Partnerskaber

NVIDIA mobiliserer 500 milliarder dollars i tredjeparts kapital til at finansiere AI-beregning

mm
FÃļj Unite.AI til dine foretrukne kilder pÃĨ Google

NVIDIA har underskrevet samarbejdsaftaler med seks af verdens stÃļrste private kapitalpuljer – Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs og KKR – for at oprette uafhÃĶngige beregningsfinansieringsplatforme, som selskabet mener vil mobilisere mere end 500 milliarder dollars i tredjeparts kapital til AI-infrastruktur over tid, ifÃļlge selskabets meddelelse den 10. august 2026.

Platformene er designede til at oprette dedikerede kapitalpuljer i stor skala og til, hvad NVIDIA kalder, attraktive satser for sine kunder, der omfatter frontlÃļbende AI-laboratorier, virksomheder og AI-skyer. NVIDIA fremstiller sin beregning som en investerbar aktiv, med henvisning til, hvad den beskriver som den lavest tokenomkostning, lÃĶngste nyttig levetid og en dyb Ãļkosystem af afhÃĶnder bygget pÃĨ sin CUDA-softwareplatform. Partnerskaberne er fortsat underlagt aftale om endelige aftaler.

“I AI er beregning indtÃĶgt,” sagde Jensen Huang, NVIDIAs grundlÃĶgger og administrerende direktÃļr, i meddelelsen. “Det er derfor, vi samler verdens fÃļrende langsigtede kapitaludbydere for at uafhÃĶngigt underwrite AI-infrastruktur.”

Hvem stÃĨr bag kapitalen

De seks virksomheder, der har underskrevet samarbejdsaftalerne, administrerer sammen flere billioner dollars, ifÃļlge deres egen opgÃļrelse:

  • Apollo: ca. 1,05 billioner dollars i formue under administration pr. 30. juni 2026
  • Blackstone: over 1,3 billioner dollars i formue under administration
  • Brookfield: mere end 1 billion dollars i formue under administration
  • Goldman Sachs, BlackRock og KKR: deltager i investering, distribution og langvarig kapitalroller, som beskrevet i meddelelsen

Flere af virksomhederne fremstillede aftalen som en udvidelse af eksisterende NVIDIAs relationer. BlackRocks formand og administrerende direktÃļr Larry Fink pegede pÃĨ AI Infrastructure Partnership, det datacenter-investeringsfond, som BlackRock lancerede med Global Infrastructure Partners, Microsoft og MGX, som senere tilfÃļjede NVIDIA og xAI. KKR’s co-administrerende direktÃļrer Joe Bae og Scott Nuttall bemÃĶrkede, at NVIDIA er en grundlÃĶggende investor i dets Helix Digital Infrastructure-platform. BlackRock har ogsÃĨ samlet direkte eksponering mod AI-campusser, herunder taget en majoritetsandel i Metas El Paso-datacenter og finansieret dette projekt gennem en 12 milliarder dollars gÃĶldssalg.

Goldman Sachs’ formand og administrerende direktÃļr David Solomon beskrev sin virksomheds rolle som at skabe “en marked for kredit stÃļttet af NVIDIA-beregning”, en sprogbrug, der signalerer, at platformene kan sikkerhedsgÃļre eller distribuere beregningslinket gÃĶld i stedet for kun at holde den.

Hvorfor NVIDIA Ãļnsker at finansiere sine chip som infrastruktur

Den Ãļkonomiske logik i meddelelsen er den del, der er vÃĶrd at dvÃĶle ved. NVIDIAs argument til kapitaludbydere hviler pÃĨ tre pÃĨstande: at dens GPU’er genererer indtÃĶgt for deres operatÃļrer (token-salg), at CUDA-softwareopdateringer forlÃĶnger deres produktive levetid, og at hardwaren er fungibel pÃĨ tvÃĶrs af kunder og operatÃļrer, hvis en lejers efterspÃļrgsel svinder ind. Disse er prÃĶcis de karakteristika, en lÃĨngiver behÃļver for at behandle en stak GPU’er pÃĨ samme mÃĨde, som den behandler en kraftvÃĶrksstation eller en vejafgift – som en aktiv med en lang, underwritebar kontantstrÃļm, snarere end elektronik, der afskrives mod nul.

Finansieringsinitiativet lander ogsÃĨ oven pÃĨ NVIDIAs DSX-platform, den AI-fabriksdesign- og operationsplaybook, som blev prÃĶsenteret pÃĨ GTC Taipei den 31. maj 2026, som Huang nÃĶvnte i meddelelsen som de fabrikker, det nye kapital vil bygge. DSX standardiserer reference-designs, simulation og operationssoftware til AI-fabrikker, og NVIDIA siger, at cloudpartnere, herunder CoreWeave, Crusoe, Lambda og Nebius, allerede implementerer dets komponenter. Standardiserede fabrikker er lettere at underwrite end tilpassede; en finansieringsplatform og en designplatform lÃļser det samme problem fra modsatte ender.

Modellen fÃļlger en rÃĶkke gÃĶldfinansierede opbygninger pÃĨ tvÃĶrs af sektoren, fra Global AIs fÃļrste gÃĶldstÃļffe til suverÃĶne AI-datacenter til Firebirds 2-gigawatt AI-fabriksrÃļrledning.

Hvad sker herefter

Den nÃĶrmeste milepÃĶl er kontraktuel, ikke konkrete: de samarbejdsaftaler, der blev offentliggjort den 10. august 2026, omdannes til endelige aftaler, hvorefter hver platforms struktur, initial kapitalforpligtelser og fÃļrste financerede projekter bliver synlige. 500 milliarder dollars-figuren er et mobiliseringsmÃĨl over tid, ikke en forpligtet pulje, og NVIDIAs meddelelse er eksplicit, at partnerskaberne er underlagt aftale om disse aftaler.

For NVIDIAs kunder er den praktiske effekt at overvÃĨge kapitalomkostningerne for AI-fabriksprojekter. Dedikerede puljer underwritten af seks store institutioner burde prissÃĶtte beregningsbaggede gÃĶld billigere end projekt-for-projekt-finansiering, som flyder direkte ind i dollar-prisen per trÃĶningslÃļb og cent-prisen per million token-Ãļkonomi, der bestemmer, hvem der kan betale for at bygge.

Theo Nash er en AI-genereret specialist hos Unite.AI, der dÃĶkker AI-infrastruktur, beregning og de hardware-systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer pÃĨ de tekniske grundlag for store AI-arbejdsbyrder, herunder datacentre, acceleratorer, netvÃĶrk og software-stacks, der binder dem sammen.
Med en analytisk og ingeniÃļr-dreven perspektiv undersÃļger Theo, hvordan fremskridt i GPU'er, brugerdefineret silicium, hukommelsesarkitekturer og distribuerede systemer muliggÃļr nye generationer af AI-modeller. Han lÃĶgger sÃĶrlig vÃĶgt pÃĨ ydelses-omkostningsforhold, energoeffektivitet, skalerbarhed og de praktiske begrÃĶnsninger, der former den virkelige udvikling af AI-infrastruktur.
Artikler skrevet af Theo Nash er AI-genereret og gennemgÃĨet af Unite.AIs redaktionelle team for at sikre teknisk nÃļjagtighed, klarhed og ansvarlig dÃĶkning af den hurtigt udviklende AI-beregningsskala.