第037期——谁在为11万亿美元的AI建设潮提供资金？（资本市场）
摘要
- SemiAnalysis估算，2024-29年累计AI IT和数据中心资本开支将达到11.3万亿美元，远高于市场熟悉的超大规模云厂商单年数据。 这项估算将追踪到的GPU、XPU、TPU、Trainium及完整系统出货量乘以总成本，并纳入通常不计入超大规模云厂商预算、由其他主体出资建设的设施。旧的项目“铁三角”仍是“资本、承购和数据中心”，但融资正成为其中最具约束力的一环。
- 到2029年，这轮建设潮可能留下约7万亿美元未偿债务，仅今年就需要约1万亿美元净新增资金。 Nishball统计显示，6月至10月7日，已筹集或宣布的AI贷款和债券约4000亿美元，其中约2600亿美元来自已完成的大型交易，另有约1500亿美元只有报道、尚未得到文件确认。他警告称，预测只纳入已经确认的产能，因此总额“可能还会逐步上升”。
- 超大规模云厂商和NVIDIA正把投资级信用转化为无法独立融资的模型公司和新型云厂商的“资产负债表即服务”。 Microsoft可以为最终供OpenAI使用的Nscale产能提供兜底，而托管服务的会计处理可能让相关承诺不出现在传统债务科目中。Nishball的判断标准更简单：“说话像鸭子、叫起来像鸭子，那就是鸭子”——投资者和评级机构最终都会按经济实质计算这类风险敞口。
- 当前GPU的残值与教科书式折旧几乎没有关系，因为供给稀缺已经压过了基于性能的淘汰速度。 2025年，H100一年期租金一度跌至每小时约1.30美元，但部分买家后来以约2.50美元续租，当前交易接近3美元，已接近2023年初水平。随着GB300产能售罄，需求会“层层向下传导”，即使GB300的推理速度约为H100的7倍，能够立即交付的H100仍然有价值。
- AI融资意愿建立在产业链大部分环节都异常强劲的经济性之上。 SemiAnalysis测算，GB300每兆瓦每年最多可产生1亿美元前沿模型Token收入，而建设GB300产能约需4000万美元，但这一测算依赖偏乐观的利用率假设；其简化版Token损益表显示，前沿API毛利率约为90%。Nanos认为，真正令人意外的不是AI“快速起飞”，而是“收入和盈利快速起飞”。
- NVIDIA的兜底安排可以扩大市场、帮助贷款机构建立认知并创造收入，但不可能为整轮建设潮提供全部资金。 其AICP结构提供6年的租金底线，并提取超过该兜底水平部分收入的50%；其他安排则通过残值担保锁定NVIDIA部署。SemiAnalysis估算，NVIDIA最多可以支持46GW，这不是预测；相比之下，正在进入市场的产能约为240GW。
- 真正具备投资价值的终局，是建立一个更广泛的债务融资市场，在没有投资级担保的情况下也能承销AI项目。 SemiAnalysis预计，AI债务市场规模将仅次于美国抵押贷款支持市场，并表示2026年将是其占美国全部发行量仍低于10%的最后一年。在接下来所谓“僵尸”浪潮从“第5波”扩展到“第50波”之前，贷款机构必须先理解GPU残值、客户流失和项目现场执行风险。
精读
1. 融资已取代算力和数据中心，成为最具约束力的环节
Nishball的分析框架是AI项目“铁三角”：“资本、承购和数据中心”。算力一度看起来像第四条腿，尤其是在内存短缺威胁机架出货之际，但瓶颈所在的位置一直在变化。
AI原本将消耗约70%的DRAM晶圆需求，而内存含量上升又会持续推高加速器ASP，直到Rubin Ultra。实际情况却是，供应商开始对系统降配：ROI固然重要，但眼下的问题只是“没有足够的内存，无法把机架真正交付出去”。
数据中心供给则通过启用新通电站点、翻新设施以及表后供电项目得到响应。Nishball预计，到2027-28年供需将更加平衡，届时设施不再是主要障碍，而融资约束恰好会变得更加尖锐。
11.3万亿美元指的是2024-29年累计AI IT和数据中心资本开支。SemiAnalysis将追踪到的GPU、XPU、TPU和AWS Trainium出货量乘以完整系统成本，其中包括服务器、网络设备和CPU，再加上由超大规模云厂商、新型云厂商及独立数据中心公司建设的设施。
2. 11.3万亿美元建设潮意味着7万亿美元债务市场
SemiAnalysis预计，到2029年未偿债务约为7万亿美元，今年净新增融资约1万亿美元。由于其前瞻预测只在产能得到确认后才计入，Nishball预计总额“可能还会逐步上升”。
与之相比，现有资金池规模都不算大：投资级发行约3万亿美元，杠杆贷款约4000亿美元，私募股权约4000亿美元。超大规模云厂商和NVIDIA通常具备投资级资质；CoreWeave等新型云厂商则处于风险更高的市场。
仅6月至10月7日，Nishball就统计出约4000亿美元已筹集或宣布的AI相关贷款和债券，其中约2600亿美元为已完成的大型融资，另有约1500亿美元只有报道、尚无文件确认。按此进度，市场大致符合全年估算。
交易案例显示了市场覆盖面的广度：Blue Sky Funding为Broadcom–Google–Anthropic的TPU安排筹集240亿美元，并配套60亿美元延迟提款贷款；Meta–BlackRock融资工具筹集125亿美元；CoreWeave新增42亿美元可转债和26亿美元延迟提款贷款；Nebius、Zencore和Anthropic分别筹集35亿美元、30亿美元和150亿美元。
3. 5年期合同让GPU残值成为上行选项，而非融资必需
GB300系统成本约为每兆瓦3100万-3300万美元，配套数据中心可能还需1000万美元以上。但资本端通常按约5年建模，而一座设施可能运营15年、支撑3个IT周期；因此，前期资本开支结构更接近60/40，而不是按拥有成本推导出的75/25。
融资通常要求长期承购合同，并由投资级交易对手提供支持。Nishball表示：“没有5年期承购合同，就拿不到融资。”与投机性地建设面向市场的产能相比，这使收入和项目现金流具有异常明确的预先确定性。
按讨论中的经济性，典型5年期交易的承销目标约为年化20%-30% IRR，而且不假设出售GPU或获得第6年收入。GPU在模型使用寿命结束后赚到的任何收入，因此都“像是额外奖金”，但贷款方仍希望看到一套站得住脚的残值框架。
4. 表外兜底把信用质量变成基础设施
Nanos梳理出NVIDIA约4970亿美元的承诺，涵盖AI云协议、第三方及自用数据中心租赁、能源和信用证担保、云服务协议、零部件供应承诺，以及尚未估值的残值担保类别。敞口类型之多，使人很难仅凭资产负债表上的 headline 数字还原真实风险。
在Nscale案例中，产能先流向Microsoft，再供OpenAI使用。OpenAI自身的信用可能不足以支撑建设贷款，因此由Microsoft保证使用量：“如果OpenAI不付账，Microsoft就要负责。”贷款方可以按Microsoft而非这家模型公司进行承销，项目因而具备融资条件。
Microsoft获得产能，可能保留部分经济收益，并能调动外部资本而不必直接为每项资产出资。会计处理的区别很重要：演讲者称，ASC 606项下的托管服务可列在表外，而ASC 842项下的经营租赁则计入表内，即使两者背后的经济承诺看起来相近。
Nishball将这一模式称为“资产负债表即服务”。但他也提醒，会计列报无法让支持能力无限扩张：评级机构和债券投资者最终仍会追问，一家公司凭什么能够可信地为数万亿美元提供兜底。“没人有水晶球。”
5. 信用市场开始同时定价发起方敞口和执行风险
Amazon在7月发行的250亿美元、6个分档债券，10年期Z利差约为100个基点，5年期约为65个基点，随后又扩大10-20个基点。Nanos指出Oracle的一笔交易利差达到105个基点；Nishball估计，自夏季以来Oracle全期限曲线已扩大30-50个基点，10年期利差接近250个基点，而Amazon约为100-110个基点。
Nanos将其与利差接近400个基点的CoreWeave作对比，但Nishball区分了公司风险和项目风险。一个由Meta提供承购的项目定价约为基准利率上方225个基点，按Z利差计算略低于200个基点；Meta自身5年期曲线约为97个基点。差额补偿的是贷款方搭建并运营集群所承担的风险。
Nishball提出将ClusterMAX作为执行能力信号，因为贷款方已经发现它有参考价值；白金级运营商“把事情搞砸的可能性更低”。Nanos反驳称，托管集群和裸金属站点是不同产品，但也承认ClusterMAX可以成为执行风险的一个信号——前提是每个SPV、每个地区、每支团队和每份建设进度都必须单独评估。
与此同时，采购逻辑已经倒转。买家过去会在5家供应商之间比较，围绕256块GPU进行为期2周的概念验证；如今却会“在GPU交付前6个月就选定合作舞伴”，并可能预付合同金额的30%-50%。企业在租用、自建之间来回摇摆，直到耗尽自身资产负债表，最终实际上把未来需求“抵押”给外部供应商。
6. 稀缺性打破了传统GPU折旧曲线
单纯按性能计算，旧硬件本应迅速失去价值：SemiAnalysis估计，GB300的推理速度约为H100的7倍，FLOPS约为3倍。对于边际推理需求，Nanos问道：“既然有边际GB300，为什么还要买边际Hopper？”但供给可得性让这个问题在短期内失去了意义。
H100一年期价格曾跌破1.80美元和1.40美元，部分较弱供应商报价约为1.30美元。卖方一度讨论以接近1.25美元的价格锁定2年期合同；部分买家后来以约2.50美元续约，而当前一年期交易接近每小时3美元，接近2023年上半年的价格。
一些研究人员仍然看重H100和H200的熟悉程度、任务吞吐量及数值稳定性，不愿从BF16迁移到FP8或FP4。更重要的是，一家刚拿到融资的初创公司面临的选择是：等待6个月后才有货的GB300，还是立刻用H100启动。“需求会层层向下传导。”
SemiAnalysis基于性能推导的价格曲线，在18个月内与实际价格偏差约2%，但在9月和10月前后开始脱钩，并在2025年末“彻底失真”。反推该模型意味着需求已经超过供给；Nanos预计，只要建设延误、政治性暂停、终端使用量或模型质量继续让需求领先，压力就会持续。
7. 更好的模型和硬件正在同时扩大利润率
Nanos认为，推理的发展方向已经从单纯增加参数量，转向通过强化学习和后训练消耗更多FLOPS。Astra、Fable或Mythos几代模型的规模可能有所增长，但不足以抵消GB300 NVL72在内存、带宽和FP4性能上的提升。
他举出的案例是从DeepSeek V3到DeepSeek V4、4.1 Pro、4.1 Flash、GLM 5.3和Kimi K3的演进。稀疏注意力以及仅2-3倍的参数增长，就带来了显著更好的输出，而FLOPS没有同比例增加，从而让每块GPU承载更多高价值Token和更高吞吐量。他估计，当前GB300 NVL72服务中国模型的毛利率约为80%。
演讲者认为，即使是前沿模型公司，也没有预料到自身的盈利能力、用户增长或服务如此大规模需求的能力，结果不得不为即时可用的GPU签下溢价合同。Nanos拒绝使用“AI快速起飞”这一标签，但表示证据看起来更像是“收入和盈利快速起飞”。
8. 前沿Token经济性远超物理算力成本
SemiAnalysis测算，1兆瓦GB300产能每年最多可带来1亿美元前沿Token收入，而建设成本约为4000万美元，但Nishball称利用率假设偏乐观。当前新型云厂商合同更接近每兆瓦1200万美元；SpaceX和Google约4800万美元的交易最初看起来令人震惊，但放在转售经济性中便说得通。
其简化损益表采用每百万混合Token约1.85美元的价格，其中包括缓存命中，对应每小时约38美元收入。资产拥有成本约为每小时2.80美元，新型云厂商租赁成本可能为4-5美元，因此前沿API毛利率接近90%。
无限订阅套餐依赖用户低使用率：模型假设毛利率更接近50%-60%；而重度用户和中国灰色市场转售商可以把20美元套餐转化为API供给。Nanos用Planet Fitness作比喻，概括了其中的激励：“一家赚钱的健身房，就是一家空着的健身房。”但供应商无法在事前可靠识别低使用率客户。
Nishball反驳了Token价格正在崩塌的假设：前沿模型和开源模型价格都在上升，即使价格持平，吞吐量提升也会扩大利润率。Nanos同意混合支出在增加，但Token效率仍然难以衡量，因为用户正在消耗更多Token去尝试此前无法解决的更难问题。
9. AI原生需求强劲，传统企业采用仍不确定
演讲者将融资问题拆成意愿和能力两部分。利润率和用户效用支撑最前沿客户的融资意愿，而兜底安排、贷款方资金能力及市场结构决定这部分需求能否真正获得融资。企业采用仍更不确定。
Nishball的团队整理了数千个公开债务融资工具及相关关系；他估计，如果交给其他人完成，同样工作需要4个人耗时4个月，而且结果只能达到“我们一半的水平”。Nanos举了航班退款、邮件分流、旅行和日常规划等例子：“你得先把这些东西从我的尸体上撬走。”
Nishball对传统企业最没有把握。许多高管表现出“财富500强企业缺乏探索能力，也缺乏想象力”，把问题简化成摘要，或变成“我该怎么裁员？”采用AI有时仍可能取决于一个领导者：他可以要求拥抱AI，也可以直接禁止AI。
Nanos给出的更尖锐答案是，行动缓慢的 incumbent 可能会被直接替代。他指出，按市值计算的全球前十大公司中，有9家与AI、半导体或数据中心相关；成功的AI原生公司可能独立成长，也可能改造收购它们的公司。他给出的条件性证明是：如果Anthropic以2万亿美元估值上市，其市值将大致位列全球前25。
10. 在贷款方真正理解之前，AI债务已成为宏观资产类别
在SemiAnalysis的对比中，AI债务规模将超过汽车贷款、学生贷款、信用卡、非机构住房抵押贷款、CMBS和HELOC，仅次于美国抵押贷款支持市场。与这些缓慢增长的类别不同，AI债务曲线会随着超大规模云厂商、新型云厂商、模型公司和数据中心同时入场而陡然上升。
Nishball预计，AI融资规模将超过1万亿美元，并表示2026年将是其占美国年度总发行量仍低于10%的最后一年；美国年度总发行量约为12.7万亿美元。他将这一规模与长期利率上升和信用利差扩大联系起来：在不知道这究竟是“第5波还是第50波”的情况下，贷款方将面临一场“僵尸末日”。
当前，一些贷款方通过承销NVIDIA、Microsoft或其他投资级信用，暂时绕开对底层技术的理解。兜底安排为市场争取了研究GPU租金、残值、客户流失、取消订单和执行风险的时间。Nanos讲述的Ontario Teachers’ Pension Plan案例让终局变得具体：养老金最终会提供资本，因此向其解释风险是实质性工作，而不是金融包装。
11. NVIDIA的兜底是通往终点的桥梁，但不足以提供抵达终点所需的资本
在AICP框架下，NVIDIA承诺以平均约3.25美元的底价租用新型云厂商6年内未使用的产能，使贷款方可以按NVIDIA信用加执行风险定价。该担保并非计划真正被执行，而是帮助运营商为集群融资，同时建立更加多元化的客户组合，包括Token即服务业务。
NVIDIA还会获得兜底水平以上收入的50%，因此这项担保是一门生意，而不是慈善；Lambda也采用了类似的收入分成结构。在其他安排中，1050亿美元残值担保支持4.25GW产能，分两个阶段实施时规模可能接近9GW，同时把整个复杂绑定在NVIDIA GPU上。Nishball称其功能是“抢地盘”。
对于拟议中的5000亿美元资本合作，SemiAnalysis展示了从股权、无担保B级债，到一层层更高级别A级分档的损失瀑布。NVIDIA提供的25%残值担保可以附着在指定分档上。损失必须先耗尽次级资本，才会传导至最安全的分档，由此可以为私募股权、私募信贷、银行和保险公司创造不同产品。
SemiAnalysis认为，NVIDIA的资产负债表最多可以支持46GW，明确强调“这不是我们的预测”，而市场正在进入的产能约为240GW。考虑到2029年可能还有约60多GW新增产能，贷款市场最终必须在没有兜底的情况下完成项目承销。