FX168财经报社(北美)讯 英伟达(Nvidia，NVDA)正推动华尔街以全新的方式看待人工智能算力：不再只是技术支出，而是类似商业地产、收费公路或发电厂一样的基础设施投资资产。该公司周一表示，已与阿波罗全球管理(Apollo Global Management)、黑石(Blackstone)、贝莱德(BlackRock)、布鲁克菲尔德资产管理(Brookfield Asset Management)、高盛(Goldman Sachs)和KKR签署谅解备忘录，计划搭建融资平台，未来有望动员超过5000亿美元的第三方资本。#AI热潮：从芯片到资本的竞赛#
英伟达的目标，是把AI算力包装成“可融资、可抵押、可产生现金流”的资产，从而鼓励客户建设更多AI数据中心，并持续锁定对其芯片和GPU的需求。英伟达创始人兼首席执行官黄仁勋表示，这是“科技芯片首次成为可投资资产类别”，并强调这些资产如今“能够创造收入、具有生产性、寿命长、可替代且灵活”。他还称，计算机如今已成为基础设施的一部分，“就像电力、互联网一样”，因此必须按基础设施来思考。
AI算力为何被重新定价
所谓AI算力，指的是训练和运行人工智能模型所需的原始处理能力，主要由英伟达高端GPU承担，这些芯片构成了英伟达所称的“AI工厂”。这些工厂消耗电力和数据，生成聊天机器人、图像和视频、药物设计、机器人以及其他大量应用所需的智能系统。AI越先进，对这类专用算力的需求就越高。
在当前模式下，大多数公司购买或租用算力时，通常将其视为一项会迅速贬值的技术支出，相关成本会计入资产负债表，并随着新一代芯片上市而逐步折旧。英伟达认为，这种看法已经过时，因为其系统被广泛采用，而且可以被多个客户反复使用，在多年内持续产生收入流，因此AI工厂应被视为长期可投资资产。
英伟达举例称，过去一家企业如果需要强大的AI芯片，往往要一次性投入数百万美元自购GPU集群，或通过普通商业贷款融资，相关支出会作为设备列入资产负债表，并在几年内折旧。市场押注的是，在这些芯片大幅贬值之前，基于它们开发的AI产品能够带来足够收入，覆盖甚至超过成本。
而在英伟达设想的新模式下，同样的企业仍然需要芯片，但不必再由自己承担全部前期支出，而是由机构投资者支持的融资平台提供资金。作为回报，投资者希望从这些芯片多年产生的租赁收入中获利。换言之，企业是通过“付租金”的方式获得AI工厂算力。英伟达认为，机构投资者愿意参与，正是因为同一批Nvidia芯片可以服务多个客户和不同工作负载，从而形成稳定的租金现金流。
华尔街资金如何介入
根据这份谅解备忘录，华尔街银行将独立评估每个项目的客户需求、预期利用率和现金流，再决定是否投放资本。在部分交易中，英伟达可能承担高达25%的芯片贬值风险，但核心机制仍是由放贷方自行尽调并独立决定是否参与。
英伟达此举发生在大型科技公司围绕AI的巨额资本开支持续引发市场质疑之际。投资者越来越关注，这些投入最终能否带来足够回报。黄仁勋表示，历史上的每一次工业革命都建立在基础设施之上，包括电力、交通、通信和计算，而每一轮建设都离不开外部融资；在他看来，AI工厂就是“智能时代的基础设施”。
这一融资模式若能落地，或将为AI产业打开更大的长期资本池，也可能进一步强化英伟达在AI基础设施链条中的核心地位。对于芯片厂商而言，这不仅有助于推动数据中心扩张，还可能在需求端形成更强的锁定效应；对于金融机构而言，则意味着可以围绕AI算力现金流设计新的基础设施融资产品。
去中心化算力网络压力加大
与英伟达主导的中心化AI算力体系相比，Akash和Render等去中心化算力网络试图通过区块链协调普通用户的闲置算力，打造全球计算市场。尽管这些网络有所增长，但规模仍远未接近英伟达。
Epoch AI的研究指出，当前最大的活跃去中心化训练网络，其吞吐量仍只有前沿数据中心的大约三百分之一，并认为“本十年内去中心化开发者不太可能积累起前沿级别的算力”。研究还提到，较低的互联网带宽会让GPU大部分时间都在等待数据而非真正计算，而对每一次结果进行加密验证也会带来沉重额外成本。
行业分析同样指出，缺乏企业级服务水平协议，以及将海量数据迁移到分散机器上的现实困难，都是阻碍企业采用去中心化算力网络的重要因素。物理、经济和运营层面的这些限制，解释了为何去中心化网络在规模上持续落后于英伟达，而随着英伟达与华尔街银行推进融资平台，这一差距可能进一步扩大。
英伟达此番动作，实际上是在把AI算力从“硬件采购”升级为“基础设施融资”叙事。若市场接受这一逻辑，AI数据中心建设的资金来源将更为多元，相关资本开支的可持续性也可能获得新的支撑；但与此同时，投资者对AI回报周期、资产折旧和利用率的审视也会更加严格。
FX168财经报社(北美)讯 英伟达(Nvidia，NVDA)正推动华尔街以全新的方式看待人工智能算力：不再只是技术支出，而是类似商业地产、收费公路或发电厂一样的基础设施投资资产。该公司周一表示，已与阿波罗全球管理(Apollo Global Management)、黑石(Blackstone)、贝莱德(BlackRock)、布鲁克菲尔德资产管理(Brookfield Asset Management)、高盛(Goldman Sachs)和KKR签署谅解备忘录，计划搭建融资平台，未来有望动员超过5000亿美元的第三方资本。#AI热潮：从芯片到资本的竞赛#
英伟达的目标，是把AI算力包装成“可融资、可抵押、可产生现金流”的资产，从而鼓励客户建设更多AI数据中心，并持续锁定对其芯片和GPU的需求。英伟达创始人兼首席执行官黄仁勋表示，这是“科技芯片首次成为可投资资产类别”，并强调这些资产如今“能够创造收入、具有生产性、寿命长、可替代且灵活”。他还称，计算机如今已成为基础设施的一部分，“就像电力、互联网一样”，因此必须按基础设施来思考。
AI算力为何被重新定价
所谓AI算力，指的是训练和运行人工智能模型所需的原始处理能力，主要由英伟达高端GPU承担，这些芯片构成了英伟达所称的“AI工厂”。这些工厂消耗电力和数据，生成聊天机器人、图像和视频、药物设计、机器人以及其他大量应用所需的智能系统。AI越先进，对这类专用算力的需求就越高。
在当前模式下，大多数公司购买或租用算力时，通常将其视为一项会迅速贬值的技术支出，相关成本会计入资产负债表，并随着新一代芯片上市而逐步折旧。英伟达认为，这种看法已经过时，因为其系统被广泛采用，而且可以被多个客户反复使用，在多年内持续产生收入流，因此AI工厂应被视为长期可投资资产。
英伟达举例称，过去一家企业如果需要强大的AI芯片，往往要一次性投入数百万美元自购GPU集群，或通过普通商业贷款融资，相关支出会作为设备列入资产负债表，并在几年内折旧。市场押注的是，在这些芯片大幅贬值之前，基于它们开发的AI产品能够带来足够收入，覆盖甚至超过成本。
而在英伟达设想的新模式下，同样的企业仍然需要芯片，但不必再由自己承担全部前期支出，而是由机构投资者支持的融资平台提供资金。作为回报，投资者希望从这些芯片多年产生的租赁收入中获利。换言之，企业是通过“付租金”的方式获得AI工厂算力。英伟达认为，机构投资者愿意参与，正是因为同一批Nvidia芯片可以服务多个客户和不同工作负载，从而形成稳定的租金现金流。
华尔街资金如何介入
根据这份谅解备忘录，华尔街银行将独立评估每个项目的客户需求、预期利用率和现金流，再决定是否投放资本。在部分交易中，英伟达可能承担高达25%的芯片贬值风险，但核心机制仍是由放贷方自行尽调并独立决定是否参与。
英伟达此举发生在大型科技公司围绕AI的巨额资本开支持续引发市场质疑之际。投资者越来越关注，这些投入最终能否带来足够回报。黄仁勋表示，历史上的每一次工业革命都建立在基础设施之上，包括电力、交通、通信和计算，而每一轮建设都离不开外部融资；在他看来，AI工厂就是“智能时代的基础设施”。
这一融资模式若能落地，或将为AI产业打开更大的长期资本池，也可能进一步强化英伟达在AI基础设施链条中的核心地位。对于芯片厂商而言，这不仅有助于推动数据中心扩张，还可能在需求端形成更强的锁定效应；对于金融机构而言，则意味着可以围绕AI算力现金流设计新的基础设施融资产品。
去中心化算力网络压力加大
与英伟达主导的中心化AI算力体系相比，Akash和Render等去中心化算力网络试图通过区块链协调普通用户的闲置算力，打造全球计算市场。尽管这些网络有所增长，但规模仍远未接近英伟达。
Epoch AI的研究指出，当前最大的活跃去中心化训练网络，其吞吐量仍只有前沿数据中心的大约三百分之一，并认为“本十年内去中心化开发者不太可能积累起前沿级别的算力”。研究还提到，较低的互联网带宽会让GPU大部分时间都在等待数据而非真正计算，而对每一次结果进行加密验证也会带来沉重额外成本。
行业分析同样指出，缺乏企业级服务水平协议，以及将海量数据迁移到分散机器上的现实困难，都是阻碍企业采用去中心化算力网络的重要因素。物理、经济和运营层面的这些限制，解释了为何去中心化网络在规模上持续落后于英伟达，而随着英伟达与华尔街银行推进融资平台，这一差距可能进一步扩大。
英伟达此番动作，实际上是在把AI算力从“硬件采购”升级为“基础设施融资”叙事。若市场接受这一逻辑，AI数据中心建设的资金来源将更为多元，相关资本开支的可持续性也可能获得新的支撑；但与此同时，投资者对AI回报周期、资产折旧和利用率的审视也会更加严格。
