從賣晶片到建造「可投資的資產類別」
第一層意義：擴大AI 基礎建設的資金來源
第二層意義：促使 GPU/Data Centers 二手市場的誕生
第三層意義：創造一個龐大的新興 AI 基建融資市場
第四層意義：華爾街對於「循環融資」的疑慮並未完全打消
第五層意義：一場基礎建設的融資實驗
第六層意義：信貸市場成為影響股價漲跌的重要因素
到這裡，讀者應該看到，Nvidia 在創造 AI 基礎建設融資市場上扮演了兩個信用提升（credit enhancement）的角色，
一個是為能夠找到優質客戶的資料中心建設商或 GPU 買家提供「殘值保障」；
另外一個是用「Nvidia 信用」為 OpenAI 等大型案件直接提供「信用支持」。
這種特殊的現象一方面要歸因於 AI 產業發展過於迅速，OpenAI 在短短幾年間已擁有近 9 億週活躍用戶，而公司還在發展的初期，沒有獲利，也沒有足夠的現金流；另一方面也說明算力需求強勁，不僅 OpenAI 發展迅速，各行各業也離不開 AI 基礎建設提供的智能（intelligence），但基礎建設（主要是 GPU）身為擔保品的價值卻難以認定。
但是，在傳統金融的領域裡，不是要看到「可預測的現金流」，就是要看到「可認定價值的擔保品」，這些問題的答案從來都沒有改變過。
因此，這種「Nvidia 以信用支持換取晶片需求」的特殊現象，本質上是一種過渡時期的安排。它能維持多久，取決於一個核心問題的答案：
OpenAI 等 AI 實驗室，何時能夠真正以自身的現金流進行獨立的融資？
這也揭示了整個 AI 產業一個難以迴避的結構性命題：OpenAI 等大型 AI 公司的上市，已不只是創投退出的財務問題，而是整個 AI 融資生態能否自我持續發展的關鍵一步。
一旦上市，公司的財務狀況受到公開市場的持續檢驗，信用評級機構才能給出可靠的信用評等；
有了信用評等，未來的融資才能真正回歸到以「客戶付款保證」為主的貸款結構，不再需要 Nvidia 扮演信用支柱的角色，循環融資的疑慮也才能從根本上消散。
更深一層來看，這個產業已形成一個我們之前一直提到「一榮俱榮、一損俱損」的緊密結構：
Nvidia 的晶片賣給 neocloud 與 AI 實驗室 → AI 實驗室的服務賣給全球企業與消費者 → 企業與消費者付出的費用回流成 AI 實驗室的現金流 → 再成為償還融資的還款來源 → 最終讓整個 AI 融資體系得以持續運轉。
這個循環的每一個環節都環環相扣 —— 如果 OpenAI 的商業模式最終無法產生足夠的現金流，不只是 OpenAI 本身受損，Nvidia 的信用曝險將被觸發，甚至六大金融巨頭的融資帳簿將出現壞帳，整個 AI 基礎建設的融資市場將急速收縮，連帶拖累仍在建設中的資料中心與尚未到期的 GPU 租約。
這個場景與 2000 年互聯網泡沫的根本邏輯類似，但是，當年崩潰的根本原因不是債務違約，而是：現金流不足→ 終端用戶的付費現金流遠低於預期 → 導致建置過剩的基礎建設無以為繼。AI 產業面臨的第一風險，同樣是營收現金流能否及時跟上的問題。
與 2008 年金融危機不同的是，目前 AI 融資市場的融資規模與連結程度，尚未達到當年 MBS/CDO 市場的深度，系統性連鎖違約的風險仍屬偏低。如果未來 GPU 與資料中心融資規模持續擴大、衍生性結構日趨複雜，2008 年的風險才會真正進入討論範圍。
這正是為什麼黃仁勳在 CNBC 專訪中開宗明義地說「在 AI 中，運算能力就是營收」—— 他需要這句話是真的，不只是對 Nvidia，而是對整個產業鏈上的每一個角色。
AI 產業的最終考驗，不在於能建出多少算力，而在於這些算力能否持續轉化為真實的、可預測的、足以償債的現金流。在那一天到來之前，我們看到的，是人類歷史上規模最大、結構最複雜、也最需要信仰支撐的一場基礎建設的融資實驗。
站在歷史的轉捩點，我們一方面看好整個 AI 產業的長期發展，一方面也看到，與過往科技產業發展的進程不同的是，由於這一次產業發展速度過快，
債權融資（相較於股權融資）在產業發展的早期便已大規模介入。
債權不像股權，它有固定的還款期限、固定的利息義務；換句話說，有時間的壓力；
一旦現金流產生的速度不如預期，「成本升高的壓力」以及「違約風險的提高」將直接傳導至整個融資鏈。
這意味著，未來 AI 產業的波動，將不只是基本面供需驅動股價的漲跌，更可能出現「信用型事件」造成對股價的衝擊。
目前 AI 基建融資正處於歷史上少見的極度信用寬鬆階段 —— 六大金融巨頭願意同台背書、私募資本蜂擁而入、融資成本持續下降 —— 這正是信用擴張最典型的面貌。
在這個階段，資金的充裕將加速 AI 基礎建設的鋪設速度，讓更多企業與個人更早用上智能化的服務，整個產業因此得以用遠超過去任何科技革命的速度向前推進。這是信用擴張週期帶來的紅利，也是我們對目前 AI 產業發展保持樂觀的重要依據之一。
但未來可能的行業風險「不是 AI 算力的需求不足，而是 AI 信用的過度擴張」，造成整體行業的槓桿比例太高。
整體行業的槓桿比例太高的結果是，
一旦市場對 AI 現金流的樂觀預期出現動搖，信用風險溢價將上升，融資成本將攀升。
對於依賴持續再融資維持營運的 Neocloud 與 AI 實驗室而言，再融資成本的飆升將直接壓縮利潤空間。再融資成本的上升、利潤空間的收縮，最終都將反映在股價上。
換句話說，
當信貸市場大規模介入產業發展，信貸市場本身對信用風險（credit risk）的訂價，就成為影響股價漲跌的重要因素。
而信用風險的重新定價，往往來得又快又猛；近期 Oracle 股價的腰斬（過去 12 個月 Capex 佔 OCF 高達 174%、全年自由現金流 -237 億美元），就是最好的例子。
表格 Oracle 近期的自由現金流
值得說明的是，股市大幅回調不是我們預估的場景，但在這一波「產業加槓桿」之後，Neocloud 與 AI 實驗室能夠依賴的，是未來現金流能力的增強。也因此，除了公司的營收和損益，公司現金流的品質與槓桿的高低（如：自由現金流、Net Debt/EBITDA），以及有沒有出現集體的表外操作（off-balance sheet）而造成實際槓桿部位過高的情況，成為未來觀察的重點。最後，
AI 產業最大的風險不是「產業的失敗」，而是「時間的錯配」。
也就是，AI 資產現金流回收的速度，趕不上債務到期的節奏。這是債權在產業發展早期介入可能發生的結果，預計造成股價波動度的提高，也是股市未來最大的結構性風險。
在信用依然擴張的今天，投資人需要更充分的耐心，以時間換取預期的報酬，同時對產業信用的擴張與緊縮保持高度的警覺。
公告：下週一（8 月 24 日）將暫停一次例行的研究文章。但當天請留意收信，我們有一個醞釀已久的重要消息，想正式告訴大家。下一篇研究文章預計於 8 月 31 日（週一）刊出。
Comments
Nothing yet. Say the first thing.
Sign in to join the conversation.