在计算技术的大部分历史中，硬件一直被视为企业的一项开支。公司筹集资金，购买服务器，将其安置在数据中心，并随时间推移对设备进行折旧。其经济逻辑简单明了：客户拥有硬件，制造商记录销售，设备则逐渐过时。

如今，NVIDIA正在助力开创一种截然不同的模式。

通过与Apollo、贝莱德、黑石、布鲁克菲尔德、高盛和KKR的合作，NVIDIA正试图将AI计算确立为一种新型的可融资基础设施类别。通过这些平台，最终可能调动数万亿美元的第三方资本，用于在全球范围内资助AI工厂的建设。

这不仅仅意味着将有更多资金可用于建设数据中心，更意味着NVIDIA的计算能力本身可能日益被视为一种可投资、能产生现金流的资产。

从购买GPU到融资AI工厂

传统上，若一家公司需要价值50亿美元的计算基础设施，它必须设法找到这50亿美元。它可能通过现金支付、发行债券、出售股票或签订传统租赁合同来资助这一购买行为。

新模式将计算能力的使用者与底层基础设施的所有者分离开来。

机构投资者可能提供资金来建造AI工厂。运营商负责运营。一个或多个客户可以签约使用其计算能力。来自这些客户的收入将用于支持为该项目融资的债务和股权。

这种结构开始更像是对机场、发电厂、管道、机队或电信网络的融资，而非传统IT设备的采购。

AI公司无需拥有计算设备即可获得计算能力。NVIDIA为其系统获得报酬。投资者则获得经常性基础设施现金流。

这就是一种资产类别开始形成的方式。

计算成为生产性资产

NVIDIA策略的核心思想可以概括为一句简单的话：

在AI领域，计算即收入。

AI工厂消耗电力和数据，产出客户愿意购买的计算成果。这些成果可能以GPU小时、推理、训练容量、代币、AI服务或专用计算能力的形式呈现。

如果客户愿意为这些成果付费，AI工厂就有了收入来源。

一旦资产产生可衡量的收入，金融市场便能依据其预期未来现金流对其进行估值，而非仅仅基于购买价格。

因此，GPU不再仅仅被视为一件设备。

它成为能够产生经济产出的工业生产线的一部分。

长期计算合同或类似能源承购协议

新兴市场中最重要的组成部分之一，可能是长期承诺购买计算能力。

能源基础设施常采用所谓的承购协议。客户预先同意在指定期限内从设施购买电力、天然气或其他产出。

计算能力可能越来越多地采用类似方式运作。

一家AI公司可能承诺在五年内购买数亿GPU小时。一家超大规模云服务商可能预订AI工厂的大部分容量。一家制药公司可能签约专用AI基础设施以支持药物研发。

这些承诺创造了可预测的未来收入。投资者随后可以依据这些合同现金流为设施提供融资。

AI工厂的精密融资

一旦存在可预测的收入，便可围绕其构建精密的融资结构。

设想一座耗资100亿美元的AI工厂。整个项目未必全部以股权融资。或许60亿美元来自优先债务，另有15亿美元可能来自私人信贷或次级债务，剩余的25亿美元则可能由基础设施股权基金提供。

不同的投资者将获得不同的回报，并承担不同的风险。

这样，一座AI工厂便能衍生出一系列可投资的证券。

机构资本可大幅推动AI基础设施建设

英伟达500亿美元融资计划的意义，并不仅仅在于涉及的金额本身，更在于这笔资金可能来自何方。

由养老基金、保险公司、主权财富基金、私人信贷基金、基础设施投资者及资产管理公司所管理的全球资本池，其规模远超AI初创企业和新兴云服务提供商资产负债表上可用的资本量。

如果AI工厂能够以这些机构所理解的方式构建，那么计算需求就不再必须完全依赖科技公司的资金支持。

一家公司可能希望获得价值200亿美元的英伟达系统，但自身并不拥有这200亿美元。其问题便不再主要关乎股权融资，而更多在于向基础设施投资者证明，其底层经济性足以支撑融资。

这或许能消除AI基础设施增长中最大的潜在制约因素之一：资本的成本与可获得性。

计算能力或将形成自己的租赁市场

飞机提供了一个有用的类比。

航空公司未必拥有其运营的每一架飞机。专业的租赁公司可能拥有飞机，并将其租赁给世界各地的航空公司。

这种安排之所以可行，是因为飞机能为使用者创造收入，保留残值，并且有可能被重新部署到另一家航空公司。

英伟达认为，其AI工厂具有类似的特征。

Blackwell或Rubin系统未必需要永久归属于最初的客户。这些硬件有可能由另一家云服务商运营，转移到其他用户手中，或转向不同的工作负载。

这为大型计算租赁行业的诞生创造了可能性。

企业可以租用AI算力，而无需拥有底层基础设施，投资者则拥有服务背后的生产性资产。

计算现货市场或与长期合同并行发展

并非所有计算能力都需要签订多年合同。

运营商可能将AI工厂的大部分容量分配给长期客户，同时预留部分容量给短期或按需用户。这可能会形成一个具有多层定价的市场。

市场上可能存在长期预留容量、中期合同、按需计算，以及波动性较大的现货市场容量。

这将使计算能力越来越像电力、运输能力或其他既可通过长期合同也可通过短期市场购买的大宗商品。

GPU小时的价格最终可能成为具有经济意义的重要市场信号。当计算资源稀缺时，现货价格上涨；当出现过剩产能时，价格下跌。新的投资会响应这些信号。

AI基础设施市场可能开始发展出自己版本的大宗商品市场经济学。

利用率成为酒店入住率的等价物

对投资者而言，一项指标可能变得尤为重要：利用率。

一个接近满负荷运转的AI工厂能产生巨额收入。同一设施若仅以30%的利用率运行，其经济效应将截然不同。

因此，投资者将关注工厂可用计算能力中有多少实际被售出。这类似于商业地产或酒店的入住率。

一家入住率达95%的酒店与同一家酒店仅30%入住率时，是截然不同的资产。同样的原则将适用于AI工厂。

市场可能会越来越多地追踪诸如GPU利用率、每GPU收入、每兆瓦收入、每瓦特产生的令牌数、每美元资本投入的计算收入、已签约容量及平均剩余合同期限等指标。

GPU的残值变得财务上至关重要

融资AI基础设施的最大挑战之一是确定设备在未来几年后的价值。

如果一座耗资100亿美元的AI工厂在五年后几乎一文不值，贷款方必须在五年内收回大部分资本。

如果同一设施在五年或七年后仍拥有数十亿美元的经济价值，投资者就能更激进地为其融资。

这正是NVIDIA为何如此强调旧GPU持续商业用途的原因。

2020年推出的A100系统在多年后仍保持经济生产力。如果投资者确信NVIDIA的计算能力能在十年而非三四年内保持可观的盈利能力，融资影响将是巨大的。

更长的使用寿命支持更高的资产价值、更强的借贷能力和更低的融资成本。

CUDA 可延长资产的经济寿命

大多数工业设备相对于新技术会逐渐老化。

NVIDIA还指出，通过CUDA实现的软件改进能够提升已安装硬件的生产力和效率。CUDA库、框架、编译器及优化软件可以增加已安装系统能够执行的AI有效工作量。

物理硬件可能保持不变，而其经济生产力却在提升。这赋予了NVIDIA计算设备在传统资本资产中罕见的特性。

工厂机器通常不会因为制造商在安装六年后发布更好的软件而变得更高效。而NVIDIA的AI工厂则有可能做到这一点。

如果这种情况持续下去，软件将成为投资者赋予硬件残值的重要组成部分。

二手计算市场或可形成

融资的出现也促进了二级市场的发展。

最新的NVIDIA系统很可能被用于最严苛的前沿工作负载。随着新一代产品的问世，旧硬件可以转向计算需求较低的应用。

Rubin系统最初可能支持前沿AI训练，之后可转向大规模推理。较旧的Blackwell或Hopper系统则可能服务于企业AI、微调、专用模型或低成本推理。

设备并不一定因为更快一代的出现而变得无用。相反，它可以沿着经济价值链下移。

这类似于商用飞机、工业机械乃至汽车的市场。新资产享有溢价定价，而旧设备在要求较低的应用中继续创造收入。

流动的二级市场将使AI工厂的融资变得更加容易，因为投资者对原始合同期满后资产的处理方式会有更大的信心。

英伟达或助力确立残值底线

英伟达已表示，在某些情况下，可能为高达25%的机会提供残值支持。

想象一下，在不确定GPU未来转售价值的情况下，为数十亿美元的GPU提供融资。这种不确定性迫使贷款方要求更高的利率、更低的贷款价值比，或两者兼而有之。即便英伟达提供有限的残值支持，也能降低部分风险。

英伟达无需为整个项目提供融资。它只需降低足够的不确定性，帮助机构投资者对剩余部分的融资感到安心。

从这个意义上说，英伟达相对有限的承诺可能撬动更大规模的外部资本池。

算力支持信贷或自成市场

高盛已描述了以英伟达算力为支持的信贷潜力。这一构想最终可能成为所有发展中最具意义的一项。

一旦数千家AI工厂获得融资，贷款方将持有大量以算力基础设施及相关合同为支持的贷款组合。这些贷款最终可以被买卖。贷款池有可能被打包组合。机构投资者无需拥有实体数据中心或GPU，即可获得对AI基础设施的敞口。

其结果可能是发展出算力支持证券、AI基础设施债券或其他形式的结构化信贷。

投资者可选择其偏好的算力风险类型

成熟市场不会将每一座AI工厂等同视之。

随着市场发展，投资者将日益选择与其风险承受能力相匹配的特定AI基础设施敞口类型。

算力最终或拥有自身的资本成本

成熟资产类别会形成标准化定价。商业地产有资本化率，公司债有信用利差，飞机租赁有租赁费率因子，基础设施项目有预期收益率和要求的股权回报。AI算力最终也可能发展出类似的基准指标。

客户资质越优、合同越稳固，融资成本越低；利用率假设越具投机性，要求的回报率越高。届时，算力将不再仅仅拥有一个购买价格。

它将拥有一个资本成本。

市场或将依据盈利能力为GPU估值

或许最大的观念转变在于，GPU的价值将越来越多地依据其盈利能力，而非购置成本。

一块GPU的经济价值并非简单地因其原始购买价格为4万美元而等同于此。其投资价值取决于其未来能够产生的现金流。

若一块GPU能多年稳定地每年产生1.5万至2万美元的现金流，投资者便能像评估一栋建筑的租金收入或一架飞机的租赁付款那样，对这些未来收益进行估值。

一旦如此，熟悉的财务概念便得以适用。

投资者可以计算收益率、内部回报率、债务承受能力、久期、残值以及投入资本回报率。

华尔街可以开始像为其他生产性资产承保一样，为计算能力进行承保。

融资市场或能降低智能成本

此外，还存在一个强大的反馈机制。

起初作为金融工程的手段，最终可能加速AI在经济各领域的部署与应用。

融资或可解除英伟达最关键的增长制约之一

在某个节点，对AI基础设施的巨大需求会遇到一个简单的问题：总得有人为此买单。

即便是最大的科技公司，其资本支出能力也是有限的。规模较小的AI企业面临的制约则更为严峻。一个机构化的融资生态系统将改变这一局面。

与其纠结于某家AI公司是否有足够的资金购买数十亿美元的GPU，投资者现在可以转而评估其经济性是否足以支撑融资。这便将资产负债表上的约束转化为了一个承销问题。

当资产能够产生稳定的现金流时，全球金融市场在解决承销问题方面表现得尤为出色。

AI工厂是智能经济的基础设施

每一次重大的工业转型都离不开庞大的基础设施支撑。

如果AI成为全球经济生产的重要一环，那么生产这种智能的工厂，最终或许会被视作与支撑历次工业革命的基础设施同等重要。

因此，关键的发展并不在于英伟达能否制造出更快的GPU，而在于金融市场正开始构建起拥有、融资并投资于这些GPU生产能力的机制。

NVIDIA 正在构建的远不止一个人工智能生态系统

多年来，NVIDIA 先是被描述为一家半导体公司，随后是加速计算公司，如今越来越多地被视作人工智能底层基础设施的提供者。

AI 工厂融资模式的出现，揭示了另一个维度。

NVIDIA 或许还在帮助构建 AI 经济的金融架构。

其 GPU 可能成为标准化的生产性资产。CUDA 有助于维持这些资产的经济效用。AI 工厂将这些资产转化为能够产生收益的基础设施。长期合同使现金流具备可融资性。机构投资者提供资本。信贷市场分散风险。

其最终结果可能是，围绕智能生产本身，形成一种全新的可投资资产类别。

该公司不仅仅是在试图销售价值数千亿美元的额外计算系统。它还在帮助构建一种机制，通过这种机制，全球数万亿美元的资本最终可能转化为 AI 算力。

那时，算力便成为一种资产类别。

NVIDIA 公告：“NVIDIA AI 工厂算力正成为一种可投资的资产类别” https://x.com/JensenHuang/status/2086934705207959965