Nvidia 對 OpenAI 資料中心擔保降至 1,050 億美元，AI 基建「循環融資」疑慮升溫

AI 基礎設施競賽正在進入一個新的階段：市場不再只問「需要多少 GPU」，而開始追問「誰來替這些 GPU 買單？」

根據《華爾街日報》、CNBC 與相關公開文件揭露，Nvidia 對 OpenAI 位於美國俄亥俄州 Pike County 大型資料中心園區所提供的最高財務支持，最終確定為 1,050 億美元，遠低於先前市場一度傳出的約 2,500 億美元潛在擔保規模。

這意味 Nvidia 的最大曝險相較早期討論數字縮減約 1,450 億美元，也再次把華爾街近來高度關注的 AI「循環融資（Circular Financing）」問題推上檯面。

從 2,500 億美元一路降至 1,050 億美元

這項交易並非一次就確定目前的規模。

先前市場消息指出，Nvidia 曾考慮為相關資料中心融資提供最高約 2,500 億美元的支持。到了 8 月 14 日，《華爾街日報》進一步報導，討論中的擔保金額已經下降至低於 1,200 億美元。

最終在合作案正式簽署後，Nvidia 於提交給美國證券交易委員會（SEC）的文件中揭露，其相關「總支付義務（aggregate payment obligation）」最高上限為 1,050 億美元。

因此，這不是 Nvidia 完全撤回對 OpenAI 基礎設施的支持，而是透過重新設計交易架構，把潛在資金風險控制在更明確的範圍內。

Nvidia 到底擔保了什麼？

這項安排的核心並不是 Nvidia 直接拿出 1,050 億美元替 OpenAI興建資料中心。

實際上，Nvidia 的財務支持主要是協助負責開發園區的 SB Energy 取得外部融資。

SB Energy 為 SoftBank 支持的能源與基礎設施公司，負責開發這座位於俄亥俄州的資料中心園區。OpenAI 則預計向 SB Energy 長期租用資料中心，租期最長可達 20 年。

Nvidia 的角色包括在特定情況下支持租賃與電力付款，並對部分完工基礎設施的價值提供保障。若 OpenAI 未來發生違約，這些安排可以降低融資方承擔的風險，進而提高 SB Energy 從銀行或其他投資者取得資金的能力。

換句話說，Nvidia 更像是利用自身信用與資產負債能力替專案提供「信用增強」，而不是單純自己支付整個資料中心建設成本。

這種設計也大幅降低 Nvidia 必須直接承受全部專案風險的可能性。

華爾街為何開始擔心「循環融資」？

市場爭議的核心，在於 Nvidia 同時處於 AI 生態系的多個位置。

Nvidia 是全球主要 AI GPU 與運算系統供應商之一，而大型 AI 公司與資料中心營運商為了購買更多 Nvidia GPU，需要投入極為龐大的資本。

另一方面，Nvidia 又持續投資 AI 公司、雲端運算商、資料中心開發商以及相關基礎設施融資計畫。

因此形成一個值得觀察的資金循環：

Nvidia 或其他產業參與者提供投資與融資 → AI 公司取得資金 → 建設資料中心 → 購買更多 AI 運算設備 → 形成對 Nvidia GPU 的需求。

這種模式本身並不必然存在問題。大型產業在成長初期，由上游廠商協助客戶取得融資並不少見，例如航空、能源、電信與重型設備產業都曾出現類似安排。

真正重要的是，整個循環最終能否持續獲得來自產業外部的收入。

如果 AI 應用、企業服務、API、訂閱服務與其他商業模式產生的現金流足以支付資料中心租金、能源成本、GPU 折舊、利息與其他基礎設施支出，那麼這些融資只是加速產業成長的工具。

但如果大量 AI 資本支出主要依靠產業內公司彼此投資、融資與採購維持，市場就可能開始質疑需求究竟來自真正的終端客戶，還是來自資本本身創造出的投資循環。

2,500 億美元消息曾讓 Nvidia 股價盤中下跌

市場此前已經對相關風險做出反應。

今年 7 月，當市場傳出 Nvidia 可能為 OpenAI 資料中心提供最高約 2,500 億美元融資擔保時，投資人對潛在財務曝險與循環融資模式產生疑慮，Nvidia 股價一度在盤中下跌約 4.5%。

Reuters 近期也指出，即使市場整體表現仍然強勁，投資人對 AI 資本支出的焦慮並未消失。

關注重點正在從 AI 需求成長，逐步移向幾個更傳統的財務問題：大型科技公司究竟需要投入多少資本、債務規模會增加多少，以及這些數百億乃至數千億美元的基礎設施投資需要多久才能產生足夠回報。

Nvidia 正試圖把資金來源推向第三方金融市場

值得注意的是，Nvidia 並沒有因此放慢 AI 基礎設施擴張。

相反地，公司正在嘗試改變「誰出錢」的方式。

Nvidia 日前與六家大型金融機構合作推出運算基礎設施融資平台，目標是動員超過 5,000 億美元的第三方資金投入 AI 基礎設施。

這代表未來 AI 資料中心可能越來越依靠銀行、資產管理公司、私募信貸、基礎設施基金與其他金融機構提供資金，而不是讓 Nvidia 或其他科技公司把整個專案風險留在自己的資產負債表上。

美國監管政策近期也出現有利變化。SEC 工作人員在今年 7 月發布的相關指引認為，某些資料中心債務不受到 Dodd-Frank 法案部分證券化風險保留規定約束，使金融機構在設計資料中心融資工具時擁有更大的彈性。

對 Nvidia 而言，這可能是一項非常重要的轉變：公司仍然可以推動 AI 運算容量快速擴張，但不需要自己承擔所有建設成本與長期信用風險。

黃仁勳否認 Nvidia 正在創造人工需求

Nvidia 執行長黃仁勳則否認市場所描述的「循環融資」論點。

Nvidia 對這項合作的定位，是透過確保長期基礎設施供應，讓 OpenAI 能夠持續部署 Nvidia 運算平台，並隨著下一代晶片推出逐步升級資料中心。

從 Nvidia 的角度來看，AI 資料中心並不是一次性的 GPU 採購，而是一種長期更新的運算基礎設施。

如果新的 GPU 世代持續提高效能與能源效率，資料中心就可以透過設備更新，在相同的電力與土地條件下提供更多 AI 運算能力。

因此，Nvidia 將這類大型資料中心稱為「AI Factory」，也就是把資料中心視為持續產生 AI 運算與模型輸出的工業基礎設施。

俄亥俄資料中心最終可能達到 8GW

這座位於 Pike County 的園區本身規模也極為驚人。

根據目前公布的規劃，OpenAI 最長可能與 SB Energy 簽訂約 20 年租賃關係，而 Nvidia 將成為第一階段的獨家晶片供應商。

整座園區最終規模預計可能達到 8GW（Gigawatt，十億瓦）運算容量。

作為比較，這已經不是傳統企業資料中心的規模，而是接近大型能源與工業基礎設施計畫。

Nvidia 本身也將向 SB Energy 投資約 15 億美元。

OpenAI 表示，第一階段約 800MW 的容量預計於 2028 年開始投入使用，並主要利用美國電力公司 AEP 現有的電網基礎設施。

然而後續擴建將需要新增大量發電與輸電設備，包括天然氣發電廠、新輸電線路以及相關電力基礎建設。

從資料中心變成「能源計畫」

Pike County 專案另一個重要特徵，是 AI 基礎設施與能源產業正在快速融合。

SB Energy 計畫把園區建設在美國能源部過去的鈾濃縮設施所在地，而整體區域開發規劃中，預計可能建設約 9.2GW 的天然氣發電能力。

SoftBank 與 SB Energy 也預計投入數十億美元進行區域電力基礎設施建設。

這顯示 AI 算力競賽的限制因素正在改變。

早期 AI 競爭的瓶頸主要是 GPU；之後逐步擴展到 HBM、高速網路與先進封裝；現在，大型 AI 公司的問題已經進一步延伸到土地、天然氣、變電站、輸電線路與長期能源供應。

到了 8GW 等級，AI 資料中心已經不能只被視為 IT 專案，而更接近能源、工業與金融共同參與的大型基礎設施工程。

每 1GW AI 基建可能需要 500億至600億美元

Nvidia 過去向投資人說明 OpenAI 合作計畫時，曾將整套 AI 基礎設施描述成高度整合的系統，其中涵蓋晶片、伺服器、網路、資料中心、軟體、營運、架構與融資。

根據 Nvidia 的估算，每建設 1GW AI 基礎設施，總投資可能需要約 500 億至 600 億美元。

如果將這個估算直接套用到 8GW 等級的園區，其背後所代表的整體資本需求可能達到數千億美元等級。

這也是為什麼 AI 產業正在積極尋找新的融資方式。單靠科技公司的自由現金流，很難永遠支撐如此龐大的建設速度。

問題已從「AI 有沒有需求」變成「需求能不能賺到足夠的錢」

OpenAI 目前已經與 Microsoft、Oracle、SoftBank、CoreWeave 等企業建立龐大的運算與基礎設施合作網路。

其中不少公司同時扮演投資人、供應商、客戶、資料中心業者或運算服務提供者，使整個 AI 產業的資金關係變得非常複雜。

OpenAI 表示，公司預計利用新增的運算容量滿足先進 AI 不斷增加的需求，並維持其在前沿 AI 研究上的競爭力。

不過從資本市場角度來看，真正關鍵的測試才正要開始。

過去幾年的 AI 基礎設施投資，很大程度建立在對未來 AI 使用量快速成長的預期上。當產業進入數兆美元資本支出週期後，投資人將越來越要求看到這些運算能力如何轉化成企業訂閱、API 使用、AI Agent、軟體服務與其他真正來自終端市場的現金流。

因此，Nvidia 將 OpenAI 俄亥俄資料中心的最高擔保責任從市場早期討論的約 2,500 億美元縮減至 1,050 億美元，可能代表 AI 基礎設施投資正在進入更成熟的財務階段。

產業仍然需要更多 GPU，也仍然需要更多資料中心，但資本市場開始要求回答下一個問題：這些數千億美元的 AI 工廠，最後究竟能創造多少真正的收入？

這也可能成為下一階段 AI 產業估值最重要的分水嶺。