AI 进入 ROI 定价时代:英伟达牵手华尔街,5000 亿美元开启算力资产化

过去，AI 算力更像一张采购单。客户购买 GPU、建设数据中心，并承担设备折旧、利用率不足等风险，英伟达则在交付芯片后确认收入。

如今，这套模式正在发生变化。8 月 10 日，英伟达宣布与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 等机构合作，通过独立融资平台，动员超过 5000 亿美元第三方资本，用于 AI 基础设施建设。

真正重要的变化在于，AI 算力正在从一次性的“芯片采购”，逐渐演变为一种可以被融资、定价和长期运营的基础设施资产。

笔者认为，当前市场仍处于科技板块大跌后的估值重构阶段，这一商业模式变化背后的长期价值尚未被充分定价。过去市场关注的是 AI 资本开支，现在关注的是投入之后能够产生多少回报。未来，当 AI 工厂成为可运营、可衡量的资产，ROI 也将从一个抽象指标，变成更加透明、直观的经营数据。

一、5000 亿美元收入，是融资框架

这 5000 亿美元不是英伟达的收入，也不是英伟达账上的现金，更不是一只已经募集完成的单一基金。

按现有披露，英伟达与六家金融机构签署谅解备忘录，通过独立平台动员第三方资本。金融机构、算力运营商、终端客户和英伟达，被放进了一条新的融资链条：机构资本 → AI 工厂 → 云服务与模型客户 → Token 与 AI 服务收入 → 偿债、再投资与扩产。

BofA 估算，英伟达目前对生态伙伴的直接股权投入约为 700 亿美元，相比其预计 2026—2027 年约 4690 亿美元自由现金流，占比约 15%。

二、算力资产化，要过四道门

GPU 芯片本身不自动等于资产。只有当一座 AI 工厂能够持续产生收入、服务多类客户、不断提高效率，并在硬件换代后保留价值，它才有资格被资本市场当作基础设施融资。

第一，能产生收入。英伟达把 AI 工厂定义为持续生产智能的基础设施，消耗电力和数据，产出 Token、推理服务和企业应用能力。因此，经营指标也会变化。市场不再只看 GPU 出货量，还要看 Token 产量、每瓦性能、单位 Token 成本、利用率和在线时间。

第二，能跨客户部署。如果一座数据中心只绑定一个模型公司，客户一走，资产价值可能迅速归零。但 AI 工厂理论上可以服务模型公司、云厂商、企业、科研机构和政府客户。客户可以变化，工作负载可以变化，算力也可以重新部署。

第三，能持续优化。DSX 一类参考架构，把 GPU、网络、存储、电力、散热和软件放进同一套系统优化。CUDA 和全栈软件的意义，也不只是让新一代芯片更快，而是让已部署的设备持续提高产出。因此，会计折旧年限不等于经济寿命。

第四，有可验证残值。残值不只是二手 GPU 能卖多少钱。真正的残值，是客户、模型和硬件换代之后，这座工厂能否继续产生现金流。而这恰恰是整套逻辑最难的一关。硬件替代速度、运维成本、客户认证和电力条件，都会决定残值究竟是资产，还是一笔被高估的折旧。

三、循环风险被削弱，不等于需求已经被验证

所谓循环融资，简单说就是英伟达帮助客户获得资金，客户再拿这笔钱购买英伟达的芯片。英伟达由此确认收入，再用新增收入或资产负债表继续支持更多客户。如果终端没有足够真实、独立的 AI 服务需求，这条链条就会变成“资金推动销售，销售再支撑资金”的自我循环，这也是市场最担心的地方。

本次融资框架试图改变的，是资金来源。按现有披露，资金不主要由英伟达直接提供，而是由独立资本平台评估项目后投入。它们需要看客户信用、合同期限、算力利用率、项目现金流和残值，而不只是看英伟达能卖出多少 GPU。

这会削弱“英伟达自己出钱、客户买英伟达芯片”的直接循环，但并没有消除风险。因为英伟达仍提供硬件、软件和平台支持。在部分合作模式中，它也可能同时获得产品收入和与项目表现相关的收入。只要终端需求不足、利用率下滑，项目现金流就可能无法覆盖债务、折旧和运营成本。

所以，六家顶级机构入场，不等于循环融资问题已经消失。真正该验证的只有三件事。第一，融资是否真正落地，而不只是签署谅解备忘录；第二，终端客户是否愿意持续为算力服务付费；第三，项目现金流能否在没有持续新增支持的情况下，独立覆盖债务、折旧和运营成本。

资本虽然被分散，但始终不等于需求被验证。

四、从卖 GPU，到 AI 工厂资本化

电力、铁路、通信和传统数据中心，都是先形成长期基础设施，再通过外部资本扩大规模。

AI 算力正在走同一条路。

过去，市场问的是“英伟达能卖出多少颗 GPU”。以后，市场会越来越多地讨论，这座 AI 工厂能产生多少收入，能保持多高利用率，能否跨客户迁移，下一代硬件到来后还剩多少价值？

这意味着，AI 基础设施的估值方法也会变化。芯片是一笔采购，算力工厂才可能成为一项资产。

如果外部资本只是把低利用率、高折旧和低现金流包装成更大的融资结构，那么所谓资产化，本质上仍是风险转移。

只有当 AI 工厂能够持续生产 Token 与服务，拥有广泛客户，并在代际升级后继续产生现金流，算力才真正具备基础设施资产的属性。

未来真正需要验证的，是资本到底落地了多少、客户合同和利用率是否真实、AI 服务收入能否覆盖折旧、能源和融资成本、英伟达最终承担的是平台支持，还是更多资产负债表风险。

叙事负责打开方向，现金流才负责最终验证。

建议大家认真阅读置顶文章和近期推文。

逻辑与技术，我们依然在路上！

注意，笔者近期会加大对长期零互动朋友的清理力度。长期零互动，包括留言、点赞、赞赏、转发等，意味着不能稳定、及时地收到文章推送，关注与否意义不大。再次重申，不要等被清理再来联系，这是永久处理。

▼