算力超週期系列 10 · GPU 折舊重估 · ISSUE #178
Rubin 把上一代卡的「壽命」重算了一遍：AI 算力的隱藏減值，藏在一張折舊表裡
當次世代把推理成本打到五分之一，租著舊卡、按六年攤提成本的那些雲，帳上的假設就開始鬆動。這篇不預測誰會跌，只把「會計上假設的壽命」和「技術上真實的壽命」這兩條線攤開，讓你自己看它們差多遠。
每一季，市場都在替 NVIDIA 算同一件事：這一季賣出多少張卡、下一季的能見度有多高。SemiAnalysis 七月那份 Vera Rubin NVL72 的實測報告，逼我們算另一件事，也就是已經賣出去、還在機房裡跑的那些卡，還值多少。報告給的數字很直接：新一代 Rubin 跑同一個模型，在最吃互動速度的推理場景，每一度電、每一塊錢能生出的 token，是上一代 GB300 的五倍上下。當新卡把推理成本打到五分之一，租著舊卡、按六年攤提成本的那些雲，帳上的假設就開始鬆動。這篇不預測誰會跌，只把「會計上假設的壽命」和「技術上真實的壽命」這兩條線攤開，讓你自己看它們差多遠。
🔬一份實測報告，把「上一代卡還值多少」擺上檯面
先講清楚這份報告的份量。SemiAnalysis 的 InferenceX 不是拿廠商投影片對比，而是每天在最新硬體、模型、軟體組態上實測推理效能的活體基準；捐硬體給它跑的名單裡，就有 CoreWeave、Oracle、Microsoft、Amazon、Google。這次它拿到的是 Vera Rubin NVL72 的早期工程樣品，測試場景是 CoreWeave 自己的 ES 機櫃與 Dell 的 ES 機櫃，工作負載是 DeepSeek R1 671B。
結論用三個數字就講完了。跑同一個 DeepSeek R1，Vera Rubin NVL72 對現役最強的 GB300 NVL72，有 5.4 倍的每 MW 效能、5 倍的每美元效能。換成擁有成本，SemiAnalysis 的模型給每 GPU 每小時的 TCO 是：GB200 為 1.84 美元、GB300 為 2.36 美元、Vera Rubin 為 3.57 美元。新卡自己更貴，但它更貴得有限、快得誇張。
把這兩件事乘起來，就是每百萬輸出 token 的成本。在 300 tok/s/user 這個對互動速度要求較高的桶位，Rubin 每百萬 token 是 3.076 美元、GB300 是 15.456 美元，新卡便宜 5.03 倍，而這個桶位，GB300 已經逼近它的運作極限。再往上到 350 tok/s/user，GB200 跟 GB300 兩代都直接做不到，只有 Rubin 服務得了。這不是「新卡比較好」的例行升級，而是「舊卡在某些工作負載上被踢出場」的世代落差。
| 世代 | 每 GPU 每小時 TCO | 300 tok/s/user 每百萬 token |
|---|---|---|
| GB200 | 1.84 美元 | 350 tok/s 已做不到 |
| GB300 | 2.36 美元 | 15.456 美元 · 逼近運作極限 |
| Vera Rubin | 3.57 美元 | 3.076 美元 · 便宜 5.03 倍 |
這裡要補一個容易被忽略的背景：Rubin 不是三年一次的大改款。NVIDIA 現在是一年一個架構，輪替是 Hopper、Blackwell、Rubin，後面還排著全新架構家族 Feynman，代號 SM_140。官方口徑 Rubin 已在量產、夥伴二〇二六下半年供貨，黃仁勳在 Q1 FY2027 法說講的是財年第三季，也就是曆年八到十月起出貨、第四季續爬。也就是說，GB300 這一代還沒完全鋪滿，下一代就已經在機櫃裡實測，而且領先幅度是「五倍」這個量級。
值得一提的是，Rubin 這次的軟體搬遷幾乎沒有摩擦：它能完全重用 Blackwell 的核心庫，像 DeepGEMM、FlashMLA、CUTLASS，CUDA 13.4 已經支援它的 SM107，主流框架的上游也都跟上了。對比當年 Hopper 跳到 Blackwell 要大改核心，這代表 Rubin 的效能可以「即插即用」地兌現，舊卡連「軟體還沒優化好、先撐著」的緩衝期都沒有。
我的判斷
我先把這篇的立場說清楚。這不是一篇喊 NVIDIA 買點的文章，也不是喊 CoreWeave 空點；我要做的只有一件事，就是把「會計上假設一張卡能用幾年」和「技術上這張卡幾年就被超越」這兩條線並排放好。 五倍這個數字之所以重要，不是因為它證明 Rubin 多神，而是因為它把「上一代卡的經濟壽命」這個一直被當成常數的東西，變回一個變數。一張按六年攤提的卡，如果第二年就有一張新卡用五分之一成本做同樣的事，那它剩下四年的租金定價權、利用率，還撐得住原本的假設嗎？這個問句，就是全篇要攤開的東西。至於答案往哪邊倒，我到後面會給一個該盯的指標，但不會替你下結論，因為它真的還沒定。
📊折舊表：一個產業，五種算法，零共識
把鏡頭從晶片轉到帳本。一張 GPU 買進來，成本不會一次認列，而是按「預估能用幾年」攤到每一季的損益表裡，這個「幾年」就是會計上的預估使用年限。它訂得越長，每季分攤的折舊費越少、帳面利潤越漂亮；訂得越短，折舊費越重、利潤越薄。問題是，這個攸關利潤的數字，整個產業各說各話。
| 業者 | 伺服器／GPU 預估使用年限 | 近期動作 |
|---|---|---|
| CoreWeave | 六年，直線法、七十二個月 | S-1 揭露，二〇二三年起沿用 |
| Amazon 旗下 AWS | 六年，已縮短為 五年 | 2025-01-01 起，明列「AI／ML 加速」為由 |
| Microsoft Azure | 六年 | 2023-2024 拉長後維持 |
| Google Cloud | 六年 | 同上 |
| Meta | 已 延長至五年半 | 2025-01，預期削減 2025 折舊約 29 億美元 |
| Lambda Labs | 五年 | 純算力雲 |
| Nebius | 四年 | 最保守 |
最刺眼的是同一個時間點、方向相反的兩家。Amazon 二〇二五年初完成一份新的使用年限研究，結論是 AI 與機器學習的技術迭代太快，一部分伺服器與網通設備撐不到六年，於是把年限從六年砍到五年；光這個調整，就讓它截至九月的九個月淨利少了 6.77 億美元。同一季，Meta 反其道而行，把伺服器與網路資產的年限拉長到五年半，預期能替二〇二五年省下約 29 億美元的折舊費。一家說 AI 讓卡更快過時、要縮短；一家說卡能用更久、要拉長。兩家都是頂尖的超大型雲端業者，都看著同一批 NVIDIA 卡，答案卻差了整整一年半，而且方向相反。
純算力雲這邊，CoreWeave 用的是最長的六年。這裡有一個藏在假設裡的東西：六年的攤提，等於假設這批卡在四年之後，還能找到人續租、或被等值的工作負載接手。而這個「四年後還租得掉」的前提，仰賴一個目前還相當稀薄的再部署市場，也就是舊卡從訓練退下來之後，得有夠大的二手租賃或降級工作負載去承接它。這個市場存不存在、夠不夠厚，正是六年假設能不能兌現的關鍵，也是後面反方論點會正面交鋒的地方。
我的判斷
看到這張表，直覺會想問「那到底幾年才對」。我的看法是：別去猜那個正確年限，那是猜不到的；該盯的是單卡利用率，加上每家自己揭露的折舊年限，兩個一起看。 折舊年限是「假設」，單卡利用率是「現實」；當一張卡的利用率開始掉、租金開始鬆，卻還按六年攤提，那個缺口就是隱藏的減值在累積。反過來，如果舊卡的利用率一直撐得住，那六年假設就站得住，價值瀑布那套說法就成立。所以我不會被「六年還五年」的頭條數字牽著走，我會去翻 neocloud 財報裡「單卡實際跑了多少、還按幾年攤」這兩行的對照。至於這篇要不要押某一檔個股，答案是不會。這張表本身就說明了，連 Amazon 跟 Meta 都沒共識的東西，我沒有立場替你把它縮成一個買賣訊號。所有點到的公司，這裡都只做機制分析，不給方向。
📉二手市場已經在投票：H100 的殘值曲線
會計上的年限是「假設」，二手市場的成交價是「現實」。想知道一張 AI 卡真實掉價多快，最誠實的地方就是看它上一代，H100 的租金與殘值已經跑完一輪，數字攤在那裡。
先看崩的那一面。H100 的雲端租金，從二〇二四年初的每小時 8 到 10 美元，跌到二〇二六年第二季的每小時 1.80 到 3.50 美元，兩年腰斬再腰斬，跌幅 64% 到 75%；現貨最低下探到每小時 1.25 美元。實體卡更慘：二手 H100 SXM5 在二〇二三年底一張要價約 4 萬美元，到二〇二六年的二手市場只剩 1.2 萬到 2.2 萬美元，跌掉約 85%。產業裡有個粗略的經驗值，H100 每多讓 Blackwell 在市場上多產一年，它就再貶值 15% 到 20%。如果一張卡兩年就掉了八成價值，那麼六年直線攤提、假設它均勻地慢慢變舊，帳面價值和市場價值之間，就會裂開一道明顯的縫。
但這裡必須誠實地把另一面也擺上來，因為它同樣有數據撐。同一個 H100，一年期的合約租金，卻從二〇二五年十月的低點每小時 1.70 美元，反彈了將近 40%，到二〇二六年三月回到每小時 2.35 美元。也就是說，殺得最兇的是隨開隨用的現貨，能鎖定的合約產能反而回穩。SemiAnalysis 自己也觀察到，H100 的租賃市場在幾個月內，由降溫又轉回硬緊縮。殘值不是一條單調向下的直線，它會被當下的供需，特別是快速攀升的推理需求托住。
這就帶到反方最有力的一套說法，值得完整講，那就是價值瀑布。這個模型認為，一張 GPU 的生命是分段下嫁的：第一到第二年做訓練，只有最新的矽扛得住；第三到第四年退下來做高價值的即時推理，可以容忍稍高的延遲；第五到第六年再退到批次推理與分析這類長尾工作。用它的原話說：
矽不會在訓練用途結束時就死掉，它只是轉移到要求較低、但仍能創造營收的任務。
照這套邏輯，推理需求正在快速擴張，剛好接住那些從訓練退役的舊卡，六年的攤提因此站得住。問題是，這套「舊卡退居推理」的緩衝，正好被這篇開頭那份 Rubin 報告從側面頂了一下。價值瀑布假設舊卡在第三到六年還能靠推理繼續賺錢，可是 SemiAnalysis 的數字顯示，Rubin 連推理這一段都比 GB300 便宜五倍。當新卡不只在訓練、連在舊卡準備退守的推理戰場上都用五分之一成本輾過去，「退居推理仍能創收」這個緩衝到底還剩多厚，就變成一個真正要靠數據回答、而不是靠模型假設回答的問題。這一段我不下結論，兩邊的證據都在上面了，這正是它值得盯的原因。
🏦NVIDIA 站在矛盾的兩端：一手讓舊卡貶值，一手替它托底
如果說前面是「舊卡值多少」的市場現實，那接下來這一層，是同一個問題的金融版本，而且主角還是 NVIDIA 自己。
依 SemiAnalysis 七月初的另一份報告，NVIDIA 正在替 neocloud 的 GPU 租賃提供一種「最低收益保證」的債務擔保：擔保期通常六年，以 GB300 NVL72 為例，六年的平均底價是每 GPU 每小時 2.36 美元。關鍵在於這個底價的形狀，它不是平的，而是逐年往下走。
| 擔保年度 | GB300 NVL72 底價（每 GPU 每小時） |
|---|---|
| 第 1 年 | 3.68 美元 |
| 第 2 年 | 3.15 美元 |
| 第 3 年 | 2.62 美元 |
| 第 4 年 | 2.10 美元 |
| 第 5 年 | 1.57 美元 |
| 第 6 年 | 1.04 美元 |
停在這條曲線上想一下。這等於是 NVIDIA 用真金白銀的擔保合約，親手畫出它自己對 GB300 殘值的預期：六年內，一張 GB300 的租金價值會從每小時 3.68 美元滑到 1.04 美元，跌掉七成二。這已經不是「假設能用六年」的樂觀版本了，NVIDIA 自己都假設它會一路貶值。而把這條「溫和滑降」的曲線，跟前面那份報告放在一起看，張力就出來了：Rubin 第一年就有五倍的每美元效能。當次世代第一年就把單位成本壓到五分之一，GB300 的真實貶值速度，會不會比這條 NVIDIA 自己畫的、還算客氣的滑降更陡？
再看這套擔保的規模與機制。作為托底的回報，NVIDIA 分享 neocloud 高出擔保底線那部分營收的 40% 到 60%，實際平均抽成約 18%；銀行放款的條件，是在擔保觸發的情境下，償債覆蓋率至少 1.3 倍、貸款成數 70% 到 80%。這些擔保被列為「雲端服務協定」下的或有保證，屬於表外項目，除非被觸發才會現形。SemiAnalysis 估這筆表外擔保總額，會從 F1/27 年底的 775 億美元，一路長到 F1/29 年底的 1,753 億美元，每替 100MW 的算力擔保，就約增加 59 億美元的表外或有負債。而 NVIDIA 從這套機制拿到的分成收入，預估 F1/29 達 139 億美元，接近百分之百是純利的經常性收入。過去兩季，它已經簽下超過 700MW 的資料中心預租再轉租，已公佈的擔保則有 432MW，包含印尼與澳洲的 Firmus 360MW、澳洲 SharonAI 72MW。
SemiAnalysis 給這個角色一個名字，叫做AI 的中央銀行。銀行不敢直接借錢給信用不足的 neocloud，NVIDIA 就用自己 AA 等級的信用去背書，讓貸款人把「審查 neocloud」換成「審查 NVIDIA」，數十億美元的算力融資就這樣解鎖。這也是它把一次性的硬體銷售，變成一條經常性、高毛利分成的路徑。
不過這裡有一個必須並排揭露的口徑差異。上面整套債務擔保的描述，是 SemiAnalysis 依產業訪談建模出來的機制；而 NVIDIA 自己的 10-K，在風險因子裡明白寫著「我們並未進入任何融資安排」。所以嚴格講，相關敘事只能寫成「NVIDIA 面臨提供這類融資的壓力或風險」，不能寫成「它已經在放貸」。兩邊的口徑我都放在這裡，讀者自行拿捏；但無論用哪個口徑，一個事實不變，就是 NVIDIA 對 neocloud 這條算力鏈的下游風險，綁定得越來越深。
我的判斷
這一層我的讀法，跟 SemiAnalysis 一致：NVIDIA 是這場遊戲的「AI 央行」，這套債務擔保是一套聰明的金融工程，它把硬體的一次性利潤轉成經常性的分成收入，同時解掉了 neocloud 融資的死結，讓下一批卡賣得出去。 這是機制的正面。但央行的另一半天職，是當最後貸款人。NVIDIA 用一年一世代的節奏，親手讓上一代卡加速貶值；又用六年期的擔保，把買了這些卡的 neocloud 的殘值與需求風險，攬到自己的表外去。這兩件事是同一枚硬幣：它既是那個定義「什麼叫過時」的人，也是那個替「過時風險」兜底的人。表外那 1,753 億美元的或有擔保，在需求暢旺時是加速器，一旦推理需求轉弱、擔保被觸發，就會從表外變成表內的真實負債。我不唱多也不唱空這件事，我只指出，它是一個需要被持續盯著的結構，而不是一個可以放著不管的背景設定。這也正好呼應 SemiAnalysis 自己列的那條風險：擔保觸發之日，就是表外轉表內之時。
⚖️反方論點：四道有數據撐的反駁
到這裡，一篇只講「舊卡加速貶值」的文章會很好寫，但那會是稻草人。這個論點有四道分量十足的反駁，每一道都有數據撐，得認真攤開；如果它們成立，前面那些減值就大半只是紙面上的事。
四道有數據撐的反方
如果它們成立，前面那些減值就大半只是紙面上的事
我的判斷
把這四道反方擺完，我的落點反而更清楚，而不是更模糊：它們四個雖然來自不同方向，最後卻都收束到同一個裁決變數，就是單卡利用率。 總需求托底、有沒有內需接手、供給稀不稀缺，這些力量最終都只透過一個地方顯影，就是「這張舊卡現在到底有沒有人在用、用得多滿」。利用率撐得住，價值瀑布就成立、六年假設就站得住、上面那些減值就多半停留在紙面；利用率一旦開始掉，總需求跟供給稀缺都擋不住，減值就會從會計科目走進現金流。這就是為什麼我在前面說，別去盯「六年還五年」的頭條，去盯利用率加折舊揭露的對照。我不預判它會往哪邊倒，因為誠實地說，現貨崩跌跟合約反彈這兩個訊號現在正打架，它還沒定；但我知道該從哪裡先看出它要往哪倒。
🎯這對散戶意味著什麼
會計上的使用年限、表外或有擔保、單卡利用率，這些字眼聽起來像是只有法人團隊才會去翻的財報附註。這正是問題所在：機構有一整組人專門盯這些附註的假設變動，散戶卻常常等到某家公司一次性認列大額減值、股價跳空那天，才第一次聽到「原來折舊年限有問題」。散戶不該是最後一個知道的人。這篇之所以把 Rubin 的五倍、二手卡的殘值曲線、NVIDIA 的擔保底價，全部擺在同一張桌上，就是要把那個藏在附註裡、決定利潤真假的假設，提前攤到檯面上；你不需要因此去做多或做空任何一檔，但你至少該在暴雷之前，就知道有這麼一條線正在被拉扯，也知道該從哪個數字先看出它要斷還是要撐。
⚠️風險與注意事項（必讀）
🧭研究結論與追蹤框架
Rubin 的世代躍升，把「上一代 GPU 還能用幾年」這個一直被當成常數的假設，變回一個變數；會計上假設的壽命，和技術上真實的壽命，中間裂開的縫，就是 AI 算力的隱藏減值。這篇不預判缺口會不會兌現，只交給你幾條線去盯，數據往哪走、答案就往哪清楚：
| 追蹤軸 | 往一個方向 | 往另一個方向 |
|---|---|---|
| 單卡利用率對照折舊年限揭露 （主軸） |
若 neocloud 財報單卡利用率維持高檔、仍按六年攤提 → 偏多：價值瀑布成立，減值停在紙面 | 若 單卡利用率下滑、折舊年限卻沒跟著縮短 → 偏空：帳面與現實的缺口在擴大，隱藏減值累積 |
| GB200／H100 一年期合約租金 | 若 合約租金續穩或延續反彈 → 偏多：供給稀缺托價，舊卡仍租得掉 | 若 合約租金跟著現貨一起破底 → 偏空：真實殘值曲線比 NVIDIA 擔保假設的還陡 |
| 雲廠使用年限揭露的方向 | 若 更多業者跟進 Amazon 縮短年限 → 偏空：產業陸續承認技術壽命在縮短 | 若 維持六年或走 Meta 式延長 → 偏多：內需能吸收舊卡，六年假設站得住 |
| NVIDIA 債務擔保的表外或有規模 | 若 表外擔保持續膨脹但未觸發 → 中性偏多：融資死結被解開，需求正在消化算力 | 若 出現擔保被觸發、由表外轉表內 → 偏空：下游需求不如預期，尾部風險開始現形 |
| Rubin 出貨節奏與供給 | 若 Rubin 全生命週期供給受限、客戶排不到貨 → 偏多：舊卡被迫續租，利用率被托住 | 若 Rubin 快速放量鋪貨 → 偏空：世代替換加速，舊卡退場更快 |
📋一頁速看（給沒時間的人）
四點看懂這場折舊重估
- SemiAnalysis 實測：Vera Rubin NVL72 對 GB300 有 5.4 倍每 MW、5 倍每美元效能，測試就跑在 CoreWeave 自己的機櫃上。
- 折舊表零共識：CoreWeave 攤六年、Amazon 因 AI 縮到五年、Meta 反向拉到五年半；H100 兩年二手價跌 85%，但一年期合約價又反彈四成。
- NVIDIA 是「AI 央行」：一手用一年一世代讓舊卡加速貶值，一手用六年期債務擔保替買舊卡的 neocloud 托底，表外或有擔保 SemiAnalysis 估 F1/29 達 1,753 億美元。
- 我的落點：不預判方向，攤開「會計壽命對技術壽命」的矛盾；要判斷它往哪倒，先盯單卡利用率加折舊年限揭露的對照。
📚來源與參考
本文每個關鍵論點 都有對應公開來源、按權威分三級列出。所有連結均為原始公司 IR、SEC 申報、產業專業媒體或財經媒體分析、不引用散戶論壇或無來源 blog。
第一級公司官方加 SEC 主要文件
- NVIDIA Rubin Platform 官方新聞稿（NVIDIA newsroom、Rubin「in full production」、288GB HBM4、CoWoS-L 官方規格與時程）
- NVIDIA Q1 FY2027 法說逐字稿（Motley Fool 轉載官方逐字、黃仁勳「production shipments... starting in Q3」與 Vera Rubin 全生命週期供給受限）
- Amazon 10-Q 與 10-K，SEC EDGAR（伺服器與網通設備使用年限自六年縮為五年、明列 AI／ML 加速為由、九個月淨利影響 6.77 億美元）
- CoreWeave S-1 與 10-K，SEC EDGAR（technology equipment 含 GPU 以直線法折舊六年、共七十二個月）
第二級產業專業媒體加分析師報告
- SemiAnalysis「Vera Rubin NVL72 vs GB200 NVL72: Inference TCO & Architecture Analysis」、2026-07-22、付費報告不整段重製、5.4 倍每 MW 與 5 倍每美元、各 TCO 與 CoreWeave ES 實測，見 SemiAnalysis
- SemiAnalysis「Nvidia GPU Debt Backstop Unleashes the AI Project Trinity」、2026-07-06、六年期擔保底價曲線、表外或有擔保 F1/27 775 億美元至 F1/29 1,753 億美元
- SiliconANGLE：Resetting GPU depreciation, AI factories bend but don't break（價值瀑布反方模型與「收斂到五年」論）
- NBER Working Paper w34608、2025-12、LLM API 需求短期價格彈性略高於 1、Jevons 空間有限
第三級財經媒體與 KOL 訪談
- CNBC：The question everyone in AI is asking, how long before a GPU depreciates（CoreWeave 六年折舊與再部署市場論點）
- Motley Fool：Michael Burry's latest warning（Burry 估 2026 至 2028 年低估折舊 1,760 億美元、GPU 真實壽命一到三年）
- Irrational Analysis，即 @insane_analyst，2026-05-15 訪談、CoreWeave 長約無法轉嫁上游漲價，屬觀點非事實
數據股價與目標價來源
- H100 租金與二手殘值區間：Hashrate Index 二手 GPU 市場、SemiAnalysis H100 一年期租賃價格指數、IntuitionLabs 雲端租金比較
- 本文為機制分析，未引用任何個股的即時報價、市值或目標價；提及公司僅為產業分析需要
方法事實核查方法論
本文每個關鍵論點 至少要求 2 個獨立來源、優先第一級公司官方與 SEC。涉及未來預期，如擔保表外規模、Burry 折舊估計、Rubin 量產效能，則明確標示為「建模」「估計」或「早期實測」、不假裝是事實。其中：NVIDIA GPU 債務擔保一節，因 SemiAnalysis 建模與 NVIDIA 10-K「未進入任何融資安排」口徑相左，全篇採兩方並陳、不擇一斷定；Michael Burry 的折舊指控因其同時持有空頭部位，一律標註出處與立場；Rubin 的效能與 TCO 數字標明為 SemiAnalysis 早期工程樣品實測、非量產定案。
系列內部對讀
- 算力超週期系列 07：市場還在問缺不缺 GPU，但 AI 的錢是照一條曲線算的（推理成本的分層曲線，是本篇「舊卡退居推理」緩衝的定價基礎）
- 算力超週期系列 08：CUDA 護城河的生態鎖定（Rubin 平滑 bringup 背後的軟體生態護城河）
- 算力超週期系列 09：AI 產業鏈的毛利遷移（錢往記憶體與閉源模型端跑的上層框架）
下一篇預告。債務擔保把 neocloud 的殘值與需求風險攬到 NVIDIA 表外，而這只是冰山一角。SemiAnalysis 估到二〇二九年，全球未償還的 AI 債務融資會超過 7 兆美元，成為僅次於美國房貸抵押證券的第二大證券化信用市場。下一篇把鏡頭從「一張卡值多少」拉到「這些卡是靠什麼債養出來的」，拆解 AI 算力的融資鏈條，看這條 7 兆美元的槓桿一旦利率或需求轉向，會先在哪一節斷掉。延伸閱讀可先回顧 算力超週期系列 06：NVIDIA 用配額權力掐住 neocloud。