AI算力開始拿去融資，租金與殘值下滑會傳到誰？

 

Nvidia把GPU算力推向可融資資產

Nvidia(NVDA)近期與BlackRock、KKR、Blackstone、Apollo合作，為AI工廠與大型資料中心提供融資方案。企業可用GPU與相關運算資源作為抵押品，讓龐大的AI資本支出進入結構性融資市場。

BlackRock執行長Larry Fink把算力資產類比為1970年代初期的房貸證券化。證券化指的是把資產與未來現金流打包，再拆分成可供投資人持有的債券。若資料中心貸款進一步發展成ABS或CLO，AI算力將形成新的信貸資產類別。

Wells Fargo交易員認為，熟悉結構性融資的機構可以充當橋樑，降低債券投資人接觸GPU抵押品的門檻。這套模式也能替AI基礎建設引入更多資金，減少企業單獨承擔建置成本的壓力。

金融巨頭願意投入，反映市場對長期AI需求仍有信心。槓桿也開始沿著GPU、資料中心、貸款與證券化產品逐層增加，科技產業的需求波動將更容易傳導至信貸市場。

 

GPU折舊與算力租金決定債務安全性

算力債目前缺乏足夠的歷史違約資料。房貸與車貸已有成熟的違約率、回收率及殘值模型；資料中心抵押貸款仍需要建立自己的估值框架。

Westwood Capital的Dan Alpert指出，GPU折舊期通常約五至六年。產品世代快速更新，會讓舊設備的效能、出租率與轉售價格同步承壓。若技術迭代加快，貸款模型原先設定的殘值便可能高估。

GPU抵押品還有另一層特性。它的現金流高度依賴算力利用率與租金，設備價格則受到新晶片效能及供給影響。利用率、租金與殘值可能同時轉弱，這會直接壓低債權人的回收能力。

Freedom Capital Markets的Paul Meeks也提醒，Nvidia擴張供給之際，中國晶片與雲端算力業者同樣加碼投資。若全球算力供給增速超過需求，高成本建置的資料中心可能面臨租金下滑與估值重估。抵押品價值一旦下降，再融資條件也會跟著收緊。

 

光纖泡沫與Enron提供壓力測試框架

華爾街對算力債保持敏感，部分原因來自過往的金融化案例。1990年代末期，光纖網路建設曾吸收大量資金，Global Crossing等公司也嘗試把光纖資產轉化為固定收益商品。網路泡沫破裂後，需求預測、資產利用率與債務規模出現巨大落差。

Michael Burry則把這類信貸設計與Enron包裝批發電力的模式相比。這些歷史類比尚不足以判定算力債將走向相同結果，卻能提供三個檢查方向：實體需求能否支撐現金流、抵押品能否合理估值、槓桿是否持續累積。

資料中心也具備長期合約、土地、電力與網路連接等不同資產。GPU本身的折舊速度更快，因此融資結構需要清楚區分各類抵押品，並揭露貸款成數、合約期限及設備更新假設。把不同風險混合打包，會提高投資人辨識底層曝險的難度。

 

2026年股價反應顯示市場仍在評估利弊

Nvidia在2026年融資方案公布當天跌約3%，隔日大致持平，隨後回升約2.7%。這段走勢顯示投資人同時消化融資擴張與槓桿風險，市場尚未形成單一方向的定價。

金融機構參與有助於降低AI基建的資金成本，讓更多資料中心專案取得融資。證券化範圍若持續擴大，一般債券基金與退休基金也可能間接承擔AI景氣循環。

因此，Nvidia未來的需求觀察會多出一個金融面向。除了GPU出貨、雲端資本支出與資料中心利用率，還要追蹤貸款條件、再融資能力及抵押品折價幅度。算力需求與信貸供給將互相影響。

 

Intel以股權融資承擔擴產成本

Intel(INTC)在今年8月第二週把股票發行規模由150億美元提高至200億美元，發行價格約每股95美元。資金預計投入晶圓代工與高階封裝，執行長陳立武及其家人也將認購約1,200萬美元股票。

股權融資會稀釋既有股東持股，債務與抵押品殘值風險則相對直接。UBS把此次籌資視為管理層對晶圓代工藍圖的強力背書，同時仍對現有產品路線保持疑慮，並下修原先評價。

Nvidia與金融機構合作，把算力現金流導入信貸市場；Intel則透過增資取得實體產能所需資金。兩種模式承擔的成本不同，前者把部分週期風險傳給債權投資人，後者主要由股東吸收稀釋與執行風險。

 

算力債需要透明度與長期現金流紀錄

後續觀察可集中在融資結構揭露、監管規範與估值假設。貸款成數、設備更新週期、算力租約期限及客戶集中度，會決定債務遇到需求降溫時能承受多少壓力。

支持算力債的條件，是利用率與租金能覆蓋利息及設備汰換成本，長期合約也能降低現金流波動。風險升高的組合，則是供給快速擴張、租金下降、GPU殘值下修與再融資同步收緊。

AI基礎建設仍需要巨額資本，金融工程可以加快建置速度，也可能放大景氣循環。算力租金與設備殘值若同步下滑，槓桿會把AI產業波動傳導到多大範圍，將成為下一階段的壓力測試。