英伟达宣布投入 5000 亿美元，正式涉足"AI 工厂”基础设施建设，推出"LPS"新模式，即整合土地（Land）、电力（Power）与厂房外壳（Shell）。通过与 KKR、阿波罗等大型投资机构达成协议，英伟达将为数据中心建设提供部分担保：若租户（如 OpenAI）无法支付租金，英伟达承诺兜底部分费用。这一举措旨在降低投资机构的放贷风险，加速资金流入 AI 基建领域。
尽管亚马逊、微软等云巨头具备独立建设能力，但 OpenAI 等前沿 AI 实验室面临算力需求激增与资产信用不足的矛盾。英伟达此举意在通过信用背书，解决此类客户的基础设施瓶颈，同时将自身在半导体供应链的锁定策略延伸至 LPS 领域。
首个落地项目：为 OpenAI 打造 150 万 GPU 数据中心
黄仁勋宣布了首个具体落地项目：位于美国俄亥俄州朴茨茅斯 PORTS-Pike 科技园区的 AI 工厂。该项目专供 OpenAI 使用，供电规模达 4.25 吉瓦，相当于数百万户家庭的用电量。
该工厂将采用英伟达 DSX 全栈 AI 平台，涵盖 GPU、CPU、网络及基础设施软件。据测算，每一代系统部署约对应 150 万块 GPU，可为英伟达带来 1500 亿至 2000 亿美元收入。场地设计寿命为 20 年，支持多轮硬件升级，预计至 2030 年，OpenAI 相关项目将为英伟达贡献约 6000 亿美元的芯片采购额。
风险控制与商业逻辑解析
针对外界关于风险与融资模式的质疑，黄仁勋作出三点澄清：
担保范围有限且分阶段生效
英伟达仅兜底部分租金、电费及设备残值，并非承担全部账单。担保将随数据中心在 2028 年至 2030 年间陆续运营而分阶段生效，随着 OpenAI 支付租金及容量上线，英伟达的风险敞口将逐步递减。
非“循环融资”，确保长期产能
针对“左手倒右手”的质疑，黄仁勋强调租金由 OpenAI 自行支付。此举核心在于预见客户需求，确保关键投入供应以保障长期生产能力。
资产通用性降低闲置风险
基于 CUDA 生态建立的行业标准，英伟达算力具备高度通用性与可置换性。即便原租户退租，设备仍可服务于云服务商、企业及其他 AI 实验室，使其成为可出租、可融资的生产性资产。
未来，英伟达将秉持“战略性、有纪律”的原则，仅在少数地段优越、需求明确的项目中提供此类担保，绝大多数数据中心仍由客户自建。
监管松绑助推数据中心证券化
此次 5000 亿美元交易达成的另一关键因素，在于美国监管政策的最新动向。受 2008 年金融危机影响，《多德 - 弗兰克法案》规定贷款打包出售时发起方需自留部分风险。然而，上月美国证券监管机构（SEC）基本认可了律所提出的申请，认为数据中心租金收入不同于房贷，不应强制套用“风险自留规则”。
这一表态虽尚未形成新法规，但实质上降低了融资门槛，提高了资金效率，为更多资本流入数据中心建设打开了通道。