英伟达将GPU算力金融化

关键信息

黄仁勋把英伟达算力描述为不只是芯片，还包括CUDA、网络、系统软件和开发者生态组成的平台。文章指出，这种说法有些别扭，因为实际经济回报仍然依赖仓库式机房、电力和数据中心设施，而且相关融资目前仍停留在谅解备忘录阶段，并不是已经完成的交易。

资讯摘要

The Verge认为，英伟达试图把GPU算力变成一种可投资资产类别，这在AI热潮的融资方式上是一个显著而且有些自相矛盾的转变。文章开头提到，Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR据称正与英伟达合作，围绕约5000亿美元的融资计划来支持算力。英伟达CEO黄仁勋对CNBC表示，这是技术芯片第一次成为可投资的资产类别，并称这些芯片是能够创造收入、具有生产力、寿命长、可互换且灵活的资产。文章把这一说法与黄仁勋此前的表态形成对比：当Blackwell大量出货后，上一代Hopper芯片几乎会“没人要”。文章还指出，目前旧芯片的租赁价格正在上涨，Silicon Data预计这一趋势可能持续到2028年。

文中还提到，一个云服务提供商在某次续约中，把英伟达Blackwell B200芯片的租赁价格几乎提高了一倍。作者引用BlackRock CEO Larry Fink的话，将这种金融化思路类比为上世纪70年代的抵押贷款证券化，同时提醒AI需求可能受到几个因素冲击，包括数据中心过度建设、中国开源模型以更少算力实现较强性能，以及OpenAI和Anthropic等前沿实验室是否真的能赚到足够的钱。文章强调，这笔融资并不是板上钉钉的交易，目前更多只是谅解备忘录；英伟达去年宣布投资OpenAI的1000亿美元备忘录最后也没有落地。最后，文章批评英伟达把算力定义为不仅是芯片，还包括CUDA和更大的“AI工厂”平台，但这种叙述忽略了真正支撑芯片发挥作用的物理数据中心和供电基础设施。

资讯正文

4月——1805年

拿破仑称霸欧洲

只有英国舰队挡在他面前

算力如今是一种资产类别

我看又到了该谈金融创新的时候了。Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR 都在与 Nvidia 合作，筹集 5000 亿美元融资，把算力打造成一种资产类别。

Nvidia 首席执行官 Jensen Huang 在接受 CNBC 采访时说：“这确实是技术芯片第一次成为可投资的资产类别。这些如今都是能产生收入的资产。它们具有生产性、寿命长、可替代，而且灵活。”

去年，Huang 对 Nvidia 自家上一代 Hopper 芯片的说法则截然不同。“等 Blackwell 大规模出货时，你们连 Hopper 都送不出去，”Huang 在公司 AI 大会上对与会者说，同时大力吹捧其最新 GPU 架构。“有些情况下 Hopper 也还行。不多。”所以现在有人告诉我，芯片其实是“能产生收入的资产”，而且“寿命长”——老实说，这让我有点晕头转向。

至少就目前而言，Huang 说得并非没有道理。租用旧芯片的价格一直在上涨，Silicon Data 预计这种上涨将持续到 2028 年。这里有个有趣的例子：一家云服务提供商在与某位租赁客户续约时，几乎把 Nvidia Blackwell B200 芯片的价格提高了一倍。

BlackRock 首席执行官 Larry Fink 对 CNBC 说：“这才刚刚开始，就像我在 20 世纪 70 年代刚进入抵押贷款支持证券市场时那样，我把这看作金融工程的下一个未来。”现在，对你们中的一些人来说，这可能已经敲响了警钟。正如前对冲基金经理 Mark Rubinstein 所指出的，抵押贷款支持证券在抵押贷款被过度生产时就失败了。AI 行业正在被数据中心淹没，而中国的开源模型尽管相当强大，却需要更少的算力，这两者都似乎可能威胁到芯片需求会持续增长这一想法。还有一个更基本的问题：像 Anthropic 和 OpenAI 这样的前沿实验室——它们推动了当前大量需求——真的能赚钱吗？

在我们甚至谈到 Jensen 的数学之前，我想先指出一点：这事还没定。现在只是一些谅解备忘录。你可能还记得，去年 Nvidia 签署了一份 1000 亿美元的谅解备忘录，计划投资 OpenAI。你也可能还记得，呃，那并没有发生。不过，谅解备忘录的妙处就在于，你可以先放出一个大新闻，然后实际项目最终是否推进，好像也就没那么重要了。尽管如此，我们还是假设这是真的，因为即使只是放出试探性风向球，它也在告诉我们一些有趣的东西。

把 ass 放进 asset 里

先退一步看。我们为什么在谈“compute（算力）”？嗯，按照黄仁勋的说法，“Nvidia compute 不仅仅是一颗芯片。”原因在于，还有一种名为 CUDA 的软件。黄仁勋在一条推文——呃，X 上的一则帖子里说：“这就是 Nvidia AI 工厂不同于普通笨硅片的地方。它们的价值在安装时并不是固定的：CUDA 会持续提升其产出；已安装的基础资产在远超其最初折旧期之后仍能保持生产力。”

好吧，但芯片和软件本身并不会创造算力——只有把它们放在庞大的数据中心基础设施里才有用，而这又需要仓库和供电设施。黄仁勋似乎在脱离这些东西谈论算力，把 Nvidia 的系统称为“一个完整的 AI 工厂平台，包括加速计算、网络、系统软件、AI 框架以及全球开发者生态系统。”值得注意的是，这份清单里没有提到砖瓦水泥式的实体设施。

先不说那种可笑的“AI 工厂”概念——在那里面，电力大概是在硅芯片矿里辛勤劳作。黄仁勋淡化数据中心，部分原因在于，迄今为止大多数融资都流向了那里。鲁宾斯坦写道：“Blackstone 已经搭建了一个估值达 1850 亿美元的平台，其中包括在建设施，并认为，长期持有已稳定运营数据中心的市场规模未来可能增长到 1 万亿美元。”黄仁勋并不在意这些——其中很大一部分属于房地产，对他来说无关紧要。黄仁勋在意的是有人购买 Nvidia 芯片。

因此，这里的“compute”并不是指整个数据中心技术栈；它只是一个时髦说法，用来谈论我们老朋友——由 GPU 支撑的贷款。我能理解为什么有人会想用“compute”而不是“GPU”，因为大家都知道，GPU 的寿命比比如说建筑物短得多——估计大概在两到五年之间。我想“compute”大概也涵盖了由 TPU 支撑的贷款，所以也算说得通。

今年夏初，Broadcom 组建了一笔 350 亿美元的融资方案，看起来与 Nvidia 如今提供的东西非常相似：它与 Apollo 和 Blackstone 签署协议，为我们现在所称的 compute 提供资金，以大约一百万颗芯片作为抵押。Apollo 和 Blackstone 将通过利息赚钱；Broadcom 则为这些芯片所在的特殊目的实体所发行的两只优先票据提供了担保。这笔交易本意是提振对 Broadcom 芯片的需求。Nvidia 显然注意到了这一点——并且正出于同样的原因，做着同样的事。

于是，现在黄仁勋开始为 Nvidia 芯片的长寿命高调站台。作为 compute 如何随时间改进的一个“有力例证”，黄仁勋提到了早于 Hopper 架构的 A100 芯片，这款芯片是 2020 年推出的，而且“目前仍在商业环境中积极使用”，他说。“客户继续为多年的部署承诺产能，将 A100 的经济寿命延长至接近十年。”天哪，这跟他去年谈自己那些炫目的新芯片时说的话可真不一样，不是吗！

我们之前在这儿也谈过芯片融资。你可能还记得，没人能就芯片的折旧周期达成一致；其实这也无所谓，只要 Nvidia 愿意出手救助那些买它芯片的公司就行。事实上，你也可以把黄仁勋的这番表态看作一种救助。在关于芯片折旧的讨论中，做空者 Michael Burry 曾提出，两到三年才是芯片合适的折旧周期。IBM 的 Arvind Krishna 说折旧要五年。而黄仁勋却来了这么一句，说他某款芯片的经济寿命长达十年！哎呀，哎呀，哎呀。

这对放贷方很重要，因为它决定了贷款条款。比如，根据 CoreWeave 的公司申报文件，这家以 GPU 抵押贷款闻名、且是 Nvidia 客户的公司，其可借款额度会随着芯片折旧而减少。所以，如果黄仁勋当着全世界的面说折旧周期是 10 年，我看不出银行为什么不会相信他。照我看，这对任何想从这个财团拿贷款的人都相当有用。

黄仁勋提到了算力价格上涨——其中包括 2022 年推出的 Hopper H100 芯片。尽管他的逻辑很有私心，但他并没有夸大价格上涨这一点。AI 行业分析师 Brendan Burke 表示，这背后是对推理需求的增加；推理是行业术语，指训练好的模型对新数据进行分析。他说，这意味着老芯片的小时费率依然居高不下，在某些情况下甚至还在上涨。Burke 告诉我：“推理芯片一直严重短缺，这扭转了价格应当下降的预期趋势。”

在 CoreWeave 的第二季度财报电话会上，首席执行官 Michael Intrator 说，公司已经能够在一份延续到 2029 年的合同中出售采用 2020 年架构的 GPU。顺着这条线索想下去，既然 CoreWeave 和 Nvidia 关系如此紧密，我不禁怀疑黄仁勋所说的十年折旧周期指的就是这个。

而且正好，衍生品交易所 CME Group 已宣布，计划在 10 月推出算力期货，前提是监管机构批准相关的两份合约。

需求激增会一直持续下去吗？操，我也不知道。现在有这么多数据中心正在建设，而且如果算力——或者更准确地说，芯片——真像黄仁勋所说的那样可互换，那就意味着数据中心提供商正在一个供给过剩的市场里按价格竞争。但随着 AI 被整合进越来越多的东西，越来越多普通公司——除了前沿实验室之外——也将需要运行推理。采用速度很重要；如果太慢，这种模式可能会遇到麻烦。

我们无所畏惧的领导者 Nilay Patel 一直在 Slack 里急得团团转，抓狂地问：如果你把一美元投入算力，怎么会拿回 1.01 美元？黄仁勋并没有正面回答这个问题：“回报体现在 AI 的实用性上，”他写道。但如果我对这整件事的理解是对的，而这里的“算力”其实只是那个老熟人——以 GPU 为抵押的贷款——那么投资回报通常也就是债务的老样子：利息。

所以就是这样。我们也不知道这些合同长什么样，而细节很重要。（在看起来启发了 Nvidia 这项公告的 Broadcom 合同中，Broadcom 并没有为全部债务提供担保，而只是为优先级更高的高级债务提供担保。）根据此前以 GPU 作抵押的贷款情况，我猜，购买算力的一方所签的合同也被纳入了抵押品。这样的合同风险高低取决于合同背后的公司——Microsoft 肯定会按时付账，但 OpenAI 并不赚钱，而且需要不断融资，因此它的合同对放贷方来说风险更高。此外，在任何协议里，都可能存在某种条款，让债务提供方获得一定的收入分成，或者通过其他方式让这笔交易更划算。不过我知道的是，这个新的算力财团对 Nvidia 来说似乎是一笔相当不错的交易。

竞争格局

去年，当我与斯坦福大学的 Vikrant Vig 交谈时，他指出，大多数 GPU 贷款都是以 Nvidia 芯片作为抵押品。这反过来又让企业更容易用 Nvidia 芯片而不是竞争对手的 GPU 获得新贷款——因为 Nvidia GPU 贷款的融资成本更低，抵押品更具流动性。如果 Nvidia 与金融机构之间的交易最终敲定，这将让 Nvidia 芯片的融资变得更加容易。如果你要从零开始建立一家 neocloud——也就是像 CoreWeave、Crusoe 和 Lambda 这样出租算力的小公司——购买 Nvidia 芯片会为你提供你未必能从 Broadcom 等竞争对手那里获得的支持。

Hedgeye Risk Management 的 Felix Wang 对 Bloomberg 表示：“实际上，他们在没有真正下调 GPU 价格的情况下，让 Nvidia 的产品变得更便宜了。”

Nvidia 一直非常积极地投资并为 neocloud 提供融资，以扩大自己的客户群。通过为 neocloud 提供资金并培育它们，Nvidia 降低了大客户（例如 Microsoft、Amazon、Google 和 Meta）在价格上的议价能力。有意思的是，在最近一次财报电话会议上，SpaceX——这家新的大型 neocloud 玩家——表示它正 exclusively 使用 Nvidia 芯片；后来我们才得知，Nvidia 持有 SpaceX 价值 210 亿美元的股份。SpaceX 当时正在评估 Nvidia 的替代方案，但其数据中心建设需要支出大幅增加——因此，Nvidia 的投资可能已经把这家 neocloud 锁定住了。

Burke 指出，这种融资还有另一个有趣的副作用。由于贷款方有利益让这些贷款之间保持相对一致，这可能会进一步标准化 Nvidia 芯片在数据中心中的部署方式。这也可能让 Nvidia 在芯片销售上获得竞争优势。

事实证明，GPU 的表现会因其部署方式不同而有所差异，这会让承担风险的放贷方很难可靠地预测收入，Burke 说。Nvidia 已开始就理想配置下的收入发布指引，推动云计算提供商采用那种特定设计。这样可以实现标准化，让放贷方的工作更容易。但这也会引来更多审视：客户究竟能赚多少钱，以及 Nvidia 的建模是否准确。“我看到的预测都非常乐观，”他说。在某些情况下，预测显示每吉瓦每年可带来 70 亿美元收入，而这并不是当下业内任何人实际做到的水平。

因此，合同条款可能会要求特定设置，以提高采用 Nvidia 芯片的数据中心的可替代性，这既因为这样更容易建模收入预测，也因为一旦违约，放贷方更容易处置抵押品。“大多数数据中心运营商都高度定制化，要让他们遵循一种方案，将会是一场大规模的赶羊行动，”Burke 说。贷款条件或许会充当牧羊犬，把工程师们驱赶到特定设计上。

这也强化了 Nvidia 的竞争壁垒——而且不只是针对 Google 的 TPU 和 Amazon 的 Trainium 芯片。推理当然可以在旧款 Nvidia 芯片上运行，但事实证明 CPU 也能做这项工作，而且 CPU 更便宜——Burke 说，价格大约只有前者的十五分之一。所以，如果你可以使用 CPU，不仅能花更少的钱买芯片，还能减少对 GPU 算力的需求，从而把这种价格压低。

别把这叫作循环融资

Nvidia 正在引入外部资本，因为它似乎对“循环融资”的指控相当恼火：即它是那些购买其芯片的 neoclouds 和 AI 实验室的重要投资者。还记得 CoreWeave 吗，那个由 Nvidia 托举起来的 neocloud？Nvidia 投资了它，挽救了它的 IPO，并承诺购买 CoreWeave 可能拥有的任何多余产能。Nvidia“同意在四年内花费 13 亿美元，从 CoreWeave 租回自己的芯片”，使其成为 CoreWeave 在 2024 年的第二大客户。

不只是 CoreWeave。Nvidia 还广泛投资于这些 neocloud 公司。另外，Nvidia 在其最近一次季度申报中显示，已签署价值 300 亿美元的云服务协议。Seaport Research Partners 的高级分析师 Jay Goldberg 认为，这些数字代表了 Nvidia 的兜底协议。

因此，如果这些新的谅解备忘录最终落实为交易，情况就会变得不同。不是（比如说）Nvidia 给 CoreWeave 一美元，CoreWeave 据此借入五美元，然后再购买六美元的 Nvidia 芯片，而是 Blackstone 给 CoreWeave 五美元去购买 Nvidia 芯片。

我们再看看这个财团里都有谁，好吗？有 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR——也就是说，恰好只有一家银行 Goldman，外加一堆私募信贷公司。私募信贷一直在大规模为 AI 建设提供融资。

我并不是金融专家，但情况似乎是，私有资产比公开市场资产更能让金融圈人士赚钱。由于 AI 持续升温，私募信贷领域对 AI 对软件即服务（SaaS）构成威胁的担忧大范围爆发，而这个领域里已经有不少私募信贷基金下了很深的注。于是，现在对资产支持证券产生了新的兴趣；而一笔由 AI 芯片作抵押的贷款，至少有两个好处：（1）它不是一家 SaaS 公司的债务；（2）它还可能成为杀死 SaaS 公司的那项技术的基础设施。这或许会让由 GPU 支持的贷款显得颇具吸引力。

整体来看，AI 建设已经转向债务融资。截至 7 月底，超大规模云服务商（hyperscalers）以及 Nvidia 这类“相关公司”已经发行了约 2250 亿美元的债券，标普全球表示。“该细分领域的债券发行量在年中前几乎增长了 10 倍，”标普指出，并补充说，到今年年底，这一数字可能达到 4000 亿美元。

更重要的是，超大规模云服务商已经作出了 1.5 万亿美元的租赁承诺——其中 1 万亿美元并未计入其资产负债表。另有估计约 1.5 万亿美元的采购承诺，涉及芯片、电力等。因此，你知道，负债很多。

至少 Apollo 已经看到了巨大机会；The Information 报道称，该公司内部现在有一位新负责人专门负责 AI 基础设施融资。撮合 AI 交易“正成为一个日益增长的收入来源”。大约有 60 人专注于 AI 建设。数据中心本身的开发融资方式，与芯片融资并不相同。

我之所以提到 Apollo，是因为它最近发布了一份有意思的内容。其中，该公司的首席经济学家 Torsten Slok 指出，在 AI 技术栈中，你离终端用户越远，利润率就越高。模型和应用程序都在亏钱。这并不是永远的问题——比如 Amazon 在盈利之前也曾亏损——但它给这些贷款又增加了一层风险。neoclouds 处于模型和应用程序之上一层。如果这些公司无法想办法实现盈利，它们就会直接暴露在这种风险之下。

AI 传教者把 AI 比作互联网，认为它是一种有能力彻底重组其社会的技术。奇怪的是，这些传教者中有很多并没有一个很好的模型来定义 AI 的目标应该是什么。人们经常谈论治愈所有疾病和“智能即公用事业”，但最具体的说法看起来更像是“取代客服人员”和“加快编码速度”；也许还可以再加上一些别的用途，比如，嗯，保险和股票交易中的风险评估。仅凭这些应用，足以证明我们眼前看到的巨额资本支出吗？我对此表示怀疑。

相比之下，在互联网早期，技术还无法提供流媒体音乐和视频，但到了1999年，包括拉里·埃里森（Larry Ellison）在内的很多人都已经清楚地意识到，事情会朝那个方向发展。同样，在90年代，我们在文化上还没准备好接受网购，但很多人都看得出来那是一个机会。互联网泡沫的问题不在于布道者对技术能做什么的判断是错的——而在于他们对技术何时能做到这件事判断错了。

因此，即便最热情的AI拥护者是对的，时间点也同样重要。整个模型生态系统目前都在接受补贴。现在还不清楚，如果模型厂商按照服务的真实价格收费，市场需求是否还会存在。设想一个完美的AI个人助理，它接受了你所在组织的每一份文档训练；它每天的成本是10万美元。即使它非常好——几乎完美！——雇佣100名每年20万美元的人仍然划算得多。

Constellation Research的拉里·迪南（Larry Dignan）指出，算力对于运营云平台的公司来说才是收入；而对其他所有公司而言，它都是成本。企业始终面临控制成本的压力——想想5月Uber引发的轰动吧，当时公司总裁表示，其在AI上的支出“越来越难以合理化”。

OpenAI和SpaceX都在大量烧钱。最近有报道称，Anthropic的年化营收运行率达到650亿美元——但没有任何利润方面的消息。模型公司面临越来越大的盈利压力；而要实现7%的回报率——低于这一水平对AI投资者而言就是“彻底的灾难”——Gartner的经济预测人士认为，AI公司到2029年需要累计实现7万亿美元收入。那几乎相当于每年2万亿美元。

现在，如果Fink是对的，而且把算力当作一种资产与抵押贷款支持证券可相提并论，那么我们应该会看到更多公司加入Nvidia所推介、而Broadcom实际上已经安排的那类交易。但如果任何一家主要AI模型公司突然破产，也许是因为无法盈利，算力需求就会骤然下降。更重要的是，如果它们租用芯片的合同是以芯片贷款的抵押品作为担保的一部分，那么这些贷款也会陷入麻烦。

有一个迹象表明，Nvidia对“把算力作为一种资产类别”的看法，比它签署备忘录的那些金融机构更加乐观，那就是它对残值的支持。基本上，如果neocloud违约不还贷款，Nvidia已同意为其中一些合同支付最高25%的款项。这大概是为了安抚投资者，因为对于那些几乎没有或根本没有信用记录的公司而言，Nvidia的资产都面临风险。Stratechery的本·汤普森（Ben Thompson）说，这种融资表明，“黄仁勋相信他的‘可投资资产类别’这套说法，远比市场更深。”

尽管算力的价格已经上涨，但这与残值问题无关，残值指的是芯片的转售价格。假如有人贷款后资不抵债，比如高盛手里有一大堆算力芯片要转手，那谁会买、又会出多少钱？大公司都在建设自己的数据中心，在某些情况下还在使用自家的专有芯片。新云厂商背着大量债务需要偿还——它们未必有足够现金成为买家。这一点还没有定论。所以，如果转售价值跌破某个水平，Nvidia 就必须补偿债务的持有人。

Jensen 算术

我们掌握的细节不多，但这里真正重要的是，Nvidia 的 GPU 在多大程度上足以作为贷款抵押品，Goldberg 说。在目前大多数交易中，单靠芯片本身还不够——放贷方还需要这些芯片所对应的合同现金流。因此，CoreWeave 的 GPU 贷款实际上是由 Microsoft、Nvidia 或其他相关方作担保的。如果“AI 工厂”只需要芯片作为抵押，而不需要客户合同，那意义就很大。不过要注意：Jensen Huang 并没有直接这么说。

“欢迎来到 Jensen 算术，”Goldberg 在一封电子邮件中说，“Jensen 现在试图宣称这是一种新的投资类别——股票、债券、抵押贷款、GPU。而他那条推文的论点是，这是一种特殊资产类别，因为它由于软件、魔法以及各种原因，居然会随着时间变得更好。”

到了某个时候，这开始让人觉得，这只是 Nvidia 维持 AI 派对继续下去的另一种方式。它已经经历了一轮历史性的上涨，投资者对它的预期也很高。AI Now Institute 的研究员 Leevi Saari 说，Nvidia 可能已经开始触及其旧有模式的极限——那种无休止的升级周期。“以前，他们就像汽车销售员一样，说你每年都得买新车，因为上一代效率太低，会让你损失价值。”现在，Huang 似乎是在说，折旧并不重要——算力不会像汽车那样很快贬值。它会缓慢贬值，甚至像房子一样升值。

Saari 说，能负担得起每年继续购买新 Nvidia 芯片的公司数量是有限的。为了让 Nvidia 继续超预期并上调盈利预期，它必须为企业购买芯片解锁更多融资方式。于是，它签约合作的金融机构就登场了。如果芯片并不像 Huang 去年刚说的那样折旧，那么它们突然就成了可能会吸引某些买家——比如养老基金——的资产。

Saari 说：“我无论如何也想不通，他们怎么把‘你每年都必须买一颗新芯片’和‘别担心折旧’这两件事自洽起来。”如果要相信芯片会继续升值，你就得相信芯片市场是完全无弹性的。“在我看来，这就是赤裸裸的偷梁换柱。”

据 Saari 所说，真正的金融创新是“如何为 Nvidia 的营收增长释放寻求安全性的资本”，而答案就是我们都看到了那项公告。市场的反应则较为平淡。《华尔街日报》中，管理着 2600 亿美元、并投资 Nvidia 的家族办公室 Cresset 的创始合伙人 Jack Ablin 指出，从历史上看，算力“是一种保质期和生菜差不多长的资产”。就连 Stratechery 的 Thompson——通常是科技行业陈词滥调的毫不掩饰的拥趸——也指出，Nvidia 的策略存在风险。 

那么谁来承担这种风险？是最终拿到这些安排所发行票据的那一方——而且往往并不是最初发起这些安排的人。“这是一种‘发起后分销’模式，而最终去向是人寿或年金保险公司的一般账户，”专注于私募信贷研究的机构 Centre for European Transformation 负责人、法兰克福金融与管理学院金融学 DWS 首席讲席教授 Sascha Steffen 写道。 

这里有几件有意思的事。参与这些交易的机构中有一半与很可能最终持有这些贷款的实体共享同一所有者。这削弱了最终持有人——大概是保险公司——对这些贷款的审查力度。Steffen 写道：“Nvidia 的公告通常被描述为解决了公司为自身客户融资的‘循环性’问题，而且至少在 Nvidia 的资产负债表层面上，确实如此。再往下一层，第二层循环性已经被创造出来了。”

还有一点：用于覆盖保险公司风险所需的资本规模，与债务评级高度相关。如果保险公司因为比如评级机构调整了方法论而被下调评级，那么它可能被迫出售自己持有的以 GPU 为抵押的贷款，“而这种资产几乎没有二级市场，”Steffen 指出。 

现在的问题是，实际的安排是否真的会落地。毕竟，Nvidia 过去也曾公开作出表态——随后又退缩了。去问问 OpenAI 就知道它在俄亥俄州的数据中心发生了什么。

来源与参考

1. 原始链接
2. Nvidia’s new financial strategy does not compute