Nvidia(輝達，另譯英偉達)10日與阿波羅全球管理公司、貝萊德、黑石集團、布魯克菲爾德投資公司、高盛集團和KKR共同宣布成立融資平台，為人工智慧(AI)工廠籌集超過5000億美元的外部資金。Nvidia執行長黃仁勳希望華爾街將AI運算能力視為一種全新的可投資類別；簡單來說，這種作法就像是為高速公路、機場和橋樑的融資，只是標的變成AI晶片、電力設施和資料中心建設。

在目前的AI產業中，讓建立超大資料中心的業者最煩惱的，不是需求，而是資金。早期在AI基礎設施上投入巨資的公司正逐漸耗盡現金，不得不舉債支應；數月前的谷歌和上周的英特爾都是代表性的例子。當科技公司開始檢討AI的高投入成本時，需求也將受到影響，而Nvidia的晶片首當其衝。

所以黃仁勳的做法就是創造需求：把AI算力融資打包成資產類別，由華爾街投行將這些資產轉化為資產支持證券(ABS)、擔保貸款憑證(CLO)和擔保債務憑證(CDO)等金融工具，開放退休基金和保險公司等機構投資人，來購買這些資產商品。Nvidia不僅堵住了科技公司的資金短缺後門，開闢了一條全新且規模可觀的低成本融資管道，同時又可以促使企業持續購買Nvidia的晶片，去化自己的晶片。

然而真正值得注意的，不只是Nvidia是否替AI找到更多資金，而是它正在改變AI產業的風險結構。金融市場不再只是用商業收益來替AI公司的未來評定估值，而是開始直接決定AI基礎設施可以擴張多快、擴張多大，以及如果對未來需求的判斷錯誤，最終由誰承擔代價。

AI的下一個戰場已經不只是模型、晶片與資料中心，還延伸至金融市場。黃仁勳聰明之處，在將AI晶片的風險，從Nvidia一家公司平均分散到整個華爾街，並為讓市場安心，主動宣布願以逐案檢討方式，為貸款合約提供25%殘值保障。

但在將AI算力包裝成資產類別的背後，存在著正反兩種可能性：從正面來說，AI需求增加提高算力利用率，改善資料中心現金流，金融機構因而更願意放貸，讓業者能購買更多GPU、興建更多資料中心，進一步推升設備供應商與整個AI供應鏈的營收，讓金融市場更加相信未來需求。

但從負面來說，一旦算力需求低於預期或資料中心租金下降，或者新一代晶片使舊設備比預期更快失去經濟價值，現金流就會下降，讓債權人提高風險溢價，融資成本上升，新專案變得更難成立，設備採購隨之下降，原本建立在高速成長上的估值，也會同時被重新檢驗。

曾經在2008年「次貸危機」中，資產證券化的崩潰案例，曾給全球一個沉重的教訓，華爾街這次應該會記取教訓，更謹慎從事。

AI算力金融化真正改變的，不只是AI的泡沫風險，而是AI景氣循環的振幅可能開始變大。這也是為什麼之後判斷AI是否過熱不能只看本益比、GPU出貨量或模型排行榜，更應該看資料中心利用率、算力價格、承購者信用、利息保障倍數、GPU經濟壽命、再融資條件，以及整個產業新增產能有多少是依據已經存在的終端需求，又有多少是建立在對未來需求的假設。

不過這也證明了比起中國，美國在AI融資擁有更大的優勢。美國不只擁有Nvidia、谷歌、微軟與大量AI尖端實驗室新創公司，也擁有全球口袋最深的債券市場、私募信貸、退休基金、保險資金與基礎建設投資機構。當AI建設所需資本從數百億美元上升至數兆美元，能否把這些龐大的長期資金導入算力基礎設施，本身就會成為科技競爭的重要一環。

換言之，AI的國家競爭力未來可能不再只是「誰能做出最好的晶片」或「誰的AI模型最強」，而是誰擁有更有效率的資本形成機制，在這方面，中國恐怕真的瞠乎其後。