有观点称,英伟达联手华尔街筹集5000亿美元(约712万亿韩元)人工智能(AI)基础设施资金的尝试,与2008年金融危机时期颇为相似。
13日(当地时间),彭博分析师西蒙·怀特发表题为《英伟达的数据中心金融化构想将放大供应过剩风险》的研究报告,警告英伟达首席执行官(CEO)黄仁勋正在推进的“图形处理器(GPU)金融化”存在风险。这指的是试图把AI计算运算能力变成可投资资产。
此前英伟达于10日表示,为设立规模达5000亿美元、专用于AI基础设施建设的资金池,已与阿波罗全球、贝莱德、黑石、布鲁克菲尔德、高盛、KKR等6家金融机构签署谅解备忘录(MOU)。这些金融机构将提供资金、基础设施方面的专业知识以及证券化流程支持。
怀特关注到,在部分交易中英伟达为GPU抵押价值提供最高25%的担保。他认为这与引爆2008年金融危机的全球最大保险公司AIG的角色相似。当时AIG针对将次级住房抵押贷款等不良债权打包而成的债务担保证券(CDO),以信用违约互换(CDS,为特定企业违约情形做准备的衍生交易产品)形式大量出售保险。AIG的这种做法减少了银行所需的资本金,银行因此发行了更多不良债权。
AIG忽视的一点是美国房价暴跌。随着房地产泡沫破裂,面向信用评级较低的低收入群体发放住房资金的美国住房抵押贷款产品——次级住房抵押贷款等按揭贷款开始接连违约,出售担保保险的AIG也不得不支付巨额现金。濒临破产的AIG最终依靠美国政府的救助资金才得以脱险。
怀特指出:“英伟达的风险并不等同于AIG。英伟达是利用自身对产品周期的了解来对冲GPU折旧风险,并为GPU的回收价值提供担保。”但他同时表示,“英伟达(以25%担保)为交易条件增添了利好,使优先级债券能够获得更高的信用评级。”这意味着信用评级提高后,养老金和大型金融机构等保守型贷款机构也得以参与其中。
在供给方面,怀特担忧随着金融化推进,市场的供应过剩信号可能无法被正确传导。他解释称,科技企业资本支出(Capex)激增带来资金涌入,进而形成设备过剩,而这类信号可能因此被掩盖。
在需求方面,他表示企业正逐步摆脱“代币最大化”而偏好“基于成果的定价(outcome-based pricing)”,这可能引发危机。因为企业施压AI模型运营商使用更少的代币,GPU效率提升后租赁价格也可能走低。与GPU供应短缺的说法相反,也有人提出现场GPU利用率偏低的问题。应用性能自动化平台Cast AI在4月发布的报告显示,GPU平均运行率仅为5%。这指的是企业过度囤积GPU却未妥善共享或制定使用计划而被浪费的比重。
怀特强调:“乐观论者常以‘杰文斯悖论’作为反驳,但在市场中路径依赖才是关键。”杰文斯悖论是指技术进步使成本下降后需求随之增加,更大的使用量抵消价格下跌的逻辑。他同时警告:“由大语言模型(LLM)主导的AI热潮,在某个时点会因对‘智能’本身的需求下降,导致计算成本也陷入长期低迷。”
GPU抵押利率究竟是多少……“9%~18%水平”
此外,如果使用GPU贷款的企业开始违约,不仅英伟达,为GPU贷款提供担保的谷歌等大型科技企业也可能遭受严重损失。那么实际的GPU贷款是如何进行的呢。
提供GPU残值保险服务的金融解决方案企业“American Compute”首席技术官(CTO)伊利亚·卡西安上月在领英表示:“目前全行业的GPU贷款利率达到9%~18%。”
决定利率最重要的因素是企业规模。大型科技企业等投资级企业签订长期合约时利率较低,否则最高可跳升至18%。据卡西安CTO介绍,GPU的还款期限通常为3~5年,借款人的自有资本比重为20%~40%。还款期限越短、自有资本比重越大,越能获得有利利率,但资本薄弱的初创企业可能面临高息。
卡西安CTO强调,还需考虑贷款手续费以及为日后需偿还的本金和利息预先计提的保证金等。综合来看,企业购买1000万美元规模的GPU时,利率上升5个百分点,3年间将产生约54万美元的额外成本。AI初创企业或中小型数据中心运营商需要承担的实际资本成本高于大企业,因而可能成为“薄弱环节”。






