对话周沅帆：拆解5000亿美元算力融资的虚与实

记者 欧阳晓红

谁为越来越昂贵的客户买单？

当地时间8月10日，英伟达宣布达成多项战略合作，将与阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛以及KKR合作设立独立算力融资平台，计划逐步调动超过5000亿美元第三方资本，用于AI（人工智能）基础设施建设。

当英伟达创始人黄仁勋亲自下场“吆喝”，尝试解决这道AI产业最大的难题时，华尔街的反应有些局促，一度失措……这个算力融资平台，暗示在供应商、私募资本、数据中心和最终算力使用者之间将形成一个新的融资生态？

科技及金融巨头们雄心勃勃，均将算力视为新时代的黄金、未来增长的超级引擎，争相与英伟达绑定，砸下重金，欲成为这场AI淘金热里最关键的“资本推手”。阿波罗总裁Jim Zelter认为，算力已是稀缺的关键资产，能推动长期增长；贝莱德董事长兼首席执行官Larry Fink强调，AI建设需要巨大投资和人力，他们将深化与英伟达的合作；黑石总裁Jon Gray则看好英伟达生态，确认会继续增加巨额投资。

一套原本属于基础设施和结构化融资的语言，迅速进入AI产业。资本正在为算力寻找新的进入方式：GPU（图形处理器）、数据中心、电力设施、长期租约、SPV（特殊目的载体）、剩余价值担保。

但一个更基本的问题随之浮现：一组GPU、一座数据中心，能否凭自身成为信用资产，还是说，金融机构最终承销的，仍是使用这些算力的企业信用，以及他们签下的长期合同？

在安融（香港）信用评级有限公司董事局主席周沅帆看来，答案并不在“算力是否可投资”，而在于“信用从哪里来”。

如果说7月份市场在给GPU估值，8月份开始给GPU定“抵押率”，那么，是否一旦这个过程规模化，AI就会真正拥有自己的信用周期？

作为信用评级领域的资深专家，周沅帆曾参与金融行业（征信）标准制定工作，参与社会信用体系建设规划纲要起草。笔者与之对话，试图甄别AI时代——资本形成的虚与实。

原点

经济观察报：我们不妨从头说起，一笔算力融资的信用基础，主要来自哪里？是数据中心和电力设施、GPU、长期使用合同，还是最终承租人的信用？

周沅帆：拨开迷雾，这笔5000亿美元融资计划，本质是将GPU算力重新定义为一种可产生稳定现金流的基础设施资产。从信用评级视角看，算力融资的信用基础是多层级的复合结构，但最终承租人的信用质量仍是最核心的基石；GPU与基础设施仅作为第二还款来源的风险缓冲，这一逻辑已被当前海外主流算力融资案例反复验证。

数据中心和电力设施提供了运营的物理前提，GPU提供了技术基础，长期合同提升了现金流可见性。但最终，英伟达生态内的客户，包括前沿AI实验室、大型云服务商和企业等，其自身的主体信用评级，才是评级机构评估算力融资信用质量时赋予最高权重的因素。

经济观察报：似乎一夜之间，GPU开始同时具有产品、抵押品和信用创造工具三种属性，发生什么了？

周沅帆：其实，从信用评级的核心锚点来看，头部承租人的履约能力恰恰是算力融资信用水平的第一支柱。

以海外已经出现的算力融资为例，云算力服务商CoreWeave以大型云服务合同支持的芯片抵押融资，以及数字基础设施公司TeraWulf获得大型科技公司支持的项目融资，其融资成本和信用评价都与最终付款方的主体信用紧密相连。评级机构会区分：偿债究竟主要依赖项目隔离后的现金流、租赁表现与设备残值，还是依赖承租人或支持提供方的付款义务。

GPU残值与市场流动性当然重要。英伟达CUDA（加速计算平台）生态的成熟度，也为部分主流GPU提供了二手流通和抵押品缓冲。但技术迭代很快，一旦新一代架构提前落地，上一代设备的租金与残值都可能迅速下修。因此，GPU残值只能是补充性的信用支撑，不能替代稳定的付款来源。穆迪在将数据中心GPU担保债务纳入评级范围时即明确指出，“技术迭代与供应集中度过高”是主要下调因子。

数据中心和电力配套的寿命更长，残值相对稳定，但其仍是算力服务的载体。若脱离GPU供给和算力需求，其独立变现能力也会受到限制。

经济观察报：当融资期限长于GPU的经济寿命时，信用评级应如何评估，怎样处理期限错配？

周沅帆：这正是当前算力融资最核心的结构性挑战。

通常情况下，一块高性能GPU的黄金盈利周期仅2—3年，全周期经济寿命约6—8年。前3年承载高价值训练负载，后续转向低毛利的推理业务，租金水平会出现阶梯式下跌。若融资期限拉长至7—10年，本质是用多代设备的滚动现金流覆盖单期债务，由此产生期限错配风险。

当融资期限明显长于GPU的经济寿命时，信用评级机构不会简单沿用会计账面的线性折旧逻辑。他们会严格遵循“保守假设”与“动态缓冲”原则，从残值、租金和再融资三个维度进行压力测试（相关参数为情景假设）。

比如，在设备残值评估上，将第三年末的残值设定为原价的25%—35%，并额外叠加技术冲击压力测试——假设新一代架构提前6—12个月落地，导致前代残值再下降约30%，以此测算抵押品的真实安全垫。同时，机构会明确区分“账面残值”与“可变现残值”，在扣除二手流通折扣和资产处置成本后，才将其纳入偿债保障能力的计算。

算力租金评估方面，现金流被清晰拆分为“合同锁定部分”与“再出租部分”。合同期内的刚性租金按全额计入偿债现金流；合同到期后的再出租收入，则根据历史租金跌幅和当前行业供需格局大幅折让，通常仅按峰值租金的30%—40%进行测算，并要求现金流利息覆盖倍数不低于1.3倍的安全阈值。

再融资风险方面，评级机构会重点考察资产池的动态更新机制、备用流动性储备以及发起人的支持承诺。若缺乏明确的设备置换安排与再融资备份，长期限融资的评级会显著低于短久期品种，且通常要求设置残值准备金、超额抵押等增信机制，以缓冲再融资不畅时的到期偿付压力。

归结为一句话就是，当融资期限越过设备的经济寿命，评级的全部工作是在最坏情形下核实三个数——这堆机器还能卖多少，租金还能收几成，到期接续靠什么。

信用“出表”？

经济观察报：AI算力融资中，SPV、经营租赁、最低使用量承诺和剩余价值担保，能否真正实现风险转移？

周沅帆：未必。这些安排更多是会计层面的“出表”设计，并不自动等于信用风险已经真正离开发起人。

从法律形式看，独立SPV可以实现破产隔离；部分租赁安排可以改变资产和负债在报表中的列示；最低使用量承诺和剩余价值担保也可能被表述为商业合作条款。但评级机构看的是经济实质：一旦承租人违约、设备贬值和再融资失败同时发生，究竟由谁承担最后损失。

最低使用量承诺，本质上接近无条件付款义务；剩余价值担保，则意味着有人要为资产贬值兜底。若发起人承担主要损失风险，或提供回购、保底收益、流动性支持，即使债务法律上位于SPV，也不能简单视为风险已经离开了发起人的信用边界。

评级机构通常会穿透分析控制权、风险与收益的分配，并把担保、回购义务和流动性支持等表外安排，折算为相应的或有债务或等效债务，放回调整后的杠杆率和利息保障倍数中评估。

以算力融资平台为例，若英伟达在平台中提供了GPU回购、残值兜底或最低收益担保，即便全部放在表外核算，评级机构也会将对应风险敞口纳入英伟达的总信用负债评估，不会因结构设计而认可风险完全转移。

换言之，会计出表不等于信用出表。结构设计可以改变风险呈现的位置和顺序，却不能凭空消除最终的付款责任。

虚实之间

经济观察报：全球信用评级机构KBRA（Kroll Bond Rating Agency）认为，芯片还能不能用，不是重点，客户愿不愿意在有竞争力的价格下继续用，才是重点。这是否意味着，即便硬件“活”得比债务久，收入也未必“活”得比债务久？

周沅帆：这正是贝涅特投资公司（Beignet）和云算力服务商CoreWeave两个先例背后的逻辑——收入端的不确定性太高，评级机构索性不赌它。

元宇宙平台公司（Meta）与蓝猫头鹰资本（Blue Owl）设立的贝涅特投资公司发债273亿美元，标普给了A+评级，恰好比Meta主体评级低一个“评级区分（Notching）”，理由是“披着项目融资外衣的Meta信用”；CoreWeave今年3月拿到穆迪A3评级及独立评级机构晨星DBRS给出的A（低）评级，靠的同样是背后Meta算力合同的信用，而不是GPU本身的耐用性。

英伟达想拆的恰是这道题。5000亿美元算力融资平台，黄仁勋给出的说法是算力“能持续创收，且可被多个客户复用”，并拿H100显卡的租金从去年10月每小时1.70美元涨到今年3月2.35美元当证据。为了让市场信服这套说法，英伟达甚至提出愿意为最多25%的项目提供残值支持。

但争议远未平息。惠誉至今仍在就是否把GPU折旧正式纳入评级方法论公开征求意见，没有定论；亚马逊已把服务器折旧年限从6年下调到5年，单这一项就为2025年多计提约14亿美元；知名投资者Michael Burry估算，云厂商2026年至2028年少计提的AI折旧总计约1760亿美元。

租金曲线向上倾斜，不代表折旧曲线的争议已经平息。

经济观察报：黄仁勋的“大构想”，是把GPU变成可融资的资产类别，并把算力直接类比为“像电力、互联网一样的基础设施”。高盛首席执行官大卫·所罗门则透露，这一构想是黄仁勋主动找到华尔街巨头们提出的。回归本源，从评级角度看，算力本身目前可以成为独立信用资产吗？

周沅帆：在当前技术条件和市场基础设施下，尚不能。

7月27日，全球信用评级机构KBRA发布的研究指出，人工智能算力基础设施正在成为一个独立且快速扩张的融资市场，但它不是单一的信用类别。GPU、TPU（张量处理单元）这类算力资产，究竟落在项目融资、结构化融资还是公司信用的框架里，主要取决于三件事——还款来源、合同结构，以及运营风险、市场风险、技术风险和残值风险的分配方式。

黄仁勋将GPU描述为“可投资资产类别”，贝莱德董事长兼首席执行官Larry Fink将此结构与住房抵押贷款证券化早期阶段相类比。但评级机构看待问题的逻辑不同。“可投资资产”和“独立信用资产”是两件事。一个资产可以被交易、被配置，并不意味着其可以脱离特定企业信用，仅凭自身稳定现金流获得独立信用评价。

要成为独立信用基础，资产本身至少需要具备稳定、可预测的现金流，以及清晰的产权和可处置价值。成熟住房抵押贷款证券化、公用事业项目等能够形成相对独立的信用基础，依靠的是较稳定的抵押品价值、可统计的违约率和较可预测的现金流。而算力目前并不具备这些条件。一组GPU若没有客户、合同和运营能力，只是一组持续折旧的硅片，并不天然产生现金流。其价值还高度依赖技术生态、模型训练和推理需求、集群调度能力，以及整个AI产业的供需周期。

同时，GPU迭代快、残值波动大，缺乏统一的公允定价基准和足够透明、活跃的二级市场；大型算力合同的客户又高度集中。没有长期合同锁定的散租算力，现金流很难通过严格的压力测试。

这也是为什么，同类GPU资产可能因为合同期限、客户质量和支持安排不同，获得完全不同的信用评价与融资成本。评级真正锚定的，仍是长期合同、运营现金流和最终承租人的信用，而不是芯片本身。

英伟达与头部金融机构搭建融资平台，重要意义在于把设备残值、长期合同和机构信用整合为一套结构化增信安排，为AI基础设施打开更大的资金来源。但这并不等于算力已经成为独立的信用载体。

一个资产类别要真正独立于发起人信用，需要三样东西同时成立：可预测的折旧曲线、不依赖单一买家的深厚二级市场，以及足够长的损失数据积累到能做精算定价。算力现在一样都不占。算力能够脱开具体某家公司的信用单独定价，才算真正长成一个资产类别；在那之前，其借来的，终究是别人的信用。

GPU被描述为“可投资资产”，目前解决的是资金如何进入的问题；信用从哪里来，最终仍要回到合同、现金流和付款人本身。信用评级最终必须落脚到现金流对债务的保护，即“现金为王”。