【老王看产业】英伟达推动的AI算力资产化探索,英伟达推出全新AI算力平台

}

作者：老王

核心判断：中国复制“算力融资”并不难，复制“由GPU残值支撑的大规模标准化资产类别”较难。真正可证券化的底层不是单颗芯片，而是可运行的设备、可验证的利用率、长期算力合同与可执行的处置机制。它能缓解资本开支约束，也可能在融资替代真实需求时放大泡沫。

从“买芯片”到“买现金流”

英伟达在2026年8月宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR建立独立的AI计算基础设施融资平台，目标是随时间推移撬动超过5000亿美元第三方资本。这个数字很容易被解读为一笔已经到位的巨额贷款，但官方口径更接近资本形成目标：它不是单一基金，也不是英伟达收入，更不是对某一客户的承诺；六家机构仍需逐项审查客户信用、使用率、合同现金流和设备残值，合作也仍待最终协议落地。[1][2]这项安排真正重要之处，不是融资数字本身，而是英伟达试图改变金融机构对计算设备的分类方式。传统服务器被视为快速折旧的企业IT开支，难以获得长久期资金；英伟达则把DSX AI Factory描述为能够持续产生token收入、服务多个客户、跨模型迁移并可重新部署的生产性基础设施。部分项目中，英伟达还可能提供最高相当于项目规模25%的残值支持，用厂商信用为抵押品价值设置有限底部。由此，融资的第一还款来源是租赁或take-or-pay合同，GPU和整套系统的残值是第二还款来源，厂商支持则是尾部信用增级。

概念边界：“AI算力资产化”不等于“拿GPU直接抵押”。更准确的底层资产是GPU服务器、网络和存储等硬件，项目SPV股权，长期算力合同与受控账户，以及有限的厂商残值支持。

全球案例已经证明私人融资可行，但证券化仍处早期

公开案例已经证明，算力设备可以被金融机构接受，但不同项目的资本口径不可混为一谈。BlackRock的AI Infrastructure Partnership拟先引入300亿美元股权，再通过债务融资把总投资潜力扩大至1000亿美元；Brookfield的AI基础设施计划以目标100亿美元股权基金为锚，首期已有50亿美元承诺，结合共同投资和融资，计划收购最多1000亿美元资产；KKR与KIA、英伟达、Vistra成立的Helix则拥有超过100亿美元长久期资本承诺。这些平台主要投资数据中心、电力、输配电和完整AI工厂，不只是GPU。[3][4][5]

交易层面的证据更具体。Apollo管理基金为Valor旗下VCI提供35亿美元资本方案，支持其以54亿美元购买包括英伟达GB200在内的计算基础设施，再通过三净租赁出租给xAI；英伟达同时作为锚定有限合伙人。CoreWeave的23亿美元和随后约76亿美元延迟提款贷款，则由专门子公司持有GPU服务器，贷款规模与设备折旧后采购价值、最终客户信用评级和合同现金流挂钩，贷款由项目子公司几乎全部资产及100%股权担保，单笔贷款期限约五年。[6][7]

图1 全球代表性AI算力融资平台与交易规模

资料来源：NVIDIA、BlackRock、Brookfield、KKR、Apollo、CoreWeave公开公告及监管文件；本文整理。

图1刻意把平台级目标与交易级融资拆分。前者说明资产管理机构希望建立可反复投放的资本池，后者说明具体项目仍需以客户合同、折旧曲线和担保结构为基础。5000亿美元能否兑现，最终不取决于金融工程能否设计出来，而取决于终端AI收入是否能够覆盖租金、电力、利息、折旧和运维成本。私人信贷可以在缺乏历史数据时通过较高利差和定制契约承接风险，但要进一步形成面向保险、养老金和公开债券投资者的标准ABS，还需要稳定的设备价格指数、违约率、回收率和专业处置服务。

行业发展的意义：重塑资本循环，也重塑经营纪律

算力资产化的行业意义，首先不是“多了一种贷款”，而是把AI基础设施从科技企业必须自行承担的资本开支，转化为银行、金融租赁、私人信贷、保险资金和基础设施基金可以分层持有的生产性资产。股权资本负责建设和承受早期风险，长期合同形成现金流后再引入债务，成熟的数据中心还可以通过REITs或ABS退出；回收的资本继续投入新一代设备。这个循环能够降低单一云厂商和模型公司的资产负债表压力，让资金期限与土地、电力、机房、GPU和应收账款各自的经济寿命更匹配。

第二层意义是推动算力从技术产品变成可计量、可比较、可调度的商品。金融机构不会仅凭芯片型号放款，而会要求持续披露上架率、有效利用率、每token成本、客户集中度、合同期限、设备序列号和违约后的迁移能力。融资所要求的可验证数据，会反向推动统一计量、标准接口、运维审计、二手交易和专业处置体系形成。这种经营纪律有助于淘汰只靠建设规模和概念估值的项目，把行业竞争焦点转向真实交付效率和客户付费能力。

第三层意义是降低AI扩散的进入门槛。制造业、金融、汽车、医药和科研机构不必一次性购买整套集群，而可以通过长期算力合同按使用获得服务；社会资本则分享基础设施现金流。但这一意义有明确边界：资产化只能把建设期资金转换为长期资金，不能创造终端需求，也不能消除技术迭代。它既可能提高资本配置效率，也可能把原本集中在少数科技公司的投资风险传导给更广泛的金融机构和投资者。

中国大陆不是从零开始，资产化工具链已经出现

中国大陆在法律和产品层面已经具备基础。人民银行动产和权利担保统一登记体系覆盖生产设备抵押、应收账款质押、融资租赁、保理和所有权保留，GPU服务器可以作为设备登记，算力服务合同形成的应收账款也可以质押。2024年，金融监管总局又把“算力中心设备、集成电路”列入金融租赁业务鼓励清单和项目公司正面清单，允许金融租赁公司用项目SPV持有相关设备。[8][9]

青云科技的融资租赁是设备层的直接样本：公司以GPU服务器开展不超过2900万元、期限不超过两年的售后回租，同时拟把12台GPU设备对应算力服务项目形成的应收账款质押给租赁公司，并设置经营业绩触发的提前清偿条款。这说明大陆金融机构已经愿意把GPU作为适格租赁物，但授信核心仍是“设备＋应收账款＋公司信用”，而不是单独相信GPU残值。[10]

长寿命基础设施的退出渠道也已经打通。2025年，润泽科技和万国数据中心成为首批获批的数据中心公募REITs项目；其中润泽底层资产估值37.25亿元，包含5897个机柜，总功率超过42MW，上架率超过99%。2026年，雅安大数据产业园发行全国首单“东数西算”绿色ABS和数据中心产业园CMBS，智算中心、数据中心和配套设施共同入池。[11][12]这些产品证明了数据中心可以证券化，但其价值主要来自土地、建筑、电力、机柜和长期客户现金流，并不能直接证明GPU二手残值已经成熟。

图2 中国大陆算力基础设施资产化工具的代表性进展

资料来源：青云科技、金融监管总局、国家发改委、深交所、中国证券报；本文整理。

中国复制方案探索，分层融资而不是混合期限

中国更可能形成“央国企或大型企业承购合同＋银行和金融租赁高级资金＋产业基金劣后资本＋REITs/ABS退出”的模式，而不是由某一家芯片厂商独自提供类似英伟达的全球残值保证。原因在于，大陆有强大的银行、运营商、地方产业资本和基础设施证券化体系，但国产算力市场同时存在多种芯片和软件栈，设备跨客户迁移、二手估值和重新部署能力弱于CUDA统一生态。金融体系容易组织，资产价格发现反而是短板。

表1 中国大陆算力资产分层融资的建议结构。资料来源：公开监管规则与案例；本文分析。

分层的意义在于防止期限错配。数据中心建筑和电力可以使用长债，GPU则应在保守经济寿命内快速还本；应收账款融资只应覆盖已有合同，而不能用预期现货需求支持长期债务。成熟项目稳定运营一至两年后，可以把合格应收账款发行ABS或ABN，再把土地、建筑和机柜装入REITs；设备租赁SPV继续独立承担GPU更新和残值风险。这样即使某一代芯片贬值，也不必同步冲击整个数据中心的长久期融资。

资产化可行性呈现明显梯度

从现有制度和案例看，中国最成熟的是数据中心REITs和CMBS，其次是GPU设备金融租赁。算力合同应收账款ABS在法律上没有根本障碍，但其质量高度依赖承租人信用、合同真实性和现金流封闭。最难复制的是由芯片残值直接支持的大规模标准化GPU ABS，因为大陆尚缺乏统一的二手交易市场、独立残值数据库和跨芯片的软件迁移能力。

图3 中国大陆不同算力资产化路径的可行性评估

本文基于法律适格性、公开案例、现金流稳定性、残值可观察性、标准化和处置能力进行分析性评分。

全国一体化算力网建设有望改善这一短板。工信部《算力互联互通行动计划》要求建立统一算力标识、统一调用接口和多级平台，实现跨主体、跨架构、跨地域的资源查询与调度；国家数据局也已围绕算力并网、资源管理、调度、计费、算效、撮合交易和监测接口推进标准文件。[13][14]如果违约项目的算力能够在不拆除设备的情况下被重新调度给其他客户，贷款人的回收价值就会高于单纯拍卖硬件。但是，互联标准能解决“能否调用”的问题，不能自动解决“有没有付费需求”和“迁移后性能是否等价”的问题。

中国模式的最大风险不是融资不足，而是现金流质量不足

中国算力资产化最需要警惕的是融资可得性掩盖真实需求。一些项目可能同时由地方政府推动、地方国企建设、另一家地方国企签订采购合同，并依靠算力券、财政补贴或贴息维持租金。形式上存在长期合同，实质上建设方、客户、担保人和补贴来源都集中于同一地方财政。一旦预算收缩，客户信用、合同现金流和设备处置价值可能同时恶化。国家关于“东数西算”的实施意见已经明确提出，应对整体上架率低的地区加强规划指导并提高资源利用率，这本身说明供需错配是现实约束。[15]

第二类风险来自技术与残值。国产算力生态呈异构化特征，不同芯片在软件框架、通信库、集群效率和模型适配方面存在差异。同样标称的算力单位未必具备相同生产效率，新一代产品也可能迅速降低旧设备的每token成本。进口高端GPU则叠加出口管制、供应连续性、维修支持和跨境转售风险。对于金融机构而言，发票价格不能直接等同于可回收价值，借款基数应采用压力情景下的折旧后价值。

第三类风险是循环融资与关联交易。若芯片厂商投资算力运营商、运营商再用融资采购同一厂商设备，地方基金又为承租人提供补贴，销售收入、需求和信用增级可能来自同一资金闭环。资产证券化只能把风险分散给更多投资者，不能消除底层现金流的相关性。因此，承购合同是否来自独立第三方、利用率能否通过可审计接口验证、算力券是否仅为增量收益，应成为尽调核心。

图4 中国大陆算力资产化风险矩阵

本文基于公开政策、融资案例与行业运营特征作定性判断；气泡位置不代表统计违约概率。

资产化也可能放大泡沫：从产能扩张演变为信用扩张

泡沫风险增大的第一条路径，是融资供给被误当作终端需求。厂商残值支持、产业基金出资、地方补贴和银行杠杆共同降低首付款后，运营商即使没有足够的独立客户，也能提前采购设备并建设机房；新增订单又被市场解读为AI需求旺盛，推动芯片、土地、电力指标和数据中心估值上升，进一步扩大借款基础。此时资本开支本身制造了需求景象，真实付费客户却可能没有同步增长。

第二条路径，是经营杠杆与财务杠杆叠加。算力收入大致同时受有效利用率和单位价格影响，而机房、电力容量、运维人员、利息和折旧中相当部分具有固定性。若利用率与算力单价同时下降，收入不是线性减少，而是两者相乘后收缩；债务本息却不会同步下降。与此同时，全行业供给过剩会压低二手设备价格，使第一还款来源和抵押品价值同时恶化。

图5 算力项目偿债覆盖率的示意性压力测试

本文情景测算：基准收入指数100、固定运营成本45、年度债务偿付30；不代表具体项目预测。

图5显示，在这组示意性假设下，利用率和单价各下降10%，收入指数会从100降至81，偿债覆盖率由1.83倍降至1.20倍；两者各下降20%时，覆盖率已降至0.63倍，经营现金流不足以偿付当期债务。实际项目的成本结构各不相同，但方向一致：固定成本和债务越高、客户合同越短、GPU摊还越慢，泡沫破裂时的现金流缺口越大。

第三条路径，是证券化降低风险的可见度并扩大传染范围。长期合同如果来自关联方、地方国企或依赖补贴的客户，形式上可以支持融资评级，经济上却仍与建设主体和地方财政高度相关；不断展期和再融资还可能把利用率不足暂时隐藏。判断泡沫是否形成，不应看融资额、机柜数或“首单”数量，而应看剔除免费额度和关联交易后的付费利用率、客户续约率、现金利息覆盖、资本金真实来源，以及旧设备在没有补贴和厂商回购时的可处置价值。

谁最适合率先复制，谁不适合

最适合率先复制的是拥有高信用承租人、可验证高利用率和标准化运维的项目，例如三大运营商及其云平台承租的智算中心，金融、汽车、能源等大型企业签署长期推理算力合同的项目，以及具有跨区域客户的央国企公共算力平台。此类项目可以把客户合同作为第一还款来源，设备只是信用增级，数据中心则可在成熟后进入REITs。

有多个真实商业客户、利用率稳定的民营算力云也具备资产化条件，但需要更高资本金、更短设备贷款、更严格现金流归集和客户集中度限制。相反，依赖单一模型创业公司、尚无明确客户、主要依靠算力券或关联方采购的项目，不宜包装成低风险基础设施资产，其本质仍是高收益企业信用。

国产芯片厂商可以参与残值支持，但不宜成为唯一风险承担者。与英伟达相比，国内厂商的资产负债表、全球客户覆盖和二手市场深度有限；一旦行业发生同步技术换代，多个项目可能同时要求回购。更稳健的安排是由厂商提供有限的替换、升级或重新部署承诺，由运营商提供容量调度和客户迁移，由金融机构根据合同和折旧独立定价，避免把全部尾部风险集中回芯片厂商。

结语：先把算力做成商品，再把现金流做成证券

综合来看，中国大陆复制算力资产化具有较高可能性，但其领先环节将是融资租赁、项目贷款、数据中心REITs和算力应收账款融资，而不是纯GPU残值证券化。大陆的优势是银行和国有资本组织能力强、数据中心REITs出口已经形成、全国算力互联标准正在推进；短板是异构生态、价格发现、二手处置、真实利用率和独立终端需求。

行业参与者应把握一个简单原则：资产化不能创造终端需求，只能重组资金来源和风险承担。只有当客户在没有厂商新增投资、地方补贴和关联方循环采购的情况下，仍愿意持续为算力付费，GPU、合同和数据中心组合才真正成为生产性资产。中国最终形成的主流产品，更可能是“有央国企或大型企业长期承购合同的算力基础设施信用”，而不是单纯以芯片本身作为信用基础。因此，行业发展的意义与泡沫风险其实是一体两面：标准化、长期资金和证券化能够加快优质算力项目扩张，也会让低质量项目更容易获得杠杆。政策与金融创新的目标不应是尽可能扩大融资规模，而应是把资金成本与可验证的现金流质量绑定，让低利用率、高关联度和过度依赖残值的项目更早暴露、更难滚动融资。

行业评价：未来两三年，中国最值得观察的不是“首单”数量，而是首批产品能否披露并经受三项检验：利用率是否真实、合同是否独立、旧设备是否能在违约后重新产生现金流。只有出现可比较的违约率和回收率，算力才会从融资主题走向稳定资产类别。

参考资料

[1] NVIDIA，NVIDIA Partners With Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs and KKR...，2026-08-10。

[2] NVIDIA Blog，NVIDIA AI Factory Compute Is Becoming an Investable Asset Class，2026-08-11。

[3] BlackRock，AI Infrastructure Partnership，2025-03-19。

[4] Brookfield，0 Billion AI Infrastructure Program，2025-11-19。

[5] KKR，Helix Digital Infrastructure，2026-06-11。

[6] Apollo，Valor/xAI Data Center Compute Infrastructure Transaction，2026-01-07。

[7] CoreWeave，2025年度公开披露的GPU融资安排。

[8] 中国人民银行，动产和权利担保统一登记工作十问十答。

[9] 国家金融监督管理总局，金融租赁公司业务发展鼓励清单、负面清单和项目公司业务正面清单，2024-08。

[10] 青云科技，关于公司进行融资租赁的公告，2024-05-14。