輝達再次傳出將資料中心資產證券化的計畫，這筆可能高達數千億美元的交易，正將全球AI算力熱潮推向一個危險的新階段。
彭博宏觀策略師Simon White出具最新研報直言，輝達打算將資料中心轉化為可投資資產的架構，恐致AI算力領域出現嚴重產能過剩，尤其是在「基於結果定價」模式逐漸成為行業標準的背景下。這一判斷核心邏輯令人不寒而慄，因金融化正在人為放大需求信號，掩蓋市場供過於求的真實狀況，運作機制與2008年金融危機前的房市泡沫如出一轍。
White分析指出，輝達此次與Apollo、Brookfield、KKR、黑石、貝萊德及高盛達成的合作框架，意在撬動逾5000億美元資本流入所謂的「AI工廠」。更關鍵的是，輝達將為部分交易中最高25%的GPU抵押品提供保險，實質上為其回收價值提供支撐。這與當年AIG為CDO優先級別債券出售保險、讓銀行得以減少資本佔用，並分發更多有毒債務的歷史軌跡高度吻合，最終在相關性驟升時逼的國家出手相救。
White更將此比作「GPU債券市場的AIG時刻」。他指出，這場AI基礎設施熱潮在規模上已超越1960年代的美國州際公路建設與2000年代的寬頻鋪設，光是跟輝達交叉融資與供應商資助交易規模就高達7500億美元。
輝達執行長黃仁勳的目標很明確，也就是將「AI工廠算力」打造成一種全新的可投資資產類別。GPU支持的債務市場今年已呈爆發式增長，而此次新協議將進程推向更深層次的資產證券化與分發。合作夥伴將提供資本、基礎設施專業知識，並推動證券化流通。透過提升交易吸引力，輝達將使債務結構中的優先級別債券獲得更高信用評級。
與此同時，美國證交會(SEC)剛剛放寬了資料中心債券的證券化規則。White將此比作金融危機期間退休基金最終入場的時間點，這往往標誌著風險開始向更廣泛的負債端擴散，也是危機走向終局的起點。
表面上看，輝達的風險或許有限，但White提醒，這正是AIG當年判斷。隨著時間推移，AIG承接越來越多自認為無風險且有利可圖的義務，最終發現借款人信用壓力的相關性上升足以釀成災難。
需求方面，White指出衡量標準本身正在發生根本性轉變。GPU租賃的標準計量單位是每小時成本，推理環節則是處理每個token的成本，但對終端用戶真正重要的是輸出結果。智能成本正在下降，但這一變化未立即反映在GPU層面的定價上。若一個模型能用少10倍的token完成同樣任務，而GPU的每token定價不變，那麼每塊GPU的實際效率就相當於提升10倍。
隨著「token最大化」成為歷史，模型在處理同一任務時token用量可大幅波動的證據不斷湧現，加之大模型可被輕易調整以消耗更多token，基於結果的定價模式正日益受到企業用戶的青睞。這一趨勢一旦成為主流，將對模型提供商形成壓力，推動其減少token消耗，進而壓低GPU租賃僲格。
同樣值得關注的是，GPU實質利用率據悉嚴重偏低。根據Cast AI的報告，GPU平均利用率僅為5%，ClearML則發現近半數企業正為閒置晶片浪費「數百萬美元」。這些被金融鍊金術掩蓋的供需失衡信號，恐怕很難在資本狂潮中引起重視。
面對上述效率提升的論據，AI資本支出多頭經常用來反駁的便是傑文斯悖論(Jevons paradox)：算力驅動的智能成本下降，將不可避免地推動需求上升，以量補價。
但White認為，傑文斯悖論無法在所有時間維度上持續奏效。而對市場而言，路徑依賴才是關鍵。他判斷，在當前大模型主導的AI發展階段，智能需求(而非token需求)在現行價格水準上的增速，遲早會放緩到足以引發算力成本長期下行的程度。
作為貸款方，當抵押品相關性開始惡化，借款人的信用狀況也同步走弱時，風險將迅速累積，屆時輝達將不得不履行其保險義務，而與此同時，輝達自身融資的其他交易也可能出現問題，更不用說其核心產品價值的下滑。
此外，Google等同樣以自身資產負債表為這場資本支出熱潮提供支撐的企業，也面臨類似風險。根據2008年房市危機經驗，相關性一旦啟動，便不會停下來等人。
White在報告中的結論是，輝達此次擬議交易，只是讓市場距離再次目睹這一金融自然力量又近了一步。
