英伟达联手华尔街巨头，5000亿资本将算力变投资资产

英伟达CEO黄仁勋在社交平台发布的首篇付费会员长文引发行业广泛讨论，这位科技巨头的掌舵人此次并未单纯推广产品，而是抛出了一个全新的行业命题：英伟达的AI工厂算力，正在成为一类可供机构投资者配置的基础设施资产。

黄仁勋宣布，英伟达将与阿波罗全球管理、黑石、贝莱德、博枫、高盛和KKR等全球顶级金融机构达成合作，共同搭建一批独立融资平台，计划在未来撬动超过5000亿美元的第三方资本，用于全球AI基础设施的建设。值得注意的是，这一融资规模与当年OpenAI、软银、甲骨文推动的星际之门项目公布的投资规模完全一致。

与此同时，黄仁勋推出了“AI工厂”的全新概念：这并非单一的GPU服务器集群，而是一套整合了加速计算硬件、高速网络、系统软件、AI框架以及CUDA生态的完整计算平台，能够将能源和数据转化为可商用的智能产出。与过去GPU作为折旧硬件不同，这套AI工厂体系可以实现持续盈利、灵活流转，还能通过软件升级延长设备的经济寿命，本质上成为AI时代的“算力发电厂”。

针对外界提出的“循环投资”质疑——即AI公司通过华尔街融资购买英伟达GPU，再用算力收入偿还债务的闭环模式，黄仁勋做出了明确回应。他表示，此次合作的资金均来自独立的长期机构资本，每个项目都将由贝莱德、黑石、KKR等合作机构独立完成客户资质、需求规模、算力利用率、现金流以及设备残值的全流程评估，英伟达仅负责提供AI工厂平台，仅在必要时提供最高25%的项目残值支持，且该支持会经过严格的审慎评估。

黄仁勋在帖文中写道：“我们已经完成了从芯片制造商到全新可投资资产类别创造者的跨越，AI工厂基础设施将驱动每一家企业的发展，每一个国家都将建设这类基础设施。”他还在评论区附上了与多位华尔街顶级资本负责人的合影，进一步传递了合作的信号。

英伟达在长文中列举了算力市场的实际表现，证明其算力资产的经济持久性：2020年推出的A100 GPU，在发布六年后仍被广泛应用于AI训练、微调、推理和高性能计算等商业场景，客户甚至持续锁定多年期的算力部署，使其经济寿命逐步延长至十年。H100的一年期租赁价格从2025年10月的1.70美元每GPU·小时，上涨至2026年3月的2.35美元每GPU·小时；跨供应商的按需租赁价格中位数则从2025年10月的2.00美元每GPU·小时，上涨至2026年6月的2.70美元每GPU·小时。而基于Blackwell架构的B200算力则享有更高溢价，云端租赁价格约为5.30至7.05美元每GPU·小时。

英伟达AI工厂的独特价值在于，其资产价值不会在部署完成后就固定下来：CUDA软件生态会持续升级，提升已部署基础设施的性能、效率和总体拥有成本；同一套标准架构被全球主要云服务商、系统厂商和企业广泛采用，能够根据需求变化灵活转移给不同客户、云服务商或运营商；全球庞大的开发者生态也为算力提供了深厚的潜在用户市场，进一步保障了设备残值。这些特性恰恰符合可投资基础设施资产的核心要求：能够产生稳定收入、服务广阔市场、性能持续迭代、支持灵活重新部署。

当前全球AI基础设施的需求规模巨大，但大量优质AI企业、云服务商和行业客户难以获得足够大规模、低成本的融资来快速建设算力设施。此次与顶级长期资本机构的合作，正是为了解决这一痛点。这些合作方本身也是全球顶尖的基础设施投资机构，在长期生产性资产的评估和承销方面拥有丰富经验，双方将共同搭建可复制的融资平台，帮助符合条件的AI实验室、企业和云服务商规模化获取AI工厂基础设施。需要明确的是，5000亿美元的融资规模是所有合作平台计划撬动的第三方资本总额，并非英伟达的直接收入，也不是单一基金或单笔客户的资金承诺。

关于循环融资的质疑此次合作的设计初衷正是为了回应外界对循环融资的担忧。英伟达引入的是独立的长期机构资本，真实需求来自前沿AI实验室、AI原生创业公司、传统企业、云服务商以及正在建设AI服务的国家。每个项目的评估和承销均由资本提供方独立完成，英伟达仅提供平台，投资者自主做出融资决策，这标志着开放的AI基础设施资本市场正式开启。

英伟达为何要支持融资计划在特定情况下，英伟达可能为单个项目提供最高25%的残值支持机制，该机制会针对每个项目进行审慎评估，且仅作为独立承销判断的补充，而非替代。英伟达能够提供这类支持，源于其算力资产的独特优势：可灵活流转、全球广泛采用、支持软件升级且拥有庞大的客户生态。英伟达的角色是帮助释放庞大的独立资本池，同时维持可控的风险敞口。

市场能否消化如此大规模的算力产能真正的核心问题并非算力建设的规模，而是所建设的是否为具备生产力的AI工厂。AI工厂能够将能源和数据转化为有商业价值的智能，其客户覆盖前沿AI实验室、云服务商、传统企业和国家，这些主体建设AI基础设施的核心原因是AI已经在各行业产生了实际价值。同时，该融资模式自带纪律约束：每个合作的金融机构都会独立评估需求、利用率、现金流和残值，新增算力产能将围绕真实的客户经济性进行布局。

投资回报源自何处投资回报的核心来自AI的实际应用价值。当前全球企业正在通过AI实现软件开发、药物研发、产品设计、客户服务、运营自动化以及新服务构建，AI工厂正是这些业务的基础支撑。更多的算力能够支撑更优秀的AI模型，更优秀的AI模型会带来更多的使用场景，进而创造更多收入，而更多的收入又会推动进一步的算力投入，形成AI工业革命的正向循环。

每一次工业革命都离不开底层基础设施的支撑，从电力、交通到通信和计算，而大规模的基础设施建设都离不开外部融资的支持。AI工厂正是智能时代的核心基础设施，此次英伟达与全球顶级金融机构的合作，正在开创为这场工业革命提供融资的全新路径，让AI工厂的获取门槛进一步降低，惠及所有正在建设未来的公司、行业和国家。

黄仁勋提出的“GPU能够保值并持续创造现金流”的观点，与行业观察者Dwarkesh Patel此前的判断不谋而合：算力价格可能不会持续下降，反而会长期维持溢价。Dwarkesh的逻辑清晰：如果未来AI实验室的收入保持高速增长，但全球算力供给的增速有限，那么AI创造价值的速度将超过算力扩张的速度，这部分新增价值要么流向模型厂商的超高利润（比如OpenAI曾达到的90%利润率），要么直接推高算力价格。他更倾向于后者，而当前的算力租赁价格上涨也印证了这一判断。未来如果AI模型能够媲美顶级研究员的能力，GPU的成本还将进一步对标人力工资，进一步推高算力的溢价空间。

但市场也存在不同的担忧声音。有观点指出，此次融资模式存在潜在的债务风险：如果为AI基建项目专门成立的公司通过借贷购买GPU、建设数据中心，再用未来的算力收入偿还债务，那么AI基建的故事将不再局限于科技股市场，而是延伸至信用市场。近期英伟达的信用违约互换（CDS）价格已经站上历史高位，AI基建对债务融资的依赖度越高，一旦实际需求不及预期，风险就会通过债务链条向整个金融市场传导。

这一模式并非首次出现。在二十多年前的互联网泡沫时期，朗讯、北电等电信设备商就曾大量采用供应商融资模式：客户没钱购买设备时，设备商借钱给客户，客户再用这笔资金购买设备，设备商获得订单，客户获得网络资产，华尔街继续提供融资。只要需求持续增长，这个循环就能维持，但一旦真实需求无法跟上，客户无法偿还债务，设备销量下滑，整个融资支撑的需求泡沫就会破裂。朗讯曾因相关赊销交易调整收入报表，北电则在泡沫破裂后遭遇严重的产能过剩。

回到当前的AI算力市场，这一循环同样存在：AI公司借钱买GPU，用算力创造收入后再购买更多GPU。从积极的角度看，这是推动AI工业革命的资本飞轮；但从风险角度看，二十多年前华尔街见过的那一幕，也为当前的模式敲响了警钟。