是风险还是机遇？

 2026年8月10日，英伟达宣布与阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛、KKR六家机构合作，建立独立的人工智能算力融资平台，目标是长期撬动超过5000亿美元的第三方资金。

一时间，之前持续存在的对于AI循环融资的担忧进一步发酵。

今天我们聊的主题为的是解决两个疑问：

（1）AI循环融资到底是一个空转的内循环还是一个需求驱动的优秀商业模式？

（2）英伟达和其生态圈中各个参与者的角色和功能是怎样的？

一、重资产模式的必然选择

直接谈第一点，结论放在最前面：“循环融资”这个说法本身就是站不住脚的，因为AI有真实的市场需求，长期看客户消费提供了推动整个行业发展的现金流。

放眼所有重资产行业，金融业务都是普遍存在的，因为重资产行业的产品价格高、回款慢，客户很难一次性付清，往往都会配套金融服务。

比如买房有房贷，买车有车贷；飞机、船舶和工程机械也有融资租赁，能源和基建项目则依赖项目贷款和债券融资。 

英伟达在AI领域做的就相当于在房地产行业既当开发商又做银行给客户提供房贷...别的公司想不想也做？当然想，但实力不允许。现在几乎所有科技巨头的自由现金流都被用于capex，但英伟达capex很有限，自由现金流暴增，于是为信用良好的客户提供担保或融资。 

英伟达这样做有没有风险？当然会有，风险就是AI需求下降、供过于求，就像这几年中国房地产的情况一样 - 大量新房难以去化、大量存量房空置，于是房地产开发商现金流难以为继。

但中国房地产之前二十年狂飙突进的时候难道就没有房贷和开发贷吗？当然有，现在泡沫破裂的根源是需求不足、是城市化放缓的同时供给太多。

很多人只看到融资和担保方案的风险，却忽略了AI需求猛增的背景下这个商业布局带来的巨大潜在利益特别是对于英伟达这个发起者而言 - 降低各个AI客户的融资成本、鼓励他们创新、增加客户需求，而且所有的钱又都能回到英伟达手上，更深远的意义在于，各家被英伟达投资、担保、融资的公司和英伟达生态越绑越紧。

二、托底计划的重点

房贷、车贷这种传统信贷业务，之所以金融机构敢做，是因为他们知道就算贷款人或公司破产，资产还能收回来，可以卖给别人或者租给别人。那么在AI上的问题在于GPU更新这么快，5年以后还值多少钱？

针对这个问题，英伟达为AI客户提供25%的残值支持机制，这是文章开头提到的5000亿美元计划中英伟达所扮演的最重要的一个功能。

具体而言，比如有一个投资10亿美元的数据中心，通过五年期融资建设，残值支持机制的托底是2.5亿美元。如果五年后客户经营失败，这个数据中心估值只有2亿美元，英伟达就可以按照2.5亿美元买回这个数据中心或者将5000万美元的差额补给放贷金融机构。

在实际操作中，英伟达几乎不需要实际出资，就能为AI投资起到增信和降息的作用，因为当下的数据中心在五年后几乎不可能价值只剩25%。即使只拿消费级的4090为例，上市快四年了，二手的价格比当初新卡还要高。因为新模型和新需求让老卡焕发新生。

算力紧张，以及生态的效率与灵活性，是英伟达这样操作的最大底气，商业运作的基础都是技术可行性。毕竟GPU可以换客户、换云厂商、换模型继续使用，而且CUDA升级还能继续改善旧硬件效率。英伟达甚至举了A100的例子——2020年上市，到了2026年仍然被大量用于训练、微调、推理和HPC，因此GPU可以作为贷款抵押物，并具有相对可估计的残值。

代表性的neocloud公司CoreWeave最新财报后的电话会议也佐证了这个方案的可行性，他们现在仍然能够给英伟达A100签到2029年的长期合同。 A100是2020年发布的，也就是说一张2020年的GPU到2029年依然可以产生商业收入。

当下A100的云上算力租金还在不断上涨，仅仅过去半年时间就已累计上涨23.9%，同样作为老卡，四年前的H100云上租金也在猛涨。

我过去在对比GPU和ASIC的分享中谈过一个观点，那就是频繁的范式与算法迭代会强化英伟达优势，因为AI不是挖矿，挖矿的工作负荷是固定的，但大模型的训练和工作负载在不断地快速演化。

这就是为什么A100云上算力还在涨、二手4090依然非常抢手的原因 - 因为GPU更通用、CUDA又让工程师可以写非常细的计算内核，针对各种奇怪结构精调，最终得以迅速适应新的算法和范式并且榨取出新方案的最大能力，而每一次的软件迭代还能大幅提高老卡的效率和生产力。

我们可以确定未来大模型还有巨大的提升和变化空间，会比过去变化还多还快，无论是参数规模还是资源占用，这是因为未来的使用场景会急剧增多，对于不同类型的工作负载都需要针对性优化，比如有些工作需要低成本高速度、有些工作不计成本需要高精度。结果就是六年多以前的A100现在还非常抢手，但同时代前其他芯片恐怕没几个人还记得它们的名字。

三、英伟达的野心与neocloud生态

回到5000亿美元合作融资这件事来，这件事实际上推动了数据中心的基础设施化，英伟达的野心远不止是芯片制造商，而是通过技术和资本两个防水工会双管齐下全力强化自身在AI的基座地位，甚至成为整个AI产业的央行。

为什么GPU可以基础设施化，上文已经从技术上简单聊了，老黄在这一点上是对的——过去按照会计准则设定的五至六年折旧周期，并不符合GPU的实际情况，CoreWeave六年多之前的A100现在满负荷运转而且租金还在持续上涨，合约至少已经延续到2029年，使用周期几乎可以延伸至十年。

对英伟达来说，联手华尔街机构拿出5000亿美元担保方案，此举最直接的就是定向培育客户和生态，重点是新云和中小企业，这些新云的规模正在急速增长，参考CoreWeave和Nebius最新财报，在英伟达月底公布的季度营收中，来自多样化客户的收入大概率开始超过来自Hyperscale客户的收入。

这最终会增强英伟达的议价权，因为不依赖少数几个巨头了，黄仁勋想做到的是下面三点：

（1）Hyperscale的自研芯片在台积电以及各种上游瓶颈处的产能都被英伟达挤得不剩多少了；

（2）各路自研芯片全周期性价比反而不如英伟达方案；

（3）Hyperscale把宝贵的英伟达GPU资源拱手让给了neocloud，然后Hyperscale自己又要花钱找neocloud租算力。

可以说其实这三者已经不算是英伟达的愿景了，而是已经在发生的事（当然我觉得在部分非常固定的推理负载上，ASIC还是有其天然的优势）。

在2026年8月12日，neocloud板块全体大涨，除了财报刺激的Nebius和CoreWeave外，甲骨文、SpaceX也暴涨，他们的共同点有两个：一是都属于neocloud，二是都全面押注英伟达方案，但微软、亚马逊、谷歌却表现较弱，从市场表现可以看出，一部分压力已经传导至Hyperscale。

从宏观经济角度看，拉动GDP的三大项无非是投资、消费、出口，数据中心建设又是美国当下固定资产投资最大的贡献者，这一部分的融资成本下降不仅有利于行业，也有利于整个美国经济。川普心心念念想要降息，美联储不配合，但老黄算是尽力配合了。

四、AI的真实需求

AI的需求增长不仅没有放缓，还在加速。

最近看到一个数据，在今年二季度，Anthropic实现营收115亿美元，同比增长14倍，而且营业利润为正。 顶尖闭源模型至少从两年前DeepSeek R1上线开始就被持续唱空，但实际情况怎样呢？从那时到现在，OpenAI营收增长了6倍，Anthropic则达到50倍，到明年初时，OpenAI和Anthropic各自的ARR（年化营收）大概率都将站稳1000亿美元，并且继续拥有很高的增长速度。 

这说明三件事： 

（1）AI是一个增长迅速的超级赛道，无论模型是闭源还是开放权重，都有非常强的增长潜力； 

（2）分数可以刷，但客户的钱不会说谎，高质量模型物有所值，市场非常欢迎； 

（3）伴随Anthropic的营业利润转正，闭源大模型的商业模式宣告正式跑通，由于推理的成本低于训练，推理负载比重越来越大，未来毛利还有很大的上升空间。

Anthropic和OpenAI的ARR只是一面镜子，不一定足以说明全局，毕竟他们只是闭源模型的代表。我们之前分享过一个观点 - 要考察AI的供需状况，看云上GPU租金这一个指标就足够了。因为在云上租算力是纯消费，没有需求推动的话客户是不会去租云服务的，这就像买房和租房一样，会有人买房去投资投机，但花钱租房的人都是拿来住的。

各个线索都显示，当下的AI不仅没有泡沫，反而还处于方兴未艾的上半场，无论是对于AI的使用者还是投资者，接下来的惊喜和机遇只会更多。

这则主题的内容主要来自星球发布于几天前的专属订阅内容20260816，这一期专属内容的所有主题包括↓

（1）美国通胀低于预期，沃什领导下的美联储运行逻辑开始清晰； 

（2）7月金融数据遇冷的背后是什么？普通人应该如何看待现金的价值？ 

（3）前总理的改革遗产是什么？为什么说他的努力使得中国不可能回到计划经济？ 

（4）英伟达和华尔街机构共建AI融资平台，这件事得以运行的商业和技术逻辑是什么？为什么说黄仁勋最想看到的三件事正在发生？(本文内容来源)

（5）市场评述 - 标普500的科技含量已经到了什么程度？估值是高是低？ 为什么货币政策对长期投资影响很有限，为什么AI自带通缩属性？ 我为什么目前没有投资neocloud的计划？ 闪迪投资者大会为何引爆了市场？ 腾讯和京东的财报以及中国企业的天然困境。

对于专属订阅内容感兴趣的朋友，可以通过下方海报了解社群并扫文末二维码加入获取↓