據高盛研究部發佈的《AI債務如何重塑信用市場》專題研報，2026年截至8月，全球AI企業債發行量已接近5000億美元，佔全部投資級企業債發行的25%-30%，對實體經濟借貸利率形成長期上升壓力。

這5000億美元，主要由四大部分構成。

據高盛的資料，微軟、Google、亞馬遜、Meta、甲骨文等五家，今年前八個月 廿發債額高達1940億美元，比2025年全年（1080億美元）還要高80%。

因為2026年的AI資本支出預計高達7500-8000億美元，光靠自由現金流已經蓋不住巨大的缺口，巨頭們必須趁著當前信用評級高，鎖定長期的低成本債務資金。

2.算力租賃與資料中心，佔比約30%。

代表企業，CoreWeave、Vantage Data Centers、Nebius、Lambda Labs、Zenith Arc。

Vantage Data Centers為了籌措全球擴建資金，傳出尋求1000億美元估值IPO計畫。

CoreWeave和Nebius等算力雲廠商，則通過發行高收益債（垃圾債）和資產抵押債務籌集數百億美元，用於直接採購GPU。

3.半導體與硬體製造，佔比15%-20%。

代表企業，英特爾、三星電子。

晶圓廠和高級封裝的建設周期極長。英特爾為了支撐晶圓代工業務擴張，將股票與債券聯合發行規模擴大至200億美元。

本月中旬，輝達聯合黑石、貝萊德、阿波羅、KKR、Brookfield及高盛等六大機構簽署諒解備忘錄，共同設立獨立的“算力融資平台”，計畫在未來動用超5000億美元的第三方資本（主要是私募債與結構化信貸）。

如此大規模的抽水，勢必會對現實金融體系造成劇烈影響。

首先是對傳統行業的擠出效應。

過去，製造業、零售業或房地產公司去債券市場借錢，競爭對手無非是同行業公司。

但現在，AI科技巨頭幾乎成了全行業的共同敵人。

由於AI相關企業債發得太多，固定收益市場的流動性被嚴重消耗。聯準會和英國央行相繼警告，即使指標利率不變，投資級企業債的信用利差也開始走闊。

現在任何一家企業想發債融資，都不得不支付更高的利率溢價，融資成本被AI在無形中抬高了。

其次，結構化金融的“次貸”隱患。

在“算力抵押貸款”的模式中，借款人用GPU作抵押。

但晶片的物理折舊周期只有3-5年。

如果在此期間，生成式AI和具身智能在企業端的變現未能迎來爆發式增長，從“按人頭付費”成功轉型為“按算力結果付費”，那麼部分高槓桿租用算力的AI企業很可能面臨違約風險。

這筆龐大的私人信貸風險，最終可能反噬提供資金的保險公司和養老基金。

這場由AI軍備競賽引發的發債狂歡，本質上是科技行業向全社會的資本市場借用未來的流動性。(格隆)

輝達已不滿足於只賣晶片，它現在還想把晶片變成可以被華爾街定價、抵押和融資的資產。

當地時間8月10日， $輝達 (NVDA.US)$ 宣佈與 $阿波羅全球管理 (APO.US)$ 、 $貝萊德 (BLK.US)$ 、 $黑石 (BX.US)$ 、 $Brookfield (BN.US)$ 、 $高盛 (GS.US)$ 及 $KKR & Co (KKR.US)$ 達成合作，計劃通過獨立算力融資平台，長期調動超過5000億美元第三方資本，為前沿AI實驗室、企業、政府及AI雲廠商建設數據中心和「AI工廠」。

需要注意的是，這5000億美元是計劃在未來逐步動員的資金池，並非已經到帳的資金，更不是輝達可以立即確認的收入；目前最終協議、各機構出資額及投放時間表仍未公佈。

資本市場卻先用腳投票。 $輝達 (NVDA.US)$ 股價當日下跌2.86%，該公司5年期信用違約互換(CDS)在消息傳出後飆升了近6個基點。

這並不等於市場判定輝達即將違約，但說明投資者開始要求更高的價格，為公司可能承擔的或有風險投保。

一邊是六大金融巨頭願意為算力打開資產負債表，另一邊是股票與信用市場同時上調風險溢價。兩種反應看似矛盾，實際都指向同一個問題：AI算力究竟已經成為具有長期現金流的基礎設施，還是華爾街正在用更複雜的融資結構，把尚未被終端需求驗證的晶片訂單提前變成收入？

要理解這場爭議，需要把5000億美元放回黃仁勳的「五層蛋糕」中來看。

從產業地圖到資本結構：5000億美元如何流過「五層蛋糕」？

黃仁勳今年在達沃斯提出，AI不是單一模型或應用，而是一塊由五層共同構成的蛋糕：最底層是能源，其上依次是晶片、基礎設施、模型與應用。

第一層是能源：每一枚Token背後都需要電力、輸配電、土地與冷卻，電網容量決定了算力擴張的物理上限。

第二層是晶片：GPU、CPU、HBM、網絡與光互連把電力轉化為計算能力，決定生成Token的效率與成本。

第三層是基礎設施：數據中心、AI雲、服務器叢集和調度系統把數萬枚晶片組成可出售算力的「AI工廠」。

第四層是模型：OpenAI、Anthropic、xAI等實驗室購買訓練和推理算力，把算力轉化為智能。

第五層是應用：企業軟件、自動駕駛、機器人、醫療及金融服務將模型能力轉化為客戶收入，也是整塊蛋糕最終產生經濟回報的地方。

這5000億美元並沒有增加第六層，而是在五層蛋糕外面加上一條「資本管道」：華爾街的長期資金主要投入能源、晶片與數據中心，模型公司通過租賃或用量合約購買算力，最上層應用產生的收入再向下支付模型費與算力費，最終償還項目債務並回報資本。

因此，這套結構成立的關鍵不是GPU能不能賣出去，而是最上層應用能否持續產生足夠現金流，沿著五層蛋糕向下傳導。融資可以把建設速度拉快，卻無法憑空創造終端回報。

輝達真正想做的，是把CUDA變成「信用增級」

傳統科技硬體很難成為長期融資抵押物，因為迭代快、折舊高，一旦需求轉弱，二手設備價值可能迅速下跌。

輝達要說服華爾街的，恰恰是GPU已經不再是普通電子產品，而是能夠持續創造Token收入的生產性資產。

其論證建立在三點之上：首先，輝達GPU可以跨模型、跨工作負載使用；其次，設備能在不同雲廠商和運營商之間轉移或出租；最後，CUDA軟件持續優化舊硬體的性能和相容性，延長設備的經濟壽命。

只要二手價格、租賃價格和利用率保持穩定，GPU就能像飛機、通訊塔或服務器機房一樣，憑藉未來租金獲得融資。

這正是美銀證券研報所說的「輝達承保的是資產價值，而不是貸款」：公司未必需要親自借出全部資金，只要CUDA生態能支撐GPU的殘值與流動性，就相當於為底層資產提供了一層技術信用。

換句話說，輝達正在從晶片供應商升級為三重角色：它既是設備製造商，也是算力資產的標準制定者，還是把華爾街資本導入AI產業的交易發起人。

若這套模式跑通，CUDA護城河將不只體現在開發者和軟件相容上，還會進一步變成融資成本的護城河——同樣一座數據中心，採用輝達平台可能更容易獲得貸款，也可能享受更低的資金成本。

美銀為何偏多：把資本壓力交給華爾街，延長AI投資周期

從多頭視角看，當前限制AI擴張的未必是訂單，而是資金、電力與建設能力。

大型雲廠商可以依靠自身現金流投資，但前沿模型公司、Neocloud、主權AI項目及非投資級企業，往往沒有同等強大的資產負債表。5000億美元資金池的作用，就是降低這些買家的融資門檻，把未來幾年的算力需求提前轉化為可開工的項目。

美銀證券在研報中將這項安排視為利多，核心理由是：由阿波羅、黑石等機構獨立承銷和組織資金，可以把主要信用風險分散到金融財團及具體項目，而不是全部壓在輝達自身資產負債表上。研報認為，這有望支援其預測的2030年1.7兆美元AI系統市場空間，並延長本輪AI基建投資周期。

更重要的是，第三方融資也可以緩解市場對輝達「既投客戶、又向客戶賣晶片」的擔憂。

美銀估算，輝達目前向生態夥伴承諾的直接股權投資約為700億美元，包括向OpenAI投資300億美元、向Anthropic投資最多100億美元，以及對 $英特爾 (INTC.US)$ 、 $新思科技 (SNPS.US)$ 、 $CoreWeave (CRWV.US)$ 、 $NEBIUS (NBIS.US)$ 、 $Lumentum (LITE.US)$ 、 $Coherent (COHR.US)$ 、 $邁威爾科技 (MRVL.US)$ 、 $康寧 (GLW.US)$ 和 $IREN Ltd (IREN.US)$ 等公司的投資。

這些佈局幾乎覆蓋整塊五層蛋糕：

能源與數據中心層，包括 $IREN Ltd (IREN.US)$ 、Nscale、 $CoreWeave (CRWV.US)$ 和 $NEBIUS (NBIS.US)$ ；

晶片、EDA與互連層，包括 $英特爾 (INTC.US)$ 、 $新思科技 (SNPS.US)$ 、 $邁威爾科技 (MRVL.US)$ 、 $Lumentum (LITE.US)$ 、 $Coherent (COHR.US)$ 和 $康寧 (GLW.US)$ ；

模型層，包括OpenAI、Anthropic和xAI；

應用層，則包括自動駕駛公司Wayve。

700億美元看起來龐大，但只相當於美銀預計輝達2026至2027年約4690億美元自由現金流的15%。

如果未來增量融資主要由外部資本承擔，輝達既能繼續扶持五層生態，又能保留更多現金用於回購和股東回報。這也是美銀認為新平台相比直接「供應商融資」更健康的原因。

但這不是純粹的表外資金：1250億美元支援選項留下尾部風險

問題在於，風險並沒有完全離開輝達。

黃仁勳在X上表示輝達有權為潛在交易提供最多1250億美元、約佔平台規模25%的支援。

「有權提供支援」不代表輝達一定要支付1250億美元，也不等於這筆金額已經形成公司負債；但它意味著這項計劃不能被簡單描述為完全由第三方承擔風險。

最終風險取決於支援的具體形式：是少量股權、第一損失資本、回購承諾、最低租金保障，還是具有追索權的擔保？不同結構對輝達自由現金流、信用評級及回購能力的影響完全不同。

這也是美銀研報仍然保留條件的地方。報告雖然初步判斷主要融資負擔將由財團承擔，但同時強調，輝達的確切角色仍需等待最終協議和8月26日業績電話會進一步確認。

如果後續需要投入更多現金，原本應用於回購的自由現金流就可能受到擠壓。

「循環融資」是否成立，關鍵不在資金繞了一圈，而在終端有沒有付錢

市場對循環融資的擔憂並非毫無依據。

輝達投資模型公司和AI雲廠商，金融機構再向這些企業提供貸款，企業拿到資金後採購輝達系統，輝達因此確認收入——從資金路徑看，的確形成了某種閉環。

但閉環不必然等於泡沫。飛機租賃、通訊設備和大型能源項目同樣依靠設備商、長期資本與運營商共同融資。

真正區分「基礎設施融資」與「循環製造需求」的，是閉環之外是否存在獨立、持續且願意付費的終端客戶。

如果企業使用AI後能提升收入或降低成本，應用公司願意購買模型服務，模型公司能以現金支付算力租金，項目融資就有真實現金流支撐。此時槓桿的作用是降低資金成本、加快供給建設，五層蛋糕會形成由應用向能源層層回款的正循環。

反過來，如果模型收入不足、算力利用率依靠關聯方合約維持，GPU訂單主要由更寬鬆的信貸催生，那麼融資只是在把未來需求提前。

當晶片迭代、租金下跌或資金成本上升時，數據中心殘值與償債能力會同時惡化，風險便可能從Neocloud和專項載體，沿擔保、回購或租賃承諾重新傳回輝達。

因此，CDS上升可以被理解為市場在為這種尾部風險重新定價，卻不能單獨證明泡沫即將破裂。CDS既包含違約預期，也受避險需求、流動性和交易倉位影響；它更像警報器，而不是判決書。

判斷是超級周期還是泡沫，接下來看五個指標

第一，輝達究竟承擔多少追索風險。最終協議是否設定1250億美元支援上限、支援以何種形式存在，將決定這是「資產認證」還是變相供應商擔保。

第二，誰是最終承購方。如果項目擁有高信用客戶簽署的長期、最低用量或照付不議合約，現金流質量會明顯高於只依賴單一初創模型公司的項目。

第三，GPU的殘值與租金能否穿越產品周期。二手價格、雲端租賃價格、叢集利用率以及舊架構在新模型上的經濟性，將直接驗證「算力是可投資資產」這一核心假設。

第四，應用層收入能否追上基建層資本開支。模型調用、企業AI付費和推理收入若持續加速，說明五層之間已形成現金流；若資本開支越來越大、終端變現卻停滯，循環融資的質疑就會升溫。

第五，輝達的自由現金流如何分配。如果第三方融資平台落地後，公司仍能保持強勁回購和股東回報，說明風險確實被有效分散；若客戶支援、擔保和租賃承諾持續吞噬現金，市場就會重新評估其估值與信用風險。

結語：5000億美元不是需求證明，而是一次更大的需求測試

從「五層蛋糕」的角度看，輝達此次聯手華爾街，並不是簡單地為晶片訂單找錢，而是試圖將能源、晶片、數據中心、模型與應用打包成一套可以被全球資本持有的基礎設施體系。

它的多頭邏輯很清晰：輝達以CUDA維持算力資產的殘值，以第三方資本降低客戶融資成本，再用更快的AI工廠建設鞏固晶片、網絡與軟件份額。

若應用層最終釋放出足夠現金流，5000億美元將成為AI超級周期的加速器，輝達的護城河也會由技術生態擴展到金融生態。

空頭邏輯同樣不能忽視：5000億美元目前仍是框架而非已部署資金，最終協議尚未落地，輝達還可能為部分交易提供支援。若終端變現跟不上基建擴張，槓桿不會消除風險，只會把產能過剩和資產減值放大。

所以，這場爭議真正要回答的並不是「華爾街願不願意借錢」，而是五層蛋糕最上面的應用，能否養活下面四層越來越龐大的資產與債務。

輝達給AI「五層蛋糕」裝上的不只是5000億美元槓桿，也是一個期限：未來幾年，AI必須從算力敘事走向現金流敘事。 (牛牛課堂)

彙整鉅亨號中所有使用「算力融資」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

暴漲80%！AI企業債逼近5000億美元

輝達為AI「五層蛋糕」裝上5000億美元槓桿：超級周期還是循環融資？