10:04am
8月10日，輝達宣布與六家金融公司合作，建立全新的AI運算融資平台，將AI算力與GPU硬體轉化為可抵押、可融資的新型基礎設施資產。
但是市場第一時間卻不太領情。輝達股價下跌約2.4%，原因很簡單：大家開始擔心一件事「2000年前後的DotCom泡沫是不是要重演了?」
2000年前後的電信泡沫，Lucent、Nortel等設備商就曾大量提供vendor financing，讓電信公司借錢買自己的設備。當需求最後沒有如預期出現，原本看起來是營收的東西，突然變成壞帳。
所以今天市場看到輝達開始介入AI融資，第一個想到的是：這會不會又是一場「自己創造自己的需求」？
算力正在被華爾街變成金融資產
但我覺得這反而比較像過去也發生過的未來現金流的「金融資產化」。也就是人類金融史上又有一種原本看起來很難金融化的東西，「算力」，正在被華爾街變成金融資產。
這不是第一次，也不是太新奇的事物，其實已經發生過很多次。
第一個案例：19世紀的美國鐵路
最早的案例是19世紀的美國鐵路建置。
鐵路建置有一個死循環問題：沒有鐵路就沒有貨運量，沒有貨運量銀行就不願意借錢；銀行不借錢，鐵路永遠蓋不起來。
最後解決問題的不是更好的蒸汽機，而是金融。資本市場開始願意把「未來幾十年的運輸收入」搬到今天，支持龐大的鐵路建設。
今天AI碰到的問題幾乎一樣。
沒有GPU，就沒有AI服務；沒有AI服務，就沒有現金流；沒有現金流，一家家新創AI又怎麼可能先拿出幾十億、幾百億美元蓋AI工廠？
所以真正改變19世紀美國的運輸樣貌的，不是「鐵路」，而是「華爾街」。
同樣道理，真正可能改變AI產業的，也不是半導體製造商，還是金融業。
第二個案例：房貸證券化
第二個案例是房貸。
以前銀行借你30年房貸，就得把這筆貸款抱30年。後來金融市場把幾千筆房貸集合起來，將未來30年的還款現金流證券化，變成MBS，賣給全球投資人。於是房子變成房貸，房貸變成現金流，現金流再變成證券。
今天把House換成GPU，道理其實一模一樣：GPU變成算力，算力變成長期租約，租約變成現金流，最後再變成Private Credit，甚至未來可能出現真正的「Compute-backed securities」。
第三個案例：太陽能收入證券化
第三個案例是太陽能。以前銀行看到屋頂上的太陽能板，只會問：「這些板子二手可以賣多少錢？」後來金融市場學會問另一個問題：「未來20年的售電收入值多少錢？」SolarCity因此可以把太陽能租約與收入證券化。
當GPU從電子產品變成基礎建設
所以今天的金融業開始用新的思維來看AI產業。看到一座裝滿Blackwell、Rubin的AI工廠，問的也不應該只是：「這些GPU三年後剩多少錢？」而應該是：「未來十年，這座AI工廠可以賣出多少GPU-hours、多少tokens、產生多少現金流？」
當問題從殘值變成現金流，這才是AI產業大爆發的起點。當GPU就從電子產品變成基礎建設，台灣半導體產業的黃金期才剛剛要到來。因為過去AI投資是有極限，是四大CSP公司再怎麼有錢，資本支出終究有限。
但如果算力能被標準化融資，事情就完全不同了。AI Capex的上限，將從「科技公司有多少現金」，逐漸變成「全球保險公司、退休基金、主權基金、私募信貸與資本市場，願意給AI多少槓桿」。
資本成本下降啟動AI飛輪
而當四大CSP的資金成本下降，AI工廠IRR就提高；IRR提高，就有更多資料中心可以蓋；資料中心增加，就需要更多GPU、電力、散熱、光通訊與先進封裝；算力供給增加，又讓AI inference成本下降，刺激更多AI應用。這是一個資本成本下降所啟動的AI飛輪。
金融化真正的風險
當然這並不是沒有風險的，歷史也給我們另一個警告，那就是房貸的MBS。MBS本身不是錯誤，錯的是2006年大家開始相信房價永遠不會跌。
AI融資真正的風險也不是金融化，而是有一天所有模型都開始假設：GPU使用率永遠很高、算力價格永遠不跌、GPU殘值永遠很好、AI公司永遠付得出帳單。如果這四個假設同時出現在信用模型裡，那麼今天的金融創新，就可能變成明天的金融泡沫。
接下來要盯住四個指標
因此接下來的重點將不再只看輝達GPU出貨量，而會盯四個東西：GPU利用率、每GPU-hour價格、二手GPU殘值，以及AI業者現金流對債務本息的覆蓋能力。
未來市場可能會開始認真討論一個今天還很陌生的指標：GPU Debt Service Coverage Ratio，也就是算力產生的現金流，究竟能不能養得起背後那一屁股債？
不過在那之前，AI基礎建設只是剛剛開始。
（圖片來源：AI生成）
2026.08.20
