第021期——AI项目三角：资本、承购、数据中心（数据中心、能源）
摘要
- AI基础设施的约束，正从GPU需求转向资产负债表承载能力：团队测算，2024-2029年资本开支累计达11万亿美元，年支出很快超过1万亿美元，所需融资约7.1万亿美元。 按约75%的债务融资比例和5-6年摊销计算，这一市场规模将远超汽车贷款和学生贷款，仅次于13万亿美元的美国抵押贷款市场；Dan表示，瓶颈在于“数量本身”，而不是单个50亿-100亿美元项目能否完成融资。
- 5年期投资级超大规模云厂商承购，是目前唯一能广泛融资的模板，但它把短期算力初创公司真正需要的供给堵在门外。 一家手握8000万美元、计划在6-12个月内完成训练的公司，会被告知“如果只能承诺1年，你的8000万美元就不算数”，随后被推向每年1500万-2000万美元、连续5年的合同，最终拿到的集群规模只有预期的1/4或1/5。
- NVIDIA的兜底机制，让投机性的新兴云算力产能具备可贷款的下行保护，但并不保证股权回报足够吸引人。 以示例性的6年GB300结构看，第1年兜底价格为每GPU小时3.68美元，全期均价2.36美元；短期订单簿起价约6.75美元，均价4.27美元；银行要求DSCR高于1.3，而“整套机制的本意”是兜底永远不会被真正启用。
- NVIDIA扮演的并非被动的“央行”，而更像一名会挑选受益者、并反复从中变现的做市商。 它出售硬件，分享超过兜底价部分的租赁收入，并将NCP参与资格与NVIDIA网络设备和软件绑定；Dylan的修正很直接：“他们绝对在挑赢家”，尤其是“买它家产品最多的人”。
- GPU信用利差定价的是3种不同风险——承购方信用、新兴云算力执行风险，以及无抵押平台风险敞口；快速折旧让执行容错空间格外小。 讨论中，CoreWeave对Meta的DDTL 4.0融资利差约为SOFR上浮225个基点，而无抵押债券收益率可能略高于9%；与房地产不同，“一旦出现利用率缺口，就没有太多时间去修复”。
- 亚太项目说明，全球总量正从一个个集群累积到万亿美元级别。 澳大利亚项目目前为72 MW，计划到明年年中扩至1.2 GW、部署55,000块GPU；Firmus的Batam项目达到360 MW；该地区“供给相对不足”，使广泛可用的短期算力产能具有战略意义。
- 正在形成的授信护城河，是专有市场数据：双边租赁曲线、亲自下场的新兴云算力评级，以及不依赖公开API报价的每秒token经济学。 客户可能愿意为稳定、同规格的GPU支付20%-30%溢价，而InferenceX将token产出视为“收入的原子单位”；Dylan不认同最终只剩推理的世界，因为推理归根到底是“用来购买更多GPU、训练下一个模型的手段”。
精读
1. AI的资本需求已超出原有融资模型
Dan提出的核心问题是融资：AI和数据中心资本开支在2024年至2029年累计约11万亿美元，很快突破每年1万亿美元；在75%的债务融资假设下，需要约7.1万亿美元资金。5-6年摊销期，既匹配合同期限，也匹配预期GPU寿命。
规模对比很关键：汽车贷款和学生贷款市场均在约1万亿至2万亿美元的低位区间，而到2029年，AI债务融资可能达到7万亿美元。只有约13万亿美元的美国抵押贷款市场更大，这意味着贷款机构既需要大幅扩容，也需要更清楚地判断什么可以融资。
“AI项目三角”是一个循环闭环：资本通常要求5年期投资级超大规模云厂商承购；拿下该承购，又需要可信的股权资金、押金以及数据中心资源；锁定数据中心，则要说服运营商，或自行建设。早期新兴云算力公司可以募得1000万-1亿美元股权，但10亿美元级项目需要不同的风险承接方。
Dylan起初强调项目规模，Dan则把问题进一步明确为数量。挑战不在于贷款机构能否为1个100 MW或100亿美元项目融资，而在于能否“做20个这样的项目”。早期Blackstone/CoreWeave融资在执行成功后，实质上变成了Microsoft或其他超大规模云厂商的信用风险，随后更多贷款机构参与，融资利率也随之压缩。
2. 超大规模云厂商模板无法服务短期AI需求
超大规模云厂商的兜底额度并非无限，也不可能承接数万亿美元的承诺量。私募股权和私募信贷引领了市场，但利差持续压缩最终会让这类机构的回报不足；与此同时，只有5年期的结构无法满足推理服务商和初创公司对1-2年甚至更短周期算力的需求。
Dylan举的需求侧例子是：一家前沿实验室分拆公司可能募得8000万美元，预计至少80%花在GPU上，并希望在6-12个月内拿到尽可能大的集群。新兴云算力公司却会说：“如果只能承诺1年，你的8000万美元就不算数”；然后要求其每年支付1500万-2000万美元、连续5年，最终只提供预期集群规模的1/4或1/5。
Zayn的示例模型期限为6年，使用GB300，并假设租赁价格随时间下滑，因此兜底价第1年为每GPU小时3.68美元，全期均价2.36美元。短期订单簿起价约6.75美元，均价4.27美元；新兴云算力公司拿到兜底金额，超过兜底价的上行部分再与NVIDIA分成。
3. 兜底机制保护贷款机构，同时保留租赁上行空间
据称，银行要求至少前2年DSCR高于1.3。以100 MW GB300集群为例，单靠兜底机制即可带来健康的前期覆盖率：它不足以保证新兴云算力公司获得“非常高的回报率”，但足以让建设贷款和GPU贷款在没有投资级客户的情况下获得融资。
贷款机构按最坏情形承保——由NVIDIA接手算力——而新兴云算力公司仍可争取价格更高的1-2年期业务。Dylan强调，“整套机制的本意”是没人希望真正用上兜底；它的作用是在多元化客户订单簿形成期间，为现金流设置底线。
如果NVIDIA接手GPU，可将其用于研究、持续集成（CI）以及PyTorch、vLLM和SGLang之间的兼容性工作，也可向Nemotron Training Collective等联盟提供算力，该联盟成员包括Thinking Machines和Mistral。Dylan仍指出，“这里存在某种上限”：外部每小时5美元的需求，优于内部每小时约3.68美元的使用。
Dan认为，NVIDIA的介入已超出算力：它还在承租数据中心，并据引用的一份报道，可能买入光纤再分配给新兴云算力公司。他的判断是，AI项目三角的扩张速度超过了私人市场自然拼装各环节的速度，因此NVIDIA成了支撑建设的“央行”。
4. NVIDIA的靶心机制将硬件销售转化为持续控制力
Dylan在讨论中实时修正了“央行”类比：NVIDIA并非只是在场外设定条件。“他们绝对在挑赢家”（“They’re absolutely picking winners here”），而且偏好的赢家是能够重复采购的客户——“买它家产品最多的人”；NVIDIA会主动扶持这些客户，而不是等到需要救助时再出手。
Zayn的“靶心”从所有硬件买家开始，逐层收窄到新兴云算力公司、NVIDIA Cloud Partners，最后到拥有兜底的NCP新兴云算力公司。每一层内圈都意味着更高的重复采购、更强的标准化和黏性；获得兜底的最内圈，还通过收入分成把一次性硬件销售转化为持续性利润。
NCP资格由NVIDIA授予，而非参与者自行选择。Jordan称，这项特权会以物料清单上的额外SKU或料号出现，意味着NVIDIA从GPU服务器和网络设备中获得的支付比例提高。参与者还要承诺采用NVIDIA的交换机和软件，包括用Spectrum-X替代Arista，以及采用NVIDIA品牌的LinkX收发器；Jordan称，后者与“价格便宜4倍”的替代品等效。
因此，这套经济组合远不止利息或租赁上行收益：NVIDIA卖出更多GPU，截取超过兜底价的收入，把网络设备和软件纳入设计，并帮助成功的新兴云算力公司成为重复采购客户。兜底之所以稀缺、备受追捧，正是因为它将融资准入与NVIDIA的资源分配及参考设计特权绑定在一起。
5. GPU债务定价的核心是执行风险，而非抵押品价值
Kong的信用入门以约4.3%的10年期美债收益率和一个假设的50个基点Microsoft利差溢价为起点。讨论中，CoreWeave无抵押债券收益率可能略高于9%，而其Meta DDTL 4.0项目融资利差约为SOFR上浮225个基点；团队将其中约97个基点归因于Meta风险，105个基点归因于CoreWeave执行风险。
这部分执行利差覆盖CoreWeave能否按时建设、能否正确安装并联网GPU，以及能否持续满足服务要求。GPU抵押贷款机构在破产时的受偿顺序先于无抵押债券持有人，因此后者承担平台风险敞口；讨论认为，这需要再增加约400个基点。
Kong将NVIDIA支持的贷款定位在5年期超大规模云厂商承购与无抵押新兴云算力信用之间。银行仍需追问运营商将如何建立客户订单簿，因为NVIDIA兜底“不可能永远存在”；Kong认为，这是一段试用期，最终会走向独立融资，半导体晶圆厂、工厂、航空公司和其他企业都是如此。
Dylan的反驳值得保留：1只Hermès包相较于其工厂本身很小，但1个空置的200 MW集群就像一份巨型WeWork租约。Kong同意这存在连续谱，指出航空公司即便资产期限为15年、机票却只提前几周售出，仍能获得融资。他也承认GPU更为苛刻：快速折旧意味着“一旦利用率出现缺口，就没有太多时间去修复”，而Dylan称，银行可能会将2-3年后的残值视为0。
6. 区域项目和专有基准数据将检验这一判断
Kong提到的区域案例Firmus，起步于一个新加坡集群，STT GDC为投资方之一，随后借此拓展至墨尔本和塔斯马尼亚，并自行建设数据中心。Kong认为，下一座设施将与DayOne合作，而不是跳过数据中心这一环节，这说明股权、产能和执行履历可以逐步解决三角中的各个部分。
已披露的规模很惊人：澳大利亚目前有72 MW，计划到明年年中达到1.2 GW、部署55,000块GPU；Batam项目达到360 MW，被称为全球同类项目中规模最大。Dylan指出，通常不在数据中心叙事中心的地区也有“数百亿美元”级项目，全球总量正是靠这些项目累积到万亿美元。
Kong认为，该地区供给不足，预计会有更多产能向更广泛客户开放。假设兜底机制的本意是扩大可获得性，那么立即再配上一份5年期承购协议就没有太大意义；运营商可能更愿意服务更广泛的客户，而不是把可能约一半的收入上行空间让给NVIDIA。
贷款机构首先需要一条公允的租赁曲线。Kong称，团队花了近3年收集不同期限的双边合同价格，因为这些价格无法从公开API报价中抓取：“每个数据点背后都有故事”，包括客户质量、预付款、交付时间，以及名义上相同GPU所捆绑的服务。
Jordan称，另一个缺失的市场机构是“评级机构”。团队对200多家新兴云算力供应商进行实地工作，并访谈超过150名客户，核查健康检查、监控面板、托管Slurm、托管Kubernetes、token服务和RL环境。Dylan以Nebius首笔债务融资的定价接近CoreWeave为例，说明银行认为两者的执行风险相近。
租赁市场呈现期限倒挂：立即可用的GPU享有大幅溢价，而交付期为3-6个月的GPU则以折价定价，用于锁定需求。预付款和里程碑付款可以减少对过桥或建设融资的依赖；可靠供应商对同样GPU数量可收取20%-30%更多，因为正常运行时间和性能比表面价格更重要。
InferenceX用每GPU每秒token产出和假设的token价格，重新定义残值——“收入的原子单位”。Dylan不认同训练会被彻底边缘化：2018年的预测认为，2025年推理市场接近100亿美元，边缘推理为100亿美元——“我认为是50亿美元”——数据中心训练为40亿美元，规模和比例都判断错了。前沿实验室认为自己正在打造“机器之神”，因此推理最终会成为购买更多GPU、训练下一个模型的手段。