Episode Details

📝 本期播客简介

本期我们克隆了：知名创投播客《20VC》在二零二六年六月的一期深度对谈 Nebius Co-Founder on AI Infrastructure Bubbles | How Price Elastic is Demand for Compute

主持人Harry Stebbings与Nebius联合创始人Roman Chernin一起拆解AI基础设施的底层逻辑。

原内容更新时间：2026-06-08

本期嘉宾是Nebius联合创始人兼首席商务官Roman Chernin。Nebius是全球增长最快的AI基础设施公司之一，市值已攀升至660亿美元，正与超大规模云服务商正面竞争。主持人Harry Stebbings是20VC的创始人，以犀利、高密度的提问风格著称。

这期节目录制于AI基础设施投资狂潮的背景下，全球资本支出计划动辄千亿美元级别。Roman在对话中系统性地拆解了Nebius的四层产品架构——从裸金属算力到托管推理再到未来的Agent层，并回应了市场最关心的问题：AI基础设施是不是泡沫？开源模型会不会摧毁OpenAI和Anthropic？与NVIDIA的权力关系如何？以及，一家资本密集型公司如何在巨头环伺中生存。

如果你正在关注AI基础设施的投资逻辑、模型经济性、企业AI采用的实际进展，或者想理解“全栈整合”在AI云服务中的真正含义，这期节目提供了来自一线建设者的高密度判断和实战洞察。

👨‍⚕️ 本期嘉宾

Roman Chernin，Nebius联合创始人兼首席商务官。Nebius是全球增长最快的AI基础设施公司之一，运营着全球最大规模的AI计算集群，服务对象涵盖前沿AI实验室、大型企业和开发者。Roman负责Nebius的商业战略、客户关系和市场拓展，深度参与公司在裸金属算力、托管云、推理服务等多层产品线的构建。他是一位典型的务实派建设者，强调“做好你的工作”和长期价值交付。

⏱️ 时间戳

开场与AI基础设施泡沫之辩

00:00 本期克隆节目介绍：20VC与Nebius联合创始人的深度对谈

00:38 主持人开场：Nebius市值已攀升至660亿美元

03:04 我们现在处在AI基础设施的哪个节点？是不是泡沫时刻？

03:24 Roman明确回应：我不认为这是泡沫

03:39 我们正处在这个了不起的时刻的开端，才刚刚开始真正的普及

04:23 任何一家大公司，AI普及程度才刚开始在1%的业务量里应用

开源模型对前沿模型的真实影响

05:22 转向开源模型、本地部署的趋势，为什么对OpenAI和Nebius不是打击？

05:49 这不是未来的事，现在已经在发生了

06:08 今天最好的构建方式是用前沿模型，但跑通用例后会寻找替代方案

06:46 从前沿闭源模型转向开源模型的关键：可调、可训练

07:07 这为什么会伤害Anthropic和OpenAI？因为他们又去攻克下一个前沿了

08:00 如果价值不断被侵蚀，这些万亿美元估值的公司日子好过吗？

08:24 大多数人的担忧恰恰相反：开源生态够不够强大

Jevons悖论与需求弹性

09:06 DeepSeek时刻：Nebius股价一周跌了40%，但迎来了史上最好的一周销售

10:08 每次智能变得更便宜，我们不会减少消耗，反而会增加消耗

10:37 你今天在哪些方面推进得还不够快？

AI基础设施的四层架构

10:48 Nebius思考建公司的四个维度：容量、产品、客户、资本

11:02 第一层：物理世界的扩张，部署兆瓦级算力

12:08 第二层：多租户云，面向成百上千个研发团队

13:19 第三层：托管推理，Nebius Token Factory

13:43 这一层对应垂直AI公司或企业客户

14:23 第四层：Agent应用和工作流，开发者不用想具体用哪个模型

15:20 第四层就是OpenRouter的直接竞品

15:52 当Agent需要规模化时，这是一个系统问题

容量与客户组合的战略选择

16:45 如果容量是现在的10倍，能一夜之间卖光吗？

16:57 关键问题不是有没有需求，而是怎么构建需求组合

17:39 裸金属层面只有十几个客户，托管基础设施有几百个，推理层有几千个

18:05 来自Meta或微软这类客户的收入集中度，多少是可以接受的？

18:25 Nebius的长期战略是服务尽可能多元化的客户组合

19:53 为了业务的长期安全，必须构建全栈

20:55 如果价格翻一倍，需求会有什么变化？

21:01 我们其实刚提过价，提了30%

产品层的核心问题与客户需求演变

23:17 在多租户这一层，核心问题是什么？

23:39 客户需要什么？客户的需求在怎么演变？

24:33 客户需求的变化里，有哪些公开讨论得比较少？

24:44 从训练转向推理意味着人们在构建具体的产品

25:25 飞轮效应：跑推理、生成数据、观察数据、改进模型

25:59 构建的门槛在降低，越来越多非AI研究员进入市场

差异化与全栈整合

26:49 当人们拿Nebius和其他Neo cloud对比，区别在哪？

27:15 我们的原则是全栈整合：全栈向下深入物理世界，全栈向上构建产品

28:08 业务集中度更低，客户组合更多元

28:23 企业市场才是大棋局

托管推理与Token Factory

28:58 第三层托管推理怎么解释？

29:15 用OpenAI跑通了用例，但利润空间不够，想用开源模型

29:54 去Hugging Face下载权重自己跑，结果发现跑不通

30:41 Token Factory提供开源模型或专用模型的托管推理