Nvidia 正從晶片供應商變成 AI「中央銀行」：近千億美元投資與 1,085 億美元擔保撐起下一輪基礎建設

Nvidia 過去幾年最重要的商業故事，是如何成為生成式 AI 浪潮中最關鍵的運算晶片供應商；但隨著全球 AI 基礎建設投資規模持續擴張，公司正在進入另一個更少見的角色：它不只賣出運算能力，也開始協助客戶找到足夠的資金，把這些運算能力買下來。

最新財報顯示，Nvidia 單季營收達到 962 億美元，其中資料中心業務營收高達 890 億美元，公司並預估下一季度營收約為 1,080 億美元。這些數字再次顯示 AI GPU 與資料中心需求仍然強勁，但真正值得注意的變化，正在 Nvidia 的資產負債表上發生。

截至 7 月底，Nvidia 持有的上市與非上市公司股權投資已經達到 956 億美元，相較 2020 年初不到 1 億美元，規模在短短數年間出現巨大變化。如果按照 Nvidia 對更廣泛股權投資的統計口徑計算，總額已經接近 990 億美元。

這個投資組合涵蓋 AI 產業鏈的不同位置，包括 Intel、AI 雲端基礎建設業者 CoreWeave、光學與網路相關公司 Coherent、Nokia、晶片設計工具公司 Synopsys，以及 AI 雲端業者 Nebius 等。換句話說，Nvidia 已經不只是向 AI 生態系出售 GPU，而是透過資本投入，開始直接持有部分生態系的經濟利益。

執行長黃仁勳在法說會上的態度相當明確。他表示，自己唯一的遺憾，是沒有更早、投入更多資金到 AI 實驗室。這句話反映 Nvidia 對目前策略的基本判斷：只要全球 AI 運算需求仍持續上升，協助 AI 公司擴張本身，就可能反過來增加 Nvidia GPU、網路設備與整套資料中心平台的長期需求。

問題在於，AI 運算需求的成長速度，已經開始超過部分客戶自身的財務承受能力。

Nvidia 財務長 Colette Kress 表示，最前沿的 AI 實驗室對運算能力有『極其龐大的需求』，但這些公司的成長速度，也正在超過自身資產負債表與信用條件所能支撐的程度。

這代表一個非常特殊的產業現象正在形成：AI 公司可能擁有足夠的使用者、模型需求與算力需求，卻沒有足夠成熟的現金流、信用紀錄或資產負債表，可以按照傳統企業融資模式一次取得數百億美元甚至更高規模的資料中心設備。

而 Nvidia 正逐漸站進這個資金缺口。

Kress 進一步表示，在 Nvidia 預期會利用自身資產負債表提供支持的 AI 實驗室中，相關客戶明年可能占公司業務約四分之一。這意味 Nvidia 的金融支持策略已經不再只是少數特殊合作案，而可能開始影響整體營收結構。

Morgan Stanley 先前將這種策略稱為『Balance-Sheet-as-a-Service』，也就是『資產負債表即服務』。概念並不複雜：Nvidia 擁有龐大的現金流、信用能力與資產規模，因此可以利用自己的財務實力，降低客戶建設 AI 基礎設施時面臨的融資障礙。

其中一個最直接的方式，是延長付款期限。部分大型資料中心客戶現在可以獲得長達一年的付款時間。這也開始反映在 Nvidia 的財報上：公司的應收帳款已經增加至 631 億美元，而平均收款天數則從 45 天上升至 60 天。

應收帳款增加本身並不等同於壞帳，但它顯示 Nvidia 正把更多資金留在客戶端。從商業角度來看，這等於 Nvidia 先完成硬體交付，再允許部分客戶利用未來營運現金流支付設備成本。

除了延長付款期限，Nvidia 也開始使用更加特殊的收入保證模式。

對部分 AI Cloud Provider 而言，Nvidia 會保證一定程度的最低營收，讓這些雲端業者可以拿著較穩定的收入預期向銀行、私募基金或其他資本提供者取得融資。如果實際租賃 GPU 所產生的收入高於最低門檻，Nvidia 還可以進一步取得部分超額租金收入。

Kress 特別強調，這並不是傳統貸款。她形容 Nvidia 在這種商業模式下可以『收兩次錢』：第一次是銷售硬體，第二次則是分享後續 GPU 租賃收入。

這種模式使 Nvidia 同時扮演設備供應商、基礎建設合作夥伴以及某種程度上的信用增強者。對 AI Cloud Provider 而言，有 Nvidia 提供收入底線，可能降低外部投資者對新建資料中心利用率不足的疑慮；對 Nvidia 而言，則可以降低客戶因缺乏融資而縮減 GPU 採購的風險。

更大的數字則出現在資料中心擔保。

Nvidia 已揭露最高約 1,085 億美元的擔保，其中約 1,050 億美元與 SB Energy 為 OpenAI 建設資料中心的計畫有關。

這筆擔保並不代表 Nvidia 今天立即支付 1,050 億美元。按照目前安排，相關支持預計會隨著九座資料中心陸續投入營運而逐步生效，時間大約從 Nvidia 2029 財年開始，之後隨著 OpenAI 持續付款，Nvidia 的擔保責任也會逐步下降。

因此，這更接近大型基礎建設融資中的信用支持，而不是直接把等額現金投入資料中心。

這也是為什麼市場開始把 Nvidia 與中央銀行進行類比。

當然，Nvidia 並不是中央銀行，也沒有貨幣發行、利率政策或最後貸款人等正式金融權力。但從 AI 產業的資金流來看，它正在形成某種相似的功能：當產業內最重要的客戶有龐大投資需求、但傳統融資能力不足時，Nvidia 可以利用自己的資產負債表、信用與未來收入能力，協助資金繼續流入 AI 基礎建設。

更重要的是，Nvidia 並不打算自己支付整個 AI 建設週期的成本。

公司表示，目前已經與大型投資者達成初步協議，希望引導超過 5,000 億美元的外部資金進入 AI 基礎建設。Nvidia 的策略更接近提供一個『資本催化器』：利用自身的技術地位、客戶關係與部分信用支持，讓大型資料中心專案更容易變成金融市場願意投資的資產。

這也符合 Nvidia 最近對 AI Infrastructure 的描述，公司開始把 AI 基礎建設視為一種『可投資資產類別』。

這個概念非常重要。過去資料中心主要被視為科技公司的資本支出，但如果大型 AI GPU 叢集、電力設施、資料中心與長期算力租賃合約開始被包裝成可以產生穩定現金流的基礎建設資產，那麼進場的資本就不再只有 Microsoft、Google、Meta 或 Amazon 等科技巨頭，也可能包括主權基金、保險公司、退休基金、私募信貸與大型基礎建設基金。

Nvidia 的角色，就是讓 AI Infrastructure 從科技公司的設備採購問題，逐漸轉變成全球資本市場可以參與的基礎建設融資問題。

不過，這種模式同時會增加 Nvidia 與整個 AI 生態系之間的財務連結。

例如 Nvidia 的投資組合已經大到足以直接影響公司獲利。本季度，相關投資收益為 Nvidia 帶來約 78 億美元的收益。如果 AI 公司與 AI 基礎建設資產持續升值，這可能成為新的財務收益來源；反過來，如果 AI 資本支出降溫，相關股權投資、收入保證與擔保的風險也可能變得更加重要。

同時，公司的應收帳款增加、付款期限延長以及大型擔保，也意味 Nvidia 未來的風險分析不能只看 GPU 出貨量。投資人還必須開始觀察客戶信用品質、AI Cloud Provider 的設備利用率、租金收入，以及被 Nvidia 支持的大型資料中心能否產生預期現金流。

另一方面，Nvidia 仍持續大量回饋股東。本季度公司透過股票回購與股息向股東返還約 258 億美元，高於同期約 213 億美元的自由現金流。同一期間 Nvidia 也發行約 250 億美元債務，不過目前沒有證據顯示這些借款直接用於股票回購。

這使 Nvidia 的資本配置變得更加複雜：公司一方面大規模投資 AI 生態系、提供客戶更長付款期限、承擔資料中心擔保；另一方面又持續進行股票回購與股息支付，同時利用債券市場取得新的資金。

從更長期來看，真正值得觀察的問題，可能已經不只是 Nvidia 下一代 GPU 能賣多少。

如果 AI 基礎設施需要數兆美元的長期投資，那麼限制 AI 擴張速度的因素可能逐漸從『有沒有足夠好的晶片』，轉變成『誰有能力為這些晶片、資料中心與電力系統融資』。

而 Nvidia 正試圖同時掌握這兩個環節。

它先提供 AI 時代最重要的運算設備，再利用自身產生的現金流、信用與股權資產，協助客戶繼續購買更多設備，最後再吸引外部資本共同承擔建設成本。

這也是『Nvidia 正成為 AI 中央銀行』這個比喻真正值得注意的地方。Nvidia 的資產負債表正在從企業財務工具，逐漸變成 AI 產業基礎設施的一部分。如果這個模式持續擴張，公司未來的影響力可能不只來自 CUDA、GPU 或 NVLink，而是來自一個更根本的能力：決定 AI 產業的資本如何流動。