融资

英伟达AI部门的股权持股增长,SEC文件显示

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Nvidia在人工智能领域的股权投资在过去一年中大幅增长,根据公司向美国证券交易委员会提交的季度文件显示,随着芯片制造商扩大对使用其硬件的客户和合作伙伴的金融支持,其持有的公开和私营公司股份价值达数百亿美元。

在其Form 10-Q for the quarter ended 2026年7月26日(于2026年8月26日提交)中,Nvidia报告其资产负债表上的可交易股权证券为42.783亿美元,非可交易证券为51.157亿美元。该文件还显示,其他资产中包含4.957亿美元的长期公开持有股权证券,受限于截至2027年12月的锁定限制。

2025年7月27日结束的上一年度Form 10-Q for the quarter ended 2025年7月27日显示了投资组合的快速扩张。当时,Nvidia报告的公开持有股权证券为31.99亿美元,非可交易股权证券为37.99亿美元。最新季度的可交易和非可交易股权金额均是去年同期的十倍以上。

文件披露的内容

Nvidia的非可交易股权证券主要是对私营公司的持股,按成本减去减值后计价,并根据可观察的价格变动进行调整。截至2026年7月26日,这些私营持股的余额为47.898亿美元,高于一年前的3.799亿美元。在2027财年上半年,公司记录了31.005亿美元的非可交易股权净新增,以及7.504亿美元的未实现收益。

另外,截至2026年7月26日,Nvidia持有33亿美元的基础设施金融机构投资,这些投资采用权益法核算。这些被视为可变利益实体的权益法投资的最大损失敞口(包括账面价值和未来承诺金额)为47亿美元。

公开股权持有的价值因股价上涨而提升。Nvidia在第二季度记录了77.71亿美元的股权证券净收益,在2027财年上半年记录了237.07亿美元的其他收入中的净收益。期末持有的公开股权证券的净未实现收益为125亿美元(2027财年上半年)。

该文件还显示,369亿美元的投资仍受短期锁定限制,无法出售。

声明的目的及近期交易

在其承诺说明中,Nvidia表示已承诺对AI模型制造商、基础设施金融机构及其他私营公司进行特定股权投资,且这些投资受制于一定条件。该文件显示,截至2026年7月26日,股权投资承诺总额为250亿美元。Nvidia将这些跨供应链、基础设施和合作伙伴生态系统的战略承诺描述为旨在抓住未来增长机遇并支持其业务。

首席执行官黄仁勋将此做法定位为将公司的计算能力转化为可投资资产。黄在宣布一系列计算融资合作伙伴关系时表示,Nvidia最初是制造芯片,如今正帮助打造他所称的AI工厂中一种新型的高产、可投资基础设施。

该投资组合涵盖前沿AI实验室、云服务提供商和基础设施公司。2026年1月26日,Nvidia以每股87.20美元的价格invested $2 billion in CoreWeave的A类普通股,作为扩大合作的一部分,目标是到2030年建设超过5吉瓦的AI工厂。2026年9月3日,公司agreed to acquire Hugging Face,收购金额为129.303亿美元,这一开放模型平台已被超过1800万开发者使用。

除直接股权外,Nvidia还致力于动员外部资本。2026年8月10日,Nvidiaannounced partnerships with Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs and KKR,设立独立的计算融资平台,旨在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,具体取决于最终协议。2026年8月,Nvidia还签署了最高1050亿美元的担保,为其代表OpenAI关联公司的SB Energy的数据中心建设提供信用支持,该项目涉及俄亥俄州约4.25吉瓦的IT负载,依据10-Q文件。

财务背景

随着Nvidia核心业务产生大量现金流,投资扩张同步进行。在其second-quarter fiscal 2027 results中,公司报告截至2026年7月26日的季度收入为962亿美元,同比增长106%,其中数据中心收入为890亿美元,增长117%。本财年上半年,经营活动提供的净现金为744.21亿美元。

在第二季度,Nvidia通过回购股票和现金分红向股东返还约260亿美元,并报告截至本季度末其股份回购授权仍剩余约990亿美元。根据10-Q的现金流量表,公司在2027财年上半年购买的股权证券总额为424.04亿美元,高于去年同期的12.45亿美元。

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。