文：張恭銘
黃仁勳近日在媒體上拋出一個顛覆性的觀點：AI基礎設施正在從「設備採購」轉變為「資產投資」。他主張讓GPU與AI算力成為類似飛機的「可融資資產」，以降低AI基礎設施的資金成本。這不僅是技術問題，更是一場商業模式與金融邏輯的深層變革。
從資料中心到AI工廠：一場概念革命
黃仁勳直言，我們認識了六十年的電腦產業叫「檢索式運算」，把檔案取出來，所以叫資料中心。但未來那個地方不叫資料中心，叫「AI工廠」——它負責生成，而生成比檢索貴得多，算力需求直線攀升。他強調，真正該看的是工廠的產出，而不是成本多高。這個轉變的關鍵在於：AI工廠生產的是「Token」，一種可量化、可交易的智能商品，算力本身正在變成收入和利潤。
五千億美元融資背後的邏輯
黃仁勳估算，一座1GW的AI工廠造價約500億美元，但一年可以租出400到500億美元。如此大規模的投資依賴銀行貸款，而要拿到好的條件與額度，需要有優質的抵押品。他主張AI工廠本身就是優質抵押品——因為輝達的GPU非常通用，每一家AI實驗室、每一個模型都在用，且從資料處理、預訓練到推論，整個AI生命週期都能支援。如果某個客戶不再需要它，另一個客戶會很樂意接手。為此，輝達已與貝萊德、黑石、阿波羅、高盛、KKR等六大金融機構簽署合作備忘錄，目標動員超過5,000億美元第三方資本。
用採購承諾推動美國再工業化
在供應鏈布局上，黃仁勳直言，因為他對台積電、鴻海、緯創、艾克爾、矽品的採購承諾，才有辦法促使這些夥伴赴美生產。他點名的五家公司中，四家是台廠，這些承諾正在一一兌現，例如緯創德州廠已啟用。他更直言，輝達對美國晶片製造「再工業化」的貢獻，大概比世界上幾乎任何一家公司都多，而且快到造成缺工。
耐用性與通用性：資產化的兩大支柱
GPU能否成為「資產類別」，關鍵在於耐用性。黃仁勳指出，2020年出貨的A100晶片到2029年都還能用，輝達的晶片是軟體定義的，只要持續更新演算法，舊硬體就能承接新模型。AI雲端公司CoreWeave已簽約將A100出租到2029年，證明舊款GPU仍具長期經濟效益。黃仁勳用飛機作比喻：飛機是通用的、可互換的，聯合航空不用了，美國航空會用；一開始是客機，最後變成貨機，所以它可以是一種資產類別。
機會與風險並存的算力金融化
這套模式的精妙之處，在於將GPU從「快速貶值的電子設備」重新定義為「能產生穩定現金流的生產性資產」，讓算力服務商實現債務表外化，同時為華爾街開闢新的投資標的。然而風險同樣存在。有分析師指出，若中國晶片製造商以低價策略搶占市場，可能引發AI硬體價格戰，導致GPU抵押品價值快速縮水，屆時即使銀行收回晶片，也未必能彌補貸款損失。GPU究竟能維持多少年的經濟價值，目前仍存在高度不確定性。
黃仁勳描繪的藍圖，本質上是把AI算力從「科技產品」提升為「戰略資產」。當一座AI工廠的回本周期不到一年，而GPU的經濟壽命可能長達九年，這套邏輯確實具有說服力。但算力能否真正成為一種穩定的資產類別，仍取決於技術迭代速度、市場競爭格局，以及金融市場對這種新型抵押品的信心——而這些，都不是黃仁勳一個人能決定的。