硅谷观察｜当GPU变成抵押品：英伟达的5000亿美元不是开始，是追认
谁在讲创世故事，谁在转移风险——以及英伟达真正的下一条护城河 英伟达CEO黄仁勋携手六位华尔街金融领袖，用5000亿美元的合作框架，追认了一个已经跑在他们前面的硅谷市场事实：每一张GPU都可以金融资产化。
今年1月初，笔者在硅谷见到一位斯坦福大学博士出身的初创企业创始人Bill Sun，他联合创办的GPU交易平台AIUSD正在为英伟达GPU芯片设立期货期权并进行交易，交易规模已经超过一些小型交易所。他告诉我，市场比英伟达自己看得更清楚——GPU不再是你买了就用的技术产品，而是一种可以定价、可以对冲、可以在未交付时就转手的金融资产。
同在1月，交易技术公司Architect与指数商Ornn宣布，将在其百慕大持牌交易所推出追踪GPU租金价格的永续合约——这已经不是双边的灰色交易，而是准备挂牌的公开产品。
4月，Silicon Data发布业内首条GPU远期价格曲线，覆盖36个月；其数据显示，H100一年期合约价格从2025年10月的约1.70美元/GPU·小时涨至2026年3月的约2.65美元，五个月上涨56%。5月，芝商所（CME）与Silicon Data、洲际交易所（ICE）与Ornn相继宣布筹备受监管的算力期货。
8个月后，黄仁勋携手华尔街六大金融机构，宣布AI基础设施融资计划备忘录达成。他们共同接受CNBC采访——高盛、贝莱德、布鲁克菲尔德、黑石、KKR、阿波罗——所有人坐到一张圆桌的时候难得一见，因为他们此前多为竞争对手。黄仁勋在开场陈述中反复强调：“这全都是第三方、独立的、长期资本。”
当CNBC主持人Becky Quick询问这是否意味着历史性转折时，贝莱德CEO Larry Fink回应说这让他想起1970年代刚进入抵押贷款支持证券(MBS)市场时的起点。这场合作的意义，不是宣告GPU金融化的开始，而是英伟达在追认一个市场已经在前面探路的事实——Bill Sun和他的团队1月就在做的事，到8月才变成英伟达官方背书的标准化融资结构。
灰色市场的实验，转化为白色市场的规范；双边协议的风险探索，升级为六大机构背书的系统性产品。这个转化过程揭示了一个认知窗口：从硅谷专业交易团队的双边市场，到华尔街机构的标准化产品，中间大约相隔7个月。而中国市场和硅谷之间，可能还差更长的认知窗口。
这个时间差意味着什么？意味着当中国投资者看到“英伟达宣布AI基础设施融资计划”这条新闻时，硅谷的专业玩家已经在二级衍生品市场上完成了第一轮定价、对冲和套利。等到这套融资结构真正落地、债券产品开始向亚洲分销时，定价权、流动性溢价、结构设计的超额收益，都已经被一级玩家拿走了。这个时间差之下，藏着四个被共识叙事掩盖的真相。
一、一个市场如何在官方叙事之前先出现 必须承认，1月的双边期权与8月的标准化融资结构不可同日而语——前者是场外的点对点合约，后者是六大机构背书的融资架构，规模、性质、监管框架都不同。但金融化从来都是这样开始的：先有场外双边合约，再有指数，再有远期曲线，再有交易所，最后才有官方叙事。
石油如此，房贷也如此。时间线非常清晰： 2026年1月21日，Architect与Ornn宣布将推出基于GPU和DRAM价格的永续期货合约，监管审批待定。2026年4月20日，Silicon Data发布业内首条GPU远期价格曲线，覆盖36个月。这不是模型预测，而是基于实际场外交易的报价汇总。
2026年5月，CME与Silicon Data、ICE与Ornn相继宣布筹备算力期货产品。2026年8月10日，英伟达与六家机构宣布5000亿美元融资计划。2026年8月11日，CME正式定档10月5日推出H100与B200租赁指数期货。
这条时间线揭示了一个事实：英伟达近期真正的新产品也许不是下一代GPU，而是一条GPU信用曲线。价格曲线市场已经做出来了；信用曲线需要制造商本人站台。一位期货专家对笔者表示：“GPU当然可以期货化，但不是所有人都理解。”
“我们正在跟上做GPU的金融抵押贷款，一些基金是感兴趣的，而且杠杆比例较大，但不是所有人都懂这个业务。”一位算力中心负责人对笔者表示。二、英伟达究竟把什么变成了资产——不是资产负债表撤退，而是资产负债表分层 CNBC演播室里最尖锐的问题来自主持人Becky Quick，她直接向黄仁勋发问：“你有2000亿美元自由现金流，你的资产负债表很庞大。
你是否会质押你的资产负债表来支持所有这些项目？这是不是你引入外部融资伙伴的原因？”黄仁勋的回答是：“不，这真的是因为计算思维方式的范式转变。”
随后他转向解释芯片如何第一次成为可投资资产类别。时间线提供了语境。7月26日，《华尔街日报》披露英伟达正洽谈为OpenAI一个数据中心项目提供约2500亿美元的融资担保；次日英伟达股价下跌5%，五年期信用违约掉期（CDS）保费盘中跳升约14个基点至82个基点——市场开始为英伟达的信用风险重新定价。但8月10日的公告明确显示，这不是英伟达从信用风险中撤退。
路透社在报道中指出，英伟达自身可能在部分交易中提供至多约1250亿美元支持。英伟达没有把资产负债表退出AI繁荣，它正在把自己的资产负债表放到资本结构更有杠杆的位置。5000亿美元的第三方资本不是把风险从英伟达资产负债表上彻底移走，而是把英伟达从唯一出资者变成资本结构的组织者、认证者，必要时仍可能充当担保者。
卖芯片是一门制造业；组织别人借钱买你的芯片，是一门金融业。供给端印证了这一战略转变的必要性。在被问及供应能否跟上需求时，黄仁勋说：“我们在相当长一段时间内都会受到约束，几乎在所有方面——从芯片到内存、封装、系统、光子学、连接器、人力、建筑工人。”
供给全线受限意味着，这笔融资不会新增一个单位的近期收入；它改变的只是谁持有建设期的风险，以及英伟达在整个资本结构中的位置。
三、谁承担抵押品折旧——GPU残值对单一制造商路线图的异常高敏感度 在远程连线中谈及如何理解这一架构的历史坐标时，贝莱德的Larry Fink说：“我将此视为未来金融的开始，就像我在1970年代进入抵押贷款支持证券（MBS）市场时一样。”
高盛的David Solomon则在解释银行如何为这类资产授信时，用了房子和飞机作类比：“银行既审核信用，也评估资产本身的价值。”需要说句公道话：制造商影响抵押品残值并非GPU独有。波音停产一个机型、停供零部件，同样会重创旧飞机的残值；汽车金融里厂商的换代节奏也压着二手车价。
但那些是以十年计的慢变量，而且二手飞机有独立于制造商的评估体系、跨厂商的替代市场。GPU的不同在两点：速度与基础设施。速度上，英伟达的发布节奏已从两年一代压缩到一年一代（Blackwell到Rubin），折旧曲线以年为单位变化；基础设施上，在今年10月芝商所期货上线之前，这类抵押品甚至没有一根独立的公开价格曲线。
在大型基础设施融资史上，抵押品残值对单一卖方产品决策具有如此高速、如此单方面敏感度的结构，较为罕见。发布会自己提供了矛盾的证词。KKR全球数字基础设施主管在论证GPU残值可靠时举例：“A100（六七年前的芯片）仍然有市场，利用率很高。”
但他紧接着说：“token价格已经下降了99%，可能会跌到2美分。”这里需要厘清一个关键的经济学问题：token价格下跌99%并不直接等于GPU收入下跌99%。如果token的生产成本跌得更快、需求弹性足够大，那么token价格下降、token产量上升、GPU利用率提高，每块GPU每小时的收入反而可能上升。
真正该问的不是token价格，而是：revenue per GPU-hour每小时GPU创造收入，或者更进一步，free cash flow per energized GPU-hour每小时GPU创造现金流。这才是抵押品现金流的核心指标。GPU抵押融资最大的未知数不是今天值多少钱，而是债务还没还完时它还值多少钱。
这个问题的答案至少由六件事共同决定：英伟达产品路线图、每瓦token产出、CUDA/软件兼容性、AI workload的需求变化、AMD/Google TPU/华为等替代品、以及电价、出口管制和二级市场流动性。CoreWeave提供了一个关于市场如何实时定价这种不确定性的案例。
这家英伟达早期支持的GPU云服务商，2026年3月完成85亿美元投资级融资时，浮息部分定价为SOFR+225个基点；到8月再融资26亿美元时，利差已扩大到SOFR+550个基点。一家今年刚上市的公司，背负着356亿美元总债务。
这两笔融资的结构、抵押资产、客户合同、recourse条款、期限、LTV和对手方信用都可能不同，所以不能简单说“同一种GPU抵押品风险恶化”。但至少说明：同一发行人的GPU相关融资成本出现显著分化，资本市场还没有形成一条统一、稳定的"GPU信用曲线"。GPU已经有价格曲线；它还没有经历过信用周期。
四、最后谁持有信用风险——从私募到养老金的出货序列 在被问及为何由私募资本先行时，布鲁克菲尔德的Bruce Flatt说了全场最诚实的一句话：“我们都在私募资本领域做这件事……因为要建设这个，头几年是没有收入的。一旦它稳定下来、成为收益型产品，就更容易在公开市场上出售。”
这句话画出了完整的出货序列：私募资本制造资产类别、扛过建设期，然后定价、打包成债券，分销给养老金、货币基金与散户。Solomon在圆桌上反复提到“9万亿美元货币市场资金”，Fink说的是“为退休解决方案寻找长期收益的投资者”。
贝莱德明确表示将与全球养老基金合作，会有私募融资和公开融资两条路径；黑石的Jon Gray明确说，建设期最初几年没有收入，因此私募资本先做，稳定成为收益型产品后，更容易卖到公开市场。风险的边际持有人可能从建设期私募资本，逐步迁移到养老金、保险资金以及公开信用市场。这些机构完全可能持有股权、劣后债、first loss、仓储风险或基金敞口。
但Flatt的话已经勾勒出一个清晰的时间表：风险从哪里开始，最终要流向哪里。真正值得追踪的不是5000亿美元能不能募集，而是第一美元损失由谁承担。未来六个月，只需要盯四个东西：LTV抵押贷款剩余本金与价值比、amortisation摊销、residual-value guarantee终值担保、first-loss holder第一劣后层。
谁回答了这四个问题，谁才真正回答了“5000亿美元是谁的钱、谁的风险”。在回应关于风险集中度的讨论时，阿波罗的Jim Zelter表示：“股票市场已经不想要集中的赌注，所以我们带来一个生态系统和多样化的备忘录，来化解对单一公司、单一对手方的担忧。”
名义上的多元化未必等于经济风险的多元化，因为许多项目最终暴露于同几个共同因子：AI需求增长、英伟达路线图和资本市场持续融资能力。六份MOU可以分散对手方，却未必分散周期。整套结构的收入端假设，黄仁勋在回应下游客户盈利能力的疑问时给出：“我相信几个月内你们会意识到，这些AI实验室极其有利可图……这些token产生的收入极其有利可图。”
需要留意的是，token毛利与公司净利是两回事——这个断言有明确的证伪时间窗：接下来的AI实验室IPO季。MBS类比的真正断裂点：不是久期，是寿命 Fink选的锚点值得逐字读。他说的不是2008，是1970年代——他讲的不是崩溃故事，是创世故事。
MBS在爆掉之前运转了三十年，养活了两代结构化金融从业者。他在招募的，是评级、分层、分销这整套机器。但类比可能在一个更根本的地方断裂。
次贷的底层是30年摊还、有百年精算数据、缓慢折旧的住房资产，危险出在用短期资金滚动长期资产——这是典型的久期错配。AI基础设施的问题不是久期错配，而是摊销错配和终值风险：债务本金的摊还速度，能不能赶在GPU经济价值折旧之前完成。用最简单的公式理解：债务摊销曲线和GPU经济价值折旧曲线。
如果后者下得更快，风险就出现。养老金和保险公司的长久期资金投资短寿命资产，本身并不构成久期错配——一只5年摊还贷款完全可以由养老金持有。真正的问题是：AI基础设施的经济寿命是4至6年，产出端单价已跌99%。
KKR用A100六年后还在产生收入论证残值，但CNBC演播室里坐着六家机构的掌门人，整场访谈下来，没有人回答：第7年的收入折现回来，覆盖得了第1年的资本开支吗？没有一个违约周期的历史数据可以校准。住房证券化要求预测人会不会还钱；算力证券化还必须预测机器什么时候会过时。
MBS的问题是人们高估了借款人的独立性；GPU融资的问题可能是人们高估了抵押品的寿命。金融创新最危险的时候，往往不是资产没有价值，而是大家太快同意了它有价值。中国市场：波动已经完成，工具还未出现 时间差不只是认知问题，是市场基础设施问题。
中国国家数据局负责人刘烈宏今年3月公开表示，中国日均token使用量已超过140万亿，2024年初约为1000亿——一年多时间增长超过1000倍。这个数字说明，中国的AI算力需求正在经历爆发式增长。
但价格波动同样剧烈。业内数据显示，中国市场的GPU租赁价格在过去两年经历了完整的过山车：地方政府与央国企的智算中心建设潮推高供给，DeepSeek开源模型拉低开发门槛，价格一度大幅下跌；而到2026年，随着需求反转，高端GPU出租率迅速攀升。暴跌与暴涨之间，中国市场的价格波动幅度可能大于美国——但对冲工具为零：没有公开指数，没有远期曲线，没有期货。
硅谷在为GPU价格装仪表盘的同时，中国的算力资产仍在裸奔。融资架构的差异更深一层。国内算力建设的资金主要经由地方政府、央国企与政策性金融的资产负债表直接承接——不分层、不评级、不面向公开市场分销。这是另一套机器：它对价格波动远不如市场化结构敏感,但也意味着,当英伟达系的算力债券产品未来向亚洲分销时,中国机构投资者将在没有本土定价参照系的情况下面对报价。
笔者与多位市场人士交流后发现，中国市场对此的反应呈现明显分化。一位曾任职于中国国际期货公司的专业人士明确表示：“GPU是可以做期货的，我看好这个方向。”但更多传统资管机构的反应是：看不懂——不是判断为“高风险”，而是尚未建立起评估这类资产的完整框架。
这种分化本身就说明了问题：当期货专业人士已经在讨论如何构建GPU衍生品时，部分传统买方机构还停留在“这是什么资产类别”的阶段。而硅谷市场已经进入定价、对冲、分层融资的第二轮迭代。谁在讲创世故事，谁在转移风险——以及英伟达真正的下一条护城河 这场发布会表面上是英伟达宣布融资伙伴，实质上是一个新资产类别的招股说明书。
Fink讲创世故事——1970年代MBS的起点、未来金融的开始；Solomon讲规模故事——汽车融资、住房融资，AI也会这样。
而在故事之下发生的事更朴素：一家芯片公司在组织第三方资本为自己的客户融资，而不动用自己的资产负债表；一个抵押品残值对卖方路线图具有异常高敏感度的结构，被包装成“像房子、像飞机”；六家私募机构，在为一个尚无违约周期数据的资产类别寻找终局买家。2026年8月，计算正在从技术变成基础设施，从产品变成资产，从赌注变成共识。
AI革命正在发生第二次金融化：第一次，资本市场给制造GPU的公司估值；第二次，资本市场开始给GPU本身定价。这两件事完全不同。第一阶段是股权故事，投资者赌一家公司的利润。第二阶段是信用故事，投资者直接赌机器未来产生的现金流。
而通常一个资本开支周期进入信用市场后，事情才真正开始大规模扩张。但这也意味着另一件事：如果CUDA曾经是英伟达的软件护城河，那么未来的GPU信用标准可能成为它的金融护城河。一旦贷款条款、残值模型、CME指数、保险合同、证券化产品都围绕Nvidia compute建立，竞争者面对的不只是CUDA迁移成本，还会多一层：资本成本切换成本。
AMD或其他芯片即使技术追上，如果没有成熟残值曲线、没有银行认可的抵押品历史、没有期货市场、没有足够客户、融资利差更高——那么客户购买竞争对手GPU的加权平均资本成本（WACC）会更高。英伟达最强的下一条护城河，不再只写在芯片上，而会写进贷款合同里。10月5日，若CFTC放行，算力期货将在芝加哥开出第一根K线。
那根曲线的斜率，会替演播室里没人回答的问题，给出市场自己的答案。AI基础设施真正的压力测试，不会发生在GPU短缺的时候，而会发生在GPU第一次过剩的时候。因为现在所有融资模型都建立在稀缺性上。
真正的抵押品测试是：供给过剩以后。当所有聪明人都看到同一个机会时，真正的问题不是机会是否存在，而是谁会成为最后的风险持有人。而当一个技术垄断开始成为金融标准，垄断究竟会变弱，还是变得更难挑战？
本文作者陆媛为第一财经硅谷特约作者。（免责声明：本文仅为行业分析与信息整理，不构成任何投资建议。文中所引用数据均来自公开信息，作者与文中提及的公司不存在利益关联。）