黄仁勋将 AI 算力竞赛带向华尔街，Nvidia 提供 25% 兜底支持

尽管市场对债务和循环融资的担忧日益加剧，Nvidia 已提出为 AI 基础设施项目最高 25% 的残余价值提供支持。黄仁勋将这一机制描述为面向特定项目、范围有限的工具，而非覆盖全行业扩张的全面担保。

这一区别至关重要，因为 Nvidia 已不再仅仅扮演芯片供应商的角色。它正帮助华尔街将 GPU 集群转化为可融资资产，同时在这些资产贬值时可能承担部分风险。

这一策略可能降低新建数据中心的融资成本，并让 Nvidia 的客户继续采购其系统。但它也带来了一个棘手问题：机构资本是在独立验证 AI 需求，还是 Nvidia 正在帮助制造对自身产品的需求？

答案影响的将不止是 Nvidia 的销售额。开发者、云服务买家、企业、贷款方和基础设施运营商，正越来越依赖同一张由芯片、电力合同、租约和长期融资构成的网络。

Nvidia 的 25% 支持改变了融资方程

Nvidia 正将其资产负债表信誉的一部分，与 AI 算力未来的转售价值绑定。

8 月 10 日，Nvidia 宣布与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 签署谅解备忘录。其拟议的融资平台旨在逐步撬动超过 5,000 亿美元的第三方资本。

这一标题数字并不意味着 Nvidia 收到了 5,000 亿美元的支票，也不代表存在一只拥有单一投资授权的已承诺基金。

这些公司计划建立独立平台，参与机构可通过平台评估单个 AI 基础设施机会。这些机构将审查客户、利用率、合同、预测现金流以及已安装设备的预期价值。

Nvidia 表示，其负责提供计算平台，而金融机构将自行作出承销决策。承销是指判断预期回报是否足以覆盖项目的信贷和运营风险。

残余价值机制又增加了一层安排。残余价值是指硬件在初始租赁或融资期结束后的估算价值。

Nvidia 表示，对于某些机会，它可能为这部分价值的最高 25% 提供支持。该公司称，每一项决策都将经过单独评估。

现有披露并未确立一项普遍适用的 25% 担保。它没有说明哪些项目将符合资格、支持将持续多久，或何种事件会触发付款。

它也使计算基础存在解释空间。该比例可能适用于项目的合格设备、预期残余价值，或其他经协商确定的指标。最终合同将决定实际风险敞口。

这种不确定性很重要。残余价值兜底不同于为每一笔债务付款提供担保，也不同于承诺回购整个数据中心。

如果 GPU 集群持续提供具有竞争力的算力，贷款方可以通过续签租约、转移设备，或向其他运营商出售容量来回收价值。Nvidia 的支持将为交易中有限的一部分提供额外底线。

然而，如果硬件失去竞争力，这一底线就可能转化为实际负债。届时，Nvidia 将面对为那些曾推动其早期产品收入的资产提供支持所带来的后果。

因此，这项提议改变了融资方程，但并未消除其中的风险。贷款方获得了另一层保护来源，而 Nvidia 与客户信贷表现的关联也更为紧密。

这种关联构成了本文的核心张力。该公司希望投资者将 AI 算力视为耐久型基础设施，但其产品所处的却是技术领域中替换周期最快的市场之一。

为什么华尔街希望将 AI 算力视为一种资产类别

这轮融资推动意在让 GPU 容量具备可投资性，赶在需求超出买方资产负债表承受能力之前。

AI 基础设施所需资本规模巨大，许多模型开发商、专业云服务商和数据中心运营商无法依靠内部资金完成融资。相关支出包括加速器、网络、土地、电力接入、冷却系统和建设费用。

芯片销售发生在这条链条的前端。出租由此形成的算力所带来的收入，可能需要多年才能偿还投资。

传统贷款方偏好可预测的现金流、可执行的合同、可转让的资产，以及资产负债表雄厚的借款方。许多 AI 基础设施项目只具备其中部分条件。

这些新平台旨在将此类项目与资产管理公司、私募信贷基金、银行、保险公司及其他长期投资者连接起来。对 Nvidia 而言，这为绕开日益突出的客户融资约束创造了一条路径。

黄仁勋将 AI 数据中心称为工厂，因为它们能够将电力、软件和计算能力转化为 token。token 是 AI 模型在生成或理解内容时处理的一小单位数据。

他的更广泛论点是经济层面的，而非技术层面的。如果 token 能创造可衡量的收入，那么生产它们的设备就可以支撑租赁、贷款及其他投资结构。

这一概念已有先例。数据中心长期以来一直使用项目融资、房地产贷款、证券化和设备租赁。

AI 算力则将一种波动性更高的资产引入了这些熟悉的结构中。GPU 能够产生可观的租赁收入，但其竞争力取决于软件支持、能效、网络、客户需求以及更新的硬件。

因此，信贷分析师不能像评估普通办公楼一样评估 AI 集群。他们必须同时对基础设施经济性和技术淘汰风险进行建模。

KBRA 最新的信贷核查清单将现金流持久性、合同结构、电力成本、硬件竞争力、再出租、流动性和再融资列为核心考量因素。

这些因素可能使物理条件相似的设施产生截然不同的结果。由信用资质较强的租户和长期合同支持的集群，呈现的是一种风险画像。

而依赖未来现货市场需求的投机性项目，则呈现另一种风险画像。相同的 GPU 并不会让这些投资同样安全。

S&P Global 也曾说明，特殊目的载体可收购计算设备并将其出租以产生现金流。其对设备融资的分析指出，对使用寿命和残余价值的不确定性，可能要求债务随着预期折旧一同摊还。

这种结构很重要，因为贷款方并不需要 GPU 保持原始价值。贷款方需要租赁收入、按计划偿还的本金，以及最终的转售收益来覆盖融资金额。

Nvidia 拟议的支持可以让这一计算更具吸引力。它可以降低贷款方在不利情境下的预期损失，进而影响利率、预支率和所需股本比例。

参与其中的金融集团也带来了巨大的募资和承销能力。它们可以在已经投资于基础设施、私募信贷、房地产和保险资产的机构之间分散风险。

但它们的参与并不意味着每个项目都安全。谅解备忘录提供的是一个框架，而非可执行合同或持续客户收入的替代品。

因此，5,000 亿美元这一数字应被理解为潜在能力。实际部署将取决于项目能否通过财务审查，并获得可行的客户、选址、设备和电力供应。

真正的较量在于独立需求与供应商支持的需求

Nvidia 必须证明，外部投资者融资支持的是独立的 AI 需求，而不只是延长芯片制造商的销售周期。

供应商融资并不必然具有滥用性质。设备制造商长期以来一直帮助客户为飞机、工业机械、车辆和电信系统获得融资。

当供应商的资本支持掩盖疲弱需求，或将过多风险转移给投资者时，这种安排就会引发争议。当多方依赖同一套乐观假设时，它也可能变得危险。

Nvidia 向举债建设 GPU 集群的公司销售芯片。这些公司再向 AI 开发商出租计算能力，其中包括可能从 Nvidia 获得资金或承诺支持的企业。

如果每一位参与者都能产生可持续收入，这一循环就能支撑一个富有成效的基础设施市场。如果需求依赖持续融资，同一循环则可能放大损失。

在华尔街公告之前，这一担忧已经加剧。据报道，Nvidia 当时正在讨论一项规模大得多的兜底安排，该安排与一个 OpenAI 数据中心项目有关。

融资方案报道引用的消息称，可能为一个大型项目提供支持，同时指出该项目与新平台之间的关系仍不明确。

这些华尔街合作关系看来部分正是为回应这一批评而设计。Nvidia 强调，机构投资者将独立审查需求、利用率、现金流和残余价值。

如果投资者能够拒绝疲弱项目并施加审慎条款，这种分离就具有意义。若竞争压力促使贷款方接受激进的利用率预测，其意义便会减弱。

项目的利用率衡量客户实际使用其可用算力的比例。高利用率能够支撑租金、偿债和设备价值。

低利用率则会带来不同结果。运营商可能下调租赁价格、无法达到收入目标，或难以为已在丧失技术相关性的设备进行再融资。

Nvidia 的支持并不能消除这种商业风险。它只是重新分配了一部分潜在损失，并传递出对公司平台的信心。

这种信号本身就有价值。很少有外部机构像 Nvidia 一样了解其产品路线图、软件兼容性或二级市场需求。

愿意提供支持表明，该公司相信其系统将在多种工作负载和运营商之间持续保持实用性。这种信念可能有助于建立评估二手 AI 硬件价值的市场标准。

然而，Nvidia 也直接受益于基础设施支出的持续活跃。更多融资可以支持更多 Nvidia 系统采购。

这种双重角色使 Nvidia 有别于中立评估机构。它拥有更优越的技术信息，但当贷款方对其设备给出更高估值时，它同样受益。

因此，独立承销是决定性的保障。投资者必须检验 Nvidia 的假设，而不能将其参与视为项目可行的证明。

他们还必须审视最终客户。如果租户无法产生足够现金来履行合约，再长期的合同价值也有限。

市场应关注已披露的股权出资、偿债覆盖率、合同期限、终止权和担保。这些细节将揭示风险是否确实由经验丰富的资本提供者承担。

如果缺少这些信息，这些融资平台仍是一套可信的框架，但其风险图谱并不完整。这一公告显示了机构兴趣，却无法证明每一笔未来贷款的质量。

Broadcom 表明 Nvidia 并非孤军奋战

AI 基础设施融资正在成为整个半导体行业的竞争武器。

Nvidia 的提议出台之前，Broadcom、Apollo 和 Blackstone 已建立了各自的 AI 基础设施平台。该项目说明，芯片架构与融资如今可以协同推进。

Broadcom 平台于 6 月启动，初始交易规模为 350 亿美元。其目标是支持与 Anthropic 扩张相关的超过 1 吉瓦容量。

这一更广泛的框架旨在到 2028 年实现超过 20 吉瓦的计算容量。它将为大型 AI 客户采用 Broadcom 的定制加速器和网络系统。

该平台为贷款方提供了不同的技术价值主张。Broadcom 的定制 XPU 可以围绕特定客户或工作负载的需求进行设计。

Nvidia 提供的是由 CUDA 支持的更广泛计算平台；CUDA 是其用于编程加速硬件的软件环境。Nvidia 认为，这种灵活性有助于其 GPU 在不同客户和应用之间保持价值。

因此，融资竞争也映射着硬件竞争。当大型客户承诺使用定制加速器时，这类产品可带来效率优势和可预测的需求。

通用 GPU 则可提供更强的可移植性、更大的开发者基础，以及潜在更深厚的二级市场。当贷款方评估初始租约到期后的情况时，这些优势至关重要。

Google 和其他超大规模云服务商提供了另一条路径。他们可以围绕内部设计的加速器建设容量，同时利用自身资产负债表和云业务来吸收风险。

AMD 则为商用加速器市场提供了另一种选择。它的存在赋予买方更多议价能力，尽管 Nvidia 的软件基础和市场份额仍是许多部署的核心。

多种融资模式的出现表明，资本获取能力已成为产品战略的一部分。如果客户无法为周边设施融资，再出色的芯片也无法赢得部署。

同样，低成本融资也无法挽救产出 token 缺乏竞争力的硬件。每单位有效 AI 输出的成本，最终决定运营商能否获得回报。

融资条款如今可能会在采购流程更早阶段影响架构选择。项目开发商可能会偏向于能获得更高预付款比例或更优惠残值处理的设备。

这种可能性促使 Nvidia 将其产品确立为标准化金融抵押品，也促使竞争对手建立可比的支持机制。

这一结果类似于其他资本密集型行业。飞机制造商、能源设备供应商和汽车公司都会通过产品与融资关系展开竞争。

AI 硬件的不同之处在于，产品迭代速度快得多。数据中心建筑可运行数十年，而其中最有价值的计算设备可能在几年内就面临替换压力。

电力基础设施具有更强的耐久性。拥有已落实电力、冷却、网络接入和适宜建设条件的场地，即使首批加速器老化，仍可能保有价值。

因此，投资者必须将场地价值与设备价值区分开来。Nvidia 的支持似乎聚焦于计算机会，但已披露的合同将显示这一术语的界定范围有多广。

竞争性的回应将颇具启示意义。如果 Broadcom、云服务商或保险公司提供类似的残值支持，这一机制可能成为标准市场特征。

如果竞争对手避而不用，Nvidia 可能在承担独特或有风险的同时获得融资优势。无论结果如何，资本结构都将成为半导体竞争的一部分。

25% 的底线无法消除淘汰或债务风险

这一托底机制可以缓和损失，却无法让低利用率、脆弱租户或老化硬件凭空消失。

残值难以估算，因为 AI 加速器并不会按照平滑且有保证的曲线折旧。其经济价值取决于客户愿意为其输出支付多少费用。

上一代 GPU 可能仍适用于推理、微调、科学计算或企业工作负载。推理是指运行已训练模型以生成答案或预测的过程。

这种再利用可以延长资产产生收入的寿命，但并不能保证租赁收入足以覆盖电力、维护、网络和债务成本。

新芯片可以减少完成相同工作负载所需的能源或时间。即便旧 GPU 在技术上仍可正常使用，效率更高的新一代产品也可能压低旧设备的租赁价格。

软件兼容性可能会放缓这种下滑。Nvidia 已安装的开发者基础和成熟工具，使其系统更容易在不同应用之间重新部署。

出口限制则可能产生相反效果。它们可能限制可吸收二手设备的客户或地区。

物理限制同样重要。一些较新的系统需要更高的机架密度、液冷和不同的电气设计。旧设施若要支持这些系统，可能需要进行大规模升级。

贷款方在接受 GPU 作为抵押品之前，必须对所有这些变量进行建模。Nvidia 的 25% 支持只覆盖了部分下行风险。

设想一个简化项目：由于客户使用的容量低于预期，运营收入下降。GPU 可能仍保有一定转售价值，但项目在任何残值保护真正发挥作用之前，仍可能无法偿还债务。

支持机制也可能附带条件。它可能要求获批的运营、维护、软件、部署地点或转售程序。

这些条款尚未公开披露。投资者不应将这一醒目的比例视为无条件的现金承诺。

信贷集中度带来另一项风险。一个项目在融资层面看似多元化，却可能在大部分收入上依赖一家大型 AI 实验室。

如果该客户延迟部署或重新协商容量，贷款方、运营商、供应商和电力提供商都可能遭受同样冲击。金融工程无法创造终端用户需求。

这也是分析师持续关注循环融资的原因。对循环融资的担忧并不只是指控资金在关联方之间流动。

更深层的担忧是相关性风险暴露。Nvidia、其客户、基础设施开发商和贷款方可能都依赖于同样的增长假设。

黄仁勋否认 Nvidia 的投资会使 AI 需求形成循环。他认为，其资金支持只占客户最终所需资本的一小部分。

新的合作关系通过将外部机构纳入项目选择过程，强化了这一辩护，但并未解决这一问题。

外部资本仍可能犯错，尤其是在投资者争相进入热门资产类别时。知名机构的参与既不会降低技术不确定性，也不会消除过度杠杆的可能性。

Broadcom 的交易也表明，大型融资结构可以围绕已承诺的锚定客户形成。这使得租户质量和合同设计与芯片品牌同等重要。

如果 Nvidia 在支持残值的同时，还投资于租户或从同一运营商购买服务，其处境将变得更加复杂。每一项关联都可能有其合理性，但组合后的风险暴露需要透明度。

投资者需要了解 Nvidia 是否确认或有负债、收取费用或收入分成、控制再营销，或获得重新利用设备的权利。

他们还需要投资组合层面的信息。对一个经过谨慎筛选的项目作出 25% 承诺或许是可控的。

但在行业下行期间，对相互关联的运营商反复作出承诺，可能形成规模更大的风险暴露。逐项目审查并不能自动防止投资组合集中度。

因此，关键考验并非 Nvidia 是否曾实际付款。设计良好的担保恰恰可能因为信心和审慎承保防止了损失而发挥作用。

考验在于，融资是否能支持产生持久现金流的资产，而无需供应商永久支持。在运营数据证明这一点之前，市场保持谨慎仍是理性的。

三个信号将表明黄仁勋的押注是否奏效

合同、利用率和已披露风险敞口将决定 AI 算力会成为基础设施，还是仍是一场高杠杆技术押注。

第一个信号是首批获得资金项目的结构。投资者应关注具名客户、已承诺容量、合同期限、股权出资和债务摊还。

由信誉良好的客户通过长期、可执行合同支持的项目，将印证 Nvidia 的论点。这将表明贷款方融资的是已签约需求，而非投机性建设。

相反的结构则会削弱这一论点。高杠杆、有限的客户承诺和乐观的转售假设，会表明 Nvidia 的支持所承担的分量比公告暗示的更大。

第二个信号是设施开始运营后的实际利用率。运营商需要持续的客户活动，而不只是预订或不具约束力的需求预测。

利用率应转化为现金回款和充足的偿债覆盖率。即使 GPU 保持繁忙，租赁价格下跌也可能削弱项目。

开发商和企业买家应关注可用容量和合同定价。若容量激增同时费率大幅走弱，可能表明供给正在超过有利可图的需求。

旧系统和新系统之间的定价稳定，将支持残值论点。这将表明 AI 工作负载能够吸收多代硬件，而不是在下一轮升级周期中淘汰每一代设备。

第三个信号是 Nvidia 的财务披露。投资者应关注未来文件中有关担保、赔偿、承诺、收入分成安排以及受支持项目集中度的内容。

清晰披露将帮助市场区分有限的商业工具与广泛转移客户信贷风险之间的差异，也将显示 Nvidia 如何核算潜在义务。

若承诺迅速增加却没有相应透明度，循环融资担忧将加剧。这可能使芯片收入看起来更依赖于用于购买这些芯片的资本。

读者还应将 Nvidia 的做法与竞争平台进行比较。Broadcom 的融资模式、超大规模云服务商支持的项目以及私募信贷结构，均提供了有用的基准。

重要的比较并非公布数字最大的是哪一种模式，而是哪一种模式能以客户可由经常性收入支持的成本，提供可靠算力。

对开发者而言，结果会影响获取能力。更多机构融资可以扩大可用 GPU 容量，并降低只有最大型科技公司才能负担先进系统的风险。

对企业买家而言，这可能影响合同灵活性和服务商的稳定性。如果一家高杠杆运营商无法在经济下行期维持服务，廉价算力也没有太大价值。

对知识工作者和 AI 产品用户而言，影响会通过产品可用性和运营限制显现。基础设施的经济性决定了推理成本、模型访问权限，以及服务商补贴使用的力度。

Nvidia 正试图将对 token 的需求转化为可融资的基础设施收入来源。其 25% 的残值机制，为这一论点赋予了具体的金融形式。

这也让公司必须在一定程度上为自己承诺的持久性负责。这正是黄仁勋最新举措的真正反转之处。

在 AI 热潮的第一阶段，Nvidia 销售的是稀缺组件。进入下一阶段后，它开始帮助为购买这些组件的系统提供融资。

如果独立投资者为纪律严明的项目提供资金，而这些项目的客户能够产生持久收入，这一战略就会成功。如果融资必须不断扩张，才能支撑先前的融资，这一战略就会被削弱。

关注首批合同，然后是利用率数据，最后是 Nvidia 累积的承诺。这些信号将揭示，华尔街究竟发现了一类可持续的 AI 资产，还是仅仅找到了为技术风险融资的新方式。