着Lambda预计能快速部署芯片、迅速产生租赁收入，用运营现金流偿还贷款。本质上，这是一门“借短钱、买显卡、收租金”的生意。
时间线可以���明这家公司的融资节奏。去年11月，Lambda完成15亿美元风险股权融资，投后估值达到54.3亿美元。今年5月和8月初，公司又通过担保信贷额度和B类定期贷款，合计融资近20亿美元，其中9.26亿美元专门用于采购英伟达最新的GB300芯片。加上最新的10亿美元，不到一年，Lambda累计融资已超过44亿美元。
据业内人士透露，在举债扩张的同时，Lambda也在推进IPO，有望明年上市，目前正在洽谈一轮约30亿美元的上市前融资。
行业影响：AI算力正在“债务化”
Lambda的做法并非孤例，而是一个行业样本。据彭博社统计的数据，2026年迄今，全球银行和科技公司已累计筹集超过4000亿美元的AI相关债务。算力扩张的账单，正越来越多地由债券市场买单。
这种模式对行业有实实在在的好处。相比股权融资，债务融资更快、稀释更少，让新云厂商能在GPU快速迭代的窗口期抢到产能。对微软这样的超大客户而言，租赁模式也省下了自建算力的巨额资本开支。
但风险同样清晰。国际清算银行（BIS）在《2026年度经济报告》中发出警告，将AI资本支出崩盘、“循环融资”崩溃和主权债务脆弱性，共同列为全球金融稳定的三大威胁。GPU既是抵押物，又是收入来源，一旦AI算力租赁价格回落，这批高杠杆公司的资产负债表会迅速承压。
瑞穗证券芯片分析师Jordan Klein的表述更为直接：以英伟达GPU作为抵押债务、将这些GPU租回AI供应链，再用客户的租赁付款偿还贷款，这种融资模式令人担忧，“就像是（英伟达）在预先为购买自己的GPU和产品提供资金”。
资本闭环下的隐忧与出路
值得注意的还有英伟达的双重角色。它既是Lambda的投资方，又是芯片供应商，还间接受益于整个债务扩张链条。这种利益结构放大了市场对“循环融资”的质疑。
当然，质疑不等于定论。Lambda与微软的合作从2018年就已开始，客户质量过硬，且短期债务结构本身就带有自我纠错机制，部署不及预期，贷款规模就不会滚动放大。真正的考验在于：当GB300之后的下一代芯片到来，这批租出去的GPU还值多少钱？
���整个AI云行业而言，Lambda的IPO若能成行，将为这条“债务驱动”的路径提供一次公开市场的估值检验。在那之前，4000亿美元的AI债务池还在继续扩大，水位涨得比谁都快。
本文由AI辅助生成
