黄仁勋宣布：NVIDIA 算力将成为可投资资产类别
NVIDIA 创始人黄仁勋近日在社交媒体发表长文，正式提出将 NVIDIA AI 工厂算力打造为一种全新的可投资资产类别。此举标志着 NVIDIA 战略从单纯销售芯片向构建 AI 时代基础设施生态的重大跨越。
文章核心要点如下：
1、联合华尔街巨头撬动巨额资本：NVIDIA 宣布与阿波罗全球管理公司（Apollo）、黑石集团（Blackstone）、贝莱德（BlackRock）、博枫（Brookfield）、高盛（Goldman Sachs）及 KKR 达成合作，建立独立融资平台。计划随时间推移撬动超过5000 亿美元的第三方资本，专项用于建设 AI 基础设施。该规模与此前业界关注的“星际之门”项目投资量级相当。
2、重新定义"AI 工厂”资产属性：黄仁勋提出"AI 工厂”新概念，即由 GPU、网络、系统软件、AI 框架和 CUDA 组成的完整计算平台。与传统服务器不同，AI 工厂具备持续增值潜力：通过软件升级可延长设备经济寿命，且因架构通用性强，具备灵活转手和重新部署能力，类似于 AI 时代的发电厂。
3、回应“循环投资”质疑：针对外界关于“华尔街借钱买 NVIDIA 显卡”的循环融资担忧，黄仁勋强调，资金源自独立的长期机构资本。每个项目均由合作金融机构独立审核客户需求、利用率、现金流及设备残值，NVIDIA 仅负责提供技术平台并牵头合作，且在特定情况下提供有限的残值支持。
黄仁勋在文末附上与多位华尔街领袖的合影，并表示："我们已经完成了从制造芯片到创造一种全新可投资资产类别的跨越。未来，每一家公司都将由其驱动，每一个国家都会建设它。”
NVIDIA AI 工厂算力正在成为一种可投资的资产类别
今天，我们宣布与 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 达成合作，建立独立的融资平台，旨在随着时间推移，撬动超过 5000 亿美元的第三方资本，支持 AI 基础设施建设。
这是 NVIDIA 和整个 AI 行业的一个重要里程碑。我们正在从这样一个时代走向另一个时代：过去，企业购买芯片，并以单个项目为单位建设数据中心；而现在，AI 工厂可以像生产性基础设施一样获得融资——拥有可重复复制的平台、长期机构资本，以及一个利用算力创造收入的多元化客户群体。
AI 已经到达一个拐点，正从研究走向生产。AI 正在创造真实价值，而支撑 AI 的基础设施，也正在成为全球生产效率最高的资产之一。
在 AI 时代，算力就是收入。
一种新的基础设施资产
NVIDIA 算力不仅仅是一颗芯片，而是一套完整的 AI 工厂平台，包括加速计算、网络、系统软件、AI 框架，以及全球开发者生态。
NVIDIA DGX AI 工厂可以运行全球范围最广的 AI 模型、模态和算法——包括语言、视觉、语音、生物学、物理 AI 和机器人。一座 NVIDIA AI 工厂可以服务多个客户，也可以运行多种工作负载，这让它具备了灵活性和可替代性。
与此同时，它建立在一个已经被全球广泛采用的架构之上。这套架构被所有主要云服务商采用，也被世界各地的系统厂商和企业使用。当需求发生变化时，这座工厂可以交由另一位客户、另一家云服务商，或者另一家运营商使用。
这个广泛的生态系统，为 NVIDIA 算力提供了一个拥有大量潜在用户和承购方的深厚市场，也有助于保护其残值。
CUDA 会让这座工厂随着时间推移变得越来越好。每一代 NVIDIA 软件，都会提升已经安装部署的基础设施的性能、效率和总体拥有成本。硬件并不是安装完成后就停滞不前：软件创新可以让一座 AI 工厂在整个生命周期中，以更低的成本生产更多智能，从而延长它的有效经济价值。
NVIDIA A100 就是一个很有说服力的例子。NVIDIA 在 2020 年推出了基于 Ampere 架构的 A100。六年之后，它仍然被广泛用于 AI 训练、微调、推理和高性能计算等商业场景。客户仍在持续为多年期部署锁定 A100 算力，使 A100 的经济寿命逐步向十年延伸。
市场也正在证明 NVIDIA 算力经济性的持久性。H100 的一年期租赁价格，从 2025 年 10 月大约1.70 美元/GPU·小时，上涨到 2026 年 3 月大约2.35 美元/GPU·小时。跨供应商的按需租赁价格中位数，也从 2025 年 10 月大约2.00 美元/GPU·小时，上涨到 2026 年 6 月的2.70 美元/GPU·小时。Blackwell 算力则享有更高溢价，据报告，B200 的云端价格大约为5.30 至 7.05 美元/GPU·小时。
这就是 NVIDIA AI 工厂与众不同的地方。它的价值并不会在安装完成时就被固定下来：CUDA 会持续提升它的产出；已经部署的设备在最初的折旧周期过去很久之后，仍然能够保持生产力；而同一套标准架构，又能够服务一个深厚且持续增长的全球 AI 工作负载市场。
这些正是一种可投资基础设施资产应当具备的特征：它能够产生收入，服务一个广阔的市场，性能会随着时间推移不断改善，而且可以被重新部署。
把资本带到 AI 工厂
市场对 AI 基础设施的需求非常巨大，但获得资本的能力并不均等。许多优秀的 AI 公司、企业和 AI 云服务商都有算力需求，但目前还无法以足够大的规模、或者足够低的成本获得融资，从而快速建设基础设施。
这就是为什么我们要与全球领先的长期资本提供方合作。Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR，同样也是全球领先的基础设施投资机构，在评估和承销长期、生产性资产方面拥有深厚经验。
我们正在共同建立可重复复制的融资平台，帮助 AI 生态建设它所需要的工厂。这些平台旨在帮助符合条件的 AI 实验室、企业和 AI 云服务商，以规模化方式获得 AI 工厂基础设施。
这里所说的超过 5000 亿美元，指的是这些平台计划随着时间推移撬动的第三方资本总额——这些资本不是 NVIDIA 的收入，不是一个单独的基金，也不是对某一个单独客户的资金承诺。金融机构将独立评估每一个机会——包括客户、需求、利用率、现金流和残值。
NVIDIA 提供 AI 工厂平台，金融机构提供长期资本和融资专业能力。
几个重要的问题
这是不是循环融资？
这项计划的设计，本身就是为了回应这一担忧。我们正在把独立的、长期的机构资本引入 AI 基础设施市场。需求是真实存在的：它来自前沿 AI 实验室、AI 原生创业公司、企业、云服务商，以及正在建设 AI 服务的国家。
资本提供方会独立对每一个项目进行评估和承销——包括客户、需求、利用率、现金流和残值。NVIDIA 提供平台；投资者独立作出融资决策。这是一个开放的 AI 基础设施资本市场的开端。
为什么 NVIDIA 要支持融资？
在某些情况下，NVIDIA 可能会提供一种残值支持机制，最高覆盖某个项目机会的 25%。这一机制会针对每一个项目进行审慎评估。这种支持是有限的，以残值为基础，其目的在于补充——而不是取代——独立的承销判断。这个比例显著低于其他算力融资安排。
NVIDIA 能够提供这样的支持，是因为 NVIDIA 算力具有独特性：它具备可替代性，被全球广泛采用，可以通过软件升级，并且能够在一个庞大的客户生态中重新部署。我们的角色，是帮助释放一个规模非常庞大的独立资本池，同时维持有纪律的风险敞口。
市场能够消化这么多算力吗？
问题并不在于我们是不是在建设数据中心，真正的问题是，我们建设的是否是具有生产力的 AI 工厂。一座 AI 工厂，会把能源和数据转化为有价值的智能。它的客户非常广泛：前沿 AI 实验室、AI 云服务商、企业和国家。他们之所以建设 AI，是因为 AI 已经变得有用了——它正在每一个行业里完成有价值的工作。
这个模式本身也有纪律约束。每一家融资合作伙伴，都会独立评估需求、利用率、现金流和残值。新增的算力容量，将围绕真实的客户经济性来建设。
投资回报在哪里？
回报就在 AI 的有用性之中。企业正在使用 AI 编写软件、发现药物、设计产品、服务客户、自动化运营，并构建新的服务。AI 工厂让这一切成为可能。
更多算力创造更好的 AI；更好的 AI 创造更多使用量；更多使用量创造更多收入；而更多收入，又会推动更多算力投入。这就是 AI 工业革命的正向循环。
智能时代的基础设施
每一次工业革命，都是建立在基础设施之上的：电力、交通、通信和计算。而每一次基础设施的大规模建设，也都离不开外部融资。AI 工厂，就是智能时代的基础设施。通过这些合作，NVIDIA 与全球领先的金融机构，正在创造一种新的方式，为推动这场工业革命的基础设施提供融资。
我们将让 AI 工厂变得更加容易获得，让那些正在建设未来的公司、行业和国家，都能够使用它。AI 时代已经到来。我们将一起建设为这个时代提供动力的基础设施。
深度观察：算力溢价与金融风险
黄仁勋提出的"GPU 不但能保值，还能持续创造现金流”的观点，与分析师 Dwarkesh Patel 近期的判断不谋而合：算力可能不但不会越来越便宜，反而会长期存在溢价。
Dwarkesh 的逻辑在于：若未来 AI 实验室收入保持高速增长（如年增长 10 倍），而现实世界算力供给增速有限（如年仅增 3 倍），AI 创造价值的速度将超过算力扩张速度。这些价值最终要么转化为模型公司的超高利润，要么推高算力价格。目前市场数据已显示算力租赁价格呈现上涨趋势。
若未来 AI 模型能力对标顶级研究员，GPU 费用将进一步对标人力工资，形成新的溢价空间。
然而，空头观点则聚焦于这套融资结构的风险。如果为 AI 基建项目专门成立公司，通过借贷购买 GPU 并依靠未来收入还债，意味着 GPU 故事已从科技股延伸至信用市场。近期英伟达的 CDS（信用违约互换）站上历史高位，反映了市场对此类债务风险的担忧。
AI 基建越依赖债务融资，一旦需求不及预期，风险便会顺着债务链条向金融市场传导。这一幕在互联网泡沫时期曾上演：Lucent、Nortel 等电信设备商曾大量采用“供应商融资”（vendor financing），即借钱给客户买自己的设备。只要需求增长，飞轮就能转动；一旦真实需求停滞，客户违约，此前被融资撑起的虚假需求便会瞬间崩塌，导致严重的产能过剩和财务危机。
回到当下，AI 公司借钱买 GPU，GPU 创造收入再买更多 GPU。乐观者视其为"AI 工业革命的资本飞轮”，悲观者则警惕这可能是二十多年前互联网泡沫的重演。
