輝達 (NVDA-US) 創辦人暨執行長黃仁勳正試圖為 AI 產業建立一套全新的融資模式，將 GPU 與資料中心視為類似商用不動產、倉儲或收費公路等可以用來借貸的生產性資產。不過，這項規模高達 5000 億美元的 AI 融資計畫正面臨一項關鍵風險，即中國 AI 晶片產業快速擴張，若未來中國以低價晶片搶占市場，可能導致 GPU 價格與抵押品價值快速下滑，進而威脅華爾街投入的大筆資金。
輝達近期宣布與全球 6 大資產管理及金融機構達成協議，包括貝萊德 (BLK-US)、黑石(BX-US)、阿波羅全球管理(APO-US)、KKR(KKR-US)、布魯克菲爾德資產管理(BAM-US) 及高盛(GS-US)，目標是建立規模達 5000 億美元的第三方融資資金池，用於協助缺乏足夠現金或信用評級的企業建設資料中心、AI 運算叢集並採購 GPU。
黃仁勳表示，輝達的 AI 工廠平台已經是一種「可投資資產」及「基礎設施資產」，原因在於這些運算設備能夠生產價值、創造收入，而且具有可替代性，同時被幾乎所有主要雲端服務供應商採用，並可以運行各種 AI 模型。
這項構想的核心，是改變金融市場對 GPU 的傳統認知。
在傳統資產抵押融資中，銀行願意提供貸款，主要是因為借款人違約後，銀行可以收回建築物、倉庫或貨輪等資產，再透過成熟的二級市場出售並收回部分資金。這類實體資產通常可以使用數十年，而且市場對其殘值具有較明確的判斷。
但最新一代 GPU 究竟能維持多少年的經濟價值，目前仍存在高度不確定性。
隨著新一代 AI 晶片不斷推出，最新 GPU 通常優先用於前沿 AI 模型訓練，但幾年後可能逐漸轉向利潤率較低的 AI 推論工作。這種使用場景的轉換可能直接影響 GPU 的二手價格、租賃收益以及作為貸款抵押品的價值。
FedWatch Advisors 創辦人 Ben Emons 表示，折舊是這項融資模式面臨的關鍵風險。他指出，輝達晶片的折舊速度可能比市場預期更快，一旦如此，GPU 就很難像商用不動產一樣維持長期且穩定的抵押價值。
而 Emons 認為，這項計畫最大的潛在威脅可能來自中國。
中國正快速擴大本土 AI 運算能力，如果中國晶片製造商持續提高產量，甚至透過低價策略向全球市場輸出晶片，可能引發 AI 硬體價格戰。若大量低成本中國晶片進入市場，輝達 GPU 的價格可能快速下降，進而導致數千億美元私人貸款背後的抵押品價值縮水。
對金融機構而言，問題在於 GPU 的價格可能在貸款期限內快速下跌。若抵押品貶值速度快於貸款本金下降速度，一旦借款人違約，投資人即使收回 GPU，也可能無法透過出售二手晶片彌補貸款損失。
因此，Emons 估計，投資人可能不會按照房地產等長期資產的方式為 GPU 提供低成本融資，而是把 GPU 視為高折舊設備，要求更高的報酬率。他估計，視投資人在資本結構中的順位不同，相關資產可能需要 11% 至 17% 的高收益率才能吸引資金。
另一項風險則來自借款人的信用品質。
根據美銀證券分析，這類融資的潛在借款人可能包括無法進入傳統債券市場的非投資級企業，其中包括 AI 新創公司與「新雲」業者。這些企業雖然需要大量 GPU 建立運算能力，但本身可能缺乏足夠的資產負債表實力。
如果這類高風險借款人最終無法償還債務，華爾街資產管理公司就可能被迫接管 GPU，再將使用過的晶片重新出售。但如果屆時市場正處於晶片價格下跌周期，金融機構可能面臨抵押品價值不足的問題。
不過，中國因素短期內仍不太可能立即衝擊輝達的融資模式。
目前中國 AI 晶片市場仍受到美國出口管制影響。中國主要 AI 晶片供應商華為自 2019 年起便被美國商務部列入實體清單。美國政府今年 5 月更表示，華為 Ascend 系列 AI 晶片涉及違反美國出口管制規定，進一步限制美國企業使用相關晶片。
在此背景下，輝達目前仍是美國 AI 晶片市場的絕對領導者。按照多數市場估計，輝達目前在美國 AI 晶片市場的市占率超過 75%。
而且目前 GPU 需求與租賃市場仍對黃仁勳有利。
隨著超大規模雲端業者積極擴建 AI 資料中心，市場對 GPU 運算能力的需求仍然強勁。黃仁勳指出，輝達 H100 GPU 的租賃價格已從 2025 年底每 GPU 每小時約 1.70 美元，上升至今年約 2.35 美元，顯示高階 AI 運算能力仍處於供不應求狀態。
這種高租賃價格也是輝達試圖將 GPU 金融資產化的重要依據。
如果 GPU 可以持續被租賃並產生現金流，那麼金融機構就不必只依靠晶片的二手殘值評估其價值，而可以根據 GPU 未來產生的收入能力進行融資。這與商用不動產依靠租金收入支撐資產價值的邏輯相當類似。
輝達另一項重要護城河則是 CUDA 軟體生態系。
CUDA 是輝達打造的軟體平台，可讓開發者在其 GPU 上運行 AI 及其他高效能運算工作負載。輝達認為，CUDA 持續更新與優化，可以讓既有硬體在部署後維持較高的運算效率，使舊款 GPU 即使不再適合最前沿的 AI 模型訓練，仍能在推論及其他工作負載中繼續產生收入。
換言之，輝達的金融化構想並不完全建立在「GPU 本身能使用多久」，而是建立在「GPU 在整個軟硬體生態系中能持續產生多少現金流」。
這也成為 5000 億美元融資計畫能否成功的核心問題。
如果 AI 模型需求持續快速增加，GPU 租賃價格維持高位，新一代晶片推出後舊 GPU 仍能轉向推論市場，金融機構便可能將 AI 運算設備視為具有長期收益能力的基礎設施，進一步降低 AI 企業取得資本的門檻。
但如果中國 AI 晶片產能快速增加，低價硬體大舉進入市場，或者新一代 GPU 性能提升速度遠超預期，使舊晶片快速失去經濟價值，輝達的折舊速度就可能大幅提高。屆時，金融機構面對的將不再是穩定產生租金的不動產，而可能是一批迅速貶值的高科技設備。
因此，黃仁勳目前的賭注不只是輝達下一代晶片能否繼續領先，也包括 AI 運算設備能否從快速折舊的電子產品，轉變成可以支撐數千億美元債務的長期生產性資產。
對輝達而言，這項計畫若成功，將可能把 AI 基礎設施融資推向全新的市場規模，讓更多 AI 新創企業、雲端服務商及企業客戶在不大幅占用自身資產負債表的情況下取得 GPU 與資料中心資金。
但對華爾街投資人而言，5000 億美元的背後同樣代表一項巨大的抵押品風險。未來 AI 需求、GPU 租賃價格、晶片折舊速度，以及中國 AI 硬體的產能與價格策略，都可能決定這場 AI 金融化實驗最終會成為新的基礎設施融資模式，還是一場規模龐大的資產價格豪賭。
