8 月 10 日，英伟达宣布联合阿波罗、贝莱德、黑石、博枫、高盛和 KKR 六家华尔街机构，计划建立算力融资平台，长期动员超过 5000 亿美元第三方资本。这套机制试图将 GPU 从设备采购转化为华尔街可参与的长期融资项目，解决 AI 基础设施膨胀中的资金瓶颈。
8 月 10 日，英伟达宣布与六家全球顶级金融机构建立合作，计划设立一批独立的算力融资平台。目前各方签署的是谅解备忘录，首批项目投向、各机构出资规模以及具体交易结构，均有待最终协议确认。
六家机构分别是：
华尔街的角色更接近资本组织者和风险审核者——判断哪些客户和项目值得融资，再通过贷款、股权或其他结构把资金投入 AI 基础设施。相比此前按项目为部分 Neocloud 提供信用托底，这次英伟达试图将逐笔协商的项目融资，升级为平台化、规模化的资本动员机制。
注：目前各方签署的为谅解备忘录，首批项目投向、各机构出资规模及具体交易结构有待最终协议确认。
按照 SemiAnalysis 测算，到 2029 年，AI 相关债务余额将超过 7 万亿美元，规模仅次于约 13 万亿美元的美国住房抵押贷款融资市场。2024 年至 2029 年，累计 AI 资本开支将达到约 11.1 万亿美元。
仅凭企业自身现金难以支撑。但现有的融资模式存在明显的结构性局限：
依赖云巨头提供的 5 年期照付不议合同作为信用支撑。贷款机构只认大额、长期、有云巨头背书的订单，AI 初创公司和推理服务商难以获得灵活、短期的算力融资。
将 GPU 从设备采购转化为长期融资项目，引入第三方资本，评估维度更广（客户组合、预期租金、运营能力、GPU 残值），不唯一依赖云巨头信用。
一个直观的对比：CoreWeave 在 2026 年 3 月获得 85 亿美元融资，由云巨头合同支撑，浮息利差为 2.25 个百分点；两个月后，同样由 CoreWeave 获得的 31 亿美元融资，因支撑方是两家信用较弱的 AI 模型公司，利差翻倍至 4.5 个百分点。
注：融资利差即贷款利率高出基准利率的部分，利差越高，融资成本越贵。上述案例显示出贷款机构对不同类型的收入支撑给予截然不同的风险定价。
目前英伟达尚未公布平台的具体交易结构，但谷歌与 Anthropic 之间的一笔交易提供了一个可参照的范本。
据公开信息，谷歌围绕 Anthropic 搭建的芯片与数据中心合同网络总额约为 2000 亿美元，其中约五分之四与芯片有关。这笔交易的结构拆解如下：
英伟达的平台与此类似，但试图覆盖更广的范围——不只围绕一家头部客户，而是面向更多头部模型厂商、AI 云厂商和其他企业。
华尔街入场可以放大资金池，但无法消除两项根本风险：租金能否持续覆盖债务，以及 GPU 到期后还剩多少价值。
GPU 本身无法还债，真正用于偿还贷款的是客户持续支付的算力使用费。照付不议合同可以锁定收入，却没有消除需求风险——当承购方经营或融资能力恶化，长期合同也可能面临违约或重新谈判。
一个诚实的注脚：
注：会计折旧年限、实际可用年限与二手市场价值是三个不同概念。旧 GPU 仍可运行，不代表能保持原有租金和处置价格。新一代芯片推出后，旧型号的租金和市场价值都可能承压。
如果贷款协议设置了抵押率或重新估值条款，当 GPU 估值跌破约定门槛，贷款机构可能要求借款人追加抵押物或提前偿还部分贷款。这正是英伟达所说的"残值支持"试图覆盖的风险——黄仁勋曾表示，在部分情况下可能提供最高相当于某一融资机会 25% 的残值支持，但具体口径和条款尚未披露。
更深一层的问题是：终端市场能否长期支撑当前的算力价格？Uber 已通过为不同场景设置更合适的默认模型并将部分任务迁移到低成本模型，使单位 Token 成本下降，即使 AI 使用量继续增长，其总体 AI 支出仍基本保持稳定。企业降低单位任务成本的努力，可能沿着产业链向上传导。
5000 亿美元计划最终要检验的，不是这套融资安排能否推动今天的 GPU 订单落地，而是下一代芯片上市后，上一代 GPU 还能否赚到足够现金，偿还尚未到期的债务。GPU 迭代与债务偿还遵循两套不同的时间表——华尔街可以放大资金杠杆，但无法改变芯片折旧的速度。
目前各方签署的为谅解备忘录，首批项目投向、各机构出资规模及具体交易结构有待最终协议确认。英伟达此前已为部分 Neocloud 项目提供照付不议承诺和残值支持，此次将华尔街拉入，标志着算力融资从逐笔协商走向平台化运作。