華爾街把 AI 基建當資產來融資
Goldman Sachs、BlackRock 等機構正協助 Nvidia 把 AI 資料中心包裝成可融資資產，目標上看 5000 億美元，市場也開始重估 AI 基建的現金流與風險。
華爾街正在把 AI 資料中心當成可產生現金流的基礎建設來融資。
Nvidia 執行長 Jensen Huang 這次不是只談 GPU。 他拉著六家金融巨頭一起上 CNBC，直接把 AI 工廠包裝成資產。Goldman Sachs、BlackRock、Blackstone、KKR、Apollo、Brookfield 都點頭，目標資金上看 5000 億美元。
這件事很大。因為第一波 AI 建設已經燒掉大量資本。大型科技公司靠債務、股權和現金流撐著蓋伺服器、買晶片、擴資料中心。Nvidia 先前和 OpenAI 的 1000 億美元方案，也沒有完全落地。
| 指標 | 數字 | 意義 |
|---|---|---|
| 華爾街潛在融資 | 5000 億美元以上 | 代表金融圈願意承接的規模 |
| 先前 Nvidia OpenAI 方案 | 最高 1000 億美元 | 顯示這次構想更大 |
| 預估電力需求 | 10 gigawatts | 反映 AI 基建的用電壓力 |
| Nvidia 可能提供的貸款背書 | 25% | 有助壓低借款成本 |
| GPU rack 成本 | 300 萬美元 | 說明這類設備需要結構化融資 |
華爾街開始把 AI 設備當資產類別
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
Huang 的想法其實很直白。AI 基礎建設不該只被當成會折舊的硬體。它也能被看成會產生收入的資產，像機場、電廠、商辦大樓那樣，拿來做長期融資。
這種語言，金融圈很熟。Goldman Sachs 執行長 David Solomon 在 CNBC 上直接說，市場已經開始對這些基建做 asset-based financing。這些都是真資產，也有真價值。
差別在於，這次的抵押品不是大樓，也不是飛機，而是一整排跑 AI workload 的 Nvidia 系統。它們的現金流，綁的是模型訓練、推論、AI agents，還有企業端的算力需求。
- CNBC 點名的六家機構是 Goldman Sachs、BlackRock、Blackstone、KKR、Apollo、Brookfield。
- Nvidia 可能為每筆貸款背書 25%。
- Huang 提到，系統設計要能讓別人接手營運。
- McKinsey 預估，全球 AI 支出到 2030 年底可達 7 兆美元。
這套融資邏輯不只關乎 Nvidia
這裡的重點，早就不是單一公司。Alphabet、Amazon、Meta、Microsoft、Oracle 今年已經透過債務和股權籌到超過 1500 億美元，用來蓋資料中心和做 AI 開發。Intel 也先發 150 億美元股票，後來又拉高到 200 億美元。
錢都流向同一件事：算力。需求成長太快，連最有錢的科技巨頭，也不想把所有資本支出都壓在自家資產負債表上。於是，華爾街看到一個新位置，可以站在建設方和使用方中間。
如果這些系統能穩定收錢，銀行、私募信貸、資產管理公司就能把現金流拆成貸款、結構化商品，甚至其他融資工具。這套玩法在房地產、船舶、飛機租賃都見過，只是這次換成 AI 機房。
“This is the very beginning, like what it was when I started in the mortgage-backed securities market in the 1970s,” BlackRock CEO Larry Fink said on CNBC. “I look upon this as as a next future for financial engineering.”
Fink 的比喻很有畫面，也很危險。因為一旦市場開始假設每台昂貴機器都會長期賺錢，風險就會被低估。AI 市場還很新，這些貸款條件也還沒經過完整景氣循環測試。
風險很真，折舊會先咬人
最大問題是折舊。Michael Burry 去年就質疑，Meta、Oracle、Microsoft、Google、Amazon 這些公司，可能高估 AI 晶片的使用年限。如果晶片壽命比想像短，融資模型就會立刻變脆。
另一個問題是集中度。Apollo 總裁 Jim Zelter 也承認，市場一定會有過熱和回檔。但他認為，參與者變多，至少不會讓單一失敗把整個結構拖垮。
這就是這套玩法最有意思的地方。它可能把更多資本導進 AI 基建，速度也會比靠科技公司自己燒錢快很多。可它也把華爾街更深地綁進一個現金流還在推估中的市場。
- OpenAI 先前的 Nvidia 相關計畫，綁定 10 gigawatts 電力需求。
- Nvidia 後來對 OpenAI 的最新融資輪，投入 300 億美元。
- 這次華爾街方案主打第三方資本，不是 Nvidia 自己全額出資。
- Brookfield 執行長 Bruce Flatt 說，Huang 已經把格式做出來，因為世界上有數十兆美元資金在找去處。
和現在的雲端資本支出比，這次更像金融工程
如果拿傳統雲端資本支出來比，這次的差別很明顯。過去是大型科技公司自己買地、蓋機房、買伺服器。現在則是先把資產金融化，再讓資本市場去接手風險和回收期。
這種模式對開發者也有影響。因為當融資成本變低，AI 服務價格就可能更穩，企業端採購門檻也會下降。反過來說，如果貸款條件太硬，算力價格就會被墊高，最後還是轉嫁到 API、Token 和雲端帳單。
競品也在看。BlackRock、Blackstone、KKR、Apollo、Brookfield 都是資本大戶。它們如果真的進場，後面還會有更多銀行、保險、私募債跟進。
AI 基建正在變成一門長線生意
這波變化其實不只發生在 Nvidia。整個產業都在找一種更穩的資金結構。因為 AI 不是一次性買硬體就結束，後面還有電力、散熱、機櫃、維運、升級，全部都要錢。
台灣開發者很容易只看到模型 API 價格，卻沒看到背後的資本結構。當資料中心開始被當成可融資資產，AI 的成本不只看技術，也看利率、違約率、折舊假設和電價。這些東西最後都會回到產品價格。
我覺得接下來最值得盯的是第一批交易條件。利率、期限、抵押品、轉手條款，只要有一項談不攏，這套模式就會卡住。只要第一批順利成交，更多資金就會跟進，AI 基建市場也會更像一個標準化金融商品市場。
接下來要看的是成交，不是口號
這篇新聞的重點很清楚：AI 基建已經從科技公司內部支出，走到華爾街可參與的融資市場。接下來的關鍵，不在於誰喊得最大聲，而在於第一批貸款能不能真的簽下去。
如果你在看 AI 產業，我會建議你盯三件事。第一是融資成本。第二是晶片折舊速度。第三是資料中心的實際利用率。這三個數字，會比任何 AI 願景簡報都更誠實。
下一次當你看到某家 AI 公司宣布再蓋一座機房，先別急著看算力規格。先問一句：這筆錢誰出，多久回本，出了問題誰接手。那才是這波 AI 基建真正的答案。