輝達 (NVDA-US) 正聯手華爾街大型資產管理及金融機構，試圖將人工智慧 (AI) 晶片及資料中心算力打造為一種可融資、可投資的新型資產類別，計畫透過 6 家大型金融機構募集超過 5000 億美元第三方資本，協助超大規模雲端業者、前沿 AI 實驗室及企業建設資料中心並採購輝達 GPU。 輝達周一 (10 日) 宣布，已分別與阿波羅全球管理 (APO-US)、貝萊德 (BLK-US)、黑石集團(BX-US)、Brookfield Asset Management(BAM-US)、高盛(Goldman Sachs, GS-US) 及 KKR(KKR-US) 簽署諒解備忘錄，將建立一系列融資平台，為 AI 基礎建設客戶提供資金支持。

整項計畫目標是動員超過 5000 億美元的第三方資本，讓 AI 資料中心及 GPU 採購不必完全依賴科技企業自身的資產負債表。 透過機構信貸、保險資金及私募資本，AI 資料中心與運算硬體可望取得更接近商業不動產、收費公路及其他基礎設施資產的融資模式。 這項策略可能改變 AI 基礎建設的資金來源。 過去超大規模雲端業者及 AI 企業大多需要自行投入巨額資本支出，興建資料中心、購買 GPU 及部署相關電力與網路設備；若 AI 算力本身可以成為金融機構承作貸款的抵押或現金流資產，企業便能透過外部資本擴大 AI 基礎建設投資，同時降低對自身資產負債表的直接依賴。

輝達創辦人暨執行長黃仁勳表示，公司過去主要任務是打造晶片，如今則進一步協助建立一種新的生產性、可投資基礎設施，也就是所謂的「AI 工廠」。 他指出，在 AI 產業中，算力本身就是營收來源，而輝達的運算能力特別適合扮演這種角色。 黃仁勳進一步表示，由於輝達硬體及軟體平台已廣泛被市場採用，且具備彈性並可在不同客戶之間轉移，因此貸款機構可以更有信心評估這些運算資產，並將其視為能夠產生營收、且具有較長使用壽命的資產。 這項構想也正在挑戰市場過去對 GPU 價值的認知。 傳統上，GPU 被視為快速折舊的電子硬體，尤其 AI 晶片世代更新速度極快，新一代產品推出後，舊款晶片可能面臨性能及效率上的競爭壓力。

但輝達如今希望證明，AI 晶片的經濟價值不應只由硬體本身的殘值決定，而應該納入晶片所提供的運算能力、資料中心產生的收入，以及企業對 AI 服務持續存在的需求。 如果這種模式成功，GPU 及相關資料中心基礎設施可能從單純的資本支出項目，逐漸轉變成可由銀行及機構投資人評估、定價及提供信貸的金融資產。 不過，這項模式仍面臨一項核心問題，即 AI 晶片究竟能否像商業不動產、電力基礎設施或收費公路一樣維持長期資產價值。 隨著輝達持續推出新一代 GPU, 舊款產品的效能及經濟價值可能快速下降，這也意味著貸款機構若以 GPU 作為融資基礎，必須面對晶片折舊、技術淘汰及二手市場價格波動等風險。

華爾街大型另類資產管理公司近年已積極將資金投入數位基礎設施，尤其是資料中心、AI 運算及雲端服務。 阿波羅與黑石等金融機構過去已參與包括 Anthropic 在內的 AI 企業融資，顯示私人信貸及另類資產市場正逐漸成為 AI 產業取得巨額資金的重要管道。 隨著 AI 資料中心需要投入的資本規模不斷增加，傳統科技公司單靠自身現金流及資產負債表可能難以支應所有擴建計畫，這也為私人信貸、保險資金、基礎設施基金及大型資產管理公司提供新的投資機會。

貝萊德執行長 Larry Fink、黑石總裁 Jon Gray 及高盛執行長 David Solomon 等華爾街高層均表示，現代運算基礎設施已迅速轉變為具有關鍵經濟地位的資產類別，並可能成為下一階段全球經濟成長的重要推動力量。 Solomon 表示，目前正處於歷史性 AI 投資周期的關鍵時刻，高盛參與投資及資本分銷的角色，反映公司對輝達領導地位的信心，也期待建立一個由輝達運算能力支持的新型信貸市場。 若輝達的計畫最終成功，影響可能不只在於替 AI 資料中心找到更多資金，更可能重新定義整個 AI 基礎建設的資本結構。

科技企業未來或可將 GPU、資料中心及相關運算能力視為能產生現金流的基礎設施，透過債務、私募資本及機構資金提前擴大 AI 投資。 對輝達而言，這也可能形成另一項商業優勢。 公司不僅銷售 GPU 及 AI 系統，更進一步協助客戶解決購買設備所需的巨額資金問題。 若金融機構願意以 AI 運算資產的未來收入能力作為融資依據，將可能降低客戶取得輝達產品的資金門檻，進而加速資料中心建設及 GPU 部署。 這意味著 AI 產業的競爭焦點正在從「誰能生產最快的晶片」延伸至「誰能取得足夠的資本建立最大的算力」。 在 AI 模型規模、推理需求及資料中心建設持續增加的環境下，算力本身可能逐漸成為與土地、電力及通信網路類似的基礎生產要素。

不過，5000 億美元資金能否真正落地，仍取決於金融機構如何評估 AI 算力的長期現金流、GPU 折舊速度、晶片世代更替以及 AI 服務的實際營收能力。 若新一代晶片快速讓舊設備失去經濟價值，AI 算力作為抵押資產的風險也可能同步提高。 因此，輝達這次與華爾街合作的真正意義，可能不只是一次大規模融資計畫，而是試圖建立一套新的金融框架，讓 AI 運算能力從昂貴的科技設備轉化為能夠被金融市場定價及融資的生產性資產。 若市場最終接受這種模式，AI 基礎建設的擴張速度可能進一步加快，也將為未來數年的 AI 資本支出潮提供新的資金來源。