社区

昨晚，英伟达公告与阿波罗全球管理、贝莱德、黑石、布鲁克菲尔德、高盛、KKR六家机构签署谅解备忘录（MOU），共同设立独立的算力融资平台，目标逐步动员超过5000亿美元第三方资本，用于AI基础设施建设。简单来说就是平台出钱建成或买下AI工厂，然后英伟达的客户来租用算力。

消息刚出，nvda应声下跌，市场对于之前循环融资的担忧显然还未消除，但是最终收盘仍站稳 5日线上，说明这次交易跟之前的循环交易存在差异。今天的文章就来看看到底不同在哪里。

昨天老黄发了一个长推，用来解释本次融资安排，下面列出来了三个重点。

独立运作：融资平台独立于英伟达资产负债表运行，英伟达是发起方与技术背书方，而非出资主体，资金负担由财团承担。

第三方长久期资本：资金主要面向保险资金、养老金、主权财富基金等长久期机构，这类资金体量庞大，但此前缺乏直接投资算力资产的渠道。

基础设施化定价：将包含GPU、电力、土地、数据中心的完整“AI工厂”视为基础设施类资产，以长期、按用量计费的算力收入作为还款来源。

看到“资产证券化”这个词很容易联想到 ABS，今天也看到了一些将本次事件关联到房地产、次贷危机上的文章。我觉得能关联到这个上面，是没有搞清楚底层资产的差异（次贷的原因更为复杂，在此只讲最核心的差异）。GPU是“生息”的生产资料，房子的”现金流”其实是借款人的工资，资产本身并不产出现金流。

运行模式简单来说是出资方通过平台收购或新建AI工厂，向算力使用方收取与用量挂钩的服务费用，租约期限与机构资金的负债久期相匹配。

整套模式成立的核心前提是GPU资产残值。

若GPU使用三年后价值归零，没有长久期资本愿意承接这类资产。英伟达在结构中提供的正是残值背书：CUDA软件栈的持续更新不断延长旧硬件的生命周期，算力可跨运营商转售、转租，硬件折旧曲线比市场普遍预期的更平缓。

从公开数据看，2020年发布的A100至今仍在产生现金流；H100的租赁价格从2023年10月的约1.7美元/每GPU·小时，上涨至2026年3月的约2.35美元，跨供应商平均约2美元；最新的Blackwell B200租赁价格在5.3-7.05美元区间。

英伟达担保的是资产质量，而非债务本身。这也将市场此前担忧的折旧风险，反转成了融资结构的核心支撑。

跳出循环交易？

过去一年，英伟达通过直接投资、租约担保、入股算力厂商等方式支持客户采购，引发了市场对于循环交易泡沫的担忧。

这些交易的共性是资金出自英伟达，风险留在英伟达表内，供给与需求深度耦合，市场难以区分“真实终端需求”与“厂商撬动的需求”。

新的融资平台与旧模式有三点本质差异：

出资主体不同。旧模式依赖英伟达自有资金与信用，新模式的资金主体是第三方长久期资本，英伟达不再是第一资金来源。

风险性质不同。旧模式下英伟达直接承担客户信用风险与或有负债；新模式下英伟达承担残值风险与技术生态风险：若CUDA延寿逻辑被证伪，首先冲击平台出资方的资产定价，再传导至英伟达。

报表影响不同。旧模式的风险体现在表内或或有负债中，直接挤占可分配现金流；新模式属于表外安排，前提是英伟达不为平台提供任何形式的兜底。

从体量看，英伟达已承诺的直接股权投资合计约700亿美元，占2026-2027两个财年合计自由现金流（约4700亿美元）的15%，规模本身可控，市场真正担忧的是无上限的持续投入。

新平台的意义正是为后续投入划定边界，但边界是否成立，取决于英伟达在平台中的具体角色，尤其是是否存在显性或隐性兜底，这需要后续具体协议细项的验证。

不过风险转移不等于风险消除。

整套模式成立的终极前提是终端有真实付费能力，第三方资本同样需要真实的AI收入偿付本息。若变现进度不及预期，损失将由保险资金、基金LP等承担，融资窗口随即关闭，需求回落的速度会比当前更快。

这套结构其实是将风险从单一公司的资产负债表，分散到了整个金融体系的长久期资金中。分散降低了单点爆雷的概率，但也拉长了风险的传导链条。

如何影响英伟达

释放现金流，打开回购空间1. 释放现金流，打开回购空间

当前市场共识预期，2026/2027自然年英伟达回购规模分别为730亿、1060亿美元，仅占自由现金流的36%-37%，低于公司承诺的50%以上现金返还比例。厂商融资角色收缩后，现金流补全的路径清晰，回购将成为当前估值下最直接的股价支撑。

抬高需求天花板2. 抬高需求天花板

资金瓶颈打开后，非投资级主体的算力需求从“有需求但无力支付”转化为“可融资的长期租约”，支撑2030年约1.7万亿美元的AI系统市场空间。英伟达的收入可见性，也从超大规模厂商的资本开支预算，拓展至机构资本的配置需求。

CUDA护城河延伸至金融层面3. CUDA护城河延伸至金融层面

融资平台的残值假设完全建立在CUDA生态之上，这是资本市场首次为CUDA的硬件延寿能力定价。技术护城河升级为金融层面的优势：硬件残值曲线越平缓，客户的融资成本越低，这是竞争对手短期内无法复制的壁垒。

估值与催化4. 估值与催化

当前股价对应2027自然年市盈率不足20倍，对应46%以上的盈利复合增速，PEG约0.4倍。消息公布当日股价下跌约3%，说明市场仍被循环融资的疑虑主导，这也构成了预期差。若管理层明确划清与平台的风险边界，压制估值的最大不确定性将被消除。

如何影响 AI行业？

拉长AI资本开支久期1. 拉长AI资本开支久期

资金瓶颈打开后，2027年之后的算力建设可见性显著提升，电力设备、光互连、存储、先进封装、算力云运营商等产业链环节的订单持续性，都将受益于融资久期的拉长。

私募信贷切入AI基建债务层2. 私募信贷切入AI基建债务层

另类资管机构此前已在布局数字基础设施的结构化债务融资，本次交易将散点交易升级为标准化资产类别，成为另类资管行业管理规模扩张的新引擎。

AI周期与信用周期深度绑定3. AI周期与信用周期深度绑定

一旦AI变现不及预期，冲击将不再局限于股票市场，还会延伸至私募信贷、保险资金、养老金等领域。类比2000年电信泡沫，厂商融资工具放大了周期的上下行波动。

二者的差异在于：本轮终端付费主体现金流更充裕，算力资产跌价后仍可产生边际收入，不像当年的暗光纤无任何收入；但共性在于，融资结构越复杂，周期顶部的杠杆就越隐蔽。

复杂度提升压制估值倍数4. 复杂度提升压制估值倍数

SPV、平台主体、长期租约的层层嵌套，提高了市场验证“真实需求”的成本。以透明度换取资金规模的代价，是整个AI板块需要在更高的举证责任下交易。

结语

简单来说，这套模式是将“算力”从客户损益表中的资本开支，转化为金融机构资产负债表中的生息资产。如果真能跑通，AI基建将形成独立的抵押品体系与债务市场，系统性放松本轮建设周期的资金约束；若无法落地，5000亿美元的规划只是让周期顶部的杠杆结构更复杂。

分水岭不在融资，而在变现，GPU能否带来可持续的收入仍是未知数。

$特斯拉(TSLA)$ $ROUNDHILL GENERATIVE AI & TECHNOLOGY ETF(CHAT)$ $通用人工智能 ETF-AGIX(AGIX)$