恆源雲端 / GPUSHARE（chain-cloud/gpushare）
1. 投資摘要
恆源雲端（GPUSHARE）是一家定位在算力聚合與排程中間層的 GPU 雲端服務平台，核心商業模式可概括為”GPU 算力的聚合交易平台”——向上遊整合第三方資料中心及自有叢集中的異構 GPU 資源，通過自研雲端管平台進行虛擬化封裝與智慧排程，再以按需、彈性的方式向下遊 AI 開發者與企業提供雲端主機租賃服務。
關鍵特徵速覽：
| 維度 | 要點 |
|---|---|
| 行業定位 | AI 基礎設施 IaaS/PaaS 交叉層，算力聚合與排程平台 |
| 核心產品 | GPU 雲端主機租賃、高效能儲存、容器化算力交付 |
| 典型客戶 | 中小 AI 公司、高校科研團隊、大企業 AI 實驗室 |
| 營收驅動 | GPU 例項租用時長 × 算力單價 |
| 競爭梯隊 | 垂直 GPU 雲端平台第二梯隊，與 AutoDL、矩池雲端等同業 |
| 關鍵變數 | 上游 GPU 採購成本、稀缺型號供應穩定性、平台排程效率 |
| 公司狀態 | 非上市公司，未公開經審計財務資料 |
一句話邏輯：AI 訓練與推論對 GPU 算力的需求持續膨脹，但大量中小客戶難以直接從雲端巨頭獲得高性價比、靈活的 GPU 資源，恆源雲端的商業價值在於填補這一供需錯配。其成長天花板取決於能否持續獲取稀缺算力資源、保持平台技術差異化、以及在雲端巨頭價格下探中守住份額。
2. 產業鏈位置
恆源雲端處於雲端運算產業鏈中”算力聚合與排程”這一細分環節，位於硬體供應層（GPU 晶片廠商、伺服器 OEM）和 IDC 資源層之上，又處於通用雲端服務層（IaaS/PaaS）之下的夾層位置。
產業鏈縱向拆解：
上游：GPU 晶片（輝達/AMD/國產）→ 伺服器 OEM → IDC/算力叢集所有者
↓
恆源雲端所處層：算力聚合排程平台（異構納管 → 虛擬化 → 彈性交付）
↓
下游：AI 開發者 / 中小企業 / 科研機構 / 大企業 AI 部門與相鄰環節的關係：
- 對上游（硬體與 IDC）：恆源雲端不大量自建資料中心，而是通過採購合作、資源置換或代理模式整合分散的 GPU 算力。這意味著其”產能”高度依賴合作伙伴網路的深度，而非自有機房規模。公開資料未見其揭露自建機房佔比或租賃叢集的具體數量。
- 對下游（終端使用者）：提供標準化的雲端主機例項，客戶無需關心底層物理資源來源，按實際使用量付費。平台的競爭力在於能否讓客戶以低於雲端巨頭的價格、獲得同等甚至更優的算力體驗。
- 產業鏈位置的脆弱性：這種”中間層”模式的優勢是輕資產、可快速擴充套件資源池；劣勢是對上下游的議價能力均有限——上游 GPU 漲價直接傳導為成本上升，下游客戶忠誠度低、易被價格吸引流失。
3. AI 營收拆解
恆源雲端為非上市公司，未公開揭露經審計的營收結構。以下基於公開商業資訊（官網產品定價、行業通用模式）進行邏輯推斷，非精確即時資料。
營收來源推斷：
| 營收類別 | 推斷佔比 | 計費邏輯 | 確定性 |
|---|---|---|---|
| GPU 雲端主機租賃 | 絕大部分（估計 80%+） | 按例項規格（GPU 型號、數量、記憶體）× 使用時長 | 高——官網核心產品即為 GPU 例項 |
| 儲存與網路增值服務 | 次要 | 高效能儲存、專屬網路頻寬按量計費 | 中——官網可見相關產品 |
| 環境部署/技術支援 | 補充 | 預裝架構、資料集管理、專屬技術支援 | 中——行業通用增值服務 |
| 定製化解決方案 | 少量 | 為大客戶定製叢集或私有化部署 | 低——公開資料未見明確案例揭露 |
AI 需求拉動的結構性邏輯：
- 訓練場景：需要大規模、長時間佔用高階 GPU（如 A100/H100 叢集），單客戶價值量高，但客戶數少、決策週期長。
- 推論場景：隨 AI 應用落地，推論需求逐步放量，對 GPU 型號要求相對多樣化（從高階到中低端均需），客戶更分散、單價更低但頻次更高。
- 微調/實驗場景：中小開發者的主力需求，使用時長短、對價格敏感、對平台易用性要求高。
公開資料未見恆源雲端揭露按場景或按客戶型別的營收佔比拆分。
4. 產品與業務
4.1 核心產品矩陣
恆源雲端官網（gpushare.com）展示的主要產品線包括：
- GPU 雲端主機：按 GPU 型號提供多種規格例項。截至公開資訊可見的型號覆蓋包括 NVIDIA A100、V100、RTX 3090/4090 等主流型號。具體到 H100 等最新一代稀缺型號的供應情況，公開資料未見穩定庫存承諾。
- 容器化算力交付：支援容器方式快速部署 AI 訓練/推論環境，降低客戶的環境配置門檻。
- 高效能儲存：提供共享檔案系統、物件儲存等，滿足大規模資料集讀寫需求。
- 網路最佳化：針對分散式訓練場景提供高速內網互聯方案。
4.2 商業模式特徵
- 輕資產聚合：核心資源來自第三方，自身資產負擔較輕，但資源獲取能力和穩定性是核心變數。
- 平台化運營：通過技術手段（排程演算法、虛擬化、監控）實現資源標準化，降低客戶使用門檻。
- 定價策略：公開定價資訊顯示其價格通常低於主流雲端巨頭同等規格例項，這一價差是其獲客的關鍵賣點。具體價差幅度隨市場波動，公開資料未見其揭露定價策略的底層邏輯。
4.3 業務模式與同類對比
| 對比維度 | 恆源雲端/GPUSHARE | 雲端巨頭 GPU 例項 | 同類垂直平台（如 AutoDL） |
|---|---|---|---|
| 資源來源 | 聚合第三方為主 | 自建為主 | 聚合/自建混合 |
| 價格 | 較低 | 較高 | 接近 |
| GPU 型號豐富度 | 中等 | 豐富 | 中等 |
| 生態完整度 | 聚焦 GPU | 全棧 | 聚焦 GPU |
| 客戶規模 | 中小為主 | 大中小全覆蓋 | 中小為主 |
5. 上下游
5.1 上游供應鏈
- GPU 晶片：核心上游為 [[輝達|NVIDIA]]，其 A100、H100 系列是高階 AI 訓練的主力晶片。[[AMD]] MI 系列和國產 GPU（如寒武紀、華為昇騰）構成補充供應。2023-2024 年間，受美國出口管制影響，高階 GPU 向中國大陸市場的供應存在顯著不確定性（來源：公開新聞報道，2023 年 10 月美國商務部更新出口管制規則）。
- 伺服器與 IDC：上游還包括 GPU 伺服器組裝商（如浪潮、新華三等）和第三方 IDC 運營商。恆源雲端與這些供應商的合作模式和鎖定程度，公開資料未見揭露。
- 上游議價權分析：由於 GPU（尤其是高階型號）供不應求，上游議價權強。恆源雲端作為聚合平台，採購規模相對有限，單卡採購成本可能高於頭部雲端巨頭。
5.2 下游客戶
- 主要客群：中小型 AI 公司、高校及科研院所、大型企業中的 AI 研發團隊。這些客戶的共同特徵是對 GPU 算力有剛需但採購量有限，對價格敏感，且需要靈活的使用週期。
- 客戶粘性分析：GPU 雲端服務的切換成本較低（主要為資料遷移和環境重建），客戶忠誠度更多依賴價格優勢和平台體驗。公開資料未見恆源雲端揭露客戶留存率、單客戶年均消費等關鍵指標。
- 下游議價權分析：客戶可選供應商眾多（雲端巨頭 + 多個垂直平台），議價權相對較強，這進一步壓縮了平台的獲利空間。
6. 同業競爭
6.1 競爭格局分層
第一梯隊——全棧雲端巨頭： [[阿里雲端]]、[[騰訊雲端]]、[[華為雲端]]、[[AWS]]、[[Azure]] 等。據 IDC 資料，2023 年中國公有雲端 IaaS 市場前五名（阿里雲端、華為雲端、中國電信天翼雲端、騰訊雲端、AWS）合計市場份額約 60%-70%（來源：IDC《中國公有雲端服務市場追蹤》2023H2）。這些巨頭均推出了 GPU 雲端例項產品，擁有自建資料中心、大規模採購議價權和完整的雲端生態。
第二梯隊——垂直 GPU 雲端平台： 恆源雲端、[[AutoDL]]、矩池雲端、潞晨雲端、Vast.ai 等。這些平台聚焦於 GPU 算力這一細分場景，競爭維度包括價格、GPU 型號豐富度、稀缺型號供應能力、平台易用性和社群生態。
第三梯隊——算力排程中間商/算力券平台： 部分地方政府和企業推出的算力交易平台、算力券發放機構等，2023 年以來在國內多地出現（來源：公開新聞報道，2023-2024 年各地算力政策）。
6.2 競爭關鍵維度
- GPU 供應能力：能否持續獲取高階稀缺型號（如 H100、A100）是核心競爭力。受出口管制影響，2024 年中國大陸高階 GPU 供應趨緊，有能力獲取資源的平台具有顯著優勢。
- 價格競爭力：中小客戶價格敏感度高，定價策略直接影響市場份額。
- 平台技術：異構算力排程效率、故障恢復速度、監控與告警完善度等。
- 客戶運營：社群建設、文件質量、客服響應速度等”軟實力”。
6.3 反方觀點
頭部雲端巨頭可能通過價格下探（推出更具價效比的 GPU 例項）、生態繫結（將 GPU 例項與其他雲端服務打包）、資本優勢（持續大規模採購鎖定 GPU 供應）等方式，擠壓垂直平台的生存空間。從海外經驗看，AWS 的 P4d/P5 例項和 Azure 的 ND 系列持續迭代，垂直 GPU 雲端平台在美國市場面臨類似壓力。
7. 護城河
坦率地說，恆源雲端作為垂直 GPU 雲端平台，其護城河深度有限。 以下逐項分析：
| 護城河型別 | 強度 | 說明 |
|---|---|---|
| 規模經濟 | 弱 | 聚合模式下采購規模有限，難以形成對上游的成本優勢 |
| 網路效應 | 弱 | 平台為雙邊市場（算力供給方 ↔ 需求方），但目前公開資料未見其揭露供給方數量和活躍度資料，無法判斷網路效應是否已形成正迴圈 |
| 技術壁壘 | 中低 | 異構算力排程有一定技術門檻，但非不可複製；雲端巨頭在同類技術上投入更大 |
| 客戶切換成本 | 低 | GPU 雲端服務標準化程度高，客戶遷移成本主要為資料和環境重建，非不可承受 |
| 品牌/社群 | 中 | 在開發者社群中有一定知名度（尤其在中國 AI 開發者圈），但品牌影響力遠不及雲端巨頭 |
| 資源鎖定 | 弱 | 上游 GPU 資源非排他性，競爭對手可從相同渠道獲取 |
總結：恆源雲端的護城河主要體現在垂直領域的運營效率和服務體驗，但這些優勢的可持續性取決於能否在規模上與競爭對手拉開差距，或在特定細分場景（如某種稀缺型號的穩定供應）上形成區域性優勢。
8. 財務質量
恆源雲端為非上市公司，未公開揭露經審計的財務報表。以下基於行業通用邏輯和公開資訊進行定性分析：
- 營收確認方式：推測為時長制（按時/按天/按月）和按量制（按 GPU 時）混合，與行業慣例一致。
- 毛利率結構：聚合模式下，主要成本為上游 GPU 資源採購/租賃費用，毛利率取決於採購成本與銷售定價之間的價差。行業經驗顯示，垂直 GPU 雲端平台毛利率通常低於自建為主的雲端巨頭（後者可通過規模攤薄折舊）。公開資料未見恆源雲端揭露毛利率資料。
- 現金流量特徵：輕資產模式下資本支出需求低於自建機房的雲端廠商，但需維持一定規模的預付採購和資源儲備。經營現金流量質量取決於客戶預付費比例和上游結算週期。公開資料未見揭露。
- 資本結構：作為創業公司，可能依賴股權融資支撐運營和擴張。融資輪次和估值資訊，公開資料部分可查但非即時更新，建議查閱工商資訊或投融資資料庫。
- 關鍵缺失指標：營收、淨利、毛利率、經營性現金流量、客戶集中度、應收賬款週轉率——以上均無公開資料。
9. 業績傳導
恆源雲端的業績傳導邏輯可拆解為以下鏈條：
AI 行業算力需求增長 → GPU 雲端服務市場規模擴大
→ 平台可排程 GPU 資源規模 × 資源利用率 × 單位算力定價 = 營收
→ 營收 - 上游採購成本 - 運營費用 = 獲利正向傳導因素：
- AI 應用爆發：大型模型訓練、AI Agent 推論等場景持續拉動 GPU 需求。據 Gartner 預測，2024 年全球 AI 晶片市場規模將年增率增長超 20%（來源：Gartner，2024 年初預測）。
- 中小企業 AI 化加速：長尾客戶的算力需求增長，有利於聚合平台獲客。
- 出口管制利好國產替代：部分客戶因供應不確定性轉向國內聚合平台，可能帶來短期需求轉移。
反向傳導/壓制因素：
- 雲端巨頭價格競爭：頭部雲端廠商降價直接壓縮恆源雲端的價差空間。
- GPU 供應瓶頸：無法獲取足夠高階 GPU，將直接限制營收上限。
- AI 需求週期性：若 AI 投資熱降溫（如”AI 泡沫”論調兌現），算力需求可能階段性回落。
- 替代技術路徑：如推論晶片（TPU、專用 ASIC）或更高效的推論架構降低了對通用 GPU 的依賴，可能改變需求結構。
10. 估值架構（SOTP / 可比公司）
由於恆源雲端為非上市公司且未公開財務資料，無法進行基於內部資料的 SOTP 或 DCF 估值。 以下提供可比公司分析架構供參考。
10.1 可比公司選取
| 公司 | 型別 | 上市狀態 | 可比維度 |
|---|---|---|---|
| CoreWeave | 垂直 GPU 雲端（美國） | 2024 年 IPO 流程中 | 業務模式最接近 |
| Lambda Labs | 垂直 GPU 雲端（美國） | 非上市 | 同類競爭者 |
| [[AutoDL]] | 垂直 GPU 雲端（中國） | 非上市 | 中國直接競品 |
| [[金山雲端]] | 中國獨立雲端廠商 | 港股上市 | 提供 GPU 雲端服務的上市標的 |
10.2 估值倍數參考
對於雲端/算力服務類公司，常用估值倍數包括 EV/Revenue 和 EV/EBITDA。由於缺乏恆源雲端的營收和獲利資料，此處僅提供架構：
- 若以行業可比公司（如 CoreWeave 在 IPO 前估值傳聞中對應的倍數，公開報道顯示其 2024 年估值在數百億美元量級，基於其 2024 年預計營收的約 15-20 倍 EV/Revenue——來源：公開財經媒體報道，2024 年，此資料為市場傳聞，非官方確認）作為參考，中國垂直 GPU 雲端平台的估值倍數可能因市場折讓而顯著低於美國同類。
- 關鍵變數：可排程 GPU 總規模、資源利用率、客戶數、營收增速、毛利率——以上資料均無公開揭露，無法完成實際估值計算。
11. 風險
風險一：上游供應集中與供應鏈脆弱性 核心依賴 [[輝達|NVIDIA]] GPU。2023-2024 年美國對華出口管制持續收緊（來源：美國商務部 BIS，2023 年 10 月更新規則），高階 GPU 獲取難度和成本均上升。若供應進一步受限，將直接制約平台的資源規模和產品競爭力。
風險二：價格戰與獲利侵蝕 垂直 GPU 雲端市場參與者眾多，且雲端巨頭持續推出更具價效比的 GPU 例項。競爭加劇可能導致定價下行壓力，壓縮毛利空間。
風險三：技術迭代風險 AI 計算範式正在快速演進——從預訓練向推論傾斜、從稠密模型向稀疏/混合專家模型發展、從通用 GPU 向專用 AI 晶片（如 Google TPU、Groq LPU）過渡。若恆源雲端的排程平台不能快速適配新硬體和新場景，可能被甩出競爭。
風險四：客戶集中度 公開資料未見其揭露客戶集中度。若前五大客戶營收佔比過高，個別客戶的流失可能帶來顯著營收波動。
風險五：資本與融資風險 聚合模式雖相對輕資產，但仍需持續投入資金獲取資源和技術人才。作為非上市公司，融資能力受一級市場情緒影響。2023-2024 年一級市場對 AI 基礎設施的熱度雖高，但存在週期性波動風險。
風險六：資料安全與合規 平台處理客戶的訓練資料和模型，涉及資料安全、隱私保護、跨境資料傳輸等合規要求。中國《資料安全法》《個人資訊保護法》等法規對雲端服務提供商有明確的合規義務。
12. 誤讀糾偏
誤讀一：“恆源雲端是 AI 公司，直接受益於 AI 爆發” 糾偏：恆源雲端是算力基礎設施服務提供商，不直接參與 AI 模型研發或應用。它是 AI 算力需求的”賣水人”，但”賣水人”的獲利空間取決於上游水資源的成本和下游買水人的選擇權，AI 行業景氣度只是影響其業績的眾多因素之一。
誤讀二：“聚合模式意味著零固定資產，獲利率應該很高” 糾偏：聚合模式確實減少了大規模固定資產折舊，但上游資源採購成本是最大的變數成本。如果採購成本高企或利用率不足，毛利率可能並不理想。公開資料未見其揭露毛利率資料，不宜假設獲利率水平。
誤讀三：“市場大就能做大，GPU 雲端是藍海” 糾偏：GPU 雲端服務市場雖然增長快，但競爭格局高度分散且頭部集中趨勢明顯。據 IDC 資料，2023 年中國公有雲端 IaaS 市場 CR5 超過 60%（來源：IDC，2024 年釋出）。垂直平台在雲端巨頭夾縫中生存，“藍海”的說法忽略了競爭強度。
誤讀四：“有 GPU 資源就有壁壘” 糾偏：GPU 資源是非排他性的——同一型號的 GPU，任何平台都可能通過不同渠道獲取。真正的壁壘在於排程技術、成本控制和客戶運營的綜合效率，而非單純的資源囤積。
13. 最新事件
- 2024 年：中國多地政府推出”算力券”政策，向中小企業發放補貼用於購買算力服務（來源：公開新聞報道，2023-2024 年，多地發改委/科技局公告）。這對包括恆源雲端在內的算力平台是潛在利好，但具體惠及程度取決於政策落地情況和平台是否納入補貼目錄，公開資料未見恆源雲端是否已接入相關算力交易平台。
- 2024 年：全球 AI 算力需求持續增長，NVIDIA 資料中心業務營收大幅增長（來源：NVIDIA 財報，FY2025 Q1，2024 年 5 月釋出），反映出 GPU 算力市場的整體繁榮。
- 2023 年 10 月：美國更新對華半導體出口管制規則，進一步限制高階 AI 晶片對華出口（來源：美國商務部 BIS），對依賴進口高階 GPU 的中國算力平台構成供應鏈壓力。
- 2023-2024 年：國內多個垂直 GPU 雲端平台獲得新一輪融資（來源：公開投融資資料庫），反映一級市場對該賽道的關注。恆源雲端自身的最新融資情況，公開資料未見明確揭露。
14. 追蹤指標
由於恆源雲端為非上市公司，以下指標的可追蹤性有限，建議關注其公開渠道（官網、社交媒體、行業報告）的資訊更新：
| 指標 | 意義 | 可追蹤性 |
|---|---|---|
| 可租用 GPU 型號與庫存 | 反映資源獲取能力和供應鏈狀況 | 中——官網可觀察，但為動態庫存 |
| GPU 例項定價變化 | 反映市場競爭態勢和定價策略 | 中——官網公開定價 |
| 新增 GPU 型號支援 | 反映技術適配能力和資源拓展 | 中——通過平台公告觀察 |
| 平台註冊使用者/活躍使用者數 | 反映客戶增長和平台粘性 | 低——公開資料未見揭露 |
| 融資進展 | 反映資本市場認可度和資金儲備 | 中——通過投融資平台觀察 |
| 行業政策動態（算力券、出口管制等） | 影響供需兩端的宏觀變數 | 高——公開資訊可追蹤 |
| 同類平台動態（AutoDL、矩池雲端等） | 競爭格局變化的先行指標 | 中——通過各平台公開資訊觀察 |
| 全球 GPU 供需平衡 | 影響採購成本和市場定價中樞 | 高——NVIDIA 財報、行業分析報告 |
15. 來源
- 來源：公司官方 ：恆源雲端/GPUSHARE 官網（gpushare.com）公開產品與定價資訊
- 來源：行業報告 ：IDC《中國公有雲端服務市場追蹤》（2023H2，2024 年釋出）；Gartner 相關 AI 晶片市場預測（2024 年初）
- 來源：政策法規 ：美國商務部 BIS 對華半導體出口管制規則（2023 年 10 月更新）；中國《資料安全法》《個人資訊保護法》
- 來源：上市公司財報 ：NVIDIA FY2025 Q1 財報（2024 年 5 月）
- 來源：公開新聞報道 ：2023-2024 年各地方算力券政策報道、垂直 GPU 雲端平台融資報道等
- 來源：恆源雲端 / GPUSHARE 官方網站/投資者關係入口 — gpushare.com
- 來源：恆源雲端 / GPUSHARE 公開揭露與交易標識 未上市
- 來源：15. 來源
- 來源：本文資訊來源包括但不限於
- 來源：資料口徑說明 ：本文中所有明確標註”公開資料未見”的資料項，均表示在資訊截止日期前（2024 年 7 月），未在公司官方揭露、權威第三方報告或公開資料庫中找到可靠資料。文中涉及的行業資料均標註了來源和口徑。如需更新至最新時點，建議查閱公司後續公開揭露及 IDC、Gartner 等機構的最新報告
- 來源：倉內歷史研究歸檔：恆源雲端 / GPUSHARE · Archive/incident-2026-06-20-凍結現狀-20260620-225855/content company/chain-cloud/gpushare.mdx — _Archive/incident-2026-06-20-凍結現狀-20260620-225855/content_company/chain-cloud/gpushare.mdx