引言
NVIDIA正试图改变AI行业为算力付费的方式。
2026年8月10日，该公司宣布与Apollo、贝莱德、黑石、布鲁克菲尔德、高盛和KKR建立战略合作伙伴关系，为基于NVIDIA的AI基础设施设立独立算力融资平台。
目标规模巨大：这些平台旨在在长期内调动超过5000亿美元的第三方资本。
这个数字需要谨慎表述。
NVIDIA并未募集一支单独的5000亿美元基金，六家机构也未公开承诺固定的个别出资额。各方已签署谅解备忘录，而最终协议、项目条款、部署时间表和实际资本承诺仍有待确定。
这一构想远不止于为客户提供购买GPU的贷款那么简单。
NVIDIA希望AI工厂——包括加速器、网络、系统软件、AI框架及其周边基础设施的完整技术栈——能够更像生产性基础设施一样获得融资。无需每个AI实验室、企业或云服务商从自身资产负债表中全额预付成本，长期机构资本可以拥有或为这些资产提供融资，而客户则为算力访问付费。
黄仁勋的观点很简单：在AI领域，算力创造收入，因此算力基础设施可以被承保为生产性资产，而不仅仅是作为快速贬值的科技采购来对待。
NVIDIA希望华尔街为AI工厂提供融资
过去两年，扩展AI规模的最大障碍之一就是资本。
前沿AI实验室需要更大的集群来训练和提供更强的模型。企业希望将更多工作负载迁移到AI中。云服务商和新云服务商正在竞相增加容量。
硬件价格昂贵，而且支出远不止于GPU本身。
一座现代AI工厂可能需要：
- 加速器
- 高速网络
- 存储
- 电力分配
- 液冷系统
- 建筑物
- 土地
- 电网接入
- 系统软件
- 运营
- 长期容量承诺
大型科技公司可以通过现金流和公开债务市场为这些支出中的大部分提供资金。
规模较小的AI公司和基础设施运营商往往无法做到。
NVIDIA的融资计划旨在将更大规模的私人和机构资本引入这一缺口。
根据已公布的结构，六家金融集团将设立专门的资本池，并独立评估涉及基于NVIDIA的AI基础设施的项目。
NVIDIA提供技术平台和生态系统。
融资方提供承销、资本、基础设施专业知识和资本市场渠道。
该公司表示目标
客户包括：
- 前沿AI实验室
- AI原生初创公司
- 大型企业
- AI云服务提供商
- 政府及国家AI项目
这一模式可以让那些有强烈需求但无法或不愿意一次性承担全部基础设施采购费用的机构，获得昂贵的算力资源。
这更接近于基础设施融资，而非消费分期付款
将这一构想称为“按揭购买GPU”固然形象，但实际结构更接近基础设施和设备融资。
一个简化的安排可能如下所示：
机构资本
↓
融资工具/基础设施所有者
↓
基于NVIDIA的AI工厂
↓
长期算力用户
↓
使用费或类似租赁的现金流
↓
偿债/投资者回报
算力用户不一定需要直接拥有每一块GPU。
金融机构会评估该项目能否产生足够的持久现金流，以证明投资合理。
该评估可能包括：
- 客户信用质量
- 合同期限
- 算力利用率
- 预期租赁收入
- 模型需求
- 电力成本
- 硬件寿命
- 残值
- 重新部署选项
这种模式类似于常见的资产融资业务——由一方拥有或融资购入高价值生产性资产，另一方则负责使用。
飞机租赁是一个明显的类比。
航空公司并不总是用现金购买每一架飞机。出租人可以拥有飞机并长期收取款项，同时保有实物资产的价值。
AI算力也可以遵循类似的融资模式，尽管GPU的折旧特性与飞机有很大不同。
为什么NVIDIA认为算力可以成为一种可投资资产类别
黄仁勋于8月11日发表了另一篇说明，主张NVIDIA AI工厂算力具备投资者在基础设施中寻求的 qualities。
他的论证基于四个要点。
- 该资产能够产生收入
AI基础设施并非闲置设备。
它可以用于训练、推理、微调、科学计算、智能体工作负载、媒体生成、机器人技术以及其他付费服务。
如果产能保持利用率，设备就能产生经常性现金流。
- 该架构支持多种工作负载
NVIDIA认为其基础设施并不局限于单一模型。
同一GPU集群可以服务于语言、视觉、语音、生物学、物理AI、机器人技术以及高性能计算。
这使得硬件在客户或工作负载发生变化时更容易重新部署。
- CUDA扩大了潜在用户群体
NVIDIA的软件生态系统对融资论点至关重要，因为当更多客户能够使用时，硬件价值更高。
CUDA在云、框架、应用和企业环境中得到广泛应用。
这为算力容量创造了更深层的二级市场。
- 软件可以延长有效经济寿命
黄仁勋认为，持续的CUDA优化可以使已安装硬件随时间推移带来更好的经济效益。
软件无法阻止物理老化，也无法让旧GPU等同于新架构，但它可以提高利用率、内核
性能、框架支持，以及仍然在经济上可行的负载范围。
5000亿美元的数字是目标，而非已募集资金
这一区别是理解该公告的关键。
NVIDIA表示，这些融资平台旨在随着时间的推移调动超过5000亿美元的第三方资本总额。
该公司明确表示，这一数字：
- 不是NVIDIA的收入
- 不是单一基金
- 不是对某一客户的承诺
路透社报道称，NVIDIA未披露六家金融机构各自的承诺金额、详细的融资条款或部署时间表。
目前的协议基于谅解备忘录。
最终协议仍需谈判。
这意味着，标题中称NVIDIA“筹集了5000亿美元”的说法夸大了实际发生的情况。
更准确的描述是，NVIDIA与六家主要金融机构正在搭建平台，其公开的长期目标是将超过5000亿美元的资金引入AI基础设施项目。
NVIDIA将承担多大风险？
NVIDIA正试图回应一个明显的担忧：如果公司出售GPU并同时为融资提供担保，华尔街是否真的在承担独立风险？
黄仁勋表示，资本提供方将独立承保每个项目。
它们应自行审查客户、利用率、现金流、需求和残值。
NVIDIA可能会提供最高占项目机会25%的残值支持机制，逐案评估。
这不应当被描述为NVIDIA为整个5000亿美元平台担保25%。
该机制是有限的、针对特定项目的，且与资产残值相关。
在理论最大情景下，5000亿美元的25%将等于1250亿美元，这解释了为何该数字出现在报道中。但NVIDIA实际的风险敞口将取决于哪些项目获得支持以及每项安排的结构。
NVIDIA表示，其目标是在释放独立资本的同时保持自身风险受控。
华尔街为何感兴趣
这六家合作伙伴不仅仅是科技投资者。
它们是全球最大的基础设施、私募信贷、保险资本、养老金和长久期资产管理机构之一。
AI基础设施为它们提供了配置资本的新场所。
一个大型计算项目可能提供：
- 合同化付款
- 长久期使用收入
- 实物抵押品
- 残值回收
- 类似基础设施的现金流
- 无需购买AI实验室股权即可接触AI增长
对于管理养老金或保险资金的机构而言，其吸引力与风险投资不同。
它们不一定需要一家初创公司成为
价值千亿美元的公司。
他们需要从一项可衡量利用率、可回收价值的生产性资产中获得可预测的回报。
这就是为什么将算力转化为可建模、可融资、可转售的东西，其重要性可能不亚于首批交易的规模。
与Anthropic的交易展示了这类融资可能的样子
来源文章以Anthropic为例，说明AI基础设施融资已经在如何演变。
2026年6月，Apollo和Blackstone支持了Anthropic约350亿美元的算力扩张项目，涉及与Broadcom和Google相关的定制AI芯片和基础设施。
该结构利用私人资本为算力基础设施融资，而不是要求Anthropic直接用自己的现金购买全部硬件。
公开报道描述了一种特殊目的结构，其中债务由类似租赁的付款支持，Broadcom为融资优先部分提供残值支持。
具体细节与NVIDIA的新平台并不完全相同。
但经济原则是相似的：
资本提供方购买或融资算力
↓
AI公司使用算力
↓
长期付款用于偿还融资
↓
硬件保留一定的可回收价值
NVIDIA的新举措试图将过去逐笔谈判的交易转变成覆盖更广泛客户群的可重复融资渠道。
更大的转变：AI基础设施可以吸纳机构资本
融资计划更深层的意义不仅仅是把一项开支从某个客户的资产负债表上移走。
如果AI算力被接受为主流基础设施资产，潜在的资本基础将远远超出科技公司的现金储备。
可能的资本来源包括：
- 养老基金
- 保险公司
- 基础设施基金
- 主权财富基金
- 私人信贷基金
- 资产支持债务投资者
- 银行和资本市场投资者
这些投资者已经在为机场、公用事业、电信塔、管道、物流设施、飞机、房地产和数据中心提供融资。
NVIDIA希望AI工厂也能进入同样的对话。
然而，要做到这一点，投资者需要对几个问题获得可信的答案：
- 硬件还能使用多久？
- 新一代GPU会在多短时间内降低旧一代的价值？
- 硬件能否转移到另一家运营商？
- 客户会继续为算力付费吗？
- 几年后实际的转售价值是多少？
- 经济收益中有多少来自NVIDIA的软件而非芯片本身？
融资平台可以提供一种结构，但无法消除这些风险。
市场反应暴露了这笔赌注的另一面
该公告并未迎来毫无保留的热情。
8月10日，英伟达股价下跌约2.9%，投资者在评估融资方案的同时，也面临更广泛的市场压力。
当日，参与该计划的几家另类资产管理公司股价上涨。
这一对比引发了围绕人工智能基础设施的一个熟悉担忧：循环融资。
其逻辑如下：
- 芯片公司希望客户购买更多基础设施。
- 客户需要融资才能负担得起这些基础设施。
- 资本提供方为采购提供资金。
- 芯片公司获得硬件收入。
- 如果客户日后陷入困境，融资结构可能依赖同一硬件保值。
在最激进的形态下，供应商融资可能让需求显得更强劲，而风险却在系统中的其他环节累积。
英伟达在黄仁勋8月11日的文章中直接回应了这一批评。
该公司辩称，此次计划有所不同，因为六家资本提供方均是独立机构，将做出自己的承销决策，而非仅仅听信英伟达所言每个项目都可融资。
几分钟搭建展示站并增长获客
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
这一区别很重要，但在投资者能够看到具体项目如何构建以及英伟达最终保留多少风险之前，这一担忧不会消失。
为什么GPU不同于飞机
飞机类比有助于解释融资结构，但在讨论折旧时就不太适用了。
飞机主要通过机龄、飞行小时、起降周期、维护状况和市场需求来贬值。
而GPU可能很快贬值，因为新架构会改变计算的经济性。
如果一款更新的加速器在每瓦性能、内存、网络或token成本方面表现更佳，旧款显卡即使仍运行完美，也可能失去吸引力。
这种技术过时风险，可能是将GPU视为长期抵押品时最难处理的部分。
五年期融资模型需要预估一款芯片在多个产品周期后的价值。
在一个新加速器快速迭代、模型架构不断改变最有价值工作负载组合的行业中，这殊为不易。
英伟达的答案是CUDA、可互换性与重新部署
黄仁勋的回应是，英伟达的计算产品并非单一用途设备。
一块不再适合训练最新前沿模型的GPU，仍可用于：
- 微调
- 推理
- 较小模型
- 企业工作负载
- 科学计算
- 渲染
- 仿真
- 批处理
- 区域云容量
CUDA生态系统的广度增加了潜在次级用户的数量。
这对贷款方很重要，因为当一项融资资产可以转让给其他客户时，其安全性更高。
英伟达还指出，软件改进不断提升已安装硬件的生产力。
该资产可能不如新款GPU具有竞争力，但未必会一文不值。
A100是英伟达最喜欢的例子
英伟达于2020年推出A100。
六年后，黄仁勋表示，A100仍在训练、微调、推理和高性能计算领域活跃商用。
客户继续就这一架构做出多年期的产能承诺。
对NVIDIA而言，这证明了数据中心GPU的经济寿命可能远超产品发布周期所暗示的长度。
这也支持了一个论点：融资模式并不需要旧款GPU始终保持市场上最快芯片的地位。
它只需要让GPU保持足够的产能效率，让用户愿意持续付费使用。
H100租赁价格强化NVIDIA的论点
来源文章还引用了黄仁勋引述的SemiAnalysis的租赁价格数据。
根据NVIDIA 8月11日的文章，一年期H100租赁价格从2025年10月的约每GPU小时1.70美元上升至2026年3月的约每GPU小时2.35美元。
跨服务商按需中位价格从2025年10月的约每GPU小时2.00美元上升至2026年6月的约2.70美元。
对于贷款方而言，稳定或上升的租赁价格支持了这样一个观点：即使更新产品进入市场，已安装的旧GPU仍能持续产生现金流。
然而，对于买方来说，历史租赁价格不应被视为未来残值的保证。
GPU供应、电力可用性、模型效率、竞争硬件、推理需求以及新架构都可能迅速改变经济性。
目前实际已达成的协议
当前阶段仍处于初步状态。
NVIDIA已与六家金融机构签署了谅解备忘录。
公司尚未公开披露：
- 最终的主融资协议
- 各机构将提供的资金规模
- 首个获融资的项目
- 首个客户
- 全面目标部署时间表
- 标准利率
- 标准租赁条款
- 统一的残值计算公式
预计每笔融资机会都将被单独评估。
这意味着最终的平台可能看起来不像一个标准化的全球抵押贷款产品，而更像一套可重复的融资结构，应用于不同客户和数据中心项目。
25%支持机制并非自动生效
另一个值得重复的细节是残值机制。
NVIDIA表示，在某些情况下，它可能为某项机会提供最高25%的支持。
这并非自动生效。
这并非承诺每块GPU都能保留其购买价格的25%。
这也不是覆盖整个5000亿美元目标的全面担保。
该支持预计将逐项目进行评估，并作为融资方独立承保的补充。
这一设计显然旨在减少外界对NVIDIA只是在为自己销售提供融资的印象。
投资者是否会接受这种区分，将取决于实际合同。
谁受益最多
融资平台似乎对以下对象最为有用：
对计算能力有强烈需求、但获取廉价资本的渠道不如超大规模科技公司的客户。
前沿AI实验室
实验室可以扩大训练和推理能力，而无需在硬件上占用过多的股权资本。
AI云服务商
当硬件融资能够以长期客户需求为依托时，Neocloud和GPU云运营商可以更快地增加容量。
大型企业
建设私有AI工厂的公司可能更倾向于采用融资或按使用量挂钩的结构，而非一次性的大额资本采购。
政府
国家AI项目可以利用基础设施融资加速主权计算项目，而不必完全依赖年度技术预算。
最优质的项目很可能是那些拥有长期合同、高利用率、优质客户以及硬件有明确二手市场的项目。
可能出什么问题
该举措也带来了若干风险。
- 硬件折旧快于预期
新一代加速器可能大幅降低已融资硬件世代的经济价值。
- 利用率下降
为预期AI需求而建设的数据中心可能低于产能运行，削弱用于偿还融资的现金流。
- 客户违约
一些前沿实验室和AI云增长迅速，但仍属于资本密集型，可能不具备投资级信用状况。
- 电力延迟减少收入
如果数据中心无法获得电力、网络、冷却或最终监管批准，GPU将无法产生收入。
- AI效率提升快于需求增长
如果模型在相同输出下所需计算量大幅减少，即使AI采用率持续增长，已安装产能也可能面临压力。
- 循环融资规模过大
如果技术供应商、客户、融资方和残值担保相互交织过深，生态系统某一环节的损失可能迅速传导至其他环节。
这对AI定价意味着什么
原文最后将融资体系与用户最终为AI支付的价格联系起来。
这种联系是真实存在的，尽管是间接的。
一个模型的成本不仅仅包括研发和工程。
它还反映以下成本：
- GPU
- 电力
- 网络
- 数据中心建设
- 融资
- 折旧
- 运营
如果基础设施能以较低利率融资并长期保持高利用率，单位计算成本就可以下降。
这可以降低训练更大模型的成本，也可以让推理和AI订阅服务随着时间推移变得更便宜。
反之亦然。
如果市场过度建设、硬件折旧快于预期，或融资损失增加，未来AI基础设施的资本成本可能会上升。
因此，华尔街正在成为AI产品栈的一部分，尽管终端用户在界面上永远不会看到它。
计算业务的规则正在改变
NVIDIA不再仅仅是芯片供应商。
它提供加速器、网络、软件、参考设计、AI工厂架构、生态系统标准，如今还提供了一个框架，将大规模外部资本引入建设进程。
这将改变竞争格局。
AI竞赛仍关乎模型能力，但也越来越取决于谁能以最低成本构建可用算力、高效融资、保持满负荷运转，并在多代硬件之间保值。
英伟达5000亿美元的目标，本质上是一场押注：其生态系统足够持久，足以让华尔街将算力视作长期高效的生产型基础设施。
未来几年将检验这一论断中最关键的假设：在更多代产品问世后，如今的GPU还能值多少钱？
常见问题
英伟达是否筹集了5000亿美元现金？
不是。英伟达与六家金融机构签署了谅解备忘录，旨在创建融资平台，逐步调动超过5000亿美元的第三方资本。具体承诺、最终协议及部署时间表尚未公开披露。
哪些金融机构在与英伟达合作？
已公布的合作伙伴包括Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR。这些机构预计将独立承销AI基础设施机会，而非简单地自动为所有英伟达客户提供资金。
这是否意味着企业可以分期付款购买英伟达GPU？
并非消费金融意义上的分期付款。该计划更接近设备、基础设施、私募信贷和租赁结构，资本提供方为AI工厂融资，客户为长期访问或使用付费。
英伟达是否为融资提供担保？
英伟达表示，可能为某些机会提供最高25%的残值支持机制，具体逐案评估。这并非对5000亿美元目标中25%的全面担保。
为什么投资者会将GPU视为基础设施资产？
投资者可以评估算力产生的经常性收入、客户市场深度、利用率、合同期限和残值。英伟达认为，CUDA、广泛的工作负载支持以及可重新部署性，使其硬件比单一用途的技术资产更具持久性和流动性。
为GPU提供多年期融资的最大风险是什么？
技术过时是核心风险。新一代加速器对旧一代产品经济价值的削弱，远快于物理磨损对传统基础设施设备价值的消减。
旧款英伟达GPU是否仍具商业用途？
是的。英伟达以2020年推出的A100为例，该硬件在数年后仍被用于训练、推理、微调和高性能计算。但这并不能保证每一代未来GPU都遵循相同的残值模式。
这种融资能否让AI对用户更便宜？
有可能。更低的融资成本、更高的利用率以及更长的硬件有效寿命，可以降低单位算力成本。AI服务的最终价格仍取决于模型效率、竞争、能源、软件、需求等多重因素。
相关工具
- NVIDIA DSX：英伟达用于设计、仿真、部署和运营AI工厂的平台。
工厂。
- NVIDIA AI 工厂：NVIDIA 为大规模 AI 计算设施打造的基础设施架构。
- CUDA 工具包：NVIDIA 的 GPU 编程平台及软件生态系统，是该公司残值论证的核心。
- NVIDIA AI Enterprise：NVIDIA 提供的受支持企业软件平台，用于部署和管理 AI 工作负载。
- NVIDIA DGX Cloud Lepton：连接开发者与多家云服务商 GPU 算力的平台。
相关链接
- NVIDIA 宣布 5000 亿美元算力融资计划：关于六项合作、谅解备忘录及长期资本目标的官方公告。
- 黄仁勋：AI 工厂算力作为可投资资产类别：NVIDIA 对残值、CUDA、A100 持久性、H100 租赁价格及 25% 支持机制的详细说明。
- 路透社：NVIDIA 与华尔街合作推进 5000 亿美元 AI 融资：关于该公告、资本目标及未披露条款的独立报道。
- 路透社：Apollo 和 Blackstone 支持 Anthropic 350 亿美元算力扩张：关于大型私人资本 AI 算力融资先例的背景信息。
- NVIDIA DSX：NVIDIA AI 工厂级基础设施平台的官方文档。
- NVIDIA CUDA 工具包：NVIDIA 官方 CUDA 开发者平台，在长期算力经济论证中被引用。
- NVIDIA AI Enterprise：NVIDIA 生产级 AI 软件栈的官方文档。
摘要
NVIDIA 已与 Apollo、贝莱德、黑石、Brookfield、高盛和 KKR 签署谅解备忘录，旨在创建独立融资平台，逐步为 AI 基础设施调动超过 5000 亿美元资金。
该项目并非已完成的一轮 5000 亿美元融资。它是一个框架，旨在将基于 NVIDIA 的 AI 工厂转变为长期资本提供者可以融资、租赁、承保并可能转售的资产。
核心问题在于残值。NVIDIA 认为，CUDA、广泛的工作负载支持、可重新部署性、A100 的持久性以及强劲的 H100 租赁经济性，可以使 GPU 基础设施足够耐用，适合基础设施类融资。投资者仍面临硬件快速过时、利用率、客户信用、电力以及循环融资等风险。
如果华尔街接受算力作为一种长期生产性资产，下一步
AI竞赛的阶段可能同样取决于融资和残值，以及原始模型性能。
