即便市值已经突破 4 万亿美元，我们还是低估了英伟达，大大的低估了。
在不少人的印象中，英伟达依然是那个「核弹厂」。其实，在 AI 急需的芯片之外，英伟达始终有一个云平台的野心。
2023 年，英伟达的 DGX Cloud 高调登场，一台实例配备八块 H100，月租 36999 美元，定价直达天花板，也被外界视作英伟达挑战 AWS、Azure 这些老牌云厂商的信号。
然而，2025 年中，这个「亲儿子」却悄然退出 C 位。英伟达不再将其数十亿美元的云支出承诺对齐 DGX Cloud，其角色转向内部基础设施与研发用途，而非面向企业市场的主打产品。
取而代之的，是 2025 年新上线的 Lepton——一个 GPU 租赁与调度的市场型产品。从定义来看，新的 Lepton 是一个算力管理和分发平台，更像是一个算力需求的「入口」。
DGX Cloud 为什么退场？Lepton，能不能接承接住英伟达在 AI 时代成为云计算霸主的野心？
01
以退为进
很多人或许都还记得 2023 年的「GPU 荒」，企业即便有钱，也往往买不到 H100。于是英伟达顺势推出了 DGX Cloud，把自有的高端算力集群「按月出租」，企业开通即用。
在推出的*年，DGX Cloud 的确收获了热度。到 2024 年底，英伟达的财报显示其软件与服务收入达到了 20 亿美元的年化水平。
然而，转折点出现在 2024 年下半年后，随着 GPU 供应逐渐缓解，亚马逊、微软、谷歌等云厂商纷纷「砍价」，DGX Cloud 的优势随之消散。以亚马逊的 AWS 为例，其对 H100 和 A100 实例降价幅度高达 45%，远低于 DGX Cloud 的租赁价格。
对客户而言，DGX Cloud 的紧缺溢价很快失去立足点。
更现实的问题还在于「渠道冲突」。
亚马逊、微软和谷歌是英伟达*的芯片买家，对英伟达的营收构成了极大支撑。DGX Cloud 的直接客户模式意味着英伟达和这些合作伙伴抢生意。每一份 DGX Cloud 合同，都有可能挤压 AWS、Azure 或 GCP 的收入。
买家的担心是可预期的，更长远的后果，是推着这些伙伴加码自研芯片，如 AWS 的 Trainium、谷歌的 TPU，以降低对英伟达的结构性依赖。
而且短时间内，建立起稳定的客户黏性也是挑战，有些企业会把 DGX Cloud 当作临时方案，在产能紧绷、项目启动急的窗口期租上几个月，随后再迁回长期合作的 AWS、Azure 或谷歌云。
考虑到这些，到最新的财年，英伟达的财务披露中不再将巨额的云支出承诺归于 DGX Cloud，这项服务仍然列在收入类别中，但其角色已明显转向内22部基础设施。换句话说，DGX Cloud 仍然存在，但它逐渐退回英伟达内部，不再打算与微软、亚马逊、谷歌等公司正面竞争。
除了选择把 DGX Cloud「转为内用」，英伟达还把外部注意力引向一个新的平台化入口:
Lepton。
英伟达在 2025 年 5 月推出这个新平台，也在 DGX Cloud 体系名下，但不同于 DGX Cloud 那种把「英伟达自己的 AI 芯片直接租给客户」的模式，Lepton 完全不碰 GPU 库存，它只是负责「把需求导向合适的云服务商」，包括 AWS、Azure，也包括英伟达自己一手扶持的云服务商。
「Lepton 会将我们的全球 GPU 云提供商网络与 AI 开发者连接起来。」英伟达创始人兼 CEO 黄仁勋在发布 Lepton 时称，目标是:
「打造一个全球规模的 AI 工厂」。
简而言之，为了不缓解和渠道的竞争，英伟达的策略重点已经不再是一个「英伟达云」。
02
Nvidia「朋友圈」
但 DGX Cloud 角色的淡出并不意味着英伟达放弃了云。在过去两年里，英伟达一直在扶持自己的云服务商「小弟」。而且还出现过让人觉得匪夷所思的一幕——英伟达一边把 GPU 卖给云伙伴，一边又从这些伙伴那租回算力。
以 CoreWeave 为例，英伟达不仅在 2023 年投资了 CoreWeave 1 亿美元，还向其优先供货 H100 GPU。在供需紧张时期，这让 CoreWeave 成为少数能大规模提供英伟达 GPU 的云服务商。而英伟达自己又回过头来，从 CoreWeave 租用这些 GPU。
Lambda 也类似，这是一家规模小得多的 GPU 云服务提供商。2025 年 9 月，英伟达与 Lambda 签订了一份价值 15 亿美元的租赁协议，租期为四年，其中包括租回 1 万台搭载自家* GPU 服务器，总价值约 13 亿美元。这个交易让英伟达成为 Lambda *的客户，而英伟达自己的研发团队将使用这些 GPU 训练模型。
具体来说，英伟达先通过销售芯片获得即时收入，让财报好看、股东满意；合作伙伴则依靠出租 GPU 获得稳定现金流，从而扩大规模；随后英伟达再以租赁的方式把算力锁定在自己手中，确保关键时刻不会断供。此外，这和普通公司选择租用云服务而不是自建机房的逻辑是一样的，可以更灵活地应对研发波峰和波谷。
这个操作的精妙之处在于，芯片卖出的那一刻，收入立刻计入英伟达账面，支出则后置，租金在未来几年慢慢摊销，转化为运营成本。与此同时，英伟达无需自建数据中心，资产压力最小化。
对合作伙伴来说，英伟达成了*甲方，算力与现金流被绑定，强化了其生态黏性。更微妙的是，这种操作还能稳定市场心理。当连英伟达都愿意以这个价格回租，便相当于为AI 算力行情做了一次背书，锚定了价格预期，最终变成一石三鸟。
这套玩法复制到了各种英伟达系云计算初创公司中:卖芯片-投资客户-租回服务-再次卖芯片，最终变成一个自循环的 AI 芯片生态资金链。
与此同时，英伟达还通过旗下专门的风险投资部门 Nventures，在更广阔的 AI 生态下注。它投资了很多初创公司，从模型开发，到应用层的初创企业。虽然这些公司并非都做云服务，但逻辑是一致的:通过投资绑定潜在客户和未来生态，只要这些初创公司成长壮大，它们的算力需求最终都会转化为对英伟达芯片的采购。
可以说，英伟达不仅仅是在卖芯片，它就像是在经营一个庞大的 AI 创业孵化器，来打造一套「英伟达系」云生态。
03
AI 算力的「App Store」
说回 Lepton，它与英伟达「卖一手、租一手」的本质有一点相似，就是给算力「做市」。
与 DGX Cloud 直接对客户不同，Lepton 并不亲自经营云服务，而是作为「流量调度者」，把客户的任务分发给生态合作伙伴的数据中心。
它本质上是一个算力市场，用户只需在 Lepton 平台提交需求，Lepton 会自动匹配到可用的 H100 或 Blackwell GPU，无论这些硬件位于 CoreWeave、Lambda，还是 AWS、Azure 的机房。
而且，Lepton 将所有 GPU 云资源整合到英伟达的软件栈之下，比如 NIM 微服务和 NeMo 框架。开发者无需关心背后的提供商，只需通过 Lepton 平台即可获得一致的开发体验和环境。
更关键的是，Lepton 化解了英伟达与云巨头的冲突。在这种模式下，英伟达不再是 AWS、Azure 的直接竞争对手，而是中立的调度平台。AWS 和微软也加入了 Lepton，原因很简单，通过这个市场，它们能够接触到额外的算力需求。
对于英伟达来说，与合作伙伴对抗的风险太大，远不如退到幕后，转而做算力市场的调度者和掌控者。这是典型的「退一步，海阔天空」，不再冒犯合作伙伴，反而继续掌控生态入口，不论客户选择哪家云，最终都离不开英伟达的 GPU 和软件栈。
于是，放弃构建自己的云服务就不是软弱的表现，Lepton 对英伟达来说是一个鱼与熊掌兼得的策略。
当然，Lepton 的推广也非一帆风顺。一些中小型云厂商担心英伟达借此插足客户关系，或影响定价，它并非一夜之间就能改变游戏规则。但当 AWS 和 Azure 都进入市场后，Lepton 的存在无法忽视。未来 AI 算力的跨云调度，有可能会通过某个平台来完成。
对开发者来说，「在哪里算」变得次要；能不能算、多久能算、成本如何才是核心，而这些正是 Lepton 试图统一的体验层。
英伟达不再需要自建一个「英伟达云」，也不必在 IaaS 层与伙伴正面相撞，它想做的是把所有玩家拉入自己的体系，让所有云使用英伟达的 GPU、调用英伟达的框架、通过英伟达的入口完成采购与调度。
如果顺利，它看似只是一个 GPU 聚合市场，实则可以成为算力世界的控制面板。谁接到单子，谁活得下去，分配权掌握在英伟达手中。更长线的收益是数据与感知，Lepton 在跨云调度过程中天然能观察到哪类任务最活跃、哪些地域更紧张、哪一代 GPU 使用更频繁、价格弹性如何，反过来辅助商业决策。
就像苹果通过 App Store 掌控了移动互联网，英伟达想用 Lepton 做到同样的事，只是对象从 App 换成了算力。
这也解释了英伟达当下的市场逻辑。简言之，它并不需要拥有云，它只需要拥有算力栈和需求入口。只要全球 AI 训练与推理仍以其 GPU 为核心，无论算力最终落在亚马逊 AWS、微软 Azure、谷歌 GCP，还是 CoreWeave、Lambda，无论客户选择谁，只要掌控价值链，英伟达都能获得价值。
从 AI 芯片，到 DGX Cloud，再到现在的 Lepton，英伟达的计划早已经从硬件过渡到「算力」和「平台」的阶段——任何一家公司市值突破 4 万亿美元、其产品已经成为 AI 时代重要生产资料的公司，都不可能没有更大的野心，不是吗？
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
