AI算力越来越贵，SpaceX为什么开始向华尔街借钱买GPU？

10月8日，Reuters报道，SpaceX计划筹集约400亿美元，为AI数据中心采购英伟达芯片，其中约300亿美元来自债券，约100亿美元来自银行贷款。与此同时，Broadcom也在寻求约500亿美元融资。

过去几年，AI产业最核心的矛盾是GPU不够，云厂商不断提高资本开支，模型公司不断争夺算力。如今随着数据中心、GPU、电力和网络设备投入持续扩大，AI基础设施正在进入一个资本密集型阶段。企业即使拥有高速增长的收入，也未必能够单靠经营现金流承担全部扩张成本，债券、银行贷款、客户预付款以及长期算力合同开始进入产业链。

SpaceX就是一个很典型的案例。公司今年第二季度收入达到78亿美元，较上年同期的41亿美元接近翻倍；同期资本开支超过180亿美元，其中158.3亿美元投向AI基础设施。公司AI业务收入同比增长约250%。

这400亿美元是AI算力正在从一种企业资本开支，逐渐变成一种可以被金融资本定价和融资的基础设施资产。

问题也随之发生变化：GPU需求当然重要，但更重要的是，投入这些GPU之后，能不能产生足够稳定的收入和现金流。

SpaceX为什么愿意借钱买GPU

SpaceX的AI业务正在快速扩大，这给大规模融资提供了商业基础。

公司目前正在建设大规模AI计算基础设施，并通过算力托管等方式获取收入。Reuters此前报道，SpaceX一项新增算力合同预计从12月开始每月产生约11.1亿美元收入，对应年度化收入约130亿美元。

这意味着GPU采购已经不完全是“先花钱、以后再看需求”的传统科技资本开支。只要客户合同足够明确，GPU投入就可以对应未来的算力服务收入，债务融资也就有了相对清晰的偿付来源。

这套模式与数据中心、通信基础设施甚至能源项目越来越接近：企业先投入大量资本建设资产，再通过长期合同和持续服务收入回收投资。

英伟达恰好处在这个循环最核心的位置。

据天眼查，公司最新季度数据中心收入达到890亿美元，同比增长117%，整体营收达到962亿美元，同比增长106%。AI计算需求仍然保持非常高的增长速度。

对于英伟达而言，客户开始利用债务融资购买GPU，本质上扩大了潜在采购能力。过去客户需要先拥有足够现金，现在银行和债券市场也可以参与AI资本开支。

但这套模式有一个不能回避的问题：GPU的资产属性与传统基础设施并不完全一样。

数据中心机房、光纤和电力设施能够使用很多年，而AI芯片的技术迭代速度明显更快。Reuters近期报道，金融机构在评估GPU融资时，会重点考虑设备折旧周期和未来残值。

SpaceX真正需要证明的，本质是新增算力能否保持足够高的利用率，并通过客户合同持续产生现金收入。只要订单能见度和利用率足够高，债务就是扩张工具；如果算力价格快速下降，设备利用率又无法同步提升，资本成本就会开始侵蚀利润。

Broadcom和Oracle正在说明一件事：AI资本开支已经开始金融化

SpaceX并不是孤立案例。

Broadcom正在进入AI基础设施融资更深的位置。Reuters 10月8日报道，Broadcom正在寻求约500亿美元融资。此前Broadcom已经与Anthropic建立了大规模算力合作，并同意向Anthropic提供最高420亿美元融资，用于支持后者租赁TPU算力。

Broadcom最新季度AI半导体收入达到167亿美元，同比增长221%，公司预计下一季度AI半导体收入进一步达到217亿美元。

这意味着芯片厂商正在参与客户的资本安排。芯片、数据中心和融资之间的关系越来越紧密，AI产业链的竞争已经从单纯的产品竞争延伸到了资本组织能力。

Oracle则提供了另一个更加成熟的样本。

公司最新季度云基础设施收入达到74亿美元，同比增长121%，云业务收入达到116亿美元，同比增长62%，剩余履约义务达到6640亿美元。Oracle同时继续大规模建设数据中心，并通过债务和股权融资支持AI基础设施扩张。

Oracle最新财年的经营现金流达到320亿美元，但自由现金流为负237亿美元，主要原因就是持续增加云基础设施资本开支。

这组数据很有代表性。

AI需求足够强，企业就会继续增加资本开支；资本开支规模足够大，企业就需要外部融资；外部融资进一步扩大算力建设，最终又反过来推动GPU、网络设备和数据中心需求。

于是，一条新的资本链正在形成。

英伟达负责提供高价值计算芯片，Broadcom参与定制芯片和基础设施，Oracle提供云计算平台，SpaceX则在尝试把自己的AI计算能力变成新的收入来源。银行、债券投资者和私募资本则开始承担越来越多的前期资本成本。

AI产业正在形成一个越来越明显的“资本开支—算力—合同收入—再融资”循环。

AI资本开支能否变成现金流

AI基础设施继续扩张几乎已经形成产业共识，真正存在分歧的是资本回报率。

英伟达最新季度数据已经证明下游需求依然强劲，Broadcom的AI半导体增长同样非常突出，Oracle的RPO和云基础设施收入也提供了订单端验证。

但资本开支越大，对现金流质量的要求就越高。

Oracle就是最值得观察的案例。公司经营现金流已经达到较高水平，但庞大的数据中心建设仍然让自由现金流承压。只要云收入和合同持续兑现，这种投入可以被理解为增长期的主动选择；如果收入增长放缓，而设备、数据中心和融资成本继续上升，资本回报率就会迅速成为市场关注的核心变量。

SpaceX面临的情况也类似。400亿美元融资能够帮助公司快速扩大AI算力，但融资本身不会创造利润。最终决定这笔资本价值的，是GPU利用率、客户合同、算力价格以及现金流回收速度。

Broadcom则拥有不同的优势。公司既能够从AI芯片需求中获得收入，又正在通过基础设施融资进一步绑定客户。这个模式的潜在价值，在于把芯片需求从一次性采购延伸成更长期的基础设施合作，但相应的资本风险也会向产业链更深处传导。

AI基础设施未来最重要的观察指标会越来越具体：订单能见度是否继续提升，资本开支是否能够转化为收入，收入增长能否覆盖折旧和融资成本，以及最终自由现金流能否跟上利润增长。

SpaceX借钱买英伟达，表面上是一笔巨额芯片采购，背后却是AI产业资本结构正在发生变化。过去由科技公司自己承担的建设成本，现在开始由银行、债券市场、芯片厂商、云厂商和最终客户共同承担。

这会让AI基础设施拥有更大的扩张能力，也会让行业的分化更加明显。

真正拥有长期客户、稳定合同和高资产利用率的公司，可以把债务转化为增长；缺少持续收入支撑的算力项目，则可能在资本成本上升之后暴露问题。

英伟达仍然是这条产业链最核心的受益者之一，Broadcom正在向基础设施融资延伸，Oracle则在用巨额资本开支换取云业务增长，SpaceX则试图证明自己的AI算力可以形成足够大的商业收入。

下一阶段最重要的判断已经从“AI还需要多少GPU”，进一步转向“这些GPU最终能够产生多少现金流”。

这也是AI基础设施真正进入产业深水区之后，最硬的一张成绩单。