夜雨聆风硅谷正在发生一场静悄悄的金融实验——GPU不再只是芯片，它正在变成一种可抵押、可评级、可交易的金融资产。
2026年3月30日，一家三年前还默默无闻的云计算公司CoreWeave，完成了一笔让华尔街瞩目的交易：85亿美元的延迟提款定期贷款（DDTL 4.0），获得穆迪A3和DBRS A(low)评级——这是历史上首笔获得投资级评级的GPU担保融资（C01）。
仅仅七周后，CoreWeave再下一城：31亿美元的DDTL 5.0，成为首笔公开银团发行的GPU担保融资工具，定价从初始讨论收窄了50个基点，反映出市场的抢购热情（C02）。
加上此前的融资，CoreWeave在12个月内累计新增债务超过200亿美元——而这家公司2025年的营收不到20亿美元，净亏损约7.7亿美元。截至2025年底，其总负债达216亿美元（C07），负债营收比超过11倍。
CoreWeave不是孤例。它是一个更大趋势的缩影：AI正在从软件故事变成债务故事。
大厂从"现金奶牛"变成"债务机器"
过去十年，大型科技公司一直是债券市场的模范生——低杠杆、高现金流、对股东友好。但AI军备竞赛正在改变这一切。
据国际清算银行（BIS）2026年3月季度评论，超级大厂2025年的债券发行总额突破了1000亿美元，其中大部分是五年期以上的长期债券（C03，V01）。JPMorgan估算，全球数据中心与AI基础设施的累计支出将达到5万亿美元（C09）。2026年的年度需求约为7000亿美元，暂时还能由大厂现金流和投资级债券市场消化；但到2030年，年度需求可能超过1.4万亿美元——届时需要从高收益债到主权资本的"全光谱"融资参与。
Oracle的遭遇是最好的注脚。这家公司仍然维持穆迪Baa2的投资级评级，但它的债券已经在二级市场以垃圾债的价格交易——2035年到期债券收益率达到5.9%，超过了同期垃圾债均值。根因在于其AI基建豪赌：FY2026资本开支指引从250亿美元一路上调至500亿美元（C04），自由现金流已连续多个季度为负。更微妙的是，据Oracle Q3 FY2026财报，其剩余履约义务高达5530亿美元，其中，大部分来自OpenAI等AI公司的算力合同——AI公司签约给Oracle带来了账面上的订单保障，但也意味着一旦AI公司自身遇到困难，Oracle的收入基础就会动摇。
CNBC将这种转变称为大型科技公司打破了与债券投资者之间的"不成文契约"——曾经的低杠杆模范正在变成债务驱动的增长机器。
GPU如何变成了抵押品
要理解硅谷正在发生的金融实验，需要拆解"算力债券"的底层逻辑。
严格来说，"算力债券"并非一个标准化的金融产品品类。它是对一系列以算力资产为底层的融资工具的统称——包括GPU担保贷款、数据中心项目融资、算力收益权ABS等。
以CoreWeave的DDTL结构为例：贷款的抵押物不是CoreWeave公司本身，而是放在独立SPV（特殊目的载体）里的GPU集群加上与大客户签订的长期算力租赁合同。评级机构看的不是CoreWeave的损益表，而是底层的两样东西——GPU的残余价值和合同现金流的可预测性。
这种结构与传统的基础设施项目融资（如电厂、收费公路）有相似之处：通过可预测的长期现金流来支撑债务。DDTL 4.0获得A3评级的关键支撑之一，据公开信息披露，是Meta等大客户签署的大额长期合同。
BIS在今年3月的报告中用了一个值得警觉的词："影子借款"（shadow borrowing）。BIS指出，这些表外安排"在经济实质上等同于债务，但大量存在于企业资产负债表之外"，通过私募信贷渠道将大量资金引入AI基础设施，同时"加强了超级大厂与非银行投资者之间的关联"（V01）。银行向这些SPV提供流动性支持线，意味着如果SPV出现问题，风险仍可能回流到传统银行体系。
Nvidia：不只是受益者，更是生态银行家
在AI算力融资的食物链中，Nvidia扮演着一个独特而复杂的角色。
根据Nvidia FY2026年度报告（SEC 10-K文件），公司在该财年向私人企业和基础设施基金投资了175亿美元，并为合作伙伴的设施租赁提供了高达35亿美元的担保（C05）。在FY2027第一季度，投资规模又追加了186亿美元。
这意味着Nvidia不仅是GPU的供应商，还是客户的投资人和担保人——三重身份叠加。批评者指出，这形成了一个自我强化的正反馈循环：Nvidia投资初创公司 → 初创公司用投资款购买更多GPU → GPU销售推高Nvidia营收 → Nvidia继续投资。
这种模式在循环运转顺畅时能加速生态繁荣。但一旦循环断裂——比如被投企业因业务不达预期而违约——Nvidia将同时面对芯片需求下滑和投资减值的双重打击，加上可能被触发的担保义务。210亿美元的投资加担保敞口，已经堪比一家中型银行的信贷组合。
三大错配：算力债务的风险图谱
第一，期限错配。这是最根本的结构性风险。GPU在数据中心高负载环境下的经济寿命约为18到24个月——不是因为物理损坏，而是因为新一代芯片的性能跃升会让旧型号不再经济（C10）。但用来担保的贷款期限通常是5到7年。以Nvidia H100为例，其在二手市场的交易价格从2023年底的高点已经下跌超过60%（C06）。这意味着，如果借款人在贷款发放12到18个月后违约，贷方收回的GPU可能已经远不值贷款金额。
第二，技术替代风险。当前的GPU担保融资建立在Nvidia GPU是AI训练和推理"黄金标准"的假设之上。但Google的TPU、Amazon的Trainium/Inferentia以及一批ASIC芯片创业公司正在推动算力硬件的多元化。如果技术路线出现重大转向，现有GPU抵押品的价值可能出现断崖式下跌。
第三，循环依赖。 AI算力市场的参与者正在形成一个相互背书的网络：OpenAI签约Oracle → Oracle发债建数据中心 → Oracle用合同支撑评级 → 投资者买入债券 → 资金回流为更多GPU采购提供支持。链条中的每一个环节看起来都有对手方的信用背书，但当你追问"现金流最终从哪里来"时，答案指向的是AI应用的商业化前景——而这恰恰是当前最大的不确定性。
独立信用分析师Dave Friedman将CoreWeave的投资级评级称为一笔"奖杯交易"（trophy deal），认为评级机构给出A3评级部分是因为它是新品类的首笔交易（V02）。这种观点或许过于悲观，但它指向一个合理的追问：当评级基础高度依赖少数大客户的长期合同时，这个"投资级"有多坚实？
结语
历史上每一次基础设施革命——铁路、电报、光纤——都经历过金融工程跑在真实需求前面的阶段。19世纪的美国铁路最终建成了，但为它融资的投资者大多血本无归。基础设施留下了，债务结构没有。
AI算力融资正在重复这个古老的剧本，但有一个前所未有的变量：铁轨铺下去二十年后还能跑火车，GPU装上去十八个月后就可能被淘汰。这意味着留给这套金融结构自我验证的时间窗口，比历史上任何一次基建融资周期都要短——AI的商业化兑现速度，必须跑赢芯片贬值的速度。而这场竞赛的裁判，不再只是摩尔定律，还有信贷周期。
