一口气了解Lambda：微软大单之后，据报道又借约10亿美元买GPU

30秒看懂

• 它是谁：Lambda，2012年成立的AI算力公司。它的主业是把英伟达GPU组成集群，按小时或按长期合同租给研究团队和大客户；公司也参与开源模型训练，但没有把自有基础模型当作主要产品
• 最近的大新闻：彭博社8月28日报道，Lambda筹到约10亿美元短期债务，准备购买一批出租给微软的GPU；这是2026年公开信息里的第三笔大型债务融资
• 谁在背后出钱：实际出资方没有公开；据彭博社报道，摩根大通负责安排融资。微软提供多年算力订单，英伟达既卖芯片，也持有Lambda股份
• 最值得看的反转：Lambda最早做人脸识别和AI修图，没有从机房起家。创始人后来回忆，云成本一度约4万美元一个月，这让团队发现卖算力可能比卖应用更适合自己
• 这篇回答一个问题：一家主要做AI算力、又没公开经审计财报的公司，为什么能靠客户合同借到大笔资金，再把资金变成GPU集群

开始之前，先解释几个关键名词，后面看不懂了随时翻回来查：

彭博社8月28日报道，Lambda又为一项客户部署筹到约10亿美元短期债务，准备购买一批英伟达GPU，再出租给微软。这个数字大致相当于Stephen自报的云业务年化收入，也就是按最近收入速度折算的一年收入。摩根大通安排这笔融资；截至本文发布，相关公司没有公开确认，报道也没有披露完整期限、利率和抵押条款。

这套扩张方法和普通软件公司完全不同。软件多卖一个账号，新增成本通常不高；GPU云每接一张大单，都要先找到芯片、电力、机房、网络和施工团队。订单越大，前面的资金缺口也越大。Lambda的办法是先签长期客户，再围绕合同借钱买设备。下面我们来从头介绍这家公司。

一、四万美元账单换了方向

公司是谁做出来的？ 一对双胞胎兄弟，Stephen Balaban和Michael Balaban。Lambda官方把两人都列为2012年的联合创始人；Stephen在后来的访谈里说，自己先在2012年启动公司，Michael之后才加入日常经营。最早的产品是人脸识别接口：开发者把照片发过来，系统返回人脸位置和相关结果。那时深度学习还没有变成大众话题，团队更像一家机器学习工具公司。

接下来，他们试过一顶在帽檐里装摄像头的帽子，也做过名叫DreamScope的AI修图应用。用户上传照片，系统把图像处理成特定视觉效果。应用一度有流量，代价也很直接：运行模型要向大型云服务商租GPU。Stephen后来回忆，云成本一度约4万美元一个月；这是创始人口述，没有公开账目可供独立核对。

这张账单为什么重要？ 团队发现，最痛的环节不在滤镜本身，而在拿不到价格合适、装好机器学习环境的GPU。别的开发者也在碰到同样的问题。于是Lambda先自己组装工作站和服务器，预装深度学习软件，再卖给大学实验室和AI团队。它没有凭空预测一个市场，而是先解决了自己的成本问题。

这次转向也解释了Lambda后来为什么把重心一直放在AI基础设施上。它先给模型工程师提供桌边工作站，再走进机房，没有经过通用存储、数据库和办公软件那条路。2017年前后，公司把重心放到AI基础设施；公司史把早期GPU云的推出放在2018年前后，Stephen则回忆，2019年才开始正式推广云业务。早期客户里有大学、研究机构和小型AI团队，大家需要的是开机就能训练模型，不想自己配驱动、网络和软件环境。

现在的CEO（首席执行官）是谁？Michel Combes。Lambda在2026年5月调整管理层，Stephen转任首席技术官，Michael任首席产品官。Combes做过通信和大型基础设施公司的负责人，董事长John Donovan也有大规模网络建设经验。这个安排不是装饰：当公司要同时处理数十亿美元资金、供电、液冷，也就是用液体给设备散热的冷却系统，以及跨地区机房，管理重点已经从「把软件做好」扩大到「按期把机房和设备交出来」。

但从卖机器到租算力，中间并不是简单换个收费按钮。Lambda到底卖什么？钱又从哪里来？

二、从卖机器走到租算力

它的主业是什么？ 把GPU变成可以直接使用的计算服务。客户真正需要的是一整套能稳定工作的系统：GPU服务器、供电、散热、高速网络、驱动、训练框架、监控和技术支持。少一个环节，几十台机器也可能一起等着。

Lambda把客户大致分成两端。一端是开发者和小团队，可以在网站上开一台能远程使用的GPU机器，这种机器也叫GPU实例，按分钟结算；另一端是大型AI实验室、企业和大型云服务商，它们要几十颗、几千颗甚至更多GPU，通常签长期专属合同。中间还有官网叫「一键集群」的产品，团队可以直接开出多台已经连好高速网络的机器，不必自己搭整套环境。

为什么大型云已经有GPU，客户还要找Lambda？ 第一，热门芯片常常供不应求，大型综合云不一定能在指定时间给出足够数量。第二，AI训练需要大量GPU高速互联，通用云的产品很多，专业GPU云则把工程资源集中在这一件事上。第三，一些大客户希望把Lambda当作额外产能：自己的机房来不及建，先租外面的集群，避免等待自建设施投产。

英国竞争与市场管理局的云服务调查记录过这层关系。报告援引一家云服务商的说法称，英伟达通过先进GPU供给等方式帮助Lambda和CoreWeave进入市场；报告同时确认，这些专业云的算力规模远小于三家大型综合云。调查材料还写到，微软在2023年4月与Lambda签下英伟达H100算力供应协议。2025年的新合同又增加了数万颗GPU的多年部署。

一套数千颗GPU的集群，远比把箱子搬进机房复杂。Lambda公开过一个90天交付数千颗GPU的案例，步骤包括提前锁定设备、准备电力和冷却、布置高速网络与线缆、安装软件、逐台测试，再让客户验收。最稀缺的往往是把这些环节在同一个日期前凑齐。

它和同行有什么不同？Lambda没有垄断哪一颗芯片，客户也能去别处租卡。它的对手分成两组：一组是CoreWeave、Nebius等专业GPU云，大家都强调新卡供给和集群交付；另一组是AWS、Azure、Google Cloud等大型综合云，它们能把存储、数据库、网络和企业软件一起卖。Lambda选择把AI算力做深，产品更专，整体云服务范围也更窄。

Lambda的优势是早期机器学习客户、软硬件一体经验和交付速度，弱点则是能动用的钱和产品种类都不如大型综合云。它很难靠一个功能永久锁住客户，只能持续证明同样一批GPU在自己手里更快上线、更稳定运行。这个差别也解释了公司为什么不断招来做过大型网络和基础设施的人。

产品越来越重，合同也越来越大。问题随之变成：Lambda不是只收一笔平台服务费，它得先替客户准备一座小型算力工厂。钱从哪里来？

三、它把GPU租成三档生意

钱从哪里来？ 第一档是按需租用。Lambda官网在2026年8月底列出的八卡实例折算价里，B200为每颗GPU每小时6.69美元，H100的服务器模块版为3.99美元，按分钟计费；单卡实例分别为6.99美元和4.29美元。报价会跟卡型、数量和库存变化，不能把这一页当成长期不变的价目表。这一档像短租房，单价高、开通快，也最考验利用率。

第二档是预留和专属集群。客户承诺用几个月或几年，Lambda按合同准备固定数量的GPU。客户换来可用性和较稳定的价格，Lambda能更早估算未来几个月或几年的收入。这批容量也更容易提前卖掉，出资方也更容易根据合同评估项目；实际GPU利用率仍取决于客户怎么用。客户先签长期合同、Lambda再按合同借钱买设备，能否成立，很大程度就靠这批容量已经提前卖出。

第三档是大型AI算力工厂。Lambda不只租一台可以远程使用的GPU机器，而是为少数大客户把整批设备、电力、用液体给设备散热的冷却系统和网络建起来，再长期运营。2025年11月，它宣布与微软签下多年合同，规模为数十亿美元，将部署数万颗英伟达GPU。合同没有公开精确金额、期限和利润，因此不能用「数十亿美元订单」直接推出Lambda会赚多少。

它的硬件与软件积累还在影响云产品，但本地硬件已经不是一条现行业务。Lambda过去卖过工作站、服务器和预装的Lambda Stack软件环境，这些产品让公司更早接触研究团队，也积累了从单机到集群的工程经验。公司在2025年8月29日结束自营本地硬件业务，继续履行原有保修，并把新客户引向云产品或合作伙伴。Lambda没有公开各条云业务的收入占比，外部不能把某一档说成利润主力。

把这三档生意放在一起，Lambda的成长路径很清楚。这是为了方便理解做的三档分类，不是Lambda自己公布的业务分类：

这条路径的关键在于每往上一层，客户承诺更长，Lambda也要投更多钱。按需实例可以先买机器再等客户；数万颗GPU不能这样做，空一天的成本都很高。最理想的顺序是先拿合同，再按合同采购，最后让回款覆盖设备、机房、利息和运营成本。

它一年到底赚多少？ 没有经审计的准确答案。Lambda还是私营公司，没有像上市公司那样公开完整财报。Stephen在2026年访谈中称，按最近收入速度折算，云业务一年接近10亿美元，这是创始人自报口径，不能当成审计数字。Sacra等外部机构也做过估算，媒体还写过不同年份的估值；判断这家公司时，最诚实的写法是把自报、估算和正式财报分开，卖出服务扣掉直接成本还剩多少、手里真正留下多少现金、主要客户各占多少，仍看不清。

公开财务信息少。相比一轮估值，2026年的三笔大额债务更能说明Lambda怎么扩张。这三笔钱分别怎么进场？

四、微软先签单，贷款随后进场

2026年发生了什么？5月，Lambda把一笔可以分批借用的资金上限从2.75亿美元扩大到10亿美元，摩根大通牵头，资金用于下一代GPU和数据中心；这笔钱没有公开绑定微软项目。8月12日，公司又给一笔9.26亿美元贷款确定了利率等条款，8月27日宣布这笔贷款正式完成。一天后，彭博社报道了新的约10亿美元短期债务，由少数出资方定向提供，设备将服务微软合同。

把三笔公告或报道的额度直接相加，约29.3亿美元，接近Stephen自报云业务年化收入的三倍。这个加法只表示公司在2026年公告或媒体报道里出现的三笔金额，不能当作公司当天实际欠下的债务总额，也不能认定这些钱已经全部借出或花完。第一笔只是可以借到的资金上限，第二笔已经公布逐步偿还本金的安排，第三笔期限和完整条款没有公开。这三笔钱何时真正借出、何时偿还，并不相同。

8月正式完成的9.26亿美元贷款公开了更多细节。利率按一项每天浮动的美元市场基准利率，再加3个百分点；穆迪给出的Baa2属于投资级，也就是评级机构认为按约还款的把握还可以，但仍有一定风险。贷款到2030年12月31日到期，并会在到期前按计划逐步还清本金。

抵押物包括GPU服务器、相关基础设施和已签合同带来的现金流。评级对应的是这笔特定融资及其结构，不代表Lambda所有债务都拿到同一评级。Lambda只称客户是一家信用评级较好的长期买家，融资文件把这种客户叫「承购方」；彭博社另行报道称，这批GPU服务的客户是英伟达。

为什么客户合同能帮它借钱？ 在为已经签下客户的项目单独借钱时，长期买家先承诺使用一批GPU，出资方就能估算项目每个月可能收到多少款。设备本身可以抵押，公开条款也可能约定合同回款用于还款。比起「先买一万颗GPU，再去找客户」，「客户先签约，再买指定设备」更容易判断风险。这里讲的是用单独项目主体借入9.26亿美元的公开结构，不代表最新约10亿美元债务已经采用同样条款。

以9.26亿美元贷款为例，融资链路可以简化成六步：

这类结构会把长期买家的信用带进项目风险判断，这是为具体项目单独借钱时的一般逻辑。最新约10亿美元债务没有公开完整条款，不能照搬这套结构。Lambda赚的是交付和运营的钱，也把自己夹在两份合同中间：一边要按时向客户交算力，另一边要按时向出资方还款。任何一边延误，都不会因为另一份合同很漂亮就自动消失。

这里还有一条支线。The Information报道，英伟达与Lambda两份租卡合同合计约15亿美元，并称英伟达已经成为Lambda最大客户；Lambda没有公开确认这些合同细节。英伟达一边卖芯片，一边投资专业云，又可能成为大客户，这组关系值得单独拆一篇：投资、供货和租卡合同怎么连成一圈，本文先不展开，以后专门讲清楚。

合同能让钱进来，不等于项目已经安全。一批GPU、一张订单和一笔贷款，谁先到期？这才是Lambda现在最需要回答的问题。

五、四道风险压在机柜上

先用一张表看全：

第一道是客户集中。 微软的大单给了Lambda增长速度，也让Lambda更依赖这个项目按期交付和付款。合同总额大不等于客户已经把钱全部付清，具体什么时候收到钱、什么时候把合同金额算进当期收入，没有公开。Lambda也没有公开确认各客户占比；The Information报道，英伟达是最大客户，Amazon和微软合计接近Lambda 2026年二季度云收入的一半。这个口径来自媒体掌握的内部数字，不等于公司公开财报，但足以提醒我们：少数大客户的采购节奏会直接影响Lambda。

第二道是GPU迭代。H100之后有B200、GB300，下一代设备还会继续来。旧卡不一定立刻没人用，创始人2026年访谈甚至称公司早期V100仍有较高使用率；但旧卡能否以原价出租是另一回事。如果旧卡租价和设备价值下降，而贷款本金还得按原计划偿还，项目回报就会变薄，偿债压力也会变大。

第三道是期限匹配。 据彭博社报道，本轮约10亿美元属于短期债务，微软合同则是多年安排，但报道没有公开短债到期日和合同收款表。两边是否真的错配，现在还不能下结论。项目可能通过交付回款、续借或新的长期融资偿还，具体路径取决于未公开条款。到期那天，出资方看的是实际现金，不是订单发布稿。

第四道是交付。 新GPU机柜的功率和散热要求远高于过去的通用服务器。Lambda自己披露，新一代高密度机柜可达到每柜130至240千瓦，老机房常见设计只有每柜2至15千瓦。两个量级不能直接塞在同一套供电和冷却里。土地拿到了，不等于电能按时接入；芯片到了，也不等于高速网络已经调通。

还有一个外界现在答不了的问题：利润。Lambda披露了融资、合作和产品，却没有公开完整的收入、成本和利润明细。只要看不到设备每年按使用年限计入的成本、借钱成本、客户提前支付的款项、利用率和维护费用，就不能断言它已经赚得很好，也不能断言它必然亏损。公开数据少，本身就该算进风险。

风险这么多，为什么客户和出资方仍愿意合作？因为AI公司当前要的是某个具体日期能够开机的集群，以后可能更便宜的GPU解决不了眼前任务。Lambda最值钱的能力，是让客户相信这批GPU能按时开机。

六、真正能带走的是交付速度

Lambda到底做对了什么？ 第一，它从自己的痛点开始。团队先为DreamScope承担高昂云成本，再把内部解决方案卖给别人。第二，它没有一步跳到数万颗GPU，而是沿着工作站、服务器、小集群、按需云、专属集群逐级升级。每一级都积累下一层需要的客户、软件和交付经验。

第三，至少在9.26亿美元这类先锁定客户的项目里，它先锁定长期客户，再为指定设备融资。这个顺序把最危险的「买完设备等需求」改成「按已知需求准备设备」。第四，它知道自己的产品不只是GPU。芯片来自同一家供应商时，真正拉开差距的是拿货、供电、液冷、组网、软件、日常维护和交付日期。

普通人能学到什么？ 不需要去买一座机房。可以先看自己每天重复付出的时间和费用：哪一步让团队持续花钱、排队、返工？如果能把那一步做成别人开箱就能用的工具，机会就比「我也做一个热门AI应用」更具体。Lambda早年的价值在于把难买、难配、难组网的机器做成可直接使用的产品。

想进入AI基础设施，也不只剩下芯片设计。电力规划、液冷、网络、集群调度、故障定位、成本管理和客户交付都需要人。运营万卡级集群需要数据中心、网络、调度和故障定位等多种专业能力。普通人更现实的上车方式，是选一个具体环节把技能做深，而不是把「算力」当成一个空泛标签。

做AI产品的团队能学什么？ 先给产品画一张由轻到重的路径图。能用软件验证，就不要先买设备；能用十个客户验证，就不要先按一万个客户建设。等需求确定，再通过预付、年约或分阶段交付减少资金缺口。需要先投入大量资金的生意也能做，但每一笔投入都要找到对应的客户、价格和收回资金的时间。

最后说几句真心话。Lambda的生意说明了一件很朴素的事：AI行业最热闹的是模型发布，真正让模型跑起来的，常常是供电、散热、网络和按时交付。它把这些不起眼的苦活做成一门大生意，这一点值得尊重。

但即使彭博社报道的约10亿美元融资已经完成，也只是先解决了设备采购资金。微软会不会持续扩大外部算力采购，新GPU会不会让旧设备租价更快下降，Lambda能不能让租赁回款跟上债务安排，这三个问题都还没有答案。我会一直盯着。

参考资料

1. Lambda：2025 AI wrapped，2026-01-13
2. Bloomberg / Yahoo Finance：Nvidia-backed Lambda inks $1 billion debt deal for Microsoft GPUs，2026-08-28
3. Lambda：Lambda prices $926 million senior secured term loan B facility，2026-08-12
4. Lambda：Lambda closes $926 million senior secured term loan B facility，2026-08-27
5. Lambda：Lambda closes $1 billion senior secured credit facility，2026-05-07
6. Lambda：Lambda raises over $1.5B from TWG Global and USIT，2025-11-18
7. Lambda：Lambda announces multibillion-dollar agreement with Microsoft，2025-11-03
8. Lambda：Lambda raises $480M to expand AI cloud platform，2025-02-19
9. Lambda：Lambda raises $320M to build a GPU cloud for AI，2024-02-15
10. Lambda：Investor information，持续更新
11. Lambda：About Lambda，持续更新
12. Lambda：Leadership，持续更新
13. Lambda：Lambda assembles leadership team，2026-05-05
14. Lambda：GPU cloud instances and pricing，持续更新
15. Lambda Docs：On-demand cloud documentation，持续更新
16. Lambda：Lambda Cloud deploys NVIDIA H100 Tensor Core GPUs，2023-03-22
17. Lambda / Voltron Data：Why ML teams are using reserved cloud clusters，2023-05-30
18. Lambda：How Lambda built a hyperscaler cluster in 90 days，2025
19. Lambda / theCUBE：AI Factories: Redefining the enterprise playbook，2025-09-30
20. Lambda：Lambda partners with Hudson River Trading，2026-05-20
21. Lambda / Ai2：Open model, open metrics，2026
22. Forbes：Lambda company profile，持续更新
23. Forbes：How the AI boom minted a new breed of billion-dollar cloud companies，2024-08-06
24. New Economies：Lambda Co-Founder，How to Pivot and Scale to $3 Million in 1 Year，2026-08-26
25. The Next Platform：The serendipitous AI system and cloud builder，2020-12-22
26. The Next Platform：The challenge and opportunity of being a niche AI cloud，2021-08-09
27. MAD Podcast with Matt Turck：The Neocloud Boom and State of AI Compute 2026，2026
28. Lambda：Legacy Hardware，2025-08-29起
29. UK Competition and Markets Authority：Cloud services market investigation provisional decision report，2025-01-28
30. UK Competition and Markets Authority：Cloud services market investigation competitive landscape working paper，2024-05-20
31. 财联社：Lambda以GPU作抵押取得5亿美元融资，2024-04-05
32. 商业周刊：用80块享2千万美元算力，专访算力界Uber：Lambda，2025-03-27
33. iThome：微软分别向IREN及Lambda购买AI算力，2025-11-04
34. 第一财经：微软与AWS海量锁定AI算力，2025-11
35. Axios：Nvidia's AI chips financing boom，2026-08-05
36. BTW.Media中文：Lambda的集成AI云，同时也是融资的考验，2026-08
37. Microsoft / SEC exhibit：Partner Statement of Work，2026
38. Hedder：Mapping the Neocloud Landscape 2025，2025-11
39. 硅谷101 / 小宇宙：EP44《谁在为算力狂潮买单？》，2025
40. 国信证券：Neocloud行业全景报告，2026-04-06
41. 国金证券：北美算力租赁研究，2026-04-18
42. 东吴证券：云厂商仍保持算力高需求，算力租赁需求有望向上，2025-04-02
43. 华鑫证券：AI行业周报，Lambda融资与推理服务，2025-02-23
44. 国信证券：算力租赁专题报告，2024-10-28
45. 中泰证券：算力租赁产业框架，2024-01-23
46. 思科中国：什么是Neocloud，持续更新
47. Growin AI：Neo Cloud行业地图，2025
48. WakeUp Insights：Neocloud是什么，专业GPU云为何兴起，2025
49. Penchan：NeoCloud新云完整指南，2025
50. DigitalOcean中文社区：2026年GPU云平台对比，2026
51. 51domino：2026年GPU云成本优化实测，2026
52. NexGPU：全球GPU云价格比较，持续更新
53. ComputeIndex聚算：全球算力成本基准CGPI，持续更新
54. SD114：2026年GPU云平台怎么选，2026
55. CSDN开发者社区：在Lambda上部署FlashAttention 2，2025
56. CSDN开发者社区：2026年海外GPU算力平台整理，2026
57. 雪球社区：Neocloud，算力租赁的第二条曲线，2026
58. 雪球社区：AIDC与Neocloud的资本开支链，2026
59. 雪球社区：微软算力合作版图观察，2026
60. The Information：Nvidia Quietly Boosts Cloud Ally With $1.5 Billion Deal to Rent AI Chips，2025-09

AI重度使用者｜每天拆一家前沿公司｜imluna.ai免费订阅｜Learn in Public