文｜冷眼看科技

编辑｜邵神

英伟达新财报依然没有给市场留下“需求见顶”的信号，AI基建狂欢仍在继续。

但另一张账已经浮出水面：从华尔街把算力基础设施变成可融资资产，到中国大厂通过新一轮配售支撑算力体系重构，巨额供应承诺、长期融资和信用支持，正在把AI推入一个更昂贵的资本周期。

泡沫会不会破？

要看AI应用创造收入的速度，能不能跑在账单前面。

8月26日早间，英伟达公布2027财年第二季度业绩。

这份业绩被中文媒体称为“炸裂财报”：季度营收962.21亿美元，同比增长106%；数据中心收入890.23亿美元，同比增长117%。尤其第三财季收入指引达到1080亿美元，而且仍未计入来自中国的数据中心计算收入。本季度毛利率为75%，下一季度预计降至74%。

过去四个季度，英伟达数据中心收入从512亿美元、623亿美元、752亿美元一路升到890亿美元。去年底还在大规模放量的Blackwell没有因为新平台切换出现明显空档，Vera Rubin已经进入全面量产。

更让人兴奋的是，亚马逊旗下云计算业务AWS又在财报当天宣布，2027年至2028年将在全球基础设施中新部署200万颗英伟达GPU。

同时，英伟达的另一张表也在迅速膨胀。

截至7月26日，公司为未来产品签下的供应和产能承诺达到2790亿美元，三个月前还是1190亿美元。公司另外还有360亿美元与部分AI云合作伙伴相关的长期承诺，并开始为数据中心项目提供土地、电力和机房建设的信用支持。

算力仍在高速扩张。但这轮增长已经把英伟达带进了一条更长的资本链条。

01 “算力就是收入”

英伟达从今年第一季度开始调整业务披露方式，划分为数据中心和边缘计算两大市场平台。数据中心下面再区分大型云厂商，以及AI云服务商、工业和企业客户；边缘计算覆盖个人电脑、游戏主机、工作站、机器人和汽车等业务。

到了Q2，数据中心收入已经达到890亿美元，占公司总收入超过九成；边缘计算收入72亿美元。

增长并没有只押在微软、亚马逊、谷歌这些大型云厂商身上。前沿模型公司、专门提供AI算力的云服务商、企业和主权AI项目，都在扩大基础设施投入。

亚马逊AWS最新追加的200万颗GPU就是一个很直观的数字。

这批部署覆盖 Blackwell Ultra（专为万亿参数级大模型训练与推理设计的进阶旗舰 GPU 架构）、Rubin（下一代整合 CPU、GPU 与高速网络的全新 AI 工厂计算架构）和 Rubin Ultra（面向超大规模智能体与前沿大模型的顶级算力平台），也包括CPU、高速网络、模型以及机器人等更广泛的合作。

此前AWS已经计划新增超过100万颗英伟达GPU，新计划是在此基础上继续扩容。

Rubin也开始进入收入阶段。

英伟达2月完整公布Vera Rubin时，就没有把它作为一颗单独的GPU发布。CPU、GPU、高速网络、数据处理器和存储基础设施被放进同一套架构。今年5月，英伟达进一步加入面向智能体AI的Vera CPU和BlueField存储系统；Q2，Rubin机柜已经开始在谷歌云、微软Azure、甲骨文等合作伙伴中运行。

英伟达FY2027 Q2：需求仍在加速

黄仁勋在这次财报电话会里说：

“算力就是收入。”

这很老黄，也是华尔街和所有投资者想听的。

大模型训练仍在扩大，推理和智能体应用又在增加新的Token消耗。英伟达预计Vera Rubin下一季度可能贡献约20%的数据中心收入，并首次对下一财年给出了约70%的收入增长预期。

目前订单和收入仍在支持这种乐观。

压力先出现在供应端。

英伟达2790亿美元供应和产能承诺中，2027财年剩余时间需要支付约920亿美元，2028财年约870亿美元，2029财年约880亿美元。公司表示，大幅增加的承诺主要用于内存和制造能力。

毛利率也开始受到影响。AI算力中心越做越大，英伟达需要更早锁定内存和制造资源，一部分成本因此被提前写进未来几年的账本。

02 介入土地、电力和长期信用

Blackwell刚进入大规模交付阶段时，英伟达最紧迫的问题还是供给。

到Rubin这一代，公司的产品边界继续往算力中心内部延伸。网络已经成为重要业务，CPU、存储和机柜级系统也被陆续纳入整套架构。英伟达频繁使用“AI Factory”描述这种新型数据中心：GPU仍然是核心，但训练和推理的最终成本，也越来越受到网络带宽、内存、存储、机柜功率和软件调度影响。

Q2披露里也出现了土地、电力和机房。

8月17日，英伟达与软银能源旗下SB Energy公布美国俄亥俄州PORTS-Pike数据中心项目。OpenAI将通过20年租约使用该园区，英伟达提供算力基础设施，并向SB Energy投资15亿美元。首期规划4.25吉瓦IT容量。

英伟达同时为项目提供信用支持。

按照公司披露，相关担保随着建设阶段逐步生效，最高上限1050亿美元；另有35亿美元类似担保用于部分AI云客户，最大总敞口达到1085亿美元。这些并不是英伟达今天已经承担的债务，只有满足约定条件、发生相关违约时才会触发；随着OpenAI履行租约，风险敞口也会下降。

公司还提到，土地、电力、机房和资本能否按时到位，已经开始影响部分客户的部署速度。尤其是AI云服务商和模型公司，算力需求很大，但它们未必拥有大型科技公司那样的现金流和信用评级。

英伟达因此开始参与一些过去并不属于芯片销售的环节。

当客户缺的不只是GPU，而是土地、电力和长期信用，设备供应商也很难再只站在销售环节。

但这正是英伟达新帝国想要的。

“需求还在加速，AI 基础设施的建设正在全速推进。”

加速、全速……这都是老黄的原话。

03 算力成为信用资产

8月21日，摩根士丹利固收首席策略师维希·蒂鲁帕图尔在一份分析中写道：

“2026年的这个夏天，最后被市场记住的可能不是某个新模型，也不是某颗新芯片，而是AI融资。”

摩根士丹利预计，四家最大型云厂商2027年的资本支出还会比2026年增长57%。基础设施投入先发生，AI收入和现金流则需要更长时间兑现，这之间留下了越来越明显的融资需求。

过去两年，大部分AI资本开支首先由微软、亚马逊、谷歌、Meta这类现金充沛的科技公司承担。前沿模型公司和AI云服务商开始大规模扩容后，资金来源也在变化。

8月10日，英伟达与阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛和KKR宣布合作，计划建立独立的AI算力基础设施融资平台，长期目标是动员超过5000亿美元第三方资本。官方文件提出，要把英伟达算力和相关基础设施做成长期资本可以投资的一类资产。

这5000亿美元并不是英伟达自己拿出来的钱。项目仍由参与的金融机构独立判断风险，但保险资金、私募信贷和基础设施基金由此有了进入AI算力建设的新入口。

英伟达自己也已经参与其中。在部分AI云合作中，对方购买英伟达设备建设算力中心，英伟达承诺采购部分未来云服务。这类协议通常持续约六年，目前承诺总额360亿美元；如果其他客户接走算力，英伟达的承诺会相应减少。

此前披露的最高1085亿美元数据中心相关担保，则把英伟达的信用直接放进了部分基础设施项目。

是的，老黄把大半个华尔街，搬到了英伟达销售部门口（详见：当华尔街成为英伟达的销售渠道）。

这很像汽车金融。一辆汽车发生违约后仍然有二手市场和残值；对于GPU，金融机构同样会考虑设备离开原来的客户以后还能卖给谁。一批GPU是否容易重新部署，最终也会进入融资价格。

类似的事情在科技史上并非第一次出现：

互联网泡沫高峰期，思科曾通过旗下融资业务向部分电信客户提供资金，客户再用这笔钱购买思科设备。2000年前后，融资和租赁业务一度贡献了相当部分销售；泡沫破裂后，一批客户倒闭，思科也为坏账增加了大额准备。

今天英伟达的结构与当年并不相同，尤其5000亿美元平台主要由第三方机构承保，但这段历史留下一个很现实的教训：

当设备商开始参与解决客户“怎么买得起”，客户的信用质量也会进入上游增长的账本。

英伟达FY2027 Q2：更贵的AI资本周期来了

这不仅改变了算力建设的钱从哪里来，风险的落点也跟着变了。

过去由科技巨头用经营现金流直接承担的资本开支，现在开始分散到银行、保险资金、私募信贷、基础设施基金，以及英伟达自己的部分信用安排里。

04 钱本身正在成为AI基础设施的一部分

过去两年，AI资本开支最醒目的数字，一直来自微软、亚马逊、谷歌和Meta。它们不断提高数据中心预算，英伟达则不断提高GPU交付量。

这两件事今年都还在发生。但在越来越大的算力项目里，融资已经开始独立成为一门生意。

大型科技公司可以依靠自己的现金流投资。OpenAI、AI云服务商和越来越多的数据中心开发商没有同等级别的资产负债表。需求跑得很快，建设一座算力中心却要先拿到土地、电力、设备和多年期资金。

长期租约、银行贷款、私募信贷和基础设施基金都进来了。

今年的AI资本周期，正在由“企业愿意投多少钱”，走向另一个问题：

金融市场愿意把多少未来收入提前折算成今天的建设资金。

摩根士丹利报告称，仅今年前五个月，各类公开市场AI相关信用融资就超过2000亿美元，GPU等计算设备也开始从股权融资转向贷款和资产融资。

一个有稳定租户、设备利用率高的数据中心，更容易获得长期资金。信用弱一些的AI云公司则会更快感受到融资价格的变化。

眼下还看不到算力需求明显降温。

从英伟达这份新业绩看，数据中心收入继续翻倍，Rubin开始量产，大型云厂商仍然在追加部署。

真正的检验被推到了更远的地方：

今天签下的长期租约和融资，最终仍然要由未来的AI业务来支付。建设规模越大，这笔未来收入需要覆盖的设备折旧、利息和运营成本也会越高。

但金融化并不是泡沫的同义词——铁路、电信网络、能源和数据中心，本来就需要长期资本才能扩张。

但金融工具解决的是资金期限，不能替代商业回报。

GPU订单仍然重要。对越来越依赖长期融资的数据中心项目来说，资本愿不愿意继续进来、要求怎样的回报，也会直接影响下一座算力中心什么时候开工。

所以“更贵”不只是内存和服务器涨价，而是：

钱，大量的钱，本身正在成为AI基础设施的一部分。

05 中国不一样：大厂要为底层重构买单

作为G2，中国也在同一轮AI资本周期里，尤其大厂报表最为明显。

阿里巴巴截至6月底的季度资本开支达到676.8亿元，同比增长75%，主要用于AI基础设施。AI云与算力服务收入同比增长45%。公司此前宣布未来三年投入3800亿元建设云和AI基础设施，目前已经完成接近一半。

8月26日，阿里顺利完成自2019年港股上市以来的首次大规模新股配售，800亿募集资金全部用于AI，其中约六成投向全球计算基础设施，其余用于超大规模AI数据中心，以及存储、数据库和高性能网络升级。

腾讯的资本开支同样继续上升。第二季度达到528亿元，一季度为319亿元；随着AI投入增加，利润和现金流也受到更明显影响。管理层仍认为，即使一部分算力最终用于对外出租，这些设备本身也有机会形成合理回报。（详见：一文讲透腾讯AI：腾讯最危险的成功，是AI让旧腾讯变得更强）

似乎中国大厂的“AI税”金额没有美国同行大，其实在同一轮AI资本周期，中国企业面对的资金问题和美国并不完全相同。

美国市场已经开始围绕成熟的GPU体系、长期租约和数据中心现金流建立更加复杂的融资结构。中国企业增加算力的同时，还需要承担先进GPU供应受限以后芯片替代、软件适配和算力体系重构的成本。

英伟达本季度来自中国的数据中心业务已经很小，Q3的1080亿美元收入指引继续假设中国数据中心计算收入为零。但这个原因大家都清楚，而且并不影响大厂们的资本开支持续增加。

阿里的800亿港元配股尤其值得注意。这是中国头部互联网公司开始主动从资本市场补充长期资金，用来支撑持续上升的AI投入。

目前看，这轮配售比预想中要顺利。传统以消费电商为主要逻辑的长线基金部分获利或减仓退出；但举着钞票看好中国 AI 算力与科技底座的新进资本并不少，比如中东主权财富基金、亚洲长线科技专项基金和多家大型多策略对冲基金等。

而且，这笔资本和美国市场里的数据中心融资并不完全是一回事。

美国越来越多是在重新安排算力资产的融资方式；中国还需要为一部分算力供给体系重构买单。阿里最新财报已经披露，自研芯片正在更广泛进入云端，同时还要运行管理异构芯片集群的软件。

所以比较中美AI资本效率时，只看资本开支的绝对规模很容易失真：

两边都在花更多的钱，但这些钱承担的任务并不完全相同。

英伟达FY2027 Q2 没有给出 AI 资本周期见顶的证据。狂欢继续。

但整场牌局的筹码已经变得前所未有的重——美国正在把 GPU 证券化，中国正在为底层重构买单。

资本没有退场，但资本的秒表已经开始倒计时。

下一阶段的考验，不再是英伟达还能卖出多少芯片，而是当这些由百亿、千亿债务与股权堆起的数据中心运转起来时，真实世界究竟愿为这些 Token 支付多少真金白银。

想要泡沫不被戳破，AI应用要比账单跑得更快。