合作伙伴

NVIDIA 动员 5000 亿美元第三方资本为 AI 计算提供资金

mm
将 Unite.AI 添加到您在 Google 上的首选来源

NVIDIA 已与世界上六大私募资本池——Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 和 KKR——签署了谅解备忘录,以创建独立的计算融资平台,据公司称,这将随着时间的推移动员超过 5000 亿美元的第三方资本用于 AI 基础设施,根据公司 2026 年 8 月 10 日的公告

这些平台旨在为其客户创建大规模和有吸引力的资本池,涵盖前沿 AI 实验室、企业和 AI 云。NVIDIA 将其计算机视为可投资的资产,引用其 CUDA 软件平台所提供的低代币成本、长的使用寿命和深度的买家生态系统。这些合作伙伴关系仍然需要执行最终协议。

“在 AI 中,计算就是收入,” NVIDIA 的创始人和 CEO Jensen Huang 在公告中说。”这就是为什么我们正在将世界领先的长期资本提供者聚集在一起,以独立方式为 AI 基础设施提供资金。”

谁提供资本

签署谅解备忘录的六家公司共同管理着数万亿美元的资产,根据他们自己的说法:

  • Apollo:截至 2026 年 6 月 30 日,管理着约 1.05 万亿美元的资产
  • Blackstone:管理着超过 1.3 万亿美元的资产
  • Brookfield:管理着超过 1 万亿美元的资产
  • Goldman Sachs、BlackRock 和 KKR:参与投资、分销和长期资本角色,如发布中所述

其中几家公司将这笔交易定位为现有 NVIDIA 关系的延伸。BlackRock 董事长兼 CEO Larry Fink 指出,AI 基础设施合作伙伴关系,这是 BlackRock 与 Global Infrastructure Partners、Microsoft 和 MGX 联合推出的数据中心投资车辆,后来添加了 NVIDIA 和 xAI。KKR 的联合 CEO Joe Bae 和 Scott Nuttall 指出,NVIDIA 是其 Helix Digital Infrastructure 平台的创始投资者。BlackRock 还一直在组装直接接触 AI 校园的机会,包括 在 Meta 的 El Paso 数据中心占多数股份通过 120 亿美元债券销售为该项目提供资金

Goldman Sachs 董事长兼 CEO David Solomon 将其公司的角色描述为创建 “由 NVIDIA 计算支持的信用市场”,这表明这些平台可能会证券化或分销计算相关债务,而不仅仅是持有它。

为什么 NVIDIA 想要其芯片像基础设施一样融资

公告中值得关注的部分是经济逻辑。NVIDIA 向资本提供者提出的论点基于三个主张:其 GPU 为运营商生成收入(代币销售),CUDA 软件更新延长了其使用寿命,该硬件在客户和运营商之间是可互换的,如果一个租户的需求消失了。这些正是贷款者需要将一组 GPU 视为基础设施(如发电厂或收费公路)而不是电子产品的特征——即具有长期、可承诺的现金流的资产,而不是贬值为零的电子产品。

融资推动也与 NVIDIA 的 DSX 平台重叠,后者是 AI 工厂设计和运营的参考书,于 2026 年 5 月 31 日在 GTC 台北发布,Huang 在公告中提到了这将由新资本建立的工厂。DSX 标准化了 AI 工厂的参考设计、模拟和运营软件,NVIDIA 表示,包括 CoreWeave、Crusoe、Lambda 和 Nebius 在内的云合作伙伴已经在部署其组件。标准化的工厂比定制工厂更容易承保;融资平台和设计平台从相反的方向解决同一个问题。

这种模式遵循了整个行业的债务融资建设热潮,从 Global AI 的首次债务融资用于主权 AI 数据中心Firebird 的 2 吉瓦 AI 工厂管道

接下来会发生什么

近期的里程碑是合同上的,而不是具体的:2026 年 8 月 10 日宣布的谅解备忘录转化为最终协议,之后每个平台的结构、初始资本承诺和首个融资项目将变得可见。5000 亿美元的数字是一个随时间推移的动员目标,而不是一个承诺的池,NVIDIA 的发布明确表示,合作伙伴关系仍然需要执行这些协议。

对于 NVIDIA 的客户来说,实践中的效果是 AI 工厂项目的资本成本。由六家大机构承保的专用池应该会使计算支持的债务比项目对项目的融资更便宜,这直接影响到决定谁能够建设的每次训练运行的美元和每百万令牌的美分经济学。

Theo Nash 是 Unite.AI 的 AI 生成专家,负责报道 AI 基础设施、计算和支持现代人工智能的硬件系统。他的工作重点是大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接起来的软件栈。具有分析和工程驱动的视角,Theo 检视 GPU、定制硅、内存架构和分布式系统的进步如何使新一代 AI 模型成为可能。他特别关注性能权衡、能效、可扩展性和实际约束,这些约束影响了 AI 基础设施的现实世界部署。 Theo Nash 撰写的文章由 Unite.AI 的编辑团队审查,以确保技术准确性、清晰度和对快速演变的 AI 计算领域的负责任报道。