AI算力瞄準5000億美元融資，GPU租約撐得起估值嗎？

 

Nvidia把GPU叢集推向5000億美元融資市場

截至今年8月11日，Nvidia(NVDA)已與Apollo(APO)、Blackstone(BX)、BlackRock(BLK)、Brookfield(BN)、Goldman Sachs(GS)及KKR(KKR)簽署合作備忘錄。這些機構計畫建立AI算力基礎建設融資平台，目標動員超過5,000億美元第三方資金。

這個金額代表計畫規模，與已經到位的資金仍有距離。備忘錄也需要進一步轉成基金募集、融資合約與實際建設案。現階段可以確認的是，AI算力開始連結大型機構資金，資金來源將有機會從科技公司的資本支出，擴大到保險公司、退休基金、私募基金與主權基金。

黃仁勳提出的概念，是把GPU叢集視為可產生租金與服務收入的生產性資產。雲端業者或資料中心可以出租算力，投資機構則依據租約、使用量與預期現金流提供融資。運作方式接近電力、光纖網路或其他基礎建設，只是底層資產換成AI運算設備。

 

算力金融化可加快資料中心建設

過去GPU通常按照科技設備管理，價值受到晶片世代、運算效率與折舊速度影響。Nvidia希望利用產品標準化、軟體生態系與廣泛採用度，把整套GPU叢集包裝成可出租、可轉移、可融資的資產。

當算力叢集具有長期租約，金融機構便可估算未來收入，再把現金流設計成債權、基金或其他金融商品。估值依據將加入租約與現金流，硬體折舊仍會留在計算之中。

這種安排若順利推進，資料中心業者可降低一次投入大量自有資金的壓力。Nvidia也可能獲得較穩定的設備需求，企業導入AI服務的資金門檻則有機會下降。算力供給擴張速度因此加快，大型模型與企業AI應用也能取得更多運算資源。

市場需要留意供給增加的另一面。大量資金同時投入資料中心，可能造成建設速度跑在需求前面。只要使用率低於融資模型原先假設，租金收入、債務償付能力與資產價值都會承受壓力。

 

GPU折舊與租約品質決定資產能否長期融資

電力設備與光纖網路通常有較長使用年限，GPU面對的技術更新速度快得多。新一代加速器若在效能與耗電量上大幅領先，舊設備即使仍可運作，也可能需要降價出租，轉售價值也會下降。

黃仁勳主張，GPU叢集可以服務不同客戶，也能在雲端與資料中心之間轉移，軟體升級還可延長使用時間。這套說法能否成立，要由實際使用率、租約期限、客戶信用與設備殘值逐步確認。金融機構慣用3到5年折舊期評估硬體，合約收入能否涵蓋折舊與融資成本，會直接影響報酬。

我會特別看租約由誰承租、租金能否調整，以及設備更新由哪一方負擔。若租約期限短、客戶集中度高，或者融資大量依賴資產殘值，風險便會提高。基礎建設標籤不等於低波動，底層現金流的穩定度仍是判斷基礎。

 

Palantir高估值顯示市場分歧正在擴大

算力金融化也把市場注意力帶到AI軟體估值。截至今年8月11日，Palantir(PLTR)股價接近歷史高位，估值約為2026年預估營收的50倍，並接近自由現金流的100倍。強勁成長支持市場期待，高倍數也讓股價對成長降溫格外敏感。

Michael Burry披露買進Palantir看跌期權，合約於2027年3月到期，履約價位於100多美元的低至中段區間。他的判斷聚焦估值與景氣循環，並引用2025年底相近估值曾伴隨約五成股價回檔的經驗。

單一投資人的選擇無法直接證明股價方向，卻呈現市場對AI資產的兩套定價觀點。一套相信算力與軟體需求可維持長期高速成長；另一套擔心成長率下降後，高估值將快速壓縮。成長預期越高，容錯空間通常越小。

 

退休配置應把科技風險與信用風險一起計算

Nvidia的布局會讓科技產業與信用市場連得更緊。AI投資持續成長時，金融化可以提供便宜資金並加快建設；景氣放緩、需求低於預期或設備提早淘汰時，壓力也可能同時傳到資料中心業者、貸款機構與相關股票。

我常說，退休金準備要回到資產配置。0050、0056與全球型ETF各有功能，配息也能協助安排生活現金流；長期成果仍要合併股價、配息、稅費與風險評估。領到較高配息，不代表資產價值自然穩定。

我自己的配置中，債券比例偏高，股債比大約2比8。這種安排未必適合每個人，但它提醒我保留波動承受能力。當AI題材同時進入股票、私募基金與信用市場，退休資產更需要分散，避免單一產業同時影響成長部位與收益部位。

Nvidia提出的是一條規模龐大的融資路徑，5,000億美元仍屬目標。後續可觀察實際募資金額、算力租約期限、設備使用率、折舊假設與借款成本。這些數據逐步穩定，算力資產才有機會建立長期融資紀錄；若需求、殘值與租金同時走弱，金融化也會放大資產價格與信用市場的波動。