英偉達再次傳出將數據中心資產證券化的計劃，這次的交易可能將AI算力熱潮推向一個危險的新階段。

據彭博宏觀策略師Simon White分析，英偉達擬將數據中心轉化為可投資資產的交易，有可能導致AI算力領域出現嚴重產能過剩，尤其是在基於結果定價模式逐漸成為行業標準的背景下。這一判斷的核心邏輯在於：金融化正在人為放大需求信號，掩蓋市場已經供過於求的真實狀況——這與2008年金融危機前的住房泡沫如出一轍。

White指出，英偉達此次與Apollo、Brookfield、KKR、黑石、貝萊德及高盛達成的合作框架，意在撬動逾5000億美元資本流入所謂"AI工廠"。英偉達將為部分交易中最高25%的GPU抵押品提供保險，即為其回收價值兜底。這與住房泡沫時期的相似之處難以忽視。彼時，AIG通過為CDO優先級別的債券出售保險，使銀行得以減少資本佔用，進而分發更多有毒債務——最終在相關性驟升至一時，以國家救助收場。

金融化加速：GPU債券市場的AIG時刻

Simon White認為，這場AI基礎設施熱潮在規模上已超越歷史上的美國州際公路建設（1960年代）和寬帶鋪設（2000年代）等基礎設施擴張周期。為維持這場盛宴持續運轉，已有多筆交叉孖展和供應商資助交易相繼落地——僅涉及英偉達的交易規模就高達7500億美元。

英偉達CEO黃仁勳明確表示，其目標是將「AI工廠算力」打造成一種可投資資產類別。GPU支持的債務市場今年已呈爆發式增長，而此次新協議則將這一進程推向更深層次——資產證券化與分發。合作伙伴將提供資本、基礎設施專業知識，並推動證券化與分發。

通過提升交易吸引力，英偉達將使債務結構中的優先級別債券獲得更高信用評級。與此同時，美國證券交易委員會（SEC）啱啱放寬了數據中心債券的證券化規則。White將此比作金融危機期間養老基金最終入場的節點——那往往標誌着風險開始向更廣泛的負債端擴散，也是危機走向終局的起點。

從表面看，英偉達的風險或許有限。但White提醒，這正是AIG當年的判斷——隨着時間推移，AIG承接了越來越多自認為無風險且有利可圖的義務，最終發現借款人信用壓力的相關性上升足以釀成災難。

產能過剩信號：被金融鍊金術掩蓋的供需失衡

White的核心擔憂在於，金融化正在系統性地屏蔽市場發出的產能過剩信號。與住房危機類似，當今的資本支出熱潮更有可能在金融鍊金術的潤滑下吸引越來越多資本湧入，從而導致過度建設。而算力已經足夠充裕的信號恐怕很難引起重視。

在需求側，White指出衡量標準本身正在發生根本性轉變。GPU租賃的標準計量單位是每小時成本，推理環節則是處理每個token的成本。但對終端用戶而言，真正重要的是輸出結果——我花的每一分錢能換來多少智能價值，或者更直白地說，完成一項任務的成本是多少？

智能成本正在下降，但這一變化並未立即反映在GPU層面的定價上。如果一個模型能用少10倍的token完成同樣任務，而GPU的每token定價不變，那麼每塊GPU的實際效率就相當於提升了10倍。

隨着「token最大化」成為歷史，模型在處理同一任務時token用量可以大幅波動的證據不斷湧現，加之大語言模型（LLM）可被輕易調整以消耗更多token，基於結果的定價模式正越來越受到企業用戶的青睞。這一趨勢一旦成為主流，將對模型提供商形成壓力，推動其減少token消耗，進而壓低GPU租賃價格。

同樣值得關注的是，GPU的實際利用率據報道嚴重偏低。Cast AI的報告顯示，GPU平均利用率僅為5%；ClearML則發現，近半數企業正在為閒置芯片浪費「數百萬美元」。

傑文斯悖論的侷限：路徑依賴纔是市場的真正風險

面對上述效率提升的論據，AI資本支出多頭的慣常反駁是傑文斯悖論（Jevons paradox）：算力驅動的智能成本下降，將不可避免地推動需求上升，以量補價。

但White對此並不買賬。他認為，傑文斯悖論無法在所有時間維度上持續奏效，而對市場而言，路徑依賴纔是關鍵。他判斷，在當前大語言模型主導的AI發展階段，智能需求（而非token需求）在現行價格水平上的增速，遲早會放緩至足以引發算力成本長期下行的程度。

作為貸款方，當抵押品的相關性開始惡化，而另一項關鍵風險——借款人的信用狀況——也同步走弱時，風險將迅速累積。屆時，英偉達將不得不履行其保險義務，而與此同時，其自身孖展的其他交易也可能出現問題，更不用說其核心產品價值的下滑。Google等同樣以自身資產負債表為這場資本支出熱潮提供支撐的企業，也面臨類似風險。

正如住房危機所揭示的，相關性一旦啓動，便不會停下來等人。White的結論是，英偉達此次擬議交易，只是讓市場距離再次目睹這一金融自然力量又近了一步。