英伟达联手华尔街撬动5000亿美元：AI算力正被重新定义为“新资产类别”

2026年8月的第二周，AI算力领域迎来了一则震动全球科技与金融界的消息。当地时间8月10日，英伟达宣布与阿波罗全球管理、贝莱德、黑石、布鲁克菲尔德、高盛及KKR六家全球**金融机构签署谅解备忘录，拟设立独立算力融资平台，计划逐步为AI基础设施建设动员超过5000亿美元（超3.37万亿元人民币）的第三方资本。这一规模史无前例的合作，被英伟达CEO黄仁勋称为“大构想”。

消息公布后，英伟达股价当日盘中一度跌超3%，最终收跌2.86%，单日市值蒸发超过700亿美元；费城半导体指数同步下跌2.94%。次日，英伟达股价收盘小幅下跌0.02%，基本企稳。市场的反应意味深长——在“利好”面前，华尔街正在用另一套逻辑审视AI算力的宏大叙事。

从芯片供应商到“资本组织者”

这场合作的核心，是英伟达身份的一次根本性转变。

按照平台运行逻辑，六大机构将设立规模可观的专属资本池，以具有竞争力的利率，为英伟达生态内的前沿AI实验室、企业及AI云服务商提供融资支持。客户借助第三方资金，可以采购硬件、建设基于DSX架构的“AI工厂”，不必大量消耗自身资产负债表内的自有现金。而资本方获得的则是与算力实际使用情况挂钩的长期收益，把AI算力项目变成类似公用基建一样、可供全球机构资本配置的投资标的。

“英伟达抵达了一个重要里程碑。我们最初专注于芯片研发，如今，我们助力打造一类全新具备生产力的可投资基础设施——AI工厂。”英伟达创始人兼首席执行官黄仁勋如此定义这一时刻。他在公告中写道：“我们已经从企业购买芯片、逐个建设数据中心的时代，进入了一个AI工厂可以作为生产性基础设施进行融资的时代。”

在他看来，“AI时代，算力即收入”。英伟达算力不仅获得广泛采用，可适配各类模型与业务负载，还能依托CUDA软件持续迭代升级，延长使用周期、持续优化经济效益，背后还有由开发者、客户、下游需求方共同构建的全球生态。“正因如此，我们汇聚全球头部长期资本机构，由其独立为AI基础设施项目提供信贷支持。这些融资平台将帮助客户大规模获取稀缺算力，搭建DSX AI工厂，为AI时代各行各业与各个国家赋能。”

这意味着，英伟达正在从设备供应商转向AI基础设施生态的资本组织者。客户一旦通过相关平台获得融资，其数据中心在芯片、软件和运营标准上将更加依赖英伟达体系，融资平台不仅释放新的采购需求，也可能增强英伟达对产业标准和客户生态的影响力。

高盛CEO大卫·所罗门透露，黄仁勋此前主动找到了这些华尔街巨头，提出了这项融资项目的构想。贝莱德CEO拉里·芬克则表示，他相信该项目是“金融工程未来新篇章”的开端，其意义堪比20世纪70年代抵押贷款支持证券的诞生。

算力作为“新资产类别”

这场合作最值得关注的部分，在于资产定义的改变。

长期以来，GPU被视作折旧速度快的电子硬件，很难作为优质抵押品获取长期低成本信贷。英伟达本次试图完成一次认知重构——把基于CUDA生态的整套算力集群，定义为具备稳定现金流、可跨客户流转的可投资资产。

在接受外媒采访时，黄仁勋直言：“这真的是技术芯片首次成为一种具备投资价值的资产类别。它们现在是能够创造收入的资产，具备高生产力、长寿命、通用可替代性以及高度灵活性。”他进一步解释道，由于英伟达的硬件被广泛采用且可在不同客户间无缝迁移，贷款方可以可靠地将算力作为一种资产来进行承销。“从根本上讲，这个行业以及这种计算方式的不同之处在于，计算机现在已经成为基础设施的一部分，就像电力、互联网一样，因此你必须像对待基础设施那样来看待它。”

在参与合作的金融机构看来，AI算力正在从一种技术产品，转变为可以被全球资本长期持有的基础设施资产。阿波罗总裁吉姆·泽尔特表示，现代算力已经成为“稀缺且关键的核心资产，具备**吸引力的投资属性，有望驱动长期经济增长与生产力大幅提升”。高盛董事长戴维·所罗门则提出，金融机构可以围绕英伟达算力建立新的信贷市场。

黑石集团总裁乔纳森·格雷在CNBC访谈中介绍，在他们旗下的企业中，过去六个月对大语言模型的需求增长了七倍，但算力供给却远远跟不上，无论是数据中心、电力还是芯片，都存在缺口。贝莱德CEO拉里·芬克则表示，数据中心融资“感觉就像上世纪70年代他刚进入抵押贷款支持证券市场时一样”，他认为这将成为金融工程的下一个前沿领域。

这一融资架构的核心逻辑是：将AI数据中心和GPU集群类比为商业地产、通信塔、能源管道和收费公路——前期投入规模庞大，但如果能维持稳定使用率，便可通过长期租赁和服务收入产生现金流，进而成为可估值、可融资的基础设施资产。

分析人士指出，这套安排的关键在于：AI公司的成败不影响算力资产本身的价值——即便一家公司倒闭，设备仍可由其他企业接手。由于这些芯片寿命更长、更保值，金融机构可以将其证券化，转化为可融资、可交易的资产。

争议与隐忧：循环融资的“债务幽灵”

5000亿美元计划公布后，市场的疑问迅速指向“循环融资”。所谓循环融资，是指英伟达向客户投资、提供担保或协助融资，客户再利用相关资金购买英伟达芯片，资金最终回到英伟达，形成“英伟达支持融资—客户采购芯片—资金回到英伟达”的闭环。

这一模式引发了华尔街的深层担忧。有分析指出，当英伟达需要联合六家全球资本巨头为客户搭建融资通道，市场看到的不仅是需求旺盛，也会追问：AI建设是否已经昂贵到仅靠科技企业自身现金流难以继续支撑？ 一个简单而令人不安的问题被反复提出：如果AI算力真的如此供不应求，为什么芯片巨头还需要帮客户安排融资？

市场人士担心，一旦AI需求、融资环境或合作伙伴偿债能力不及预期，风险可能在芯片供应商、客户以及资本提供方之间相互传导。在“英伟达大客户高度集中，头部云厂商、AI实验室贡献绝大多数芯片订单”的背景下，这样高度绑定的借贷采购模式会放大行业波动风险。

资本市场用真金白银投下了不信任票。消息公布后，英伟达5年期信用违约互换（CDS）单日跳涨近6个基点，自5月下旬以来保险成本直接翻倍，距离7月底创下的历史高点仅一步之遥。CDS价格走高意味着机构投资者认为英伟达连带担保风险抬升，债务违约隐患加大。

“互联网泡沫”的阴影也在被反复提及。不少市场人士担忧，英伟达的这套融资模式，本质是“华尔街借钱给AI客户，客户转头全部采购英伟达芯片”，依靠外部杠杆人为制造芯片需求，并非产业真实内生需求。在这一假设下，一旦未来下游AI企业营收不及预期、无力偿还巨额贷款，整条产业链会出现多米诺式债务爆雷，复刻2000年互联网泡沫破裂前的供应商借贷乱象。

《大空头》原型迈克尔·伯里直接公开警示，英伟达持续扩张的融资操作已经把循环支出推到前所未有的规模。他与另一华尔街知名空头吉姆·查诺斯更进一步，将矛头直指该计划背后的金融杠杆与结构化设计——伯里认为，在牛市后期为了延续势头而进行不自然的信用结构化，才是真正令人担忧的地方；查诺斯甚至将该计划直接类比为推动了2008年次贷危机的金融工程操作。财经平台Zerohedge也预警，海量表外SPV专项载体暗藏隐形债务，行业风险高度集中，一旦资金链收紧将冲击整个美股科技板块。

金融咨询公司deVere Group创始人兼CEO奈杰尔·格林指出：“此前，芯片从未被视为一种可融资的长期资产，因为芯片贬值速度极快，一旦出现新一代产品就会立刻失去价值。将其转化为可供机构抵押贷款的资产，前提是该标的资产在随着时间推移后能够真正保持其价值。”投资咨询公司Cresset Capital创始合伙人杰克·阿布林更是直言：“如果你是一个以算力为抵押品的债务投资者，从历史上看，这类资产的保质期就像生菜一样短暂。”

黄仁勋的正面回应随之而来。面对铺天盖地的质疑，他通过官方声明、媒体访谈和社交平台X长文等多重渠道回应，努力否认关于“循环融资”的指控。他指出，英伟达在相关合作中仅提供“最高达项目规模25%”的融资支持，主导决策权与独立尽调均由金融机构承担。他在X平台写道：“我们的作用是帮助解锁庞大的独立资本池，同时保持自律的风险敞口。”

黄仁勋强调，真实的需求来自前沿AI实验室、AI原生云服务商和主权AI项目。他提出，前代A100等芯片在发布多年后依然被客户广泛预订，证明了软件升级（如CUDA）能够延续硬件的经济寿命，算力资产具备持久的盈利能力。摩根士丹利也在研报中分析，英伟达提供不超过25%的残值支持机制，该模式在理论上能有效缓解循环融资疑虑，并为英伟达开辟近100%毛利率的年金式收入分成通道，预计在2029财年带来超百亿美元的分成收入。

从更宏观的视角看，一座今天建成的数据中心，可能要在未来十几年中回收投资；装入其中的芯片，却可能在数年内面临新一代产品的竞争——英伟达如今每年更新一次芯片架构，而非每两年一次，意味着每一代新产品都会迅速侵蚀旧款芯片的转售价值。即使算力需求继续增长，算力价格、设备利用率、能源成本和技术替代，也会不断改写最初的回报测算。

上海财经大学特聘教授胡延平对澎湃新闻表示，市场的激烈波动恰恰反映出，投资者对这种资本撬动模式的长期可持续性、以及巨额融资背后潜在信用风险的担忧正在上升。尽管循环融资是资本市场的常见操作，但在庞大的债务与不确定的商业变现面前，各界对风险的警惕性已然提到了最高点。

中国算力产业同步升温

在大洋彼岸资本运作的同时，中国AI算力产业链也在本周迎来了业绩与技术的双重爆发。

产业链业绩密集释放。 AI芯片龙头寒武纪2026年半年报显示，上半年营收59.96亿元，同比增长108.13%；净利润23.11亿元，同比增长122.61%，连续两个季度站稳十亿级盈利台阶。AI服务器龙头工业富联上半年营收5578.6亿元，同比增长54.6%；净利润237.4亿元，同比增长96%。其中云服务商AI服务器营业收入同比增长2.3倍，GPU AI机柜出货量同比增长3.2倍。存储板块更是爆发式增长，江波龙净利润同比增长逾700倍。

技术层面同样动作频频。 8月10日，阿里云宣布基于全模块化设计架构CUBE 5.0，将大型AIDC数据中心的交付工期缩短至100天。按照阿里云的说法，100天交付周期包括30天工厂生产和现场准备、50天现场安装、20天调试测试。同期国内传统交付周期为6至12个月，美国为12至18个月，建设成本较上一代降低逾10%。阿里云计划借此将全球数据中心产能提升两倍以上。8月12日，阿里云灵骏真武M890超节点实例正式上线，成为国内首个成功运行超2万亿参数大模型的超节点形态算力。

8月12日晚间，DeepSeek在其官网API文档更新了DeepSeek-V4-Pro-0813模型版本。这一版本的发布标志着国产大模型能力再上一个台阶，其带来的Token调用量指数级增长直接引爆了A股半导体算力链的景气度。8月13日早盘，算力租赁板块掀涨停潮，立昂技术20cm涨停，城地香江三连板。

算力的下一站

从英伟达联手华尔街撬动5000亿美元，到中国算力产业链业绩全面爆发，2026年8月的这一周清晰地表明：AI算力已不再是单纯的技术问题，而是正在演变为全球资本争夺的核心基础设施资产。

黄仁勋说：“从根本上说，对于我们行业以及这种计算模式，不同之处在于，算力如今已经成为像电力、互联网一样的基础设施，因此我们必须以建设基础设施的思路来看待它并进行相应的布局。未来，每家公司都会由它驱动，每个国家都会建设自己的算力基础设施，这将是一场规模空前、意义重大的基础设施建设浪潮。”

然而，从“技术产品”到“基础设施资产”的跃迁，注定不会一帆风顺。根据摩根士丹利的估算，2026年至2028年间，超大规模云厂商在AI基础设施上的投入将高达3.5万亿美元，长期看总规模甚至超过8万亿美元。融资意向不等于项目获批，项目获批不等于机房建成，机房建成也不等于算力被充分使用并产生现金回报。上述合作仍有待各方签署正式协议后方可落地，庞大的融资构想也并不代表产业风险就此消失，后续项目审批、利率定价、违约处置、硬件资产估值，都还需要多方打磨。

英国投资平台AJ Bell金融分析主管丹尼·休森补充道，这种融资模式本质上是在“债上加债”。市场**的疑虑在于，海量资金砸入后究竟能否换来可持续的回报，还是会演变成无法产生效益的“白象工程”。中国信息消费联盟理事长项立刚则指出，如果谷歌、微软等云巨头是真正算力短缺的**受益者，它们的股价理应上涨；相反，英伟达推动融资解决方案反而亮起红旗，表明潜在买家可能正面临资产负债表方面的困难。

当华尔街开始用“财务＋物理”的双重显微镜审视AI投资，算力产业的真正考验才刚刚开始。