本文来自微信公众号：极客公园 （ID：geekpark），作者：芯芯，编辑：靖宇

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。

在推出的第一年，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（包括DGX Cloud）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。

英伟达在2023年3月推出DGX Cloud｜图片来源：GTC 2023

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最大的芯片买家，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1万台搭载自家顶级GPU服务器，总价值约13亿美元。这个交易让英伟达成为Lambda最大的客户，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，英伟达成了最大甲方，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「AppStore」

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。

英伟达Lepton平台界面｜图片来源：英伟达

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？