Nvidia 与 Goldman Sachs 将 5,000 亿美元 AI 押注变成一场信贷考验

Nvidia 已招募 Goldman Sachs 和五家投资巨头，为 AI 基础设施撬动超过 5,000 亿美元资金。这个数字极其庞大，但真正的变化在于结构层面。Nvidia 希望投资者将算力视为可融资的基础设施，而非科技公司必须用企业现金购买的设备。

据报道，Goldman 目前正与潜在投资者洽谈，讨论参与这一计划。该公司可为项目提供多种融资渠道，包括私募信贷、次级资本以及进入公开债务市场的渠道。

该计划可能扩大那些无法独自承担大型数据中心建设成本的企业获得 Nvidia 系统的机会。与此同时，它也将更多 AI 热潮转移至信贷市场，在那里，回报取决于利用率、租户质量、电力供应条件以及设备价值。

这由此形成核心冲突。Nvidia 将 AI 算力定位为高效、长期的资产。质疑者则看到专业化设施、快速老化的硬件、客户高度集中，以及可能掩盖最终风险承担方的融资结构。

Nvidia 与 Goldman Sachs 实际在打造什么

公布的数字是融资目标，而不是已完成的基金、保证性支出承诺或 Nvidia 收入承诺。

8 月 10 日，Nvidia 宣布已与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 签署谅解备忘录。这些公司计划建立独立平台，旨在随时间推移撬动超过 5,000 亿美元的第三方资本。

这些平台将为围绕 Nvidia 计算系统建设的基础设施提供融资。这一类别可包括加速器、网络设备、数据中心设施、冷却系统、发电设施及相关建设项目。

Nvidia 将这类设施称为“AI factories”。这一术语指专门将电力、计算设备、软件和数据转化为训练或推理能力的数据中心。客户随后利用这些能力构建模型或提供 AI 服务。

这一结构之所以重要，是因为 Nvidia 描述的并非一个统一整合的投资工具。每家参与的金融机构都可以组建并管理自己的平台，评估项目，并从外部投资者处募集资金。

资金可通过多个层级提供。基础设施基金可能提供股权资本；私募信贷工具可能提供优先债务或次级债务；银行则可能安排贷款、向机构买家配置债务，或最终将证券引入公开市场。

这一区别避免了对该公告的一种常见误读。超过 5,000 亿美元不会立即到位，Nvidia 也未表示每一美元都会用于购买其产品。

这一目标代表独立平台旨在撬动的总资本规模。实际部署将取决于项目能否通过承销审查并吸引投资者。

Nvidia 表示，公司将提供其计算平台，并协助将客户与资本对接。金融合作伙伴将独立作出投资决策并确定融资条款。

这种分工赋予 Nvidia 一个潜在的宝贵位置。它可以在不动用自身资产负债表为每个项目提供资金的情况下，帮助塑造技术标准。

Goldman 扮演着尤为广泛的角色。其资产管理业务可通过私募信贷或次级资本参与，而其投资银行部门则可安排和分销债务。

据基于知情人士的报道，Goldman 已开始接触潜在投资者。相关谈判仍属私下进行，参与资本的最终构成尚未披露。

该计划建立在 Nvidia 在 8 月公告前已展开的工作之上。7 月，该公司描述了一项战略：通过标准化计算平台，将基础设施开发商和新兴云服务提供商与长期资本连接起来。

公司的算力融资方案认为，规模较小的服务商往往难以为设备密集型项目融资。即使拥有长期客户合同，当借款人缺乏规模或既有信用记录时，贷款方也未必满意。

新平台试图弥合这一缺口。投资者无需要求每家 AI 公司都拥有一座数据中心，而是可以为底层设施提供融资，并从使用其算力的客户那里获取收入。

这一模式类似于其他基础设施安排，但 AI 硬件带来了更快的技术迭代周期。因此，融资必须衔接两条不同的时间线：长期资本与快速变化的计算系统。

AI 热潮已遭遇融资瓶颈

Nvidia 所应对的是资本约束，而不只是芯片短缺。

AI 开发商需要在能够大规模销售服务之前，先获得加速器、网络、建筑、冷却设施和电力。这些成本会在产生足以偿还它们的收入之前很早到来。

大型云公司可通过经营现金流和企业债务为这类扩张提供大部分资金。初创公司、专业云服务提供商、政府和较小企业则很少拥有可比的资产负债表。

即使资金充裕的 AI 公司，在项目规模达到数百亿美元时也可能面临困难。贷款方必须评估租户、设备、电力合同、施工进度和可能的转售价值。

这正是 AI 部署的下一阶段为何不仅取决于处理器供应，也取决于金融工程。一座技术上可行的数据中心，只有当投资者理解其风险和预期现金流时，才会成为可融资项目。

Goldman Sachs Research 估计，大型科技公司在 2026 年可能会在 AI 相关资本项目上支出超过 5,000 亿美元。其更广泛的基准模型预计，2026 年 AI 年度资本支出将达到 7,650 亿美元，并在 2031 年升至 1.6 万亿美元。

这些预测仍是估算，而非已承诺的支出。不过，它们说明了为何常规企业预算无法支持每一个拟议项目。

Goldman 还估计，主导这一建设浪潮的大型科技公司在 2025 年至 2030 年间的合计支出可能达到 5.3 万亿美元。私人市场很可能将提供其中日益增长的一部分资本。

该公司报告称，基础设施基金在 2025 年募集了创纪录的 2,210 亿美元。截至 2026 年 5 月，695 只基金正在寻求合计 5,550 亿美元资金。

这些资金池对 Nvidia 而言是有吸引力的目标。养老金、保险公司、主权投资者和私募市场管理人经常寻求能够产生可预测收入的长期资产。

数据中心已符合这类投资要求的部分条件。它们结合了房地产、公用事业接入、专业设备和长期客户合同。

AI 设施则使熟悉的基础设施逻辑变得更复杂。其加速器的经济价值可能比发电厂、港口或传统仓库更快贬损。其收入也可能依赖于一小部分科技租户。

Nvidia 的回应是标准化。可重复采用的架构能够降低设计风险、简化维护，并使设备更容易在客户之间重新部署。

这一论点是该公司主张 AI 算力可成为可投资资产类别的核心。如果设施设备能够服务多家客户并保留二级市场价值，贷款方就会给予其更高估值。

这份资本支出展望还显示，芯片仅是资金需求的一部分。建设、配套系统、网络和电力基础设施还需要额外资本。

电力可能在融资完成前就成为约束条件。即使项目拥有加速器和租户，没有发电能力、输电接入和监管批准，仍然无法运营。

这些依赖关系解释了 Nvidia 为何选择 Goldman 之外的基础设施专家。Brookfield、Blackstone、KKR、Apollo 和 BlackRock 都拥有整合实体资产、运营合作伙伴和机构资本的经验。

该计划也会给集团外的银行和资产管理公司带来压力。如果 Nvidia 的合作伙伴建立起共同的融资结构，竞争机构就必须决定是为类似项目提供资金，还是放弃一个不断增长的资产类别。

它同样会给 AMD、定制芯片开发商和云服务提供商带来压力。与 Nvidia 架构绑定的资本，即使客户希望拥有更多硬件选择，也可能强化 Nvidia 的平台地位。

Nvidia 希望算力像基础设施一样运作

这一机制只有在投资者能够将设施的长期寿命与处理器较短的生命周期分离时才会成立。

传统基础设施融资依赖耐用资产和可见需求。收费公路、输电线路或机场之所以能够支持债务，是因为投资者可以评估其使用寿命和收入。

AI 数据中心则不同。其建筑和电力连接可运行数十年，而最有价值的计算设备可能在数年内就面临淘汰。

融资平台必须划分这些风险。长期资本可以支持土地、建筑、变电站和冷却设施；期限较短的债务或租赁结构则可为服务器和加速器融资。

一个项目可能会将这些资产置于特殊目的载体中，即围绕单个设施或资产组合设立的法律实体。该载体可以筹集债务，并将算力出租给一个或多个 AI 客户。

这种结构可使部分义务不计入科技公司的主要资产负债表。它也让贷款方对项目资产、合同或现金流拥有索偿权。

对 Nvidia 而言，这一模式能够扩大可触达的客户基础。一家无法一次性购买大型集群的公司，或许可以租用由机构投资者提供融资的算力。

对客户而言，租赁可使付款与使用量或收入相匹配，也能减少建设设施所需的即时现金。

对投资者而言，潜在回报来自长期合同以及对稀缺计算资源的需求。风险则在于，这种稀缺性能否持续足够长的时间来偿还债务。

Nvidia 曾指出，旧一代加速器持续被商业使用，证明计算设备能够保留价值。较旧的处理器可以从前沿训练转用于推理、微调、研究或要求较低的工作负载。

这种再利用的情况是合理的，但并非自动发生。运营成本、软件支持、能效和竞争情况决定旧系统是否仍具经济性。

软件能够强化残值。Nvidia 的 CUDA 平台为开发者提供了跨硬件世代的通用编程环境。既有的软件基础可以使重新部署比孤立的加速器设计更容易。

网络和系统架构同样重要。投资者融资的不是零散芯片，而是集成集群；其商业价值取决于通信速度、冷却、可靠性和软件。

Nvidia 的全栈定位使其能够影响这一设计。它提供加速器、网络产品、系统、软件库和参考架构。

该策略可以让项目更加一致，但也可能加剧供应商集中度。围绕 Nvidia 设备优化的平台，未来若要改用 AMD 加速器或定制芯片，转换成本可能相当高。

这给客户带来了矛盾。标准化可以降低当下的融资摩擦，却可能限制未来的采购选择。

BlackRock 早期的 AI Infrastructure Partnership 提供了一个有参考价值的先例。该计划最初寻求筹集 300 亿美元股权资金，并撬动最多 1,000 亿美元的总投资，其中包括债务融资。

Nvidia 于 2025 年与 xAI 一同加入该合作伙伴关系。此后，一个由 BlackRock、Microsoft、MGX 和 Nvidia 组成的财团同意收购 Aligned Data Centers，交易估值约为 400 亿美元。

这项infrastructure partnership表明，机构资本能够围绕大型 AI 项目组织起来。最新计划则将这一思路扩展至多家独立管理机构，并设定了大得多的目标规模。

不过，谅解备忘录并不等同于具有约束力的全额资金部署承诺。这一模式能否成功，取决于项目是否落地、租户是否签约，以及融资条款能否经受利率变化的考验。

Goldman Sachs 必须证明这是真正独立的资本

应对循环融资担忧的最有力方式，是实质性的第三方承销，而不是更大的宣传数字。

循环融资是指供应商向客户提供资金，而客户再用这笔钱购买该供应商的产品。这类交易可以支持有益的扩张，但也可能模糊独立需求与供应商支持销售之间的界限。

Nvidia 已投资于购买或运营其系统的 AI 开发商、云服务商和基础设施项目。因此，其在整个行业中的角色一直受到投资者和金融监管机构的审视。

这一新架构似乎旨在回应部分批评。独立管理机构将募集外部资本，并自行作出投资决策。

这种分离至关重要。开展信贷分析的养老基金或保险公司，与试图扩大市场的供应商，其激励机制并不相同。

然而，独立性不能仅凭组织架构图来证明。投资者需要了解：如果租户违约、设备折旧快于预期，或项目无法获得电力供应，究竟由哪一方承担损失。

Nvidia 表示，其角色是提供技术平台，而投资者负责配置资本。该公司尚未披露各平台统一的担保条款、损失分担安排，或预期的资产负债表风险敞口。

这些细节将决定，这究竟是传统基础设施融资，还是通过中介机构分发的供应商融资。

Goldman 可以让这种区分更具可信度，因为它能够将风险分配给多类投资者。它还可以根据各买方的风险承受能力，分别配置股权、优先债、次级债和资产支持证券。

但复杂性也可能掩盖集中度。多只基金表面上可能实现了多元化，却为依赖相同租户、电力市场、芯片供应商或 AI 需求预测的项目提供融资。

国际清算银行警告称，AI 基础设施日益采用类似债务的表外安排。当这些义务的经济影响仍未反映在传统企业债务指标中时，该机构将其称为“影子借款”。

国际清算银行的融资评估指出，超大规模云服务商正与私募信贷机构合作，为基础设施扩张融资。这些结构可以分散风险，但也可能使总杠杆水平更难观察。

美联储也提出了相关担忧。理事 Lisa Cook 在 5 月表示，AI 基础设施日益增加的债务使用值得关注，尤其是那些使用私募基金和资产支持市场的较小型数据中心开发商。

她的金融体系评估并未认定 AI 贷款已经构成系统性威胁。但其警告称，对新兴技术持续进行杠杆投资，最终可能成为金融稳定问题。

信贷问题并不需要 AI 需求消失才会出现。较低的利用率、延迟的电力接入、更高的利率或下滑的租金价格，都可能削弱项目偿还债务的能力。

技术更新换代会带来另一项风险。由于新系统的每瓦性能更优，一座设施可能需要比贷款方预期更早追加资本。

租户集中度同样重要。由一家 AI 实验室支撑的数据中心，与服务多家成熟客户的设施，承担的风险不同。

长期合同可以提升融资可行性，但终止权和履约条件可能削弱其保护作用。投资者必须审查合同本身，而不能只依赖其名义期限。

最重要的未解问题是，Nvidia 是否会为选定项目提供担保或其他信贷支持。这类支持可以降低借款成本，但也会让这家芯片制造商承担更多下行风险。

担保本身并不意味着交易不当。供应商曾在航空、电信、工业设备及其他资本密集型行业为客户提供融资。

风险出现在：受到支持的采购被误认为是持久的终端需求。投资者需要足够的信息披露，以区分客户是自主选择 Nvidia 系统，还是因为 Nvidia 帮助打通融资渠道才购买这些系统。

因此，Goldman 面临双重任务：既要筹集足够资本来验证该模式，也要证明作出独立信贷决策的是投资者，而非 Nvidia。

竞争不仅关乎芯片，也关乎资本

这一计划甚至可以在客户选择任何加速器之前，就巩固 Nvidia 的市场地位。

AMD 仍是 Nvidia 最直接的商用芯片竞争对手。Google、Amazon、Microsoft 和其他云公司也正在为特定工作负载开发定制处理器。

这些替代方案在性能、可得性、软件、能耗和总运营成本方面展开竞争。如今，融资也成为另一个变量。

若开发商获得面向 Nvidia 标准化设施的长期资本支持，即使另一种处理器看起来同样具有竞争力，也可能选择这种架构。较低的融资摩擦可以抵消硬件经济性上的差异。

这种效应类似于其他行业中的供应商生态系统。融资、服务协议、零部件可得性和残值支持，对采购决策的影响可能与设备本身一样大。

Nvidia 拥有优势，因为投资者认可其已安装基础和软件平台。对于需求可见且拥有成熟二级市场的资产，贷款方可能更愿意承销。

这种偏好可能形成自我强化。获得更多融资的 Nvidia 系统，会扩大开发商、运营商和二手设备买方的基础。

竞争对手必须作出回应，但不必复制每一个要素。AMD 可以与基础设施管理机构合作，改善其系统的融资渠道。云服务商则可以将定制芯片与承诺容量合同打包提供。

客户也可能要求建设多供应商设施。支持多类加速器的平台设计可以降低依赖性，但可能增加工程和运营成本。

这一计划对专业云服务商的压力最为直接。这些公司购买加速器、建设集群并出租算力，却没有大型云平台那样多元化的现金流。

获得机构资本可以加快它们的扩张，也可能提高杠杆，并使其面临租金下滑的风险。

在供应紧缺时期为设备融资的服务商，实际上是在假设利用率和定价将维持高位。新增供给可能削弱这两项假设。

企业买家应关注合同结构，而不是融资目标的宣传规模。更多资本可以增加可用容量，但并不保证降低长期成本，也不保证提供灵活的退出条款。

开发商应关注获得融资的平台是否改善了对现有系统的获取，同时审查合同是否限制模型部署、云端可移植性或未来的硬件选择。

知识工作者将间接感受到这些影响。更多基础设施可以支持更快的 AI 服务和更广泛的企业采用；而债务压力可能促使服务商优先服务高容量工作负载和可预测的订阅收入。

评估 AI 供应商的团队，可以在可搜索的AI knowledge base中记录不断变化的承诺、容量声明和融资关系。融资链如今不仅影响投资回报，也影响产品的持续可用性。

这并不意味着 Nvidia 的计划只是 Nvidia 与 AMD 之间的简单对决。核心冲突在于独立基础设施资本的承诺，与技术风险高度集中的现实之间。

芯片竞争构成了一项压力测试。当客户对已安装平台有强劲需求时，资产能保留更多价值；而当替代硬件改变工作负载经济性的速度快于预期时，资产风险就会升高。

三个信号将决定这一模式是否奏效

接下来的证据必须来自已完成的融资、披露的风险分配以及实际运营需求。

第一个信号是拥有明确投资者和清晰条款的已完成融资。关于意向资本的公告，并不能证明项目是否能以有吸引力的利率借款。

一项完成的交易应明确披露设施、运营商、租户结构、融资层级和预期部署时间表。它还应说明 Nvidia 是否提供担保或损失保护。

如果独立投资者在没有广泛 Nvidia 支持的情况下承担实质性风险，基础设施投资逻辑就会更强。大量担保则会削弱“外部资本正在根据需求自身价值进行承销”的说法。

第二个信号是多客户利用率的证据。当一名租户减少支出时，服务多家客户的设施可以重新分配容量。

利用率数据应显示，需求是否已超出少数前沿实验室和超大规模云服务商。合同续约、积压订单质量和租金水平都将提供有价值的线索。

多个客户类别的强劲利用率，将支持 Nvidia 关于算力具有生产性基础设施属性的主张。依赖单一疲弱租户，则会暴露该项目属于集中的技术信贷风险。

第三个信号是首次重大硬件更新。投资者需要证明，较旧的集群仍可保持生产力、找到二级买家，或在不摧毁项目回报的情况下升级。

残值是债务回收的核心。当被融资资产仍然有用且具备可交易性时，贷款方更容易承受借款人的压力。

应关注运营商如何在较新的 Nvidia 平台投入生产后，重新部署上一代系统。若这些系统持续用于推理、微调、研究和企业工作负载，将加强其作为资产类别的论点。

快速减记或高成本重建则会削弱这一论点。这将表明，设施的物理寿命长于其最有价值设备的经济寿命。

这些信号将在不同时间尺度上出现。融资条款可能在数月内浮现，而利用率和更新换代的经济性则需要更长时间来观察。

读者应当避免在证据到来之前，将这项 5000 亿美元目标视为定论。它是资本形成的雄心，而非部署已完成的证明。

这项倡议仍然意义重大。Nvidia 已集结六家机构，能够将数据中心、算力合同和设备转化为养老基金与信贷投资者可持有的产品。

Goldman 的投资者推介让这一雄心从宣布迈向市场检验。该行如今必须找到愿意以项目可承受条件接纳 AI 基础设施风险的买家。

如果这项努力成功，AI 的扩张将较少依赖少数科技公司的现金储备，而会与私募信贷、基础设施基金、保险公司和公开债务市场形成更紧密的联系。

这种转变能够为更多产能提供资金，并分散所有权。它也可能将相关性风险扩散至那些在账面上看似彼此独立的金融投资组合之中。

因此，真正的问题并非 Goldman 能否为一款热门的 AI 投资工具找到投资者，而是当稀缺性、硬件周期和宣传性头条逐渐消退后，获得融资的资产能否产生持久的现金流。

开发者和企业买家应关注首批完工项目，而非总体目标。投资者则应要求披露透明的担保、租户风险敞口和设备假设。

Nvidia 已经证明，对 AI 算力的需求能够吸引非同寻常的支出。它的下一项考验更加艰难：证明同样的算力能够支撑独立、长期的信贷，而不是掩饰由供应商支持的需求。