AI算力拉進金融市場，Nvidia與Palantir的高估值撐得久嗎？

 

Nvidia 把算力推進資產化框架

Nvidia(NVDA) 這次拉著 Apollo Global Management(APO)、Blackstone(BX)、BlackRock(BLK)、Brookfield(BN)、Goldman Sachs(GS) 和 KKR(KKR) 一起做的事，指向一個很明確的方向：AI 算力開始被包裝成可融資、可出租的基礎建設資產。公司喊出未來要動員逾 5,000 億美元第三方資金，這個規模已經足以改變資料中心與雲端投資的資金來源結構。

黃仁勳把頂級 GPU 堆疊出來的運算集群，定義成能創造營收、壽命較長、可轉移、具彈性的生產性資產。這個定義很關鍵，因為它把原本偏向一次性資本支出的硬體，拉進可以用租約、現金流、分拆融資來思考的框架。對保險資金、退休基金、私募基金、主權基金來說，這代表一條新的配置管道。

 

從折舊設備到現金流資產

過去市場看 GPU，多半把它當成迭代速度很快的設備。折舊期短，下一代產品一出來，舊設備的價值就會被壓縮。Nvidia 現在想做的，是把大量 GPU 集群整理成標準化的算力基礎設施，讓它們對外呈現長期租約與使用量，進一步把未來現金流結構化。

這一步如果推得順，科技公司的 AI 資本支出就會多一層外部融資來源。雲端巨頭和大型企業原本要自己扛的 capex，可能轉向機構資金分攤。對產業來說，這會加快算力供給擴張，也會降低大型模型和企業 AI 導入的資金門檻。

資金來源擴大 是這件事最直接的市場意義。算力建置速度可能更快，資料中心擴張也會更積極。對供應鏈來說，Nvidia 的議價能力與訂單可見度都有機會上修。

 

估值方法開始往基建靠攏

如果市場真的把 GPU 集群視為基礎設施，估值邏輯就會從硬體折舊轉向現金流折現。這種轉換對 Nvidia 與整個 AI 供應鏈的定價方式都有影響，因為投資人會開始問：這些運算資產能帶來多久的穩定租金，使用率能維持多少，合約能簽多長。

這也是為什麼這類敘事一旦成立，資金流入速度通常很快。過去能源與通訊基礎建設也走過相似路徑，先有更便宜的融資，再有更快的建設速度，接著才輪到需求穩定性被放大檢驗。AI 算力現在正踩在同一條路上。

現金流折現 這套方法一旦被拿來看 GPU，市場就會把使用率、租約年限、折舊假設看得更重。這對供應鏈是加分項，對資產端也是壓力測試的開始。

 

技術淘汰與信用風險同步升高

風險也很清楚。最大的問題在於技術代差與淘汰速度。如果新一代 GPU 或加速器在能效與性能上大幅領先舊產品，現有算力集群的租金與轉售價值就可能下滑。黃仁勳提出的回應，是這一代算力可在不同雲端與資料中心間轉移，也能透過軟體升級延長壽命。

這個說法有合理性，但對機構投資人來說，關鍵還是在合約條款與實際使用率。以 3 到 5 年折舊期看硬體的人，會很在意租金能不能覆蓋資本成本，使用率能不能維持，技術升級後資產能否續租。這些都不是一句「AI 需求長期向上」就能直接解決。

技術代差 與 信用風險 會一起出現。當算力資產被金融化，需求放緩、技術更新、折舊加速，最後都會反映在資產負債表上。

 

Palantir 的高估值與逆向交易

資本市場已經先做出反應。Palantir(PLTR) 因為企業 AI 軟體加上算力故事，股價推到接近歷史高位，估值也拉到 2026 年銷售額約 50 倍、自由現金流接近 100 倍。這種定價代表市場對 AI 資本化敘事接受度很高，也代表容錯空間開始變小。

Michael Burry 在 Substack「Cassandra Unchained」披露，他買進 2027 年 3 月到期、履約價落在低至中 100 美元區間的 Palantir 看跌期權。這是很典型的逆向交易訊號，因為他押的是估值回歸，而不是 AI 題材本身失溫。Burry 也提到，類似估值曾在 2025 年底引發約五成回調，現在波動率環境讓長天期避險工具變得相對便宜。

高估值與逆向部位 同時出現，說明市場對 AI 資產化的接受度很高，分歧也更深。成長故事可以支撐價格，估值壓力會持續拉扯波動。

 

警示型分析：資金更快，週期也更快

我會把這件事放回歷史經驗看。當一項技術從資本支出走進金融資產，短期通常會看到更便宜的融資、更快的建設、更大的資金池。長期則會面對需求穩定性、政策環境、技術迭代與信用條件的反覆檢驗。AI 算力現在已經走到這一步。

所以你們接下來要盯的，不只是 Nvidia 能不能繼續吃到 AI 訂單，也要看算力租約長度、資料中心使用率、折舊假設與再融資條件。只要 AI 投資週期放緩，或新技術讓既有設備回收率下降，被證券化的算力資產就會面臨重新定價。這條資金管道打開的是新一輪擴張，也把科技產業和全球信用市場綁得更緊。