作者 | 山竹
出品 | 锌产业
英伟达与OpenAI之间，早已不只是一手交钱、一手交芯片的买卖。
据The Information报道，英伟达正在洽谈向软银旗下基础设施开发商SB Energy投资最多30亿美元。这笔投资属于OpenAI俄亥俄州大型数据中心交易的一部分，英伟达还在与OpenAI、SB Energy讨论，为该项目提供约1000亿美元的信用支持。
需要分清的是，30亿美元是英伟达可能投入SB Energy的股权资金，1000亿美元则是为项目融资提供的信用支持，至于整个俄亥俄州园区，如果规划中的10吉瓦容量全部落地，按照当前芯片、能源、人工和建筑成本估算，投入可能达到至少5000亿美元。
从30亿美元股权投资，到1000亿美元信用背书，再到潜在的数千亿美元芯片采购，英伟达正从OpenAI的硬件供应商，变成其算力扩张计划中的投资人、担保人和利益绑定者。
01 30亿美元，只是入场券
按照目前讨论的方案，英伟达可能在俄亥俄州项目签约时投入约15亿美元，另外15亿美元则可能在SB Energy计划中的首次公开募股阶段投入。
The Information称，SB Energy最快可能在近期启动上市，并寻求至少50亿美元融资。
SB Energy之所以成为这笔交易的关键节点，与其角色变化有关。
这家公司成立于2019年，原本以大型可再生能源项目为主要业务，随着训练和运行大模型对电力、土地及数据中心容量的需求快速上升，SB Energy开始向“能源加数据中心”一体化开发商转型。
今年1月，OpenAI与软银已经分别向SB Energy投资5亿美元，合计投资10亿美元。OpenAI同时签署了一份1.2吉瓦的数据中心租约，选定SB Energy建设和运营位于得克萨斯州米拉姆县的数据中心，Ares还向SB Energy提供了8亿美元可赎回优先股资金。
这意味着英伟达此次拟议中的30亿美元投资，并非一笔孤立交易。
OpenAI提供长期算力需求，软银负责资金和资源组织，SB Energy解决土地、电力及园区建设，英伟达则提供GPU、网络设备以及可能的资本支持。
俄亥俄州项目将这个合作模式推向了更大规模。
据此前报道，SB Energy正在美国能源部拥有的俄亥俄州南部土地上开发一个10吉瓦数据中心园区，OpenAI正在讨论租用该园区，英伟达的硬件则有望成为其主要算力基础，若全部建成，其用电规模和建设成本都将远超目前多数AI数据中心。
30亿美元因此更像一张入场券：
它既能让英伟达获得SB Energy的股权，也能帮助这家开发商补充资本，为更大规模的债务融资创造条件。
02 从卖GPU到替客户增信
真正值得关注的并不是30亿美元本身，而是英伟达准备在交易中承担的新角色。
对于传统芯片公司而言，收入通常在芯片交付后实现，客户如何筹钱建设数据中心，原则上不属于供应商需要解决的问题。但在生成式AI竞赛中，算力项目的规模已经大到很难依靠单一公司的现金流支撑。
OpenAI需要更多计算资源，却仍是一家未上市公司，也没有投资级信用评级。SB Energy可以建设园区和配套电力设施，但需要从银行、私募信贷基金及其他投资机构筹措大量资金。如果融资方只依靠OpenAI的长期租约判断项目风险，融资成本可能相当高。
英伟达的资产负债表由此成为关键筹码。
此前的方案一度涉及约2500亿美元融资担保，最新报道显示，相关安排已经缩减至约1000亿美元信用支持。这种调整说明，英伟达愿意帮助项目融资，但也在控制自己承担的风险。
信用支持不等于直接投资，更可能的模式是：
当SB Energy为园区建设筹集债务资金时，英伟达为OpenAI的租约或项目未来融资提供某种形式的背书，降低贷款机构对项目违约的担忧。
只要项目正常运行，英伟达未必需要实际支付这些资金；一旦OpenAI无法履行租赁承诺，风险才可能传导至英伟达。
对英伟达而言，这样做有一套清晰的商业逻辑。
大型数据中心建不起来，OpenAI就无法采购和部署更多GPU；
没有足够的GPU，OpenAI也难以扩展模型训练和推理服务。
英伟达利用资本和信用推动项目落地，最终可能扩大其芯片、服务器系统和网络设备的销售规模。
这相当于从产业链后端反过来培育需求：不仅销售“铲子”，还帮助矿场获得土地、电力和建设资金。
英伟达近年来已经频繁投资云计算公司、模型企业和AI基础设施项目，此次潜在交易的特殊之处，在于风险敞口可能远高于普通股权投资。
30亿美元投入即使发生损失，金额相对明确，约1000亿美元信用支持可能带来的或有负债，则取决于项目结构、OpenAI的履约能力以及数据中心建成后的利用率。
英伟达不再只是押注某一家公司的估值上涨，而是在押注整个AI算力需求能够长期兑现。
03 算力飞轮，也是风险闭环
OpenAI、软银、SB Energy和英伟达正在组成一个相互依赖的AI基础设施闭环：
OpenAI需要算力，但自身很难独立承担超大规模数据中心的建设成本；
软银希望围绕OpenAI建立从芯片、能源到数据中心的产业版图；
SB Energy需要稳定租户和外部融资；
英伟达则需要客户持续采购GPU。
在理想情况下，这个闭环可以形成飞轮：英伟达的投资和信用降低项目融资成本，SB Energy加快建设数据中心，OpenAI获得更多算力并推出更强的模型，模型需求增长又带来新一轮GPU采购。
问题在于，每一环都建立在下一环能够兑现的基础上：
如果OpenAI收入增长不足以覆盖长期算力支出，租约的信用质量就会下降；
如果SB Energy融资或施工进度不及预期，OpenAI无法按时获得算力；
如果数据中心利用率低于预期，项目现金流可能不足以偿还债务；
而一旦英伟达为租约或融资提供担保，其风险就不再局限于芯片销售回款。
这也是市场反复讨论“循环融资”的原因：
英伟达投资或支持自己的客户，客户再使用这些资金建设数据中心并购买英伟达产品。
短期看，资金与订单彼此强化，长期看，如果终端AI需求不能支撑整个链条，风险也会沿着同一条路径反向传导。
AI数据中心确实面临真实的土地、电力、建设周期和融资约束，而英伟达有动力帮助客户解决这些瓶颈，关键问题不在于产业链企业能否互相投资，而在于资金结构是否透明，以及最终需求能否产生足够的现金流。
如今一个强烈的信号是，AI竞争的战场正在从芯片性能和模型能力，向资本成本、能源供应和基础设施融资延伸。
为了让OpenAI获得更多算力，英伟达不但要造出更快的GPU，还要帮开发商找钱、帮租户增信，并说服资本市场相信这些数千亿美元的数据中心最终能够坐满服务器。
这一次，英伟达确实为OpenAI操碎了心。
热门跟贴