GPU开始金融化 黄仁勋拉上华尔街搞5000亿美元融资

要不说黄种人务实呢！

黄仁勋入驻推特之后，总共发了5条帖子，基本全是广告。

今天又发了，还是广告！刚刚，老黄拿下推特Premium会员，发表了自己的第一篇长帖，标题直抒胸臆：

NVIDIA AI 工厂算力正在成为一种可投资的资产类别。

简单来说，黄哥这次不满足于卖卡了，他准备把算力，直接包装成一种可以被华尔街投资的基础设施资产。

速通一下这篇文章，它主要讲了三件事儿：

1、黄仁勋宣布，NVIDIA将与阿波罗全球管理公司（Apollo）、黑石集团（Blackstone）、贝莱德（BlackRock）、博枫（Brookfield）、高盛（Goldman Sachs）和KKR合作，建立一批独立融资平台，计划撬动超过5000亿美元的第三方资本，用于建设AI基础设施。

值得一提的是，5000亿美元这个数字，恰好和当年OpenAI、软银、甲骨文推动的Stargate（星际之门）项目公布的投资规模一模一样。

而这个第三方资本，还真就把GPU当理财产品了～

2、老黄推出新概念AI工厂，一整套GPU、网络、系统软件、AI 框架和 CUDA 组成的计算平台，输入能源和数据，输出智能。

这里的重点是，以前GPU买回来就是折旧的服务器，现在它能赚钱、能转手、还能靠软件升级延长价值，已经可以被当成一种基础设施资产，就类似AI时代的发电厂。

3、老黄回应关于左脚踩右脚的循环投资。虽然成立融资平台这事，很容易被外界解读为AI公司缺钱买GPU，华尔街借钱给它买NVIDIA的GPU，AI公司再靠这些GPU赚钱还债。

但老黄认为，这些钱来自独立的长期机构资本，每个项目都由BlackRock、Blackstone、KKR等机构自己审核客户、需求、利用率、现金流和设备残值，NVIDIA只负责牵头、提供平台。

翻译一下大概就是，钱你们自己出，项目你们自己审，我负责卖卡；真到最后GPU不值钱了，我可以帮忙兜一点。

最后，在评论区，老黄也是相当懂事，直接放上了自己和Larry Fink、Jon Gray、Bruce Flatt、David Solomon、Jim Zelter、Waldemar Szlezak等一众华尔街之狼的合影。

还配文称：

“我们已经完成了从制造芯片，到创造一种全新的可投资资产类别，AI工厂基础设施的跨越。未来，每一家公司都会由它驱动，每一个国家都会建设它。”

所以问题来了：

究竟是黄哥带你吃肉喝汤，还是黄哥没活硬整，准备让你接盘半导体？

以下为老黄原文：

NVIDIA AI工厂算力正在成为一种可投资的资产类别

今天，我们宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR达成合作，建立独立的融资平台，旨在随着时间推移，撬动超过5000亿美元的第三方资本，支持AI基础设施建设。

这是NVIDIA和整个AI行业的一个重要里程碑。

我们正在从这样一个时代走向另一个时代：过去，企业购买芯片，并以单个项目为单位建设数据中心；而现在，AI工厂可以像生产性基础设施一样获得融资——拥有可重复复制的平台、长期机构资本，以及一个利用算力创造收入的多元化客户群体。

AI已经到达一个拐点。它正在从研究走向生产。

AI正在创造真实价值，而支撑 AI 的基础设施，也正在成为全球生产效率最高的资产之一。

在AI时代，算力就是收入。

一种新的基础设施资产

NVIDIA算力不仅仅是一颗芯片。

它是一套完整的AI工厂平台，包括加速计算、网络、系统软件、AI框架，以及全球开发者生态。

NVIDIA DSX AI工厂可以运行全球范围最广的AI模型、模态和算法——包括语言、视觉、语音、生物学、物理AI和机器人。

一座NVIDIA AI工厂可以服务多个客户，也可以运行多种工作负载。

这让它具备了灵活性和可替代性。

与此同时，它建立在一个已经被全球广泛采用的架构之上。这套架构被所有主要云服务商采用，也被世界各地的系统厂商和企业使用。

当需求发生变化时，这座工厂可以交由另一位客户、另一家云服务商，或者另一家运营商使用。

这个广泛的生态系统，为NVIDIA算力提供了一个拥有大量潜在用户和承购方的深厚市场，也有助于保护其残值。

CUDA会让这座工厂随着时间推移变得越来越好。

每一代NVIDIA软件，都会提升已经安装部署的基础设施的性能、效率和总体拥有成本。

硬件并不是安装完成后就停滞不前：软件创新可以让一座AI工厂在整个生命周期中，以更低的成本生产更多智能，从而延长它的有效经济价值。

NVIDIA A100就是一个很有说服力的例子。

NVIDIA在2020年推出了基于Ampere架构的A100。六年之后，它仍然被广泛用于AI训练、微调、推理和高性能计算等商业场景。

客户仍在持续为多年期部署锁定A100算力，使A100的经济寿命逐步向十年延伸。

市场也正在证明NVIDIA算力经济性的持久性。

H100的一年期租赁价格，从2025年10月大约1.70美元/GPU·小时，上涨到2026年3月大约2.35美元/GPU·小时。

跨供应商的按需租赁价格中位数，也从2025年10月大约2.00美元/GPU·小时，上涨到2026年6月的2.70美元/GPU·小时。

Blackwell算力则享有更高溢价，据报告，B200的云端价格大约为5.30至7.05美元/GPU·小时。

这就是NVIDIA AI工厂与众不同的地方。

它的价值并不会在安装完成时就被固定下来：CUDA会持续提升它的产出；已经部署的设备在最初的折旧周期过去很久之后，仍然能够保持生产力；而同一套标准架构，又能够服务一个深厚且持续增长的全球AI工作负载市场。

这些正是一种可投资基础设施资产应当具备的特征：

它能够产生收入，服务一个广阔的市场，性能会随着时间推移不断改善，而且可以被重新部署。

把资本带到AI工厂

市场对AI基础设施的需求非常巨大。

但获得资本的能力并不均等。

许多优秀的AI公司、企业和AI云服务商都有算力需求，但目前还无法以足够大的规模、或者足够低的成本获得融资，从而快速建设基础设施。

这就是为什么我们要与全球领先的长期资本提供方合作。

Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR，同样也是全球领先的基础设施投资机构，在评估和承销长期、生产性资产方面拥有深厚经验。

我们正在共同建立可重复复制的融资平台，帮助AI生态建设它所需要的工厂。

这些平台旨在帮助符合条件的AI实验室、企业和AI云服务商，以规模化方式获得AI工厂基础设施。

这里所说的超过5000亿美元，指的是这些平台计划随着时间推移撬动的第三方资本总额——这些资本不是NVIDIA的收入，不是一个单独的基金，也不是对某一个单独客户的资金承诺。

金融机构将独立评估每一个机会——包括客户、需求、利用率、现金流和残值。

NVIDIA提供AI工厂平台。

金融机构提供长期资本和融资专业能力。

几个重要的问题

这是不是循环融资？

这项计划的设计，本身就是为了回应这一担忧。

我们正在把独立的、长期的机构资本引入AI基础设施市场。

需求是真实存在的：它来自前沿AI实验室、AI原生创业公司、企业、云服务商，以及正在建设AI服务的国家。

资本提供方会独立对每一个项目进行评估和承销——包括客户、需求、利用率、现金流和残值。

NVIDIA提供平台；投资者独立作出融资决策。这是一个开放的AI基础设施资本市场的开端。

为什么NVIDIA要支持融资？

在某些情况下，NVIDIA可能会提供一种残值支持机制，最高覆盖某个项目机会的25%。这一机制会针对每一个项目进行审慎评估。

这种支持是有限的，以残值为基础，其目的在于补充——而不是取代——独立的承销判断。

这个比例显著低于其他算力融资安排。

NVIDIA能够提供这样的支持，是因为NVIDIA算力具有独特性：它具备可替代性，被全球广泛采用，可以通过软件升级，并且能够在一个庞大的客户生态中重新部署。

我们的角色，是帮助释放一个规模非常庞大的独立资本池，同时维持有纪律的风险敞口。

市场能够消化这么多算力吗？

问题并不在于我们是不是在建设数据中心。

真正的问题是，我们建设的是否是具有生产力的AI工厂。

一座AI工厂，会把能源和数据转化为有价值的智能。它的客户非常广泛：前沿AI实验室、AI云服务商、企业和国家。他们之所以建设AI，是因为AI已经变得有用了——它正在每一个行业里完成有价值的工作。

这个模式本身也有纪律约束。每一家融资合作伙伴，都会独立评估需求、利用率、现金流和残值。新增的算力容量，将围绕真实的客户经济性来建设。

投资回报在哪里？

回报就在AI的有用性之中。

企业正在使用AI编写软件、发现药物、设计产品、服务客户、自动化运营，并构建新的服务。AI工厂让这一切成为可能。

更多算力创造更好的AI；更好的AI创造更多使用量；更多使用量创造更多收入；而更多收入，又会推动更多算力投入。这就是AI工业革命的正向循环。

智能时代的基础设施

每一次工业革命，都是建立在基础设施之上的：电力、交通、通信和计算。而每一次基础设施的大规模建设，也都离不开外部融资。

AI工厂，就是智能时代的基础设施。通过这些合作，NVIDIA与全球领先的金融机构，正在创造一种新的方式，为推动这场工业革命的基础设施提供融资。

我们将让AI工厂变得更加容易获得，让那些正在建设未来的公司、行业和国家，都能够使用它。

AI时代已经到来。我们将一起建设为这个时代提供动力的基础设施。

3 more thing

有一说一，老黄上面这套“GPU不但能保值，还能持续创造现金流”的说法，和Dwarkesh Patel前两天聊到的一个判断，多少有点不谋而合：

算力可能不但不会越来越便宜，反而会长期存在溢价。

Dwarkesh的逻辑其实很简单：假设未来AI实验室的收入还能保持高速增长，但现实世界里的算力供给，每年只能增长几倍，会发生什么？

就比如A社每年的收入增长10倍，但每年算力只增长3倍。

答案是：AI创造价值的速度，开始超过算力扩张的速度。

而这些价值最终无非流向两个地方——要么变成模型公司的超高利润（比如OpenAI此前的90%利润率），要么继续推高算力价格。

Dwarkesh更倾向于后者，而且算力价格正如老黄说的，已经开始涨价了。

而在未来，如果模型真的顶得上一个顶级研究员，那么GPU的费用将进一步对标人的工资，这又是一笔溢价。

当然了，这是相信派的说法。另一边，在空头眼中，则完全是另一件事：

比如就有人则把矛头对准了这套融资结构。简单来说，如果为了某个AI基建项目专门成立一家公司，由它出面借钱、买GPU、建数据中心，再靠未来的算力收入还债。

这就意味着，GPU的故事不再只是科技股的故事，也开始进入信用市场，而英伟达的CDS（信用违约互换）也在最近站上了历史高位。

可以说，AI基建越依赖债务融资，一旦需求不及预期，风险也会顺着这些债务向金融市场传导。

而如果把时间拨回到二十多年前，这一幕其实也并不完全陌生。互联网泡沫时期，Lucent、Nortel等电信设备商就曾大量采用所谓的vendor financing：

客户没钱买设备？没关系，我借钱给你，你再拿这笔钱回来买我的设备。

设备商拿到订单，客户拿到网络，华尔街再继续提供融资。只要需求一直增长，这个飞轮就能一直转。

但就像大家都知道的，一旦真实需求没有跟上，客户还不起钱，设备卖不出去，前面被融资撑起来的需求，也会跟着一起消失。

Lucent当年甚至因为部分赊销和供应商融资相关交易不得不调整收入；Nortel在泡沫破裂后也遭遇严重的产能过剩。

所以回到今天。AI公司借钱买GPU，GPU创造收入，再拿收入继续买更多GPU。

往好了说，这叫：AI工业革命的资本飞轮。

往坏了说……二十多年前，华尔街好像也见过这玩意儿。