算力融资：信贷正在误判AI

作者：Kerman Kohli 来源：Substack 翻译：善欧巴，金色财经

算力市场正在浮现许多瓶颈，但最大的一个是对资本的获取——具体说，是信贷。

这轮建设刚起步的几年，绝大部分资本开支来自公司自有现金。超大规模云厂商把现金烧到自由现金流转负，华尔街也因此对它们口诛笔伐。但这件事没人有权置喙，毕竟是它们自己的资产负债表，想怎么用就怎么用。

然而这并不是终点，只是开局的终点。下一波融资来自哪里？股权。Alphabet 募资 850 亿美元、Meta 等公司稀释股东以筹集更多资本，都是明证。但这仍不足以供养这台机器之神。相信这些巨头过往业绩的股东，愿意也乐于为其资本密集型计划买单。可还是不够。

那么最终落在哪里？

当然是信贷市场。

有趣的地方就在这里：这些市场的体量极其庞大。世界上的信贷规模，比实际资本还要多。

而这正是与算力建设相关、最值得玩味的环节。

信贷是一场多人博弈

自有现金不需要向外界交代任何东西。

股权融资只需要已经入场的投资者相信公司能延续过往业绩，不必太懂底层运行机制。

信贷则不同：它需要一个交易对手，而这个对手必须非常确信自己能按约定条件拿回钱，并且在钱拿不回来时有强有力的追索权。

要让交易对手相信自己能把钱拿回来，它就必须先持有一套信念。

目前贷款人的信念大致如下：

• AI 可能是一场泡沫，也可能不是

• 最大的风险是无法从 offtake（算力承租方）合约中收回本金，也就是承租方违约风险

• 底层资产（GPU）没有价值，会像普通硬件一样折旧

这些信念表面上都合乎逻辑，实际上彼此并不兼容。若想为这个生态释放更多资本，需要更好的市场教育。

我想逐条谈谈这些点。

“AI 泡沫论”

认为 AI 是泡沫的人，主要有两点批评：

• 他们认为算力需求并非无限，供给迟早会追上

• 这项技术带来的生产率提升跟不上投入，或者根本不值得

• 模型与软件效率的提升会跑赢需求增长（与第一点相关）

我认为第一点最需要回应。我在上一篇文章《有限需求与无限需求》中讨论过，这里换一个角度。

代理式 AI（Agentic AI）的需求每年增长 2.5 至 5 倍，而根据目前一切可知可见的信息，到 2030 年底供给最多翻一倍。有意思的是，供需缺口每年都在扩大。2027 年的内存已经全部售罄，主要 CEO 们表示短缺只会更严重。算力承诺合约总额已达数万亿美元，每一家主要算力厂商的积压订单都值数千亿美元。

供给不可能凭空上线，而 AI 在整个经济中的扩散只会加速。有些行业永远不会嫌算力太多。

例如：

• 需要更多算力做大规模风险建模的金融机构（Jane Street 数十亿美元级的算力承诺）

• 可以无休止投入 GPU 小时去发现新药、构建更好模型的大型制药公司

• 希望用算力串联未发现的思路、或模拟复杂环境的科学家

• 需要在战场上尽可能高效、因此尽可能多买算力的军工与国防企业

• 会投入算力寻找企业系统漏洞的网络安全公司与黑客

这些公司没有“token 预算”的概念，也不会去查会计 Bob 是不是用他的 token 多干了 20% 的活。某一家世界 500 强企业没在 AI 上看到增量回报，并不重要——还有许多公司有更强的动机去做，还有许多行业已经把算力当作生产资料。对这些行业而言，算力带来的是对同行的竞争优势。

如果你认为算力需求并非无限，那你就等于认为我们已经拥有：

• 足够多的风险建模

• 足够多的疫苗与药物

• 足够多的人类发现

• 足够强的军事力量

• 足够完善的网络防御

只有相信以上这些都“够了”，你才可能相信供给会跑赢需求。

最后一点关乎模型效率与算法改进。我们已有客观数据：智能成本每下降 90%，使用量就会以更大比例增长（基准情形下超过 10 倍）。每经历一次这样的循环，反而会解锁更多用例。有兴趣可以看我的上一篇文章。

承租方与交易对手风险

既然我们已较有信心地认为过度建设的风险很小——因为需求是无限的——就可以进入下一点。如果你不认同这一点，就得回到上一节。

人们常把算力类比为房地产，这几乎正确，但根本上仍然错了。住房的可租客群受限于特定地理范围；算力则不然，它的可替代性（fungible）强得多。

许多信贷方过度执着于承租方的“投资级”资质，往往要求签订 2 至 3 年合约、支付 20% 至 30% 的首付，有时甚至高达 50%。他们想确认交易对手确实有能力履约。但为了寻求安全，贷款人反而把自己置于更差的位置！我来解释。

在算力需求爆棚的世界里（现在如此，至少还会持续 5 年，也可能长达 10 年），如果有人退出承诺，至少有十家企业在排队接手。强制长期合约、严审承租方，意义不大，因为有大把参与者愿意接下这份算力。B300 的供给根本看不到影子，其他 GPU 也会慢慢陷入同样局面。

更进一步，算力价格持续上涨，如果你以 30% 至 50% 的折扣锁定长期合约，本质上意味着作为贷款人你正在做空算力——如果你本来就在给 AI 初创企业放贷，这绝不是你想下的注。

做空算力意味着你本不该参与这笔交易。此外，算力租金过去半年上涨 50%、过去一年上涨 100%，回收期本可以只有你想要的一半，但对安全的渴望实际上反噬了你。

贷款人对安全的强烈渴望，让他们变成了算力空头，也通过强制拉长回收期恶化了自己的经济账。

底层抵押物

我认为这是全文最有趣的一点。看空 AI 的人喜欢说，这些机器的折旧速度会让它们几年内就变成废铁、必须更换。这在客观上是错的：2020 年产的 A100 至今仍在运行、并被出租到 2029 年。从我们已知的 GPU 情况看，可以确立至少 9 年的有效价值下限。我的假设是，Blackwell 及更新的机器会跑过十年。

更能推翻这些假设的是，硬件实际上在升值，而不是在 6 年后价值归零。

一块 B200 现在的价值，比大约两年前刚发布时高出 50%。这些是实质性事实，应当被认真对待。一块 6 年前的 A100，如今仍值原价的 25%。多数分析师曾说 6 年折旧已经算激进，我现在认为那是极度保守的估计。

“但新芯片不是更好、更高效吗？”

是的，这确实是事实，但现实中它忽略三个关键因素：

• 推理依赖内存

• 内存是升值资产

• 我们造不出足够的内存与芯片

正因如此，我们必须换一套完全不同的视角，来理解 GPU 的有效价值与寿命。这是一类早已存在的资产，却在金融层面正经历全新的动态。

我总在评论区看到有人说：“可随着软件效率提升，你需要的机器不是会更少，或者持平吗？”这又回到了最初的问题：你认为算力需求是有限的还是无限的。如今我们看到杰文斯悖论正在实时上演。

结语

我更大的判断是：算力将超越房地产，成为地球上最大的资产类别，而这只是数十年结构性迁移的开端。与过去的资产类别不同，要做好这件事，你必须同时深刻理解技术与金融市场。更多背景可参考我的文章《技术资本家》。

为算力融资、把算力带上线、或参与算力市场，是一个正在浮现的机会，属于那些对此有饥饿感的人。密切跟踪这场游戏的走向——每一周、每一月，你都会对地面上的真实情况了解更多。另外，务必亲手弄脏双手去玩这些东西（这也意味着你得花钱买硬件）。

信贷支持的算力将变得极其庞大，而我们甚至还没真正开始。