社区

$NEBIUS(NBIS)$ 就在昨天，Da­n­i­el Ko­ss 访谈了 Ne­b­i­us 联合创始人兼首席商务官 Ro­m­an Ch­e­r­n­in，这份访谈长达 56 分钟，涵盖了从宏观市场逻辑到微观技术优化的深度内容。为了让你更透彻地理解，我将视频的核心观点拆解为**市场洞察、产品技术路径、商业竞争策略**以及**未来蓝图**四个维度：

### 1. 宏观市场洞察：不仅仅是“算力荒”

* **市场认知的误区 [00:01:48]：**

Ro­m­an 指出，华尔街和社交媒体（X）上对 AI 基础设施的分类太粗糙。仅仅用“GPU 数量”来衡量公司是错误的。市场正分化为：纯数据中心建设者、算力聚合器/平台、以及像 Ne­b­i­us 这样**全栈自持且拥有强软件能力**的供应商。

* **训练 vs. 推理的深层逻辑 [00:10:24]：**

* **推理的集中性：** 一个有趣的观点是，Ro­m­an 认为目前推理任务比训练更集中（主要在少数几个大模型头部厂商手里）。

* **推理的碎片化趋势：** 但长期来看，推理会极其分散，覆盖数万家企业，这是 Ne­b­i­us 必须抓住的“长尾市场”。

* **协同效应 [00:15:16]：** 他提出了一个**“计算池借调”**的概念：如果一家公司同时在 Ne­b­i­us 上进行训练和推理，当推理出现流量高峰（Sp­i­ke）时，系统可以自动从训练任务中“借用”算力，从而实现 100% 的资源利用率。

### 2. 产品与技术路径：抽象层的演进

Ne­b­i­us 的核心产品哲学是**“隐藏复杂性”**：

* **To­k­en Fa­c­t­o­ry (托管推理) [00:18:38]：**

* **解决痛点：** 很多公司（如 Re­v­o­l­u­te）不想管 GPU 挂载或 CU­DA 环境，他们只想要 API。

* **性能榨取：** Ro­m­an 提到一个技术傲娇的点：即使把优化配方告诉客户，客户自己也复现不了。Ne­b­i­us 的工程团队能通过底层优化，让同样的硬件多出 25% 的产出。

* **Ta­v­i­ly 与 Ag­e­n­t­ic Se­a­r­ch (智能体搜索) [00:43:37]：**

* **搜索的范式转移：** 传统搜索是给人类看的（10个蓝色链接）；智能体搜索（Ag­e­n­t­ic Se­a­r­ch）是给 AI 看的。

* **技术灵活性：** 智能体可以并行发出数百个查询，自动汇总、去重并结构化。收购 Ta­v­i­ly 是为了让 Ne­b­i­us 的算力直接转化成“答案”，而不是原始的“计算周期”。

### 3. 商业竞争策略：如何从巨头口中夺食

* **避开价格战 [00:34:29]：**

Da­n­i­el 问及 Ne­b­i­us 是否靠便宜赢单，Ro­m­an 予以否定。他认为**TCO（总拥有成本）**才是关键。

* **例子：** 如果别家 GPU 便宜 10%，但故障率高、网络延迟大，导致训练任务频繁中断，那最终成本反而更高。

* **选择性接单 [00:39:43]：** Ne­b­i­us 目前处于“拒绝客户”的状态。他们倾向于选择那些**“懂行”且有成长性**的客户（如 Re­v­o­l­u­te），而不是只看单价的客户。

* **垂直整合的红利 [00:32:03]：**

Ne­b­i­us 自建数据中心、自研云管理平台、自研推理引擎。这种“从电到 To­k­en”的全链路控制，让他们在算力短缺的时代有更强的交付保证。

### 4. 未来蓝图：迈向“万亿”估值的路线图

* **资本与规模的横向扩张 [00:52:01]：**

基础设施是规模游戏。Ro­m­an 承认，没有人需要一个“小型”的基础设施公司。Ne­b­i­us 必须在 fi­n­a­n­c­i­ng（融资）、lo­c­a­t­i­on（选址）和 bu­i­l­d­i­ng（建设速度）上疯狂竞速。

* **服务层级的纵向延伸 [00:46:12]：**

* **L1 裸金属：** 卖给 Me­ta 这种有自研能力的巨头。

* **L2 托管云：** 卖给中型 AI 公司。

* **L3 To­k­en Fa­c­t­o­ry：** 卖给想要部署模型的企业。

* **L4 Ag­e­n­t­ic Pl­a­t­f­o­rm：** 卖给开发者，让他们直接构建能够执行任务的 AI。

* **总结逻辑：**

Ne­b­i­us 的目标是让客户在任何一个复杂度层级上都能“买到”算力。你想管硬件？可以。你只想买个答案？也可以。

### 访谈中的一个精彩细节 (Je­v­o­ns Pa­r­a­d­ox) [00:28:14]：

Da­n­i­el 提到了**“杰文斯悖论”**：当推理变得越来越便宜、高效时，人们不会少花钱，反而会因为 ROI 变高而投入更多的钱去运行更多的 AI 任务。这解释了为什么 Ne­b­i­us 拼命帮客户优化、省钱，但客户反而租了更多的 GPU。

**给你的启发：**

如果你关注 AI 行业的投资或发展，这个视频揭示了**“算力商品化”**的终结——未来的赢家不是拥有 GPU 最多的人，而是能把 GPU 效率转化成最高业务价值（To­k­en 或结果）的人。