5000亿美元，黄仁勋要搞个大的

黄仁勋，放个大招！引发全球资本圈和科技圈的关注。

一块GPU，正在同时进入两张资产负债表。在英伟达的报表里，它是高毛利芯片；在华尔街眼里，它开始变成能够产生长期现金流、可以抵押、分层融资，甚至被证券化的基础设施资产。

近日，英伟达宣布与阿波罗、贝莱德、黑石、布鲁克菲尔德资产管理、高盛和KKR签署合作备忘录，计划建立一批“算力融资平台”，未来几年撬动超过5000亿美元第三方资本，为AI数据中心和算力采购提供融资。

黄仁勋称，英伟达可选择为潜在交易提供最多1250亿美元的兜底支持，约相当于交易规模的25%。

先把最容易被误读的地方说清楚。5000亿美元是目标规模，不是已经募集完成的基金；1250亿美元是英伟达拥有的选择权，也不是今天就要掏出的现金。各机构分别承诺多少、资金何时落地、担保覆盖哪些风险，目前都没有公布。

但即使如此，这件事仍值得重视。英伟达出售的已经不只是GPU，而是开始替客户解决“买不起GPU”的问题。

英伟达为什么亲自下场做融资？英伟达的商业动机并不复杂。AI芯片需求很旺，可客户的现金流未必跟得上算力扩张速度。

一座AI工厂要同时投入GPU、网络、存储、土地、电力、冷却和运维，投资周期很长。大型云厂商可以凭借强大资产负债表融资，AI初创公司、主权算力项目、中型云厂商和传统企业却容易卡在资本金、利率与担保条件上。

英伟达把华尔街拉进来，等于给需求端装上一台金融增压器。客户不用一次性吞下全部资本开支，可以按租赁、算力使用量或长期服务合同付费；金融机构获得长期收益资产；英伟达则把潜在订单转化为更确定的交付。

这也是一次非常聪明的资产负债表选择。英伟达2026财年营收2159亿美元，同比增长65%；数据中心收入1937亿美元，同比增长68%；净利润1201亿美元，同比增长65%。第四财季毛利率达到75.0%。

这家公司的现金能力很强，但它没有选择独自承担5000亿美元扩张，而是用品牌、技术标准、客户网络和有限兜底撬动第三方资金。

说得更直白一些，英伟达既想当“卖铲人”，也想参与修路，但不准备把整条路都记在自己的账

这个平台到底怎样运作？

目前官方没有披露完整交易文件，因此不能把媒体所说的“算力资产证券化”直接理解为已经发行了5000亿美元ABS。更准确的说法是，这批平台将为算力资产证券化铺路。

根据公开查询到的信息，笔者推测，可能的基本结构是，六家机构募集养老金、保险资金、主权资本和私人信贷资金，设立专门资本池或项目公司。项目公司建设AI数据中心，采购英伟达GPU及网络系统，再通过长期租约、最低用量承诺或按使用量付费，把算力交付给AI实验室、企业、政府和云服务商。

项目形成稳定现金流后，可以使用项目贷款、设备融资、私募信贷或基础设施基金继续融资。等到资产规模、出租率和合同期限达到条件，再把一组现金流相近的项目打包，发行资产支持证券或其他结构化产品。

一条完整链条由此出现：算力设备变成项目资产，客户合同变成未来现金流，未来现金流变成信用，信用再变成可交易的金融产品。

对融资客户而言，合作方式可能有三类。第一类是租赁GPU集群，减少前期现金压力；第二类是锁定多年算力，由项目公司承担建设；第三类是联合建设，客户投入部分资本金，金融机构提供债务和夹层资金。

真正决定融资成本的，不只是芯片值多少钱，而是谁承诺使用、合同签几年、最低付款多少、设备迭代多快，以及电力是否已经锁定。华尔街买的不是GPU本身，而是GPU背后的可预测现金流。

价值何在？

这套模式最大的价值，是降低AI基础设施对少数科技巨头资产负债表的依赖。路透社援引市场预测称，2026年大型科技公司的相关支出合计将超过7300亿美元。

摩根士丹利预计，超大规模云厂商2026至2028年AI基础设施支出可能达到3.5万亿美元。仅靠企业自有现金显然不够，养老金、保险资金和私人信贷进入只是时间问题。

算力证券化还可能降低中小客户门槛。过去只有巨头能建设万卡集群，未来更多企业可以直接购买“可用算力”，不必购买整套设备。AI产业的竞争重点会从“谁买到GPU”逐渐转向“谁能持续提高利用率、推理效率和客户付费”。

不过，算力不是写字楼。写字楼可以使用几十年，GPU三四年就可能面临明显的性能代差；数据中心能够更换设备，但电力、网络和冷却系统未必适配下一代产品。资产折旧若过于乐观，证券化产品的信用基础就会被高估。

风险是客户集中。许多AI项目依赖少数头部模型公司或云客户，一旦合同续约不及预期，所谓稳定现金流可能迅速松动。

是循环融资。芯片供应商为客户融资，客户拿钱购买芯片，芯片销售又证明市场需求旺盛。如果最终AI应用收入不能覆盖利息、折旧和电费，金融工具只能推迟问题，不能消灭问题。

还有一个更硬的约束是电力。高盛研究预计，全球数据中心电力需求到2030年可能比2023年增长165%，并认为到2030年电网投资需求约7200亿美元。

钱可以很快募集，输电线路、变压器和电站却无法一夜建成。未来最稀缺的可能不是资本，也不是GPU，而是能够稳定并网的电力。

对全球AI产业意味什么？

第一，AI竞争正式进入“科技加金融加能源”的复合赛道。单纯比较芯片性能已经不够，谁能组织长期资本、取得电力并保持高利用率，谁才有能力建设下一代AI工厂。

第二，英伟达的护城河从CUDA和芯片延伸到融资网络。客户选择英伟达，不仅得到硬件和软件生态，还可能获得更低成本的资本。技术标准一旦与融资标准绑定，后来者要突破的就不只是产品性能，还有整个资本生态。

第三，AI基础设施会出现新的资产管理类别。黑石、KKR、阿波罗等机构擅长基础设施、私人信贷和结构化融资，它们加入后，算力项目的估值、抵押率、折旧率、租约期限和压力测试会逐渐标准化。

未来投资者看到的可能不只是数据中心REITs，还有以算力合同为底层资产的信用产品。

第四，全球算力建设可能进一步分层。美国凭借芯片、资本市场和能源项目融资能力，能够把产业优势组合起来。

其他国家若只补贴买卡，却缺少长期资金、电力配套和客户合同，项目很容易变成低利用率的昂贵机房。

深度点评

这场合作不是英伟达突然转型成银行，而是AI产业发展到一个新阶段后的必然结果。

第一阶段靠技术叙事，资本相信大模型会改变世界。第二阶段靠巨头资本开支，微软、谷歌、Meta等公司把真金白银投入数据中心。

现在进入第三阶段，建设规模大到单靠科技公司自有资金已经不够，必须把长期现金流包装成金融资产，交给全球资本市场定价。

这是一件积极的事。金融的本质之一，就是把未来收入提前变成今天的建设能力。没有项目融资，就不会有今天的大量机场、高速公路和新能源电站。AI算力要成为真正的基础设施，也迟早要走同一条路。

但资本可以放大效率，也会放大错误。最危险的不是使用杠杆，而是把技术迭代很快、客户集中度很高的设备，误当成永不贬值的不动产。

因此，判断这5000亿美元计划能否成功，不能只看募资数字，要看四个指标：算力利用率是否稳定，长期合同是否足够扎实，AI应用收入能否覆盖资本成本，以及下一代芯片是否会让旧设备加速折旧。

英伟达真正高明的地方，在于它没有仅仅等待需求发生，而是开始设计产生需求的金融管道。过去它定义GPU和软件生态，现在又尝试定义算力资产的融资方式。

如果这条管道跑通，英伟达卖出的将不只是更多芯片，而是一整套由技术标准、客户订单、长期资本和基础设施现金流组成的产业规则。

这才是5000亿美元背后，最值得华尔街和全球科技产业认真对待的变化。

本文来自微信公众号“投行圈子”，作者：投行大师姐，36氪经授权发布。