本文来自微信公众号： 环球零碳 ，编辑：小澜，作者：环球零碳研究中心
摘要：
当科技巨头为AI基建疯狂发债、自由现金流纷纷转负之时，英伟达转身做起“大庄家”。从“卖铲子”到“搭平台”，英伟达联手华尔街，要当万亿算力融资操盘手。黄仁勋的野心，正将整个产业带入一场资本大戏。
→这是《环球零碳》的第2113篇原创
2026年，全球资本市场正见证一场由人工智能驱动的“融资狂欢”。
从科技巨头到芯片制造商，再到数据中心运营商，整个AI产业链条上的企业正以前所未有的速度涌入债券市场。
伦敦证券交易所集团数据显示，仅Alphabet、亚马逊和Meta三家公司，2026年以来已发行近2200亿美元债券，是2025年全年1080亿美元发债规模的两倍多。
摩根士丹利预计，2026年全球AI相关债务发行规模可能接近5700亿美元。
在融资浪潮的喧嚣之中，英伟达正悄然完成一场身份蜕变。
这家全球AI芯片霸主不再满足于充当“卖铲人”角色，而是联合高盛、贝莱德、黑石等六家华尔街金融巨头，宣布了一项规模高达5000亿美元（约3.4万亿人民币）的AI基础设施融资计划。
黄仁勋正试图将英伟达从芯片供应商重塑为“AI时代的银行家”——一个能够为整个算力生态系统提供资本循环的组织者。
其在X网站上发表的一篇关于该协议的文章中写道，前沿AI实验室的训练与推理算力需求极为旺盛，但资本支出增速已远超其资产负债表承受极限。
这些企业虽然有着强劲的客户需求，收入也在快速上涨，但仍然缺乏配套的融资实力，难以独自支撑AI工厂和基础设施的建设。
而英伟达想做的，就是利用自己在GPU市场的技术垄断优势，为整个AI产业建立一套算力资产定价、融资和信用体系。
如果成功，英伟达的护城河就会从芯片扩展到资本市场：世界不仅使用英伟达GPU，也会按照英伟达定义的残值和现金流模型为AI基础设施融资。
01
资本饥渴：AI基建狂潮下的债务飓风
当前，AI竞争正从技术竞赛演变成资本密集型基础设施竞赛，而资本市场正在成为这场竞赛新的发动机。
过去几年，微软、Alphabet、亚马逊、Meta等科技巨头还能够依靠其经营现金流购买GPU、建设数据中心。
然而，当单个AI园区的投资规模从数十亿美元跃升至数百亿美元，电力、土地、服务器、网络设备以及GPU采购都需要提前数年锁定，单靠自由现金流已经难以支撑扩张速度。
即使是市值以万亿美元计的科技巨头，也不得不通过激进融资来支撑这场竞赛。
以谷歌母公司Alphabet为例，其在2026年第二季度经营活动产生现金流约391亿美元，资本开支却高达449亿美元，自由现金流降至负59亿美元。
公司随后将全年资本开支上调至1950亿至2050亿美元，并表示2027年还会显著增加。
为补充弹药，Alphabet不仅在美元市场发行250亿美元债券，还相继进入欧元、英镑、瑞士法郎、加元、日元市场，如今又筹备首次发行澳元债券。
Alphabet并不是孤例。高盛预计，包括微软在内的五家超大规模算力企业（Hyperscalers）2026年发债规模可能达到2500亿美元，2027年进一步升至4000亿美元。
图说：AI相关产业正在发行多币种债券
来源：高盛
与此同时，市场预期，五家科技巨头（Alphabet、微软、亚马逊、Meta和甲骨文）2026年资本开支将达到7692亿美元，2025年这一数字约为4483美元。
行业预计，从2027年开始，仅超大规模数据中心的资本支出每年就将超过1万亿美元，而且没有明显的放缓迹象。
伦敦证券交易所数据显示，到2027年，Alphabet、微软、亚马逊、Meta和甲骨文这五家企业年度经营现金流将比2025年增加约3400亿美元，但资本支出预计将增加约5340亿美元，远超经营性现金流。
图说：AI巨头自由现金流即将转负
来源：LSEG Workspace
融资成本的攀升揭示出市场的深层忧虑。
黑石旗下数据中心运营商QTS Realty Trust近期为微软数据中心项目发行39亿美元债券，尽管认购需求高达230亿美元、倍数达六倍，最终发行收益率却定格在7.228%——这一水平与B级垃圾债更为接近，远高于当前投资级公司债5.0%-5.4%的平均水平。
市场对AI基建资产的风险偏好正在收紧，“高评级、高收益”成为吸金卖点，折射出投资者对新型数据中心资产风险的谨慎态度。
02
循环融资：一次担保，两份收入
在产业链下游承受融资压力的同时，上游芯片巨头英伟达选择正面介入这场资本游戏。
过去英伟达只需要生产GPU，现在，它将目光瞄准了客户的融资问题。这正是所谓“循环融资”产生的背景。
从最近的案例来看，这种“循环”链条已经非常明显。
8月17日，英伟达已同意为OpenAI租用SoftBank旗下SB Energy在俄亥俄州建设的大型数据中心提供最高约1050亿美元担保，并向SB Energy投资15亿美元。
该园区最终规模可能达到8GW，OpenAI签署20年租约，而英伟达将成为项目独家芯片供应商。
英伟达投资SB Energy，SB Energy再建造数据中心并将其租给OpenAI，OpenAI的数据中心全部采用英伟达GPU，而其中一部分是通过英伟达自己安排的融资购买的。
而这其中英伟达的收入出现了两次：一次是投资回报，一次是芯片销售。
来源：@Alan Shimel
总结来看，这种模式即英伟达投资AI公司、AI公司获得资金，购买英伟达GPU或租用基于英伟达GPU的云算力、GPU需求上升，英伟达收入增长、英伟达获得更多现金继续投资AI生态。
而英伟达与六家华尔街巨头合作，目标就是撬动更多第三方资本来加入这个“游戏”。
据路透报道，高盛可以为相关交易提供次级资本、私人信贷以及债券发行服务，保险公司、资管机构、银行和私人信贷基金都有望成为资金提供者。
英伟达则拥有选择权，最多可以为整个5000亿美元融资平台约25%、即最高约1250亿美元提供某种形式的支持。
黄仁勋给出的逻辑是，“compute is revenue”——算力本身可以产生收入。
只要GPU具有足够高的利用率、能够在不同模型和客户之间转移，并且设备拥有较长经济寿命，那么GPU就可以像飞机、汽车、电站或者通信基站一样，被金融机构作为可抵押、可融资的资产。
英伟达试图通过“循环融资”模式，将芯片销售、算力金融化与华尔街资本深度捆绑，构建AI时代的“算力银行”帝国。
03
循环魔咒：资本游戏与系统性风险
从英伟达自身考量，这一布局至少服务于三重目的。
首先，英伟达选择在终端AI应用收入尚未爆发的阶段，通过金融工具“创造”购买力，维持GPU销售增长。
其次，将芯片从科技产品转化为“可投资资产类别”，扩大生态系统的资本接入能力；
同时，通过深度绑定华尔街机构，将AI基建包装成类似商业地产的投资品，获取金融业务收益。
贝莱德CEO芬克甚至将这一模式比作“金融工程的下一个全新时代”，类比上世纪70年代抵押贷款支持证券的诞生。
如果金融市场开始认可“英伟达GPU具有稳定残值”，并形成专门的GPU贷款、租赁和资产证券化市场，那么英伟达不仅拥有技术标准，还会拥有事实上的金融标准。
届时，一个数据中心购买英伟达GPU可能更容易获得融资，而购买竞争对手产品却需要支付更高资本成本。融资成本本身就会变成新的竞争壁垒。
不过，并不是所有人都看好这种模式。
成立融资平台计划公布的当天（8月10日），英伟达股价盘中一度重挫超3%，费城半导体指数尾盘急速跳水，光通信、算力基建等关联概念股集体跟跌。
图说：英伟达8月10日股票表现情况
来源：CTA
近年来AI基建催生的发债狂潮和表外承诺，已让市场对“泡沫”充满担忧。而英伟达堪称激进的金融布局，进一步加剧了市场忧虑。
风险信号已经显现。美联储2026年5月金融稳定报告的市场调查也已经把“由债务支持的AI资本开支”列为值得关注的新金融稳定风险之一。
不仅如此，《华尔街日报》近日指出，五大超大规模数据中心运营商的表外负债总额高达3万亿美元，构成巨大的结构性风险。
更深层的风险在于债务期限与技术周期错配。红杉资本估计，AI投资与营收增长之间的差距每年约为6000亿美元。
AI数据中心债券可能期限十年甚至二十年，但AI芯片技术周期可能只有两三年。一旦新一代硬件让旧设备收益能力显著下降，项目现金流可能不足以覆盖长期债务。
同时，GPU残值也很可能被高估了。要知道，GPU折旧速度远超传统融资抵押品，一旦算力利用率下滑，残值风险巨大。
如果未来AI应用收入能够覆盖今天投入的数万亿美元资本，那么这些融资创新会像20世纪的飞机租赁、电信基础设施融资一样，成为推动新产业普及的重要金融工具。
反过来，如果AI商业化速度不够快、GPU折旧远快于金融模型，或者OpenAI等核心客户无法兑现巨额算力合同，那么今天的“算力资产”就可能变成明天的减值抵押品。
黄仁勋押注AI成为继房地产之后的巨型资产类别，而这场赌局的代价，恐将由英伟达的资产负债表、华尔街的信贷链条乃至全球科技股市场共同承担。
Reference：
[1]https://www.goldmansachs.com/insights/goldman-sachs-exchanges/how-ai-debt-is-reshaping-the-credit-market
[2]https://www.reuters.com/business/ai-investment-boom-puts-big-techs-free-cash-flow-under-pressure-2026-07-22/?utm_source=chatgpt.com
[3]https://www.cnbc.com/2026/08/18/nvidias-ai-moat-is-shifting-from-chips-to-capital.html
[4]https://www.cnbc.com/2026/08/14/ai-infrastructure-debt-leverage-risks.html
[5]https://www.cnfin.com/hg-lb/detail/20260818/4456666_1.html
[6]https://finance.eastmoney.com/a/202608173842976024.html
[7]https://api3.cls.cn/share/article/2456754?os=web&sv=698
[8]https://www.jwview.com/jingwei/html/m/08-14/683602.shtml
[9]https://finance.jrj.com.cn/2026/08/17205658144768.shtml
[10]https://ishare.ifeng.com/c/s/v002VCjPRtTVD0E52TXMkrIdLodlFeN4xxXQyeu59IE7n6E__#1