谁来为 AI 基础设施建设融资？

SemiAnalysis 主持人 Jordan Nanos 邀请 Daniel Nishball 讨论 AI 基础设施背后的融资。对话参考了团队 2026 年 9 月对 NVIDIA 承诺和建设规模的分析。

Nishball 说，资金需求迅速增长，并问企业资产负债表能否支持借款人所需的担保。对话将花钱的意愿与筹集融资的能力区分开来。

他用“AI 项目三要素”概括：资金、承购客户和数据中心。硬件供应同样重要，但他认为关键约束已逐渐从芯片转向设施和融资。

嘉宾讨论了内存短缺以及部分拟议加速器内存规格的下调。Nishball 说，成本和供应都影响了这一变化；他认为这是缓解硬件瓶颈的一种方式。

在数据中心方面，Nishball 提到新增供电场地、翻新的设施和现场发电。他预计 2027 至 2028 年供应平衡会改善，但这是预测，而非已经实现的结果。

SemiAnalysis 估计，2024 至 2029 年 AI IT 与数据中心的累计资本支出将达到 11.3 万亿美元。这个数字涵盖多年的预计支出和多类买方，并非超大规模云厂商单年的支出。

Nishball 说，模型把预计的加速器出货量与机架和系统成本结合起来，包括网络设备和 CPU，再加上数据中心建设。嘉宾说，发电厂和半导体工厂等其他上游支出不包含在这个特定总额中。

分析师预计，到 2029 年相关未偿债务约为 7 万亿美元，节目所讨论年份的新融资约为 1 万亿美元。Nishball 指出，偿还情况和未来容量假设都会影响估计。

他把资金需求与投资级和高收益债券市场、杠杆贷款市场作比较。不同借款人的信用状况各异，而越来越多的项目必须争取融资。

Nishball 列举了数据中心项目、neocloud 和模型公司已宣布或据报道进行的交易。他区分了已经筹集的资金与尚未形成文件的报道交易。

Nanos 强调，融资支持的不只是购买 GPU：在安装加速器之前，还需要建筑、电力和其他基础设施。

Nishball 区分总拥有成本与前期资本支出。服务器和设施采用的预计使用寿命不同，因此在不同衡量方法和折旧期限下，两者所占比例也不同。

Nanos 问，GPU 模型中的五年寿命结束后会怎样。Nishball 说，许多项目在承保时就假设在合同期内获得回报，并不依赖残值；期后的价值是额外收益，但交易结构各不相同。

节目展示了一张快照，按类别汇总 NVIDIA 已披露的约 4975 亿美元表外承诺总额。类别包括云协议、租赁、担保和供应承诺；图中另列的潜在残值担保类别没有估算金额。

Nishball 提醒，兜底的目的很重要。担保可以帮助项目获得融资或容量，但仍须识别并评估相关敞口，不能假定风险已经消失。

他描述了一种结构：信用评级较高的超大规模云厂商承诺从 neocloud 承购算力，再向 AI 客户提供服务。云厂商的承诺可以让贷款机构更愿意提供建设贷款。

服务合同和租赁可能采用不同的会计处理。嘉宾说，即使义务没有作为债务出现在资产负债表上，它仍可能具有经济意义，需要关注相关披露。

Nishball 把这种做法称为“资产负债表即服务”：大型公司利用自身信用支持项目。他认为这种能力是有限的，因为贷款机构和评级机构最终可能质疑承诺的规模。

他以部分大型发行人的信用利差扩大作为市场信号。例子反映的是录制时的观察，不应当作当前收益率。

贷款机构为有 Meta 承购的 CoreWeave 项目融资时，可以同时考虑客户信用和项目执行。Nishball 用所选利差之间的差值说明后者的风险。

Nishball 认为集群质量评估可以提供一个运营信号。Nanos 提醒，托管集群评级既不是信用评级，也不能保证某个裸机数据中心按时交付。

即使属于同一家公司，不同场地也可能有不同的团队、位置、融资和执行风险。两位嘉宾同意，每个项目都需要单独评估。

Nanos 说，GPU 买方过去可以通过短期概念验证比较供应商。在他描述的市场中，买方可能需要在交付前数月作出承诺并支付大额预付款。

资金成本可能在不同层级叠加：AI 实验室融资后向供应商付款，也间接承担供应商的融资成本。这可能促使企业从租赁转向自建。

自建也有资产负债表的限制。嘉宾描述了一种循环：当企业所需基础设施超过自身融资能力时，又会寻找外部伙伴和担保。

Nishball 说，贷款机构往往偏好投资级交易对手，因为较新的 neocloud 商业模式和 GPU 残值更难承保。他希望有更好的运营和市场数据来帮助评估风险。

GPU 残值部分取决于加速器能够赚取多少收入，而不是简单的直线折旧。Nanos 说，供应稀缺和未来需求不确定使理论折旧曲线难以观察。

较新系统在推理方面可能高效得多，因此如果两者都能随时购买，旧 H100 可能显得不划算。但他说，实际情况是最新硬件可能已经售罄，或者需要等待数月。

节目的调查图表显示，一年期 H100 租赁价格回升至接近更早时期的水平。Nanos 将上涨的大部分原因归结为：客户无法立即获得新 GPU，于是争抢现有算力。

他补充说，一些研究者偏好熟悉的 H100 系统，因为它有助于提高工作效率或保持数值稳定性，而不是只追求推理吞吐量。即使新硬件更快，这些需求仍能支撑旧设备。

嘉宾回忆了前一年较低的报价和后来高得多的续约价格。Nanos 预计需求和可能的数据中心延误会支撑价格，但承认这些都是前瞻判断。

Nishball 说，他们此前的折旧模型使用新 GPU 的相对性能，在一段时间内与价格走势相当接近。当实际价格偏离曲线时，团队开始研究租赁价格可能反映的供需情况。

Nanos 将需求与模型效率联系起来：新架构可以用单位算力产出更多有用结果。他认为，在特定价格和利用率条件下，模型供应商与 GPU 出租方都可能受益。

他说，即使是成熟的实验室也可能低估了需求和盈利能力，因此作出了昂贵的算力承诺。这是他对市场的解释，并非各供应商已经证实的财务报告。

Nishball 回到两个问题：客户是否需要足够多的算力来证明支出合理，以及他们能否获得资金付款。较高的模型毛利率只能在相应假设成立时回答第一个问题。

他给出一个高利用率情景：一兆瓦前沿推理容量相对于建设成本能产生可观收入。他承认利用率假设可能过于乐观；实际结果取决于需求、定价和各项成本。

他们的示意性 API 模型使用混合 token 价格、吞吐量和利用率来估计每 GPU 小时收入。将其与假定租赁成本比较会得到较高毛利率，但这不是经过审计的公司整体毛利率。

订阅模式不同：固定费用是否盈利取决于每个客户使用多少服务。嘉宾讨论了一个估计的平均利用率，同时承认无法直接观察全部订阅者。

重度用户可能用满额度，而企业订阅者可能使用得少得多。Nanos 将这种激励与健身房会员作比较，同时将它与按 token 计费区分开来：后者的收入随消费增加。

Nishball 问 token 价格将如何变化。嘉宾认为，标价、缓存命中率和模型使用组合的变化，可能让人对实际价格得出不同结论。

Nanos 说，任务难度和 token 效率让跨时间比较更加复杂：随着模型改善，用户可能尝试更大的问题。他认为需求会继续增长，但指出不同的模型和服务选择可能改变经济性。

Nishball 说，AI 工具帮助一个小团队比他预期更快地建立了债务融资数据库。这是内部生产力轶事，并非受控比较。

Nanos 描述了旅行变更、邮件和日程安排等个人用途。两位嘉宾都认为这些工具有价值，但他们的热情不能证明每个潜在客户都会采用。

Nishball 区分早期 AI 用户与大型企业；对于后者，他认为发现用途、组织变革和部署意愿存在更多不确定性。不同领导者可能作出截然不同的选择。

Nanos 预计 AI 原生企业会增长，并可能吸引习惯投资其他基础设施的资金。他把这作为一种可能的未来，而不是既有企业必然被取代的结论。

话题回到贷款机构评估项目的能力。Nishball 说，许多机构目前依靠大型担保人的信用，同时学习 neocloud 客户、设备和运营风险。

他把预计的 AI 融资规模与部分美国资产支持信贷市场比较。图表结合了团队的估计与预测；这并不意味着所有类别的定义或风险完全相同。

Nishball 解释了 NVIDIA 的租赁兜底计划。在他的描述中，如果 neocloud 找不到客户，NVIDIA 会按指定底价租用算力，让贷款机构面对一个更熟悉的交易对手。

担保可以帮助运营商为建设集群借款，同时寻找自己的客户。Nishball 描述了一个六年期安排，其中每年有不同的最低价格；节目图表注明，示意价格表与口头引用的旧平均值不同。

他说，这一机制也给贷款机构时间观察 neocloud 的客户群、流失率和执行情况。它不能消除平台或建设风险，具体条款取决于个别协议。

Nishball 描述了作为担保交换条件的收入分成，以及支持具体项目的其他结构。这些是嘉宾对交易条款的描述，并非所有兜底安排的通用规则。

他勾勒了一种假设性的 5000 亿美元资本合作结构，包含不同风险层级。股权和次级部分先于优先部分承担损失，残值担保可附于某个层级；图表明确标注这只是示意，并非已签约条款。

团队根据其资产负债表模型假设，估计 NVIDIA 能支持一定规模的容量，但 Nishball 说这不足以覆盖整个预计市场。他认为，贷款机构最终需要评估企业兜底之外的风险。

Nanos 指出两个需求：让贷款机构更了解交易结构与客户，以及认识团队预计仍需增加的资金规模。预测和融资能否获得都存在不确定性。

嘉宾回顾了向贷款机构解释技术、回报和风险所需的工作。Nanos 回忆，自己意识到养老基金投资者最终也可能承担这些融资决策的风险。

最后，他们强调新投资者需要经历学习过程，技术和财务尽职调查因此很重要。此后节目转入招聘和其他日常事项。