NVIDIA 的 GPU 融资布局让芯片寿命成为华尔街最大的 AI 赌注

尽管单块 GPU 能够保值多久仍存悬念，NVIDIA 已联手六家金融巨头，计划为 AI 基础设施动员超过 5000 亿美元资金。

该公司于 2026 年 8 月 10 日宣布了这些合作关系。Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 签署了备忘录，旨在为 NVIDIA 客户设立专项资金池。

这一计划将一个长期存在的技术问题转化为金融问题。买家不再只需相信 NVIDIA 芯片会持续有用；贷方还必须相信，这些芯片能够在多年期融资协议中支撑收入与抵押品价值。

这一假设正处于外界对 AI 循环融资担忧加剧的核心。NVIDIA 销售芯片、支持购买芯片的客户，如今还帮助将这些客户与长期资本连接起来。在部分特定情况下，它还可能为融资资产的一部分残值提供支持。

NVIDIA 认为，其软件、客户基础和工作负载灵活性能够延长硬件的有效使用寿命。批评者则认为，一家供应商正在帮助为自家产品的需求融资，同时承担其部分未来价值的责任。

这两种解读都未能完全概括发生的变化。NVIDIA 正试图让算力容量表现得更像基础设施，而非普通技术设备。

这一努力为较小型 AI 云服务商提供了另一种与 Amazon、Microsoft、Alphabet 以及其他可凭自身资产负债表为数据中心融资的公司竞争的方式。但它也让贷方和机构投资者暴露于这样一类硬件风险中：只要更快的架构问世，其经济性就可能发生变化。

因此，决定性问题并非一块 NVIDIA GPU 在五六年后是否仍能运转，而是该芯片能否在此期间以足够高的利用率创造足够收入，从而履行融资义务。

NVIDIA 希望华尔街为 AI 算力融资

NVIDIA 正围绕其已部署设备建立融资体系，而不仅仅是安排新一轮数据中心投资。

该公司的融资公告描述了若干独立平台，计划逐步动员超过 5000 亿美元资金。这些协议仍有待签署最终合同，因此该公告是一个框架，而非已经完成的基金。

在这一框架下，金融机构将为使用 NVIDIA 设备的项目设立规模可观的资金池。各家公司仍将独立评估机会，并决定是否参与。

NVIDIA 将其算力称为可投资资产。该公司表示，这些设备拥有较长的有效使用寿命、广泛的工作负载支持能力，以及通过其运行加速应用的软件平台 CUDA 触达的大量潜在用户。

这比宣称 AI 芯片需求依然旺盛更进一步。可投资资产必须能够产生可评估、可融资、可转让的现金流，并能在借款人违约时得到处置和回收。

这一区别解释了为何残值如此重要。残值是指一项资产在部分使用寿命过去后预期仍具有的价值。它会影响贷方可放贷的额度，以及违约后可能收回的金额。

据有关该结构的报道，NVIDIA 可能为单个项目机会提供最高覆盖 25% 的残值支持。这种支持将针对每个项目单独考虑，而非自动适用。

有关法律形式、触发事件、定价以及最大累计风险敞口的细节尚未公布。回购承诺、担保和有限信用支持之间的差异，可能实质性改变由谁承担损失。

这项新举措延续了 NVIDIA 在 7 月推出的早期模式。该计划将芯片销售与参与 AI 云运营商的收入分成和信用支持挂钩。

NVIDIA 表示，Sharon AI 和 Firmus 是首批参与的公司。Sharon AI 计划部署最多 40,000 台 Grace Blackwell GB300。Firmus 则介绍了一座园区，其设计目标是达到 360 兆瓦，并支持最多 170,000 台设备。

这些项目展示了融资难题。云运营商必须在设备开始创造收入前，落实场地、电力、冷却、网络和客户。即使拥有可信的客户承诺，也未必能为完整建设项目获得足够的传统融资。

NVIDIA 提出的解决方案，是让多方围绕同一份算力容量协调一致。云运营商运行基础设施，客户租用算力，资本提供方为项目融资，而 NVIDIA 提供平台。

NVIDIA 可获得产品收入，并在某些安排中分享云业务收入。投资者则可获得已签约算力需求的敞口，而无需自行运营设施。

这一模式具有吸引力，因为它将一笔大额前期采购转化为由客户使用量支持的一系列偿付义务。但它也将系统最核心的不确定性集中在一个地方：NVIDIA 设备未来的经济性。

为什么 NVIDIA GPU 的有效使用寿命如今关系到信贷市场

芯片的技术寿命只是起点，因为贷方更关注其经济效用、租赁费率和可回收价值。

一台服务器在客户不再愿意为其支付高溢价费率后，仍可能继续运行很长时间。这一区别将物理寿命与经济寿命区分开来。

物理寿命衡量设备还能正常运行多久。经济寿命衡量其收入能够覆盖运营、融资和机会成本多久。

这一差异之所以变得重要，是因为 AI 基础设施贷款的期限可长达数年。在此期间，NVIDIA 可能推出多代架构，在性能、内存、网络和能效方面更为出色。

因此，借款人面临两套时钟。债务偿付遵循协商确定的时间表，而芯片竞争力则遵循独立的产品周期。

CoreWeave 是一个有代表性的例子。该公司运营大型 GPU 集群，并利用已签约客户需求为基础设施融资。其申报文件显示，截至 2025 年底，已承诺合同的加权平均期限约为五年。

2026 年 5 月，CoreWeave 完成了一笔 31 亿美元的延迟提取定期贷款。该融资工具的到期期限约为五年半。

该公司表示，这一结构使资金安排与部署进度及底层基础设施的有效使用寿命相匹配。贷款披露文件还称，该交易支持了两份客户合同。

这些合同与硬件同样重要。分配给信用良好客户、并受不可取消协议约束的 GPU，与面临现货市场需求的同类芯片相比，构成的放贷风险不同。

CoreWeave 的交易吸引了足够多的兴趣，以至于其在银团组建期间改善了借款条件。此前该公司还获得过一笔 85 亿美元的融资工具，这表明机构市场已经接受某些形式的 AI 基础设施信贷。

然而，获得接受并不能结束关于有效使用寿命的争论。它只表明，贷方愿意为客户、资产和现金流均获明确界定的精心设计项目提供融资。

当新设备供应紧张时，较旧的 GPU 仍可能在经济上保持实用。它也可以用于推理、微调、图形处理、模拟，或无需最高性能的较小模型。

推理是指运行已训练模型以生成输出的过程。与前沿训练不同，许多推理任务更看重可预测的成本和可用性，而非最新的加速器。

软件同样能够延长使用价值。CUDA 支持、优化库和开发者的广泛熟悉度，降低了将旧硬件分配给新工作负载时的摩擦。

NVIDIA 强调这种软件效应。首席执行官 Jensen Huang 表示，CUDA 的持续改进能够延长有效使用寿命，并随着时间推移改善设备经济性。

但这仍是公司的主张，并非对每种型号的保证结果。软件改进无法消除内存容量、互连速度、能效或支持的数据格式之间的差异。

不过，设施限制仍可能保护旧设备免于被立即替换。新的高密度系统可能需要液冷，并且每个机架所需电力远高于现有建筑能够提供的水平。

运营商可能会继续使用旧的风冷系统，因为设施若要容纳新型机架，就需要进行昂贵的改造。在这种情况下，建筑设施为老化硬件提供了受保护的角色。

需求同样重要。即使性能落后于新一代产品，只要利用率足够高，旧芯片仍能保有可观的盈利能力。

关键指标并不只是设备年限。贷方需要追踪利用率、实际租赁费率、客户质量、运营费用以及迁移工作负载的成本。

这些变量可能朝相反方向变化。强劲的 AI 采用率可以推高需求，而模型效率的提升会减少每项任务所需的算力。新应用可以吸收节省下来的算力，但这种反应并不会自动发生。

NVIDIA 的融资模式要求资本市场为这些因素的综合作用提供承保。它假设软件、工作负载多样性、有限的电力供应和不断扩大的 AI 使用，将维持足够的现金流。

与其声称每块老化芯片都能保持原始价值，这是一项更站得住脚的主张。但在市场完成一个完整的折旧周期之前，它也更难得到验证。

真正的对手是产品周期与债务周期

NVIDIA 面临的主要冲突并非来自另一家芯片制造商，而是硬件快速迭代与长期融资之间的不匹配。

AI 加速器的进步速度很快，因为制造商能够结合新的硅片、内存、互连、封装和软件。每一代产品都可能降低产出有用结果所需的计算成本。

信贷市场的节奏则不同。投资者更青睐稳定的假设、合同化现金流、可预测的摊销和可回收的抵押品。

一种飞机机型可以凭借成熟的维护实践和广泛的转售市场服役数十年。GPU 作为融资基础设施的历史较短，标准化估值方法较少，其性能曲线还受到软件影响。

NVIDIA 希望通过将算力容量呈现为可转让、可互换的资源来缩小这一差距。可互换性意味着，在定义明确的服务范围内，一个单位可以替代另一个单位。

这一主张在服务层面最为成立。客户可能关心的是获得特定规模的推理容量，而不是拥有某一特定处理器。

但在资产层面，这一逻辑并不那么顺畅。不同架构并不总能相互替代，往往需要调整软件、网络、内存分配或性能目标。

贷方在违约后接管设备时，必须面对这一差异。要让抵押品重新创造收入，它需要运营商、合适的设施、兼容的软件、客户和电力供应。

单靠芯片本身无法产生现金流。真正产生现金流的是围绕它建立的整套运营体系。

这正是 NVIDIA 的生态系统论点为何重要。CUDA、云合作伙伴、开发者以及广泛的客户基础，能够让部署转移比孤立硬件更容易。

同一生态系统也引发了循环性担忧。当客户获得融资、购买更多设备并扩大基于 CUDA 服务的市场时，NVIDIA 都会从中受益。

公司随后可利用其财务实力和市场地位支持更多产能。更高的已部署产能会鼓励开发者继续面向其平台开发，从而强化未来需求。

循环结构并不必然意味着欺诈或不稳定。长期以来，设备制造商一直在航空、汽车、电信和工业机械领域支持客户融资。

风险取决于透明度、承销纪律、客户需求和损失分担。一旦融资取代外部需求，而不是促成外部需求，这一循环就会变得危险。

在繁荣期，这一区别很难观察。新项目带来采购，采购带来产能，而产能会在最终用户的经济效益明朗之前形成已报告收入。

如果循环中的多个环节都依赖同一项假设，担忧就会更加突出。一家 AI 云服务商可能依赖一个大客户，为设备提供多年期融资，并押注未来的高利用率。

该客户也可能依赖持续融资来支付算力费用。NVIDIA 可能对产业链其他环节参与的企业进行投资或提供支持。

没有任何单一关系能够证明需求是人为制造的。但这些关系叠加后，可能使整个行业对融资放缓更加敏感。

Axios 的一篇报道指出，UBS Global Wealth Management 的分析师认为，这一战略进一步引发了供应商协助为自身产品采购融资的疑问。这项融资分析也提出了相反观点：较小的运营商需要帮助，才能与超大规模云服务商竞争。

这种竞争效应确实存在。Amazon、Alphabet、Meta、Microsoft 和 Oracle 无需将单个加速器作为抵押品，便能投入巨额资金。

它们还可以开发定制处理器。Google 拥有 TPU，Amazon 提供 Trainium 和 Inferentia，Microsoft 也已推出自己的 AI 加速器。

在这些替代方案逐渐成熟期间，NVIDIA 的融资计划能够让独立云服务商和模型公司留在其平台内。Cantor Fitzgerald 分析师 CJ Muse 将这种激励称为另一道竞争护城河。

因此，这项战略捍卫的不只是当前销售额。它扩大了有能力选择 NVIDIA 硬件的买家群体，并缩小了这些买家相对于超大规模云服务商的融资劣势。

不过，核心对手依然是时间。NVIDIA 会按照技术路线图发布新系统，而贷款方则需要旧系统在下一代架构推出后继续产生收入。

如果这些时间线能够并存，融资市场便可增长。若二者背离，残值支持可能将损失转移给 NVIDIA、其合作伙伴或购买相关信贷产品的机构。

GPU 抵押品叙事无法证明什么

对融资 AI 产能的强劲需求，并不能证明每一块 GPU 都能在经济下行期间保留足够价值来保护贷款方。

第一个不确定性是合同质量。如果客户缺乏履约资源，长期合同提供的保护也很有限。

CoreWeave 的 5 月融资安排所支持的基础设施服务于两家大型客户，而该公司将这两家客户描述为非投资级。该交易仍吸引了机构需求，但其信用状况使交易结构和抵押品尤为重要。

投资者必须了解，付款义务是依赖母公司、项目实体，还是最终用户。他们还必须知道，当建设延期，或设备先于电力供应到位时会发生什么。

从接入电力到开始运营所需的时间，可能在系统开始服务客户前就侵蚀回报。硬件可能在等待变电站、变压器、冷却设施或监管批准期间老化。

第二个不确定性是利用率。已部署的加速器在技术上可以支持工作负载，但如果闲置时间足够长，仍可能无法达到贷款的收入假设。

现货租赁价格无法反映全貌，因为运营商会采用预订、定制合同和捆绑服务。不过，市场价格下跌仍可能表明稀缺性正在减弱，或旧设备正面临压力。

JPMorgan 的 2026 年市场展望称，部分加速器的小时租赁费率在此前一年中有所下降。价格压缩并不会让硬件失去价值，但会减少可用于支付利息、电力和折旧的利润空间。

第三个不确定性是效率。更好的模型、量化技术和专用芯片，都可能减少实现相同结果所需的算力。

较低成本可能会提高总使用量，这一模式通常被称为诱发需求。但贷款方不能假定，每一项效率提升都会立即带来足够的新需求，以保护所有已部署产能。

第四个不确定性是客户集中度。一家新型云服务商即使看似利用率很高，也可能高度依赖一两个买家。

一份流失的合同可能会向市场释放大批设备。若多家运营商同时面临同样问题，转售和租赁价格可能恰好在贷款方需要回收抵押品时下跌。

第五个不确定性涉及残值支持本身。NVIDIA 尚未披露覆盖每个融资项目的标准化承诺。

该公司表示，拟议中的金融平台仍有待最终协议落实。任何支持都将逐个项目评估。

因此，读者不应将 25% 这一数字视为 NVIDIA 硬件价值的普遍底线。最终合同可能包含条件、限制、排除条款或性能要求，从而实质性缩小保护范围。

对于大型困境集群的估值，也尚无成熟的公开基准。单个加速器无法像流动性证券那样评估。

其价值取决于网络、地点、冷却、电力、软件、维护，以及买家是否能够使用整套设施。拆除设备可能增加成本并带来运营风险。

NVIDIA 的合作伙伴拥有基础设施、保险、私募信贷和资产管理方面的经验。这些专业能力可以改善承销，但无法消除技术风险。

据报道，这六家机构将独立评估机会。这种分离很重要，因为它能够防止 NVIDIA 独自决定哪些项目值得获得资金。

这也意味着公布的总额并非已承诺支出。超过 5,000 亿美元代表的是随着时间推移为潜在机会调动资金的目标。

最终投资将取决于实际项目、客户、文件和市场状况。将这一头条金额视为已可动用的现金，会夸大这项公告的意义。

相关的历史警示并不是每个证券化市场都会失败，而是当投资者需求超过审慎分析时，标准化打包可能掩盖底层资产之间的差异。

AI 算力尤其难以标准化。使用相同处理器的两座设施，可能因电力成本、软件、可靠性和客户合同不同而产生不同回报。

投资者需要项目层面的证据，而不是关于行业整体使用寿命的假设。六年的会计折旧期本身无法证明六年的经济寿命。

折旧是一项会计估计，用于将资产成本在一段时间内分摊。它并不保证转售价值或现金创造能力。

CoreWeave 在其监管文件中承认了多项相关不确定性，包括电力可用性、组件限制、融资渠道以及客户需求变化。

这些披露并不表明其融资模式不健全。它们识别出了贷款方必须进行压力测试的变量。

支持更长经济寿命的最强证据，将来自较早设备集群以盈利费率续签合同。最弱的证据，则会是主要依靠新资本持续融资购置硬件，却没有持久最终用户需求。

旧款 GPU 保持价值不止一条路径

NVIDIA 不需要让旧款 GPU 始终是速度最快的芯片。它需要这些芯片持续找到能带来利润的工作。

这种差异为融资战略提供了合理基础。计算市场本就同时使用多个世代的硬件。

前沿模型训练通常偏好最新系统，因为性能会影响开发时间和集群效率。生产环境中的推理则覆盖更广泛的需求。

为较小语言模型提供服务的公司，可能更重视可用性和稳定的软件。研究团队则可能为不值得使用高价硬件的实验选择旧产能。

渲染、科学计算、仿真、推荐系统和数据处理增加了更多潜在工作负载。这些应用可在前沿实验室迁移至更新系统后继续支撑需求。

电力可用性也可能使市场分层。已通电设施中的旧集群可立即开始工作，而新设施可能要等待数月才能获得基础设施支持。

这创造了选择权价值。客户可在等待新部署期间租用现有产能，运营商也能将要求较低的工作与旧设备匹配。

CoreWeave 表示，其平台支持训练、推理、微调、智能体开发和专用工作负载。其 2025 年年报披露，加权平均已承诺合同期限约为五年。

该公司还报告称，截至当年末其收入积压订单为 668 亿美元。积压订单代表已签约的未来收入，而非保证利润，但它为可观的远期需求提供了证据。

一份McKinsey 评估说明了为何新型云服务商的经济性仍对融资成本和利用率敏感。专业运营商能够快速交付产能，但较薄的运营缓冲空间使其容错余地有限。

这种权衡解释了 NVIDIA 为何希望建立更深厚的资本市场。成本更低、期限更长的资金可以让可行项目更易建设。

它也解释了为何必须保守衡量资产表现。如果承销假设了过高的利用率或残值，较低融资成本可能暂时掩盖疲弱的经济性。

CUDA 可能在此为 NVIDIA 带来优势。庞大的软件基础使客户能够更轻松地在不同世代芯片之间复用代码。

即使新产品不断推出，这种兼容性也能让旧设备保持相关性。开发者不必让每一种工作负载都立即迁移。

定制加速器则形成另一种模式。它们可为特定工作负载提供有吸引力的经济性，但往往拥有较窄的软件支持，或仍集中在单一云服务商内部。

NVIDIA 设备可以在更多运营商和客户之间流转。这种广度支持了该公司关于其算力可转移的说法。

但可转移性仍非毫无摩擦。迁移工作负载需要工程投入，而实体硬件仍受制于设施和网络设计。

因此，平衡的估值应区分三个层面。

首先，硅片具有技术性能特征。其次，周边平台决定客户能以多高效率使用它。第三，合同决定这种使用是否能产生可预测的现金流。

NVIDIA 在第二层最具优势，因为 CUDA 及其合作伙伴网络拓宽了可用工作负载的范围。其融资合作伙伴则旨在强化第三层。

第一层仍将持续快速变化。任何金融结构都无法阻止未来某种架构带来显著更优的经济效益。

如果工作负载增长和细分市场能够为每一代产品保留足够需求，这一模式便能成功。若更新的系统或效率更高的模型大幅削减客户愿意为旧容量支付的价格，这一模式便会失败。

对于企业买家而言，即使并未直接承担基础设施债务风险，这也至关重要。融资假设会影响云服务的可用性、合同期限，以及能够在需求回调中存续下来的供应商。

评估长期算力承诺的团队，应跟踪底层硬件代际和迁移条款，也应保留各供应商之间工作负载性能的记录。

可搜索的技术知识库可帮助团队比较部署说明、基准测试、合同和架构决策，而不必依赖记忆。

这些文档无法预测残值，但能揭示某项工作负载何时在旧容量上仍具经济性，以及迁移何时确实能够节省成本。

三个信号将检验 NVIDIA 的 GPU 融资论点

下一项检验并非又一次重大公告，而是最终合同、旧机群续约和项目现金流能否支撑 NVIDIA 的说法。

第一个信号，是 NVIDIA 与六家金融机构协议的最终形式。

8 月的公告由谅解备忘录构成。投资者需要看到已完成的协议，其中应明确项目筛选、损失分担、抵押品标准，以及任何残值支持安排。

最重要的细节包括最高风险敞口、触发事件、估值方法，以及 NVIDIA 在提供支持后的权利。广泛的担保会增强市场对融资资产的信心，同时也会提高 NVIDIA 自身的风险。

狭窄或附带严格条件的支持，则会让贷款方承担更多残值不确定性。这不会否定该平台，但可能限制融资规模，或使借款成本维持高位。

第二个信号，是旧一代加速器机群的表现。

续约比会计估算提供更有用的证据。投资者应关注：在客户获得更新系统后，A100 和 H100 容量披露的利用率、租赁费率、合同期限和运营利润率。

如果旧机群以稳定费率续约，NVIDIA 关于工作负载灵活性的主张将获得支持。若利用率只有在大幅降价后才能维持高位，这些芯片或许仍然有用，却未必能保有较强的抵押品价值。

两者的差别至关重要。贷款方需要的是现金生成能力，而不是服务器仍可运行的证明。

第三个信号，是融资项目现金流的质量。

新设施应披露足够信息，以区分已签约的终端用户需求与基于预期建设的容量。信用评级、客户集中度、完工里程碑和偿债覆盖率都将至关重要。

投资者还应关注项目能否按期投入运营。延迟获得电力或冷却能力，可能会在开始计费前消耗掉一个芯片代际最具价值的一段时期。

成功的融资平台将产出拥有多元化客户和透明收入的运营设施。较弱的版本则会在项目建立稳定利用率前，反复产生再融资需求。

NVIDIA 接下来的季度报告可能会进一步说明其总体承诺和风险敞口。公司的披露应显示，其支持是否仍然有限，还是会随着融资市场一同扩大。

六家金融合作伙伴同样有动力维持纪律。它们为保险公司、养老金体系、政府和其他期待长期回报的机构管理资本。

这种广泛分布可降低任何单一贷款方的集中度，但也可能将技术风险扩散至远离原始数据中心项目的投资组合中。

透明度必须随着分布范围扩大而提升。投资者需要了解，他们持有的风险敞口究竟来自设施、客户合同、NVIDIA 设备，还是三者叠加的组合。

8 月 10 日的公告改变了讨论的规模。AI 基础设施融资正在超越由专业贷款方和新云运营商参与的私下交易。

NVIDIA 希望全球资本将计算能力视为能够创造收益的基础设施。其金融合作伙伴愿意审视这一主张，但已公布的框架并未为此盖棺定论。

这一模式具备可信的运行机制。软件支持、多样化工作负载、受限的电力供应和不断增长的推理需求，都可能延长旧系统的盈利寿命。

它也存在明显弱点。技术周期可能在债务本金下降之前，就更快地削弱租赁经济性。

这使 GPU 的寿命成为连接 NVIDIA 产品路线图与华尔街对 AI 信贷胃纳的核心变量。

关注已完成的协议、旧机群的续约率，以及融资项目产生的现金流。这些信号将共同表明，NVIDIA 究竟创造了一项持久的基础设施资产，还是仅仅为下一轮硬件周期提供了融资。

如今，每一位买家、运营商和投资者面临的问题都很具体：当市场转向下一代 NVIDIA GPU 后，每一块现有 NVIDIA GPU 是否还能持续创造收益？