輝達(NVDA)把AI算力做成資產，五到六年折舊撐得起融資嗎？

 

輝達聯手華爾街，推動AI算力資產化

輝達(NVDA)近期與貝萊德(BLK)、黑石(BX)、KKR(KKR)及阿波羅全球管理(APO)合作，嘗試把人工智慧運算能力轉化為可投資的資產類別。貝萊德執行長勞倫斯·芬克更將算力資產，與1970年代興起的不動產抵押貸款證券市場相提並論。

這套模式的方向很清楚。AI資料中心需要大量前期資本，若GPU與資料中心貸款可以證券化，資金來源就能從科技公司、雲端業者及銀行，進一步擴展至大型資產管理機構。AI基礎建設開始接上結構化融資，也讓算力建設具備更大的資本擴張潛力。

輝達的角色已超越GPU設計。CUDA軟體平台、資料中心網路產品，以及在AI運算市場的領先地位，構成一套完整生態系。金融機構願意討論GPU擔保融資，也反映輝達產品正被視為可產生經濟效益的基礎建設。

 

GPU抵押品缺乏長期數據，承銷模型仍在建立

汽車貸款與房屋抵押貸款已有數十年資料，可以估算違約率、回收率及不同景氣環境下的損失。GPU擔保貸款的歷史很短，金融機構很難建立穩定的估值與風險指標。

富國銀行(WFC)分析師認為，輝達與大型金融機構的協議，具有類似保險或信用增強的功能，可降低投資人面對陌生GPU抵押品時的疑慮。未來更大的想像，是把AI工廠貸款重新打包，形成可交易的抵押貸款產品。

問題會落到兩組估算。第一組是資料中心營運期間能產生多少現金流；第二組是GPU經過數年使用後，還剩多少抵押價值。現金流與殘值決定融資安全邊際，任何一項估得過高，都可能放大證券化產品的信用風險。

 

五至六年折舊期，放大硬體汰換與競爭風險

GPU的折舊時程通常約五至六年，高價晶片也可能在資料中心運作數年後快速耗損。AI晶片持續更新，硬體效能與能源效率的進步，可能壓低上一代GPU的二手價值。抵押品價格因此具備明顯的技術週期特徵。

這項限制會直接影響貸款期限與回收假設。若AI工廠的投資回報需要多年才能浮現，資金提供者就得承擔設備折舊、技術更新與需求變化同步發生的風險。五至六年的資產壽命形成融資邊界，也使GPU貸款難以直接套用房貸市場的歷史模型。

供給端同樣存在變數。中國運算能力持續增加，未來可能改變全球AI算力的供需平衡。競爭若壓低算力價格，資料中心收入與GPU殘值都會受到影響；競爭維持緊張供給，則有利於相關資產的現金流表現。

 

環球電訊與安隆的類比，提醒信用擴張的尾端風險

部分市場人士將這次金融創新，聯想到達康泡沫時期的環球電訊。當年光纖建設快速擴張，融資速度也超過終端需求消化能力，最終留下產能過剩與債務壓力。

投資人麥可·貝瑞則提到安隆將電力批發金融化的歷史，擔心多頭市場後期透過複雜信用安排延長資產熱度。這些歷史案例提供的是風險路徑，尚不足以直接推論GPU擔保貸款會走向相同結果。

差異仍要回到實際需求與信用條款。AI算力已有雲端服務、模型訓練及企業應用支撐，金融風險則取決於貸款成數、折舊假設、現金流覆蓋程度，以及資產管理機構承擔多少損失。算力需求成長無法消除承銷紀律的重要性。

 

股價反應有限，市場仍在評估融資模式

融資消息發布後，輝達股價曾出現震盪。截至2026年8月13日，輝達收在217.50美元，下跌0.05美元，跌幅0.02%；單日成交量為101,327,264股，較前一個交易日減少12.53%。當日價格接近平盤，顯示市場尚未對這套融資模式形成明確方向。

長期來看，AI基礎建設要持續擴張，資本市場參與程度勢必提高。短期需要追蹤GPU折舊假設、資料中心貸款表現，以及相關債權能否形成透明且穩定的定價機制。這套模式能否站穩，取決於算力現金流能否在五至六年的硬體週期內，持續覆蓋債務與設備汰換成本。