10 月 1 日，英伟达做了两件指向同一件事的动作：官网上线一篇讲 AI 工厂投资回报的博客，把算力描述成“生产性、耐用、可替换”的资产；同一天，路透社报道称，银行和信用投资人要求它为那笔 5000 亿美元的融资计划提供比原方案更强的担保。前者在论证这些芯片能挣很多年，后者在问它们到底能挣几年。这不是一次普通的融资新闻，而是算力从“买来的设备”变成“可抵押的资产”时，必须先通过的那道估值关。检索截止：2026-10-02 20:00（Asia/Shanghai）。
事实：一篇博客和一篇报道，落在同一个词上
这篇博客由英伟达的 Shruti Koparkar 署名，把 AI 工厂的回报拆成三件事：赚钱能力、能赚多久、有多少需求。它给出的第一个数字是投入规模——AI 工厂按兆瓦建，每兆瓦造价约 6000 万美元，吉瓦级则是 500 亿到 600 亿美元。在这个量级上，运营商要的不是性能宣传，而是回本周期的可见性[1]。
三个论点各自带着数字。生产性上，援引 SemiAnalysis AgentX 的数据，Vera Rubin NVL72 相对上一代 GB300 NVL72，每兆瓦吞吐高出 30 倍以上，在 DeepSeek V4 Pro 模型上每百万 token 成本低至四十五分之一。耐用性上，2020 年出货的 A100 至今仍在商用，CoreWeave 把 2020 年首发机型的预订延长到了 2029 年；第三方估值机构 Barkr 给出八卡 H100 系统 5 到 6 年、GB300 NVL72 9 到 10 年的使用寿命，Silicon Data 的数据是六年机龄的 A100 仍值原价四分之一，Ornn Data 则发现五年期租约的 A100 租金达到一个月租约的八成。可替换性上，英伟达强调的是 CUDA 跨代兼容与 1000 多个 CUDA-X 库——同一套设施既能训练模型，也能跑数据处理、仿真和科学计算，一共 1000 多万开发者在上面做东西[1][6][10]。
路透社当天的报道是另一半。英伟达 8 月与 Apollo、BlackRock、Blackstone、Brookfield、高盛、KKR 六家机构宣布的 5000 亿美元计划，构想是用芯片作抵押、配有限担保，帮 AI 开发商拿到算力，并建立类似飞机租赁的融资市场。但据三名未参与原始融资团队的银行人士，英伟达可能需要为所有交易提供担保，或者由具备投资级信用的科技客户提供收入流来支撑还款。Impax Asset Management 的基金经理 Tony Trzcinka 的说法是“华尔街要保守得多”，银行通常按 3 到 4 年的折旧周期给 GPU 估值；标普全球的 Andrew Chang 说 GPU 已经证明能工作超过五年，但机构仍对芯片价值持保守看法[2][3][4][5]。
英伟达发言人对路透社的回应是一句完整表述：AI 算力是“生产性、耐用、可替换”的资产，足以支持长期融资；金融伙伴会独立评估每个项目的客户承诺、预期现金流与残值，融资结构也会随市场发展而调整。公司没有直接回答是否会扩大担保[2][3]。
背景：为什么是现在谈折旧
折旧年限本来是会计口径，现在变成了融资条件。AI 工厂的投资按兆瓦计，钱却越来越不是买方自己出的——第三方资本、私人信贷、供应商担保各占一块。晨星的分析师在近期的一份报告里把私人信贷、供应商融资和循环交易并列提出质疑，后两者在二十五年前的互联网泡沫里出现过[2][3]。
英伟达要证明的正是这套结构的合理性。5000 亿美元计划的官方理由之一，就是回应“循环融资”的质疑：由金融伙伴向投资人募集独立的机构资本，而不是英伟达自己出钱帮客户买自己的产品[2][3][7]。10 月 1 日那篇博客，则是把同样的论证讲给出资方听——如果一套设施能跑所有类型的模型、所有阶段的负载，还能跑非 AI 的计算，那么需求不会因为某一代模型过时而消失，硬件的赚钱年限就该按十年算，而不是按三年算[1]。
已经成交的案例能说明银行真正信的是什么。CoreWeave 那笔 85 亿美元的 GPU 抵押融资拿到 A3 评级，靠的主要是 Meta 的合同付款而不是芯片本身；Broadcom 为支持 Anthropic 算力的 350 亿美元结构提供了超过八成的担保。两笔交易的信用实质都是在给客户打分，不是给硅片打分[8]。这也是英伟达现在遇到的具体难题：要让算力自己成为抵押品，就得让出资方相信芯片的残值，而不是相信租它的人。
影响：融资条件开始约束建设速度
对行业格局，这件事的意义在于约束项变了。过去几年算力的瓶颈是产能与电力，现在多了一条融资成本。如果银行坚持按 3 到 4 年折旧，同样的每兆瓦 6000 万美元就需要更高的自有股本或更贵的债，一部分规划中的项目会因此变慢，或者被推回给云厂商与芯片商自己承担。反过来，如果第三方数据把使用寿命推到六年以上、银行的假设随之上移，同一笔钱能撬动的算力就会变多[2][8][9]。
对开发者和采购方，传导路径更直接：折旧假设先进租赁价格，再进推理定价。能签多年期承诺的团队，拿到的算力价格会和按月租的团队明显拉开——前者的合同本身就是出资方愿意接受的抵押，后者承担的是出资方对残值的怀疑[8]。做成本模型时，把“供应商假设 GPU 用几年”当成一项需要核对的参数，比盯单价更值钱：寿命假设差两年，对多年期推理成本的影响通常大于厂商一次降价[8]。
对英伟达自己，风险敞口的方向很清楚。25% 的残值担保上限如果被突破，它就从卖芯片的一方，变成给自家芯片做信用增级的一方；原本在表外的需求也就变成了表内风险。它对外的说法留了余地——“融资结构会随市场发展而调整”[2][3]。
两种解释都成立，也应该并列放着。英伟达的论据有实打实的部分：A100 服役六年仍在商用，CUDA 跨代兼容让旧硬件不被淘汰，租赁价格也没有崩——H100 的一年期租金从 2025 年 10 月的约每卡时 1.70 美元涨到 2026 年 3 月的约 2.35 美元[1][7]。银行的保守同样有依据：英伟达自己在同一篇博客里承认每一代的 token 成本能降几十倍，便宜的 token 会扩大需求，同时也会压低老硬件的定价能力；而这篇博客的数据全部来自厂商与它引用的分析机构，没有独立的第三方验证，也没有说明对比负载的具体配置[1][6]。
接下来看什么
其一，看接下来几笔交易的担保结构。报道提到在筹备中的贷款规模达数百亿美元，且很可能附带较强的担保与合同保障。如果这批交易全都需要英伟达担保或投资级客户合同才能做成，说明“算力作为独立抵押品”还没成立，被融资的仍然是客户信用；如果出现一笔只靠芯片残值就拿到投资级定价的交易，那才是资产类别真正成立的标志[2][3][8]。
其二，看折旧口径会不会被第三方数据推着走。标普全球、Barkr、Silicon Data 这几家的口径如果继续往六年以上移动，银行 3 到 4 年的假设会被迫上移，租赁价格与推理成本会跟着变。这是比任何一次产品发布都更慢、但影响更远的变量[1][8][10]。
其三，看 10 月 21 日 GTC Berlin 那场演讲会不会把“每兆瓦 token 产出”变成可核对的工程指标。博客里的生产率论证目前还是厂商口径，若能被第三方复现，这场讨论就从估值分歧回到工程事实[1][6]。
来源与说明
[1] Productive, Durable, Fungible: How NVIDIA AI Factories Maximize Return on Investment｜NVIDIA Blog｜2026-10-01 [2] Nvidia’s bet that its chips can finance the AI boom gets a Wall Street reality check｜路透社（经 Global Banking & Finance Review 转载）｜2026-10-01 [3] Nvidia’s $500 billion AI financing plan faces scrutiny over GPU value｜路透社（经 Economic Times CIO 转载）｜2026-10-01 [4] Nvidia’s bet that its chips can finance the AI boom gets a Wall Street reality check｜CNBC TV18｜2026-10-01 [5] GPU 能赚十年？华尔街对 5000 亿美元融资计划打问号｜钜亨网（引路透社）｜2026-10-02 [6] NVIDIA Claims AI Factories Boost ROI Through Higher Throughput, Longer Life｜Automatica Press｜2026-10-01 [7] NVIDIA Pitches ‘Fungible’ AI Factories to Unlock $500 Billion in Financing｜The Agent Times｜2026-10-01 [8] Nvidia’s Chip-Backed AI Financing Meets Wall Street Skepticism｜n8n Lab｜2026-10-02 [9] Nvidia Stocks Rise as $500 Billion Plan Tests GPU Collateral｜GuruFocus（经 Yahoo Finance）｜2026-10-01 [10] Nvidia says full-stack codesign maximizes AI factory throughput｜Silicon Report｜2026-10-01