作者: 11 Digital 编辑部

编辑说明: 本文基于Reuters 2026年10月1日的多篇报道，结合公开市场数据与行业分析撰写。所有核心事实均标注来源，推测性分析已明确标注。本文不构成投资建议。

一、审贷官的噩梦

想象一个场景。

2026年秋天，纽约曼哈顿下城，某大型商业银行的资产融资部门。一位资深审贷官打开邮件，看到一份新的贷款申请。申请方是一家中型AI公司，贷款金额12亿美元，用途是扩建数据中心。他滑到抵押品一栏，停住了。

抵押品：4000块Nvidia B200 GPU，市场估值约16亿美元。

他把椅子往后推了推，揉了揉眼睛。在过去二十年的职业生涯里，他审批过以曼哈顿写字楼为抵押的贷款——那些钢筋混凝土的庞然大物，即便市场崩盘，至少还立在那里，有租金收入，有土地价值。他审批过以波音787为抵押的航空融资——飞机有全球二手市场，有标准化的残值曲线，有保险公司愿意为之承保。他甚至审批过以远洋货轮为抵押的船舶贷款——船可以跑全球航线，有明确的日租金收入，有劳氏船级社的评级。

但一块芯片？

他脑海里浮现出一连串问题。这些GPU的二手市场在哪里？如果借款方违约，银行拿到4000块GPU，卖给谁？以什么价格？Nvidia每18个月就发布新一代架构，B200在2028年还值多少钱？如果整个AI行业突然降温——就像2000年的互联网泡沫、2022年的加密货币寒冬——这些芯片的价值会不会在一夜之间蒸发？

更让他不安的是申请材料里的一句话：”本公司预计，基于GPU算力产生的AI推理服务收入，将作为偿还贷款的主要现金流来源。”

也就是说：用芯片赚的钱来还借芯片的钱，而借来的钱是用芯片做担保的。

这不是一个虚构的场景。这正是Nvidia正在努力推动的现实。

2026年10月，多家媒体报道了Nvidia的一项宏大计划：推动约5000亿美元规模的芯片担保融资体系，让AI芯片像建筑、飞机、船舶一样，成为银行认可的”硬资产”抵押品（来源: Reuters, 2026-10-01）。Jensen Huang和他的团队相信，这将彻底改变AI基础设施的融资方式，让更多公司能够负担得起大规模AI部署的前期成本。

华尔街的回应是：等一下。

AI的钱，可能借不了这么多。

二、什么是”算力抵押”——以及为什么芯片不是大楼

要理解Nvidia的野心，首先需要理解一个基本概念：资产担保融资（Asset-Backed Financing）。

这是一个古老而成熟的金融工具。逻辑很简单：你有一件值钱的东西，银行愿意以它为抵押借钱给你。如果你还不了钱，银行拿走那件东西，在市场上卖掉，收回本金。整个商业地产行业、航空业、航运业都建立在这个逻辑之上。

一栋曼哈顿写字楼值10亿美元，银行可能愿意以6-7亿美元的额度放贷。为什么不是10亿？因为银行需要”安全垫”——如果房地产市场下跌20%，银行卖掉大楼还能收回本金。这个安全垫的大小，取决于资产的三个核心属性：

第一，价值的可预测性。 曼哈顿的写字楼有上百年的交易数据，有租金收益率模型，有专业评估机构。银行可以相当精确地预测一栋楼在5年后、10年后的价值区间。飞机也是如此——波音和空客的每一款机型都有详细的残值曲线，行业数据库（如AVAC）可以告诉你一架10年机龄的A320值多少钱，误差不超过10%。

第二，二手市场的流动性。 当借款方违约时，银行需要能够迅速处置抵押品。全球有成熟的商业地产交易市场、飞机交易市场、船舶交易市场，有专业的经纪人、评估师、法律框架。一架飞机从违约到出售，通常在6-12个月内可以完成。

第三，价值的独立性。 一栋大楼的价值不取决于某一家公司的成败。即便原来的租户破产了，大楼还在，新的租户会来。飞机也一样——即便一家航空公司倒闭，飞机可以卖给另一家。资产的价值与使用者脱钩。

现在，把这三个标准套用到AI芯片上。

价值的可预测性？AI芯片行业只有不到10年的历史（以现代GPU加速计算为起点），没有长期的残值数据。Nvidia的产品迭代速度极快——从A100到H100到H200到B200再到即将推出的下一代，每一代的性能提升都是数量级的，这意味着上一代芯片的价值可能在新品发布后急剧下跌。一块2024年售价4万美元的H100，到2026年在二手市场上能卖多少？没有人有可靠的答案。

二手市场的流动性？目前确实存在一些GPU二手交易平台和经纪商，但市场规模小、价格透明度低、标准化程度差。一块GPU的价值还取决于它的使用状况、散热条件、剩余寿命——不像飞机有标准化的维护记录和适航证书。据分析，目前全球GPU二手市场的年交易规模可能不到100亿美元，与5000亿美元的融资规模相比，这个市场几乎不存在。

价值的独立性？这是最致命的问题。一块GPU的价值，在很大程度上取决于AI行业的整体景气度。如果AI热潮持续，GPU供不应求，价格坚挺。但如果AI投资放缓——无论是因为技术瓶颈、监管收紧还是资本市场情绪逆转——所有GPU的价值会同时下跌。这与大楼不同：曼哈顿的写字楼即便在2008年金融危机中也只跌了30-40%，因为土地和建筑的物理价值提供了底线。而一块过时的芯片，物理价值接近于零。

Nvidia想要改变的，正是这个认知。他们的论点是：AI不是泡沫，而是一场持续数十年的基础设施建设。GPU不是消费品，而是生产性资产——就像发电厂里的涡轮机、工厂里的数控机床。它们持续产生收入（通过AI推理服务），因此可以用未来收入流来支撑当前的资产估值。

这个论点有道理吗？有。但华尔街需要的不是叙事，而是数据。而数据，目前还不够。

三、一个420亿美元的循环——Broadcom与Anthropic的融资魔术

在Nvidia的芯片抵押融资计划还停留在概念推动阶段时，另一家芯片巨头已经用真金白银做出了一个惊人的示范。

2026年10月1日，Reuters报道了一个令人瞩目的交易结构：Broadcom（博通）向AI公司Anthropic提供最高420亿美元的贷款，用于租赁Broadcom自己设计的TPU芯片（来源: Reuters, 2026-10-01）。

让我们慢慢拆解这个结构，因为它的每一层都值得细看。

第一层：谁是卖家？ Broadcom。它为Google设计定制AI芯片（TPU），现在也开始为其他大客户提供定制芯片方案。

第二层：谁是买家？ Anthropic。Claude系列大模型的开发者，目前全球最大的AI公司之一，正在以惊人的速度扩张算力需求。据报道，Anthropic预计在2027年将成为Broadcom最大的芯片客户（来源: Reuters, 2026-10-01）。

第三层：钱从哪里来？ Broadcom自己。Broadcom向Anthropic提供贷款，Anthropic用这笔贷款来租赁Broadcom的芯片。

第四层：抵押品是什么？ 虽然公开文件没有明确使用”抵押”一词，但交易的隐性逻辑是清晰的——Anthropic用Broadcom芯片产生的算力和收入，作为偿还Broadcom贷款的基础。芯片本身始终在Broadcom的控制范围内（因为是”租赁”而非”购买”），这在事实上构成了一种担保结构。

现在，把这个结构画成一个图：

Broadcom 生产芯片 → Broadcom 借钱给Anthropic → Anthropic用借来的钱租赁Broadcom的芯片 → Anthropic用芯片运行AI服务 → AI服务产生收入 → 收入用来偿还Broadcom的贷款 → Broadcom收回贷款后继续生产更多芯片……

看到了吗？这是一个闭环。

在这个闭环里，Broadcom同时扮演了三个角色：芯片制造商、金融机构（贷款方）、资产所有者（芯片出租方）。它把自己的产品变成了金融工具，把客户变成了借款人，把销售收入变成了贷款利息。

这个结构有一个显而易见的好处：它极大地降低了Anthropic的前期资本支出。Anthropic不需要一次性拿出数百亿美元购买芯片，而是通过租赁和贷款的方式分期支付。这让Anthropic可以更快地扩张算力，更快地训练更大的模型，更快地获取市场份额。

但这个结构也有一个显而易见的风险：如果Anthropic的AI服务收入不及预期怎么办？

在传统的设备租赁中，如果承租方违约，出租方收回设备，在二手市场上出售。但在Broadcom-Anthropic的案例中，如果Anthropic违约，Broadcom收回的是自己的芯片——而这些芯片的价值取决于是否有另一个客户愿意以类似的价格租赁或购买它们。如果AI市场整体降温，Broadcom可能面临一个尴尬的局面：手里有大量芯片，但没有足够的需求来消化它们。

更微妙的是，这个交易结构在财务上创造了一种”双重曝险”：Broadcom的收入既依赖于芯片的销售/租赁，又依赖于贷款的回收。如果AI行业出现系统性风险，这两个收入来源会同时受损。

据分析，这正是华尔街对Nvidia芯片抵押融资计划保持谨慎的核心原因之一。Broadcom-Anthropic的案例不是一个孤立事件，而是整个AI行业正在形成的融资范式的一个缩影。当芯片制造商开始充当银行，当芯片本身开始充当抵押品，当借来的钱被用来购买更多芯片——这个系统的风险敞口，远比表面上看起来的要大。

四、华尔街的现实核查——银行不是不想借，是不知道怎么定价

让我们回到那位纽约的审贷官。

他并不是一个保守的人。在过去十年里，他见证了金融行业为各种新兴资产类别打开融资大门——从太阳能电池板到电动汽车充电桩，从数据中心到海底光缆。每一种新资产在成为银行认可的抵押品之前，都经历过类似的质疑和验证过程。他理解，AI芯片可能最终也会走上这条路。

但他的困难不是”要不要做”，而是”怎么定价”。

在资产担保融资中，定价的核心是贷款价值比（Loan-to-Value Ratio, LTV）。简单说，如果抵押品值100块，银行愿意借出多少？对于曼哈顿的甲级写字楼，LTV通常在60-70%。对于新型宽体客机，LTV在70-80%。对于远洋散货船，LTV在50-60%。

这些数字背后，是数十年的历史数据、成熟的评估方法论、以及深度流动的二手市场。银行知道，在最坏的情况下（经济衰退、行业危机），这些资产的价值会下跌多少，需要多长时间才能出售，以及出售时能收回多少。

AI芯片呢？

据Reuters报道，华尔街银行目前对AI芯片融资持谨慎态度，核心疑虑集中在以下几个方面（来源: Reuters, 2026-10-01）：

疑虑一：折旧曲线不可预测。 传统硬资产的折旧是相对线性的——一栋大楼每年折旧2-3%，一架飞机每年折旧5-7%。但AI芯片的折旧可能是阶梯式的：在新一代产品发布之前，价值相对稳定；一旦新品发布，旧款价值可能断崖式下跌。这种”技术性折旧”是银行最难建模的风险。

以Nvidia自己的产品线为例：H100在2023年发布时售价约2.5-4万美元，到2025年H200发布后，二手H100的价格已经大幅回落。B200在2025年量产后，H200的价值又面临压力。如果Nvidia保持每12-18个月的迭代节奏，那么任何一批芯片在贷款期限（通常3-5年）内都可能经历1-2次”代际贬值”。银行如何为这种风险定价？

疑虑二：二手市场缺乏深度。 银行在放贷时需要考虑”处置风险”——如果借款方违约，银行能在多长时间内、以什么价格出售抵押品？对于飞机，全球有数十家专业的飞机交易公司和租赁公司，一架主流机型通常在3-6个月内可以找到买家。对于商业地产，虽然流动性较低，但有成熟的拍卖和交易机制。

但对于GPU，目前的二手市场高度碎片化。没有统一的交易平台，没有标准化的评估体系，没有公认的”残值曲线”。编辑判断：如果一家银行突然需要处置价值10亿美元的GPU，它可能需要数月甚至数年才能找到足够的买家，而在这个过程中，芯片的价值还在持续贬值。

疑虑三：系统性风险的关联性。 这是最深层的担忧。在传统资产融资中，不同类别的资产之间存在一定的风险分散效应——房地产下跌时，飞机不一定跌；航运低迷时，商业地产可能还行。但AI芯片的价值高度依赖于单一行业（AI）的景气度。如果AI投资周期逆转，所有芯片的价值会同时承压，所有以芯片为抵押的贷款会同时面临风险。

这种”系统性关联”让银行的风险管理部门非常紧张。他们见过2008年的次贷危机——当时，所有人都相信房价只会涨不会跌，大量贷款以”永远上涨”的房产为抵押，最终的结果是整个金融系统的崩溃。

没有人在说AI芯片会引发下一场金融危机。但银行的风控逻辑是一致的：当你无法量化最坏情况时，最安全的做法是不做。

这并不意味着银行永远不会接受AI芯片作为抵押品。据分析，更可能的路径是：先从小规模、短期限、高LTV折扣的交易开始试水，逐步积累数据和经验，然后随着二手市场的成熟和估值方法论的完善，逐步扩大规模。但这个过程可能需要3-5年，远比Nvidia希望的要慢。

而Nvidia想要推动的，是5000亿美元的规模。这个数字，让华尔街深吸了一口气。

五、飞机、船舶与芯片——一部”硬资产”简史

要理解AI芯片成为抵押品的难度，让我们回顾一下其他”硬资产”是如何走上这条路的。

飞机融资的故事，始于20世纪60年代。当喷气式客机开始取代螺旋桨飞机时，航空公司面临巨大的资本支出压力——一架新型喷气机的价格是螺旋桨飞机的5-10倍。航空公司买不起，银行不敢贷。

转折点出现在几个关键因素的汇合：首先，波音和道格拉斯（后来的麦道）开始标准化机型设计，使得同一型号的飞机在全球范围内具有互换性——一架美联航的727可以卖给日航，一架汉莎的DC-10可以卖给新加坡航空。其次，国际航空运输协会（IATA）和各国民航局建立了标准化的维护记录和适航认证体系，使得飞机的状况可以被客观评估。第三，也是最重要的——经过几十年的运营，行业积累了大量的残值数据，银行可以建立可靠的折旧模型。

到了1980年代，飞机融资已经成为一个成熟的金融市场，年规模超过1000亿美元。今天，全球约40%的商用飞机是通过融资租赁的方式运营的。

船舶融资的故事更古老，可以追溯到中世纪的威尼斯和热那亚。但现代船舶融资的成熟，同样依赖于几个关键条件：标准化的船级认证（劳氏、挪威船级社等）、全球性的二手船交易市场（波罗的海交易所）、以及数百年的残值数据积累。

商业地产融资的历史就更不用说了——从荷兰东印度公司时代的阿姆斯特丹运河房产，到今天的曼哈顿摩天大楼，土地和建筑作为抵押品的历史几乎与现代银行业一样悠久。

这些”硬资产”之所以能成为银行认可的抵押品，共享一个核心特征：时间。它们都经历了数十年甚至数百年的市场验证，积累了足够的数据让银行建立信心。

AI芯片有什么？

它有不到10年的历史（如果从2016年Nvidia推出Pascal架构用于深度学习算起）。它有一个正在爆炸式增长但同样可能爆炸式收缩的市场。它有一个每18个月就推翻上一代产品的技术迭代速度。它有一个高度集中的供应商格局（Nvidia占据AI训练芯片80%以上的市场份额，编辑判断）。

但最根本的区别在于：飞机、船舶和建筑的价值有物理下限，芯片没有。

一架30年机龄的波音747，即便不能再飞了，拆解后的发动机、起落架、航电设备仍然有价值。一艘报废的货轮可以卖给拆船厂，回收钢材。一栋老旧的写字楼，至少还有土地价值。

但一块过时的GPU呢？它的物理材料——硅、铜、金——的价值可能不到售价的1%。当一块H100在技术上被B200全面超越后，它的价值完全取决于是否还有人愿意用它来跑AI工作负载。如果答案是”有，但只愿意付原价的10%”，那么银行的损失就是90%。

这就是为什么华尔街的审贷官们在看到”GPU抵押”时会感到不安。不是因为他们不相信AI，而是因为他们的风控模型里没有一个框可以放下这种资产。

当然，也有人会反驳：数据中心本身不也是”硬资产”吗？服务器机架、冷却系统、电力基础设施——这些都有物理价值。为什么不能把整个数据中心（包括里面的GPU）作为抵押品？

这确实是目前更被银行接受的方案。据分析，一些银行已经开始为数据中心项目提供融资，但抵押品是数据中心的不动产和基础设施，而非里面的芯片。芯片被视为”可替换的运营设备”，而非”核心抵押资产”。这个区别很微妙，但对银行来说至关重要——它意味着即便芯片贬值，数据中心的建筑和土地仍然提供了一定的价值底线。

Nvidia想要突破的，正是这个边界。它不希望GPU只是数据中心里的”耗材”，而是要让GPU本身成为独立的、可融资的资产。这个野心，比表面上看起来的要大得多。

六、Nvidia的战略算盘——不只是卖芯片，而是成为AI金融体系的核心节点

让我们暂时跳出银行的视角，站在Jensen Huang的角度思考。

Nvidia目前面临的最大挑战不是技术，而是市场容量。

2026年9月17日，Jensen Huang在苏格兰AI峰会上表示，2027年的芯片销量将是2026年的两倍（来源: Yahoo Finance/Bloomberg, 2026-10-01）。这意味着Nvidia需要找到足够多的买家来消化这些产能。

但问题是：谁买得起？

一个大型AI训练集群的成本动辄数十亿美元。全球能够自掏腰包购买这种规模算力的公司，可能不超过20家——Google、Microsoft、Amazon、Meta、Apple、字节跳动、腾讯、阿里巴巴……再加上少数几家资金充裕的AI创业公司。

但Nvidia的增长目标需要的客户远不止这些。它需要中型AI公司、企业客户、主权基金、甚至政府机构都成为买家。而这些买家中的大多数，没有足够的现金或信用来直接购买大规模GPU集群。

这就是芯片担保融资的战略意义所在。

如果GPU可以作为抵押品获得银行贷款，那么购买GPU的门槛就大幅降低了。一家原本只能买100块GPU的公司，现在可以用这100块GPU做抵押，借钱再买200块。然后用300块GPU产生的收入来还贷款。如果一切顺利，这家公司可以在更短的时间内扩大算力规模，产生更多收入，偿还更多贷款，然后继续扩张。

对Nvidia来说，这意味着：更多的芯片销量，更快的市场渗透，更高的收入增长。

但这只是第一层。

据分析，如果芯片担保融资体系真正建立起来，Nvidia将获得一个远比芯片销售更有价值的战略地位：AI金融体系的核心节点。

想想看：如果银行接受GPU作为抵押品，那么GPU的估值就成为整个融资体系的基础。谁最有能力影响GPU的估值？Nvidia。通过控制产品迭代节奏、定价策略、以及二手市场的参与方式，Nvidia可以在很大程度上影响GPU的残值曲线——而残值曲线是银行决定贷款额度的核心依据。

这就像波音在飞机融资市场中的角色：波音不仅卖飞机，还通过Boeing Capital Corporation提供融资服务，通过残值担保（Residual Value Guarantee）为银行提供信心，通过控制零部件供应来影响飞机的维护成本和二手价值。波音不只是飞机制造商，它是整个飞机融资生态系统的核心参与者。

Nvidia想要成为AI芯片领域的波音。

更进一步，如果Nvidia能够建立一个标准化的GPU残值评估体系——类似于飞机行业的AVAC数据库——它就可以成为整个AI融资市场的”定价锚”。所有银行在评估GPU抵押贷款时，都需要参考Nvidia提供的（或Nvidia认可的）残值数据。这给了Nvidia一种超越硬件制造商的金融影响力。

Jensen Huang在苏格兰峰会上的发言也暗示了这一点。他将2027年芯片销量翻倍的预期归因于”AI投资的持续增长”（来源: Yahoo Finance/Bloomberg, 2026-10-01），但据分析，他刻意回避了一个关键问题：竞争。AMD、Broadcom、Intel、以及一批AI芯片创业公司正在蚕食Nvidia的市场份额。如果Nvidia能够建立以自己芯片为核心的融资体系，它就创造了一种”金融锁定效应”——银行更愿意接受Nvidia GPU作为抵押品（因为数据更多、市场更成熟），这反过来让更多客户选择Nvidia的产品（因为更容易获得融资），从而进一步巩固Nvidia的市场地位。

这是一个精妙的飞轮效应。如果成功，Nvidia将不仅仅是一家芯片公司，而是AI时代的”基础设施银行”。

但”如果成功”三个字，承载了太多的不确定性。

七、循环的终止条件——谁是最后的真实买家？

现在，让我们把视角再拉高一层，看看整个AI行业的融资结构。

Nvidia想让芯片成为抵押品。Broadcom已经在给客户放贷。AI公司用借来的钱买芯片，用芯片跑AI服务，用AI服务的收入还贷款，然后借更多的钱买更多的芯片。云计算巨头（AWS、Azure、GCP）大量采购GPU建设AI基础设施，然后以API的形式出租给下游客户。下游客户用AI API构建应用，向终端用户收费。

把这个链条画出来：

芯片制造商（Nvidia/Broadcom）→ 卖芯片/提供融资 → AI基础设施公司（云厂商/AI创业公司）→ 提供AI服务 → 企业客户 → 构建AI应用 → 终端用户 → 付费使用

在这个链条中，资金从右向左流动：终端用户付费 → 企业客户收入 → AI基础设施公司收入 → 芯片制造商收入。

但投资从左向右流动：芯片制造商投入研发和产能 → AI基础设施公司投入数据中心建设 → 企业客户投入AI应用开发。

关键问题是：右端的真实收入，能否支撑左端的投资规模？

目前的数据给出了一个模糊的答案。

据分析，2026年全球AI相关资本支出可能超过3000亿美元（包括芯片采购、数据中心建设、电力基础设施等）。而全球AI应用的终端收入——也就是真正从用户口袋里掏出来的钱——可能在1000-1500亿美元左右（包括AI SaaS订阅、API调用费、AI广告收入等）。

这意味着，AI行业目前的”投入产出比”大约是2:1到3:1。每产生1美元的终端收入，需要投入2-3美元的基础设施支出。

这个比例本身并不可怕——许多基础设施行业在早期阶段都有类似的投入产出比。电信行业在2000年代初期、光伏行业在2010年代初期，都经历过大规模投资先于收入回报的阶段。关键在于：投资者是否相信这个比例会随着时间推移而改善？

如果AI应用的终端收入持续快速增长——比如每年翻倍——那么当前的投资水平是合理的，甚至可能不够。但如果终端收入增长放缓，而投资仍然按照当前的速度扩张，那么这个缺口就会越来越大。

而芯片担保融资，可能会加剧这个缺口。

为什么？因为融资的本质是”把未来的钱拿到今天花”。当一家AI公司用GPU做抵押借钱买更多GPU时，它实际上是在赌：未来的AI服务收入足以偿还贷款本息，并且还有盈余。如果这个赌注是对的，那么融资加速了AI基础设施的建设，让行业更快地达到规模效应。但如果这个赌注是错的，那么融资只是放大了损失。

更危险的是，融资创造了一种”正反馈循环”：

更多融资 → 更多GPU采购 → GPU供不应求 → GPU价格坚挺 → GPU作为抵押品的价值上升 → 银行愿意提供更多融资 → 更多GPU采购……

这个循环在上升期是良性的——每个参与者都在赚钱，每个环节都在增值。但它有一个致命的弱点：它依赖于GPU价格的持续坚挺，而GPU价格的坚挺依赖于AI需求的持续增长，而AI需求的持续增长依赖于终端用户的持续付费。

如果在这个链条的任何一个环节出现裂缝——比如一家大型AI公司的收入不及预期，或者一批GPU贷款出现违约，或者Nvidia发布了性能飞跃式提升的新品导致旧款价格暴跌——整个循环就可能反转：

GPU价格下跌 → 抵押品价值缩水 → 银行要求追加保证金或收紧贷款 → AI公司被迫出售GPU → 更多GPU涌入二手市场 → GPU价格进一步下跌……

这不是末日预言。这是金融学的基本原理。任何以资产价格为锚的融资体系，都内在地包含了这种正反馈和负反馈的可能性。2008年的房地产市场如此，2022年的加密货币市场如此，AI芯片市场也不会例外。

那么，这个循环的终止条件是什么？

不是技术失败。AI技术本身可能继续进步，大模型可能继续变得更强大、更有用。

不是需求消失。企业对AI的需求可能持续存在，甚至持续增长。

终止条件是更微妙的东西：流动性收紧。

当某一个节点——可能是一家银行、一家AI公司、或者一个主权基金——决定不再向这个循环注入更多资金时，整个链条就会感受到压力。这个决定可能源于宏观经济因素（利率上升、信贷收缩）、行业因素（AI收入增长放缓）、或者纯粹的情绪因素（市场对AI的热情降温）。

而Nvidia推动的5000亿美元芯片担保融资计划，如果成功，将大幅增加这个循环中的杠杆水平。杠杆越高，系统在上升期的回报越大，但在下降期的脆弱性也越大。

这就是华尔街真正担心的事情。不是AI不行，而是AI的金融化可能跑在AI的货币化前面。

八、一个开放式的问题

让我们回到那位审贷官。

他最终会批准那笔以GPU为抵押的贷款吗？

据分析，答案可能是”会，但不是现在，不是这个规模，不是这个条件”。

他可能会要求更高的LTV折扣——比如只借出GPU市值的30-40%，而不是传统硬资产的60-70%。他可能会要求更短的贷款期限——1-2年而不是5-7年，以减少技术迭代带来的贬值风险。他可能会要求额外的担保——比如借款方的母公司担保，或者Nvidia本身的残值承诺。他可能会要求更高的利率——以补偿不确定性溢价。

这些条件加在一起，可能让芯片担保融资的实际规模远小于Nvidia的5000亿美元愿景。至少在短期内。

但长期呢？

这取决于一个更根本的问题：AI到底能为人类社会创造多少真实价值？

如果AI最终像电力一样无处不在——驱动医疗诊断、科学发现、教育个性化、工业自动化、创意生产——那么GPU确实可以被视为”数字时代的发电机”，它们产生的价值将远远超过它们的制造成本。在这种情况下，以GPU为抵押的融资不仅合理，而且必要——就像我们不会质疑以发电厂为抵押的贷款一样。

但如果AI的应用场景比预期的要窄——如果大模型的能力曲线开始趋平，如果企业发现AI的ROI不如宣传的那么高，如果消费者对AI应用的付费意愿有限——那么当前的投资规模就可能过大，而以GPU为抵押的融资就成了一种放大泡沫的工具。

真相可能在两者之间。AI不是泡沫，但AI的金融化可能走得太快。

Jensen Huang相信前者。华尔街的审贷官们需要看到证据。而证据，需要时间来积累。

在此期间，我们正在目睹一个迷人的实验：人类历史上第一次，一种以硅和电子构成的、每两年就可能过时的、没有物理残值的设备，试图在全球金融体系中获得与钢筋混凝土、铝合金机身和远洋钢铁巨轮同等的地位。

这个实验的结果，将不仅仅决定Nvidia的股价或华尔街的贷款策略。它将回答一个更深层的问题：在AI时代，”价值”的定义本身是否正在被重写？

当一块芯片的价值不在于它的物理存在，而在于它所能执行的计算、所能产生的智能、所能创造的可能性——那么，传统的金融估值框架是否还适用？

这个问题没有答案。至少现在没有。

但它值得我们认真思考。因为在这个问题的答案里，藏着AI时代最重要的一课：技术的价值最终需要被货币化，而货币化的速度不能超过价值创造的速度。否则，我们就只是在借未来的钱，赌一个还没有到来的未来。

审贷官合上了文件夹。他没有批准，也没有拒绝。他在等。

整个华尔街都在等。

参考资料

  1. Reuters (2026-10-01). “Nvidia’s bet that its chips can finance AI boom gets Wall Street reality check.” https://www.reuters.com/legal/transactional/nvidias-bet-that-its-chips-can-finance-ai-boom-gets-wall-street-reality-check-2026-10-01/

  2. Reuters (2026-10-01). “Broadcom to lend Anthropic up to $42 billion to lease its chips, filing says.” https://www.reuters.com/business/broadcom-lend-anthropic-up-42-billion-lease-its-chips-filing-says-2026-10-01/

  3. Yahoo Finance / Bloomberg (2026-10-01). “Nvidia to sell twice as many chips in 2027.” https://finance.yahoo.com/technology/ai/articles/nvidia-sell-twice-many-chips-133003131.html