Vol.273 英伟达则兼济天下？

概览

本期围绕英伟达“借钱给客户买自己的芯片”展开，试图区分它到底是正常的供应商金融、战略投资，还是可能引发泡沫和财务风险的循环融资。节目明确不提供投资建议，而是解释英伟达如何通过股权投资、回购承诺和信用担保支持下游客户。

讨论的核心结论是：目前很难把英伟达的做法直接认定为朗讯式财务欺诈，因为英伟达芯片仍然供不应求，客户买回设备后也确实投入运营并产生收入。但这种模式确实让英伟达从“高效卖铲子”变成更像 AI 行业的投资人、担保方甚至“中央银行”，风险和杠杆都在上升。

节目还通过朗讯和 GE Capital 两个历史案例说明，供应商金融本身并不必然有问题，关键在于需求是否真实、资产残值是否可靠、融资是否过度扩张。最后，主播认为英伟达的战略本质是在用资本和信用加速 AI 生态建设，但这套叙事能否成立，取决于算力需求能否持续增长并跑赢折旧。

分段落总结

[00:18] 重新讨论英伟达的背景

[事实] 节目提到上一次聊英伟达是在三年前第 118 期，当时关注的是英伟达如何从游戏显卡公司变成 AI 行业基础设施。 [事实] 本期的核心问题是如何看待英伟达借钱给客户购买自己产品，以及这种模式是否会带来泡沫、循环融资或财务风险。 [事实] 主播说明节目不讨论是否应该做空英伟达，也不提供投资建议。 [推测] 本期更像是一期商业模式拆解，而不是股价判断。

[01:15] 5000 亿美元 AI 算力融资平台引发争议

[事实] 节目提到英伟达在 8 月联合 6 家顶尖金融机构，准备组建 AI 算力融资平台，初步希望调动 5000 亿美元资金帮助企业建设 AI 数据中心。 [事实] 主播指出 AI 数据中心的核心资产是 AI 芯片服务器，相关设备大约占数据中心成本的四分之三。 [事实] 市场担忧这种安排相当于英伟达“做局”，用自己的信用或资金帮助客户购买自己的产品。 [推测] 争议焦点不只是英伟达能否继续卖出芯片，而是它是否在把产业需求金融化、杠杆化。

[03:34] 英伟达资金支持客户的三种方式

[事实] 主播总结英伟达支持客户的方式主要包括股权投资、回购或购买承诺，以及数据中心建设的信用担保。 [事实] 股权投资的例子包括投资 OpenAI、Anthropic 和 CoreWeave。 [事实] 主播认为，单独看这些方式都不一定有明显问题，但它们经常混合出现，因此引发市场担忧。 [推测] 问题不在于英伟达“给钱”这个动作本身，而在于资金、订单、资产和收入之间形成了复杂闭环。

[04:42] CoreWeave 是英伟达扶持客户的典型案例

[事实] CoreWeave 最初名为 Atlantic Crypto，2017 年成立，早期业务与加密货币挖矿相关。 [事实] 2022 年底 ChatGPT 爆发后，GPU 从矿机资产转变为稀缺 AI 算力资源，CoreWeave 因持有大量 GPU 资源而获得机会。 [事实] 英伟达向 CoreWeave 投资，并给予其“精英云服务商”认证，使其能优先获得新一代 GPU 供货。 [事实] 英伟达还与 CoreWeave 签署 63 亿美元云服务协议，承诺在其算力卖不掉时进行购买兜底。 [推测] CoreWeave 的案例体现了英伟达不只是销售芯片，而是在主动塑造一个依赖自己芯片的云服务商生态。

[06:52] 英伟达扶持 CoreWeave 的战略动机

[事实] CoreWeave 在 2025 年上市时，市场对其收入结构、资本开支和客户集中度存在疑虑。 [事实] 英伟达通过兜底买股和促成 OpenAI 与 CoreWeave 的大单，帮助其顺利上市。 [事实] 主播指出，微软、亚马逊、Google、Oracle 等英伟达大客户都在研发自己的 AI 芯片，以降低对英伟达的依赖。 [事实] 英伟达需要一个“纯血”的英伟达云服务平台来制衡大型云厂商客户。 [推测] 扶持 CoreWeave 既是投资行为，也是英伟达维护产业控制力的竞争策略。

[08:41] 购买承诺和信用担保让英伟达更像银行

[事实] 除 CoreWeave 外，英伟达还投资 Lambda Labs，并花 15 亿美元租回 Lambda 手中的 GPU。 [事实] 主播提到，美国许多数据中心项目会建立特殊目的实体 SPV，通过项目公司向金融机构借钱建设数据中心。 [事实] 英伟达会为部分项目提供信用担保，帮助客户获得融资。 [事实] OpenAI、软银能源相关 AI 工厂项目中，英伟达一方面直接投资 15 亿美元，另一方面提供最高约 1085 亿美元的信用担保。 [推测] 英伟达的角色从设备供应商扩展为项目背书方，承担了更多类似信贷机构的风险。

[13:02] 财务欺诈争议与回流交易边界

[事实] 主播解释，回流交易指投资时附带明确约定，要求被投资方拿钱购买投资方自己的产品。 [事实] 这种安排可能被认为是用自己的钱买自己的东西，从而制造虚假收入和虚假需求。 [事实] 主播认为，目前较难直接认定英伟达存在财务欺诈，因为英伟达芯片确实供不应求，客户购买后也确实投入运营并产生收入。 [事实] 节目提到 OpenAI 曾回应称英伟达投资资金大部分会回流到英伟达，但主播认为这是否构成明确约定仍很模糊。 [推测] 英伟达的争议处在灰色边界：它不等于已经确认的造假，但会让外界更关注交易是否真实独立。

[16:04] 经营风险与杠杆上升

[事实] 第二层质疑是英伟达虽未必虚增收入，但确实在用自己的钱或信用催生收入，从而增加长期经营和财务风险。 [事实] 英伟达曾用应收账款周转天数回应质疑，强调客户回款较快。 [事实] 最新财报中，应收账款周转天数增长到 60 天，CFO 也提到未来部分客户账期可能延长到 90 天甚至更久。 [事实] 主播提到英伟达毛利率开始下滑，且时隔五年重新发债。 [推测] 对投资者而言，英伟达商业模式的吸引力相比几年前有所下降，因为它不再只是“供不应求、客户抢着付款”的状态。

[18:50] AI 泡沫与循环融资

[事实] 第三层质疑是英伟达的模式可能吹大整个 AI 泡沫，而泡沫背后未必都是真需求。 [事实] 循环融资模式是客户获得融资购买 GPU、建设数据中心，再用 GPU 或租赁订单抵押融资，继续扩建新数据中心并采购更多英伟达设备。 [事实] CoreWeave 已经使用 GPU 和算力租赁合同进行抵押融资，早期利率曾达 15% 到 16%，后来降至约 6%。 [事实] 节目指出，循环融资成立的关键是假设英伟达芯片和背后的算力能持续创造价值，并成为可抵押的金融资产。 [推测] 如果算力需求增长放缓，抵押资产价值和融资循环可能同时承压。

[20:35] 折旧是算力资产化的核心难题

[事实] 主播提到，数据中心厂房可按较长周期折旧，但 GPU 迭代速度大约三四年，折旧速度更快。 [事实] 节目引用行业估计称，一些先进 GPU 三年间转售价值可能减半。 [事实] Michael Burry 认为云服务公司对 GPU 服务器的折旧年限定得过宽，CoreWeave 按 6 年直线折旧计算，他认为实际年限更短。 [事实] Burry 认为整个行业可能少算了约 1000 亿美元折旧。 [推测] 算力资产化最脆弱的地方，是会计折旧、真实技术寿命和市场转售价值之间可能存在错配。

[22:55] 朗讯案例：供应商融资如何变成泡沫破裂风险

[事实] 节目回顾朗讯在世纪之交光纤投资热潮中的角色：它是电信设备供应商，也向客户提供贷款购买自己的设备。 [事实] 朗讯曾向 Winstar 提供 20 亿美元信贷额度，并规定资金必须购买朗讯设备。 [事实] 2001 年泡沫破裂后，光纤需求不足，大量光纤闲置，朗讯客户大批破产，形成坏账。 [事实] SEC 后来发现朗讯还存在将未产生订单的设备强行压给客户并提前确认收入的行为。 [推测] 朗讯案例提醒，供应商融资在真实需求不足时会把销售风险、信用风险和市场泡沫叠加到供应商自身。

[25:36] 朗讯与英伟达的相似和差异

[事实] 主播认为朗讯和英伟达都处在重要技术革新中，都是“卖铲子”的热门公司，也都借钱给客户买自己的设备。 [事实] 一个关键区别是，朗讯存在押货行为，而目前没有证据显示英伟达有类似动作。 [事实] 另一个区别是，朗讯客户多为脆弱初创公司，而英伟达有微软、Google、亚马逊、Meta 等大型盈利客户。 [事实] 主播也提醒，CoreWeave 这类客户仍有资本开支高、依赖融资、规模较小等与朗讯客户相似的风险。 [推测] 英伟达比朗讯更稳，但并不意味着完全免疫于融资环境收紧和客户质量恶化。

[27:48] GE Capital 案例：供应商金融的健康与失控

[事实] GE Capital 是通用电器旗下金融业务，围绕发电设备、飞机发动机、医疗器械等昂贵设备为客户提供融资租赁、经营租赁、循环借贷等服务。 [事实] 主播认为供应商金融的优势在于供应商懂业务、懂技术、懂产品寿命和残值，因此能比单纯金融公司更准确评估风险。 [事实] GE Capital 后来扩张到消费贷、次级房贷、商业地产等领域，在 2008 年金融危机中陷入危机。 [事实] 与 GE Capital 相比，英伟达的劣势是 GPU 折旧快、二手市场定价不成熟；优势是目前仍聚焦 AI，且 AI 领域资金需求足够深。 [推测] 英伟达的风险不一定来自“做金融”本身，而来自算力资产残值是否足够可预测。

[31:50] 5000 亿美元融资平台的真实含义

[事实] 节目指出，5000 亿美元不是已经筹集完毕的资金，而是相关金融机构未来希望调动第三方资本的规模。 [事实] 这些资金可能来自养老基金、主权基金、保险资金等。 [事实] 具体项目由投资机构和投委会决定，而不是英伟达单独决定。 [事实] 英伟达提到 25% 残值支持，但主播认为这一安排有限且模糊，可能只适用于部分项目，具体取决于合同。 [推测] 该平台的作用是把更多长期资本引入 AI 数据中心建设，同时把行业风险扩散到更广的金融系统中。

[35:04] 黄仁勋的回应：算力成为基础设施资产

[事实] 黄仁勋的核心叙事是，算力会像电力、通信流量和高速公路一样成为长期产生价值的基础设施。 [事实] 他认为算力可以资产化，成为可定价、可融资、可交易的资产。 [事实] 他还认为老 GPU 的价值比外界想象中延续更久，例如 A100 仍可用于微调、推理和部分训练，GPU 使用年限可能向十年靠近。 [事实] 他举例称 H100、B200 等主力 GPU 的单位时间价格仍在上涨，一些数据中心当前回本速度较快。 [推测] 黄仁勋的回应能解释当下为何融资热情高，但无法完全证明长期残值和需求会稳定。

[37:28] 英伟达的战略是在和时间赛跑

[事实] 主播认为英伟达一直有很强的生存焦虑，并追求在行业中占据安全位置。 [事实] 从 2023 年投资 CoreWeave 开始，英伟达用约三年时间从高效赚钱机器变成 AI 领域重要投资人，甚至像行业中央银行。 [事实] 英伟达用自己的资金和信用培育庞大的 AI 生态，希望让 AI 潮流落地为牢固生意，并让自己成为生态地基。 [事实] 主播认为英伟达至少在加速整个行业发展，也可以说是在有意识地吹起行业泡沫。 [推测] 这套战略能否成功，关键在于 AI 需求能否及时兑现，而不是“AI 未来很大”这个方向性判断本身。

[39:00] 泡沫判断的关键不是有无泡沫，而是时间和结果

[事实] 主播认为定性讨论泡沫意义有限，关键是泡沫规模、何时破裂，以及破裂后会发生什么。 [事实] 节目提到做空的时机比做空判断更重要，Burry 曾因做空时机问题险些损失惨重。 [事实] 主播表示自己没有预测泡沫破裂时点的能力。 [事实] 主播认为更值得期待的是泡沫鼓动下，是否会出现原本被压制或延迟的创新，并真正产生价值。 [推测] 对普通观察者而言，更实际的做法是识别泡沫之下哪些资产和创新具有长期价值。

播客点评/总结

本期的价值在于把“英伟达借钱给客户买卡”这个容易被情绪化讨论的问题拆成了几个具体机制：股权投资、购买承诺、信用担保、抵押融资和残值支持。节目没有停留在“泡沫”或“阴谋”的标签上，而是解释这些安排在财务和产业链中如何运作。

亮点是两个历史案例的引入。朗讯案例帮助听众理解供应商融资如何在虚假需求和押货中演变成财务问题，GE Capital 案例则说明供应商金融本身可以成立，但一旦扩张到不熟悉的资产和杠杆，就可能失控。

局限是节目大量依赖对公开事件和财务结构的解释，许多关键判断仍取决于未来算力需求、GPU 折旧、AI 应用落地速度和融资环境变化。[推测] 这些问题无法仅靠当前转录稿中的信息给出确定答案。

[推测] 本期适合关注 AI 产业、科技公司商业模式、供应商金融和资本市场风险的听众；如果只想听英伟达股价涨跌建议，这期并不提供直接结论。