前不久，英伟达官宣了一件大事：联合六家顶级金融机构，打造一个5000亿美元的算力融资平台。
所谓算力融资平台，可以理解为一个授信池子，公司想买英伟达的GPU，但苦于囊中羞涩，可以来这借钱。
这5000亿美元，更准确的说法是平台所能调用的第三方资本规模，比美国《芯片法案》的527亿美元补贴还要多一个零，对当下猛拉资本开支的云厂商、新云公司来说，无异于雪中炭、及时雨。
上月四大云巨头公布二季报，亚马逊、谷歌自由现金流首次转负，Meta、微软同比下降91%、23%，传递了令人不安的信号：算力需求还在，但钱快花完了。
手头的现金不够花了，大手一挥：借。
截至2025年末，美国五大云服务商发行的债券规模达到1210亿美元，今年6月，谷歌一口气借了800亿美元，Meta、亚马逊第二季度也各自新增了几百亿的“长期债务”。
巨头融资借债手段灵活，不愁借不到钱。苦的是中小新云厂商，融资成本不菲，贷款利率可能超过10%。
新云厂商中的最出名的CoreWeave，2023年的一笔债务融资，有效年化率就高达15%。正愁下一轮资金来源，英伟达骑着白马就来了，还不是一个人来的。
站在英伟达身后的，是华尔街最强阵容——
阿波罗（最大私有信贷机构）、贝莱德（最大公募资管）、黑石（最大私募与不动产机构）、Brookfield（最大基础设施巨头）、高盛（顶尖投行）、KKR（并购巨头）。
除了群星璀璨的金融天团共襄盛举，根据官方说法，英伟达“可能会为项目提供最高可达25%的剩余价值支持机制”（a residual-value support mechanism for up to 25% of an opportunity）[1]。
什么意思？假设云厂商向借了1000万买英伟达GPU，到时候还不上钱，GPU也卖不到原价，英伟达承担25%。
借钱的口子就敞得更开，加上有金融天团做资产包装，小厂商们可以拿到更低的利率，用更低的成本，借更多的钱，买更多的GPU。
当然，目前签署的只是谅解备忘录，5000亿美元也只是个“意向”，有多少资金，有什么融资门槛都没公布。
但已经有人坐不住了。
财务游戏
最先开炮的是《福布斯》杂志，英伟达公告发出来不到一天，《福布斯》写了篇5000多字长文，直指算力融资的合理性。
核心争议在于，GPU有没有资格作为长期贷款的抵押物[2]。
《福布斯》认为，与收费高速、电网等基建不同，GPU迭代快，折旧周期短，英伟达GPU的迭代周期实际上已经被压缩到了12个月，一颗GPU的黄金盈利期可能只有3年，而贷款期限往往长达5年。
房子不会两年跌50%，十年跌到0，但GPU就像消费电子产品，新一代产品上市，老一代产品价格断崖式下跌。1000美元买的GPU，五年后可能只值200美元。
这也是华尔街普遍的看法，针对GPU能保值多久，华尔街已经吵完了一个来回。
大空头Michael Burry去年11月发文痛批，云计算公司强行延长AI服务器的折旧周期，用这种方式人为地虚增了利润。
假设云计算公司花1000万买GPU，这1000万不会立刻计入成本，而是按GPU的经济寿命年限折旧，分批计入成本。
Meta去年把服务器折旧时间从4-5年调高至5.5年，净赚了29亿美元的账面利润，占其当年税前利润4%。其他云巨头也都陆续拉长了GPU的折旧年限。
在Michael Burry看来，GPU的经济寿命就两三年，云厂商按五六年折旧，这就是耍流氓。
这个观点当时引起了市场震动。如果GPU的经济价值两三年就耗尽，钱还没还完的云厂商拿什么还债呢？
资深财经记者William D. Cohan就直接把算力融资平台与2008年金融危机做对比[3]。在Cohan看来，AI行业没有清晰阐明巨额资金的用途和回报率，如果变现不及预期，企业不需要那么多算力怎么办？
到时候旧GPU卖不出去，云厂商还不起钱，这不就是金融危机吗？
实锤打脸
Cohan的担忧是有依据的。
今年二季度，CoreWeave总负债已经到了720.5亿美元，是去年同期的3倍，净亏损则进一步扩大到6.26亿美元，是去年第二季度的2倍。
这还是CoreWeave花式加杠杆后的结果，去年7月和今年3月，CoreWeave达成了两项DDTL，这是一种“先批额度、分批提款”的融资模式，借款人可以用多少借多少，只对实际金额收利息，降低融资成本。
除了DDTL，CoreWeave还和下游服务器OEM达成协议，由OEM为服务器提供融资，CoreWeave在之后的1-3年内还清货款。
也就是“服务器我先用了，钱我慢慢还”。到去年年底，这部分欠条累计48亿美元。
这种花式杠杆华尔街越看越眼熟，传奇空头Jim Chano就严肃批判了CoreWeave的商业模式，赚到的钱全都用来还债和买GPU，股东永远看不到自由现金流分红[4]。
说来说去，这些未雨绸缪的关键词，是不相信GPU能保值。
黄仁勋当然知道这些人是怎么蛐蛐自己的，所以在算力融资平台发起通稿里专门提了一句，“A100的经济寿命已经延长到了近十年[1]。”
黄仁勋进一步指出，GPU是一个“可投资的基础设施资产”，因为第一次租期结束后GPU不会报废，还可以继续出租[1]。A100是英伟达2020年推出的算力芯片，大部分云厂商已经折旧完了，后续利润反而更高。
CoreWeave CEO也在二季度财报会上给出了实锤，表示自家A100的订单已经签到了2029年，租金甚至还在提高。CoreWeave称其为“零杠杆”纯收益模式：
初始合同期满时，用于建设GPU集群的债务已经还完了，化债成功的集群无论转售或续约，都没有成本，全是利润。
除了直接把算力再次整包租给客户，CoreWeave还可以把GPU转去做推理。所以资本大鳄不要盯着初始合同看，要看GPU的“第二生命周期”有多长。
从这个角度看，GPU的经济寿命远远比理论上的2-3年长，但有一个重要前提：GPU处于供应紧缺。
超级周期
Blackwell GPU上市前黄仁勋曾半开玩笑说，一旦Blackwell量产，上一代的Hopper可能“送都送不出去”。
英伟达每一代新GPU，都会降低单位算力的成本，因此对下游客户来说，新一代GPU的经济性永远比老一代强。因此每当新GPU上市，老GPU都会快速贬值。但前提是，新GPU产能能够迅速满足所有用户的需求。
在当前的算力市场，这显然是不成立的。
大模型迭代周期在9-18个月，每半年还可能有一次小升级，每次迭代对token的消耗量都会几十甚至上百倍增长，与之相对的是GPU产能建设周期，往往在2-3年，也就是说，产能增速跟不上需求增速，造成供需差。
不久前，英伟达向自家大客户发通知——集成英伟达GPU的服务器价格将涨价15%以上，远超市场此前5%-10%的预期，原因就是HBM内存产能紧张。融资也只能解决钱的问题，解决不了HBM、先进封装的产能紧缺。
这个供需差就是老GPU被延长的使用价值：
最新一代GPU被用于最顶级的大模型训练，剩下的70%-80%的算力需求则由上一代GPU、甚至更上一代的GPU来填补，以此类推，只要token消耗量的增速始终高于新GPU产能的增度，老GPU就能老当益壮、持续创造收益。
事实也是如此。按照新云公司最近报价，英伟达B200涨价不算意外，但H200、H100的价格也在8月开始猛涨，甚至2020发布的A100也老树回春，涨幅加速。算力价格整体都在持续上行。
美国智库theCUBE Research去年11月就有报告指出，GPU的生命周期理论上可以分为三个阶段：头两年用来做基础大模型的训练，后两年用于支持高价值实时推理，再之后用于支持批处理推理及分析工作负载。
在这个框架下，GPU“是持久耐用的经济资产，而不是短暂的商品[5]”。
英伟达的裂缝
抛开质疑，英伟达还要面对一个灵魂拷问：处心积虑做这么多，到底想干什么？
最直接的目的自然是扩大客户范围，让过去没钱买英伟达GPU的小厂商也能用得起GPU，但更深层的目的，恐怕还是想扶持嫡系，以抵御大客户未来可能的“背刺”。
嫡系指的是以CoreWeave为代表的新云厂商。众所周知，CoreWeave的核心竞争力是“和英伟达关系好”，作为英伟达“菁英级（Preferred）合作伙伴”，Coreweave可以优先获得GPU的配额，连云巨头都得靠后站。
Coreweave是被英伟达认证的Preferred Partner
除此之外，英伟达对CoreWeave的扶持包括但不限于反向租赁（承诺回租CoreWeave购买的英伟达GPU，并包揽后者闲置产能）、直接投资（截至今年1月对CoreWeave累计投资达到60亿美元，占英伟达公开持仓的九成）。
作为回报，CoreWeave把自己活成了英伟达的渠道商和展示台，不仅只向外出租英伟达的GPU，还要“捆绑销售”从Vera CPU到NVLink 、Spectrum-X的全系列产品，英伟达只需要出货，CoreWeave负责把产品打包推销出去。
类似的绑定操作，英伟达在Nebius、Lambda Labs等新云厂商上如法炮制，“英伟达帮”逐步扩大。有了融资平台，等于将英伟达的帮扶压力分散了出去，小弟们活得更好，组织才能继续壮大。
而小弟们对英伟达的忠诚度，不止来自于“吃人嘴短”，还在于过于弱小，弱小到不太可能像云巨头一样自研芯片。
目前，英伟达的大客户们各个都在挖黄总的墙角。谷歌进展最快、技术最成熟，TPU已经迭代到第六代，不仅自家用，还外供给其他大模型公司。Meta也不老实，自研推理芯片MTIA已经用于内部业务；亚马逊的训练芯片Trainium和推理芯片Inferentia相继投入使用；微软的Maia 100被用于内部特定的推理任务和中等规模模型。
大客户们两幅面孔，一面排队求英伟达GPU配货，一面自研芯片以求摆脱依赖，成为黄仁勋的最大心病。
除了预防大客户随时可能的“背刺”外，融资平台还是英伟达用来抵御外敌的新武器。
根据研究机构Silicon Analysts今年年初的预测，2026年英伟达在AI加速器的市场份额，将从2025年的80%-90%下降到75%，对其造成最大冲击的是死对头AMD[6]。
AMD的优势主要在于性价比，MI300X/MI355X系列都提供了显著的折扣，MI300X的价格一度仅为同期H100的1/4[7]，作为市面上唯一能媲美英伟达GPU性能的算力芯片，对客户来说也足够有吸引力了。
但如今多了个融资平台，更低的还款利率叠加GPU更高的性能，客户会怎么选就不好说了。
尾声
国际金融专家Stephen Innes说，数据中心融资变得越来越像披着“AI外衣”的商业地产周期的最后景象，人工智能的故事正在从股票狂热转向信贷超级周期[8]。
算力融资平台的本质是将AI算力转化为金融资产，使得科技公司资产负债表上的资本支出，可以通过金融市场进行融资、租赁、持有和交易，由此将投资的风险分散到整个金融体系中。
眼下对算力的过度投资，或许是通往通用人工智能的必经之路，但最终为豪赌买单的人，不会是英伟达。
[1] NVIDIA AI Factory Compute Is Becoming an Investable Asset Class，黄仁勋
[2] Nvidia’s $500 Billion Bet To Make AI Compute Wall Street’s Next Asset Class，Forbes
[3] Nvidia's $500 billion AI financing is Wall Street in "hype mode," industry journalist says，CBS News
[4] Legendary Short Seller Jim Chanos Warns: AI Infrastructure Hides a Financial Time Bomb, Compute Leasing Is Essentially Financial Intermediation，finance.biggo
[5] Resetting GPU Depreciation — Why AI Factories Bend, But Don’t Break, Useful Life Assumptions，thecuberesearch
[6] NVIDIA GPU Market Share 2024–2026: 87% Peak, What Comes Next，Silicon Analysts
[7] Nvidia's H100 AI GPUs cost up to four times more than AMD's competing MI300X — AMD's chips cost $10 to $15K apiece; Nvidia's H100 has peaked beyond $40,000: Report，tom's hardware
[8] Is the AI Boom Starting to Look Like a Credit Bubble Behind the Hype? Investing.com
热门跟贴