我們想讓你知道的是:
上週,輝達攜手華爾街巨頭啟動規模達 5,000 億美元的融資計畫;同一時間,芝商所(CME)推出首批算力期貨,象徵 AI 算力正從實體基礎建設進一步走向金融化,「算力證券化時代」正式揭幕。
然而,當槓桿融資、資產證券化與衍生性工具快速滲入 AI 供應鏈,市場也開始擔憂:在參與者高度重疊、交易關係彼此交織,甚至存在循環認列營收疑慮的情況下,一旦算力需求降溫或資產價格反轉,是否可能觸發連鎖去槓桿,重演 2008 年次貸危機的老路?表面上,兩者確實都存在槓桿堆疊與金融工程快速擴張的影子;但深入拆解後,AI 基建與當年的次貸體系之間,其實存在四項結構性差異。本報告將帶您逐一解析。


本文重點:
- 算力證券化時代來臨:從輝達引入 5,000 億美元第三方資本、提供 GPU 殘值保障,再到芝商所推動算力期貨,我們判斷「算力證券化時代」已正式來臨。
- AI 信貸循環:循環由擴張走向收縮週期,產業往往在衝擊觸發的瞬間,呈現極度陡峭的斷崖式渡期,隨著 AI 產業全面進入高度依賴信貸與私募資金的融資競賽,後續密切關注數字容錯率是否急劇下降。
- 金融海嘯是否捲土重來:本輪 AI 融資循環與 20 年前的次貸危機最終引發的金融海嘯,兩者雖有相似的軌跡,但底層產業邏輯卻有本質上的不同,對此我們也梳理出四大關鍵差異。
一、 AI 最新里程碑:算力證券化時代正式來臨!
WHAT:發生什麼事?
2026 年 8 月 10 日,輝達宣布與華爾街六大金融機構(Goldman Sachs 、 BlackRock 、 Blackstone 、 Apollo 、 KKR 、 Brookfield)簽署諒解備忘錄,目標動員超過 5,000 億美元的第三方資本,建立一系列的融資平台,提供 AI 基礎建設所需要的資金支持。值得注意的是,輝達將在部分融資專案當中提供最高 25% 的殘值保障(Residual Value Guarantee),降低金融機構對 GPU 技術快速迭代、設備折舊與未來轉售價格的疑慮。換句話說,輝達正逐漸扮演某種 「 AI 聯準會」 的角色——不是直接提供市場流動性,而是透過殘值保障為 GPU 資產建立最後一道信用防線,降低金融機構對算力資產快速折舊的恐懼,進而撬動更多金融資本進場。
與此同時,芝商所(CME)也宣布與 GPU 市場數據公司 Silicon Data 合作,推出首批與算力成本掛勾的期貨合約,預計在取得監管機關核准後,將於 10 月 5 日首先推出針對輝達 H100 及 B200 GPU 租賃成本進行交易的兩種合約,並以 Silicon Data 追蹤的 GPU 每小時租賃價格 作為基礎。對 AI 基礎設施業者而言,未來可以利用算力期貨管理 GPU 租賃成本的波動;對金融機構而言,則能夠更透明地評估算力資產的收益與風險,增加將算力資產納入配置的意願。
WHY:為何要推動算力證券化?
證券化的本質在於將資金龐大、缺乏流動性但能產生穩定現金流的實體資產(例如資料中心、 GPU),轉化為可在資本市場自由買賣的高流動性證券。而為何輝達、芝商所不約而同,都選在這個時間點做出推動算力證券化的關鍵舉措?
-
第一點在「規模」,AI 基礎建設所需的資本支出規模正快速膨脹,逐漸超出科技巨頭、前沿實驗室與新雲端(Neocloud)僅憑自身營運現金流即可輕鬆承擔的範圍。
-
第二點在「速度」
已經是訂閱會員了嗎? 若您已經是訂閱會員請點此登入
點擊問題,讓 MM AI 為你解答
-
輝達與芝商所推動算力證券化的背景與重要性為何?
💡輝達與芝商所推動算力證券化,旨在降低金融機構對算力資產的風險,吸引更多金融資本投入。輝達提供殘值保障,芝商所推出算力期貨,使 AI 算力從實體基礎建設走向金融化,縮短資本回收週期,追上技術迭代與算力需求。
-
當前 AI 產業是否面臨如同 2008 年次貸危機的金融風險?
💡當前 AI 產業與 2008 年次貸危機雖有相似的槓桿堆疊與金融工程擴張,但兩者在資金環境、借款人信用、抵押品本質及生產力價值上存在四大結構性差異,顯示 AI 產業的底層產業邏輯不同於次貸危機。
-
AI 信貸循環在擴張期與收縮期呈現何種自我強化模式?
💡AI 信貸循環在擴張期,預期需求擴大,營收與資產估值上升,信貸與資本支出擴張,形成正向循環。收縮期則因需求不如預期,營收縮水、抵押品價值減損、信用緊縮,導致資本支出斷崖式收縮,形成負向循環,缺乏溫和過渡地帶。
-
AI 融資循環與次貸危機在資金環境上有何不同?
💡AI 融資循環與次貸危機在資金環境上的主要不同在於,2008 年次貸危機發生在稀缺準備金時代,而現在則是充足準備金時代,銀行體系準備金充裕,貨幣市場基金規模龐大,但非銀機構參與度增加,需關注透明度問題。
-
次貸危機與 AI 融資循環中借款人的信用狀況有何差異?
💡次貸危機的借款人為信用不佳的次級借貸者,缺乏還款能力。AI 融資循環的借款人主要是科技巨頭,具備龐大本業規模與穩定營運現金流,財務體質健全,雖有壓力,但整體風險遠低於次貸危機時的狀況。
-
房地產與 GPU 算力作為抵押品,本質與風險有何不同?
💡房地產作為抵押品,具剛需與數十年長壽命,但在次貸危機中因房價上漲預期而導致風險被忽視。GPU 算力作為抵押品,壽命短且不確定性高(約 4-6 年),其快速折舊的風險促使金融機構更謹慎,並高度戒備信用風險。
-
AI 產業的生產力價值是否能避免重蹈房市泡沫的覆轍?
💡AI 產業的生產力價值有望避免重蹈房市泡沫覆轍,主要因其建立在實質技術創新上。AI 技術突破持續降低運算成本並拓寬應用場景,終端營收體量能持續增長,不像房市受限於實體人口與固定的需求天花板。
【9/1登場】研究副總監 Vivianna 將於 SEMICON TAIWAN 分享洞察,折扣碼【88MXQ】享 88 折優惠
【MM Podcast】After Meeting EP. 210|非農爆冷、通膨降溫,AI 半導體報復性反彈能走多遠? 立即收聽>>
