GPU融資是這篇文章討論的核心

💡 核心結論:資本市場已不再把 AI 算力當成燒錢實驗室,而是重新包裝成一種「類公用事業」的必要設施,並以此發行債券、股票與資產抵押貸款。
📊 關鍵數據:Gartner 預估 2026 年全球 AI 支出將達 2.59 兆美元(年增 47%),其中 AI 基礎建設支出由 2025 年的 9755 億美元躍升至 1.43 兆美元,2027 年逼近 1.9 兆美元。
🛠️ 行動指南:關注 GPU 抵押貸款(ABL)、算力收益化憑證與 AI Agent 收益基金三類新型標的,並用公用事業估值邏輯而非純成長股邏輯來看待。
⚠️ 風險預警:當現金流假設建立在「永續高需求」之上,一旦推理價格崩跌或監管介入,抵押品(GPU)折舊速度可能快過還款週期,引發連鎖去槓桿。
先說我自己的觀察。這陣子我把彭博那篇講華爾街瘋搶 AI 債務與股權融資的稿子反覆讀了三遍,越讀越覺得不对劲——不是數字不对,而是整件事的敘事框架被偷偷換了。過去我們聊 AI 公司,思維還停留在「這家虧多少、何時獲利」的成長股語境;但現在華爾街那帮人玩的,是把 GPU 叢集、資料中心電力契約、甚至未來的推理算力,打包成能產生穩定現金流的類公用事業資產。這不是我在危言聳聽,而是彭博白紙黑字寫著:自 2024 年至今,AI 相關企業透過投資級債、高收益債與股票發行集資,規模已經創下歷史新高,而且發行總額直接超越去年一整年的總和。微軟、亞馬遜、Alphabet 這些巨頭發債是為了給 AI 基建注資;而 CoreWeave、Lambda Labs 這類 GPU 雲端新創,則走了一條更野的路——用資產抵押貸款(ABL),拿 GPU 叢集當抵押物去跟銀行換現金。這篇文章我想用比較接地氣的方式,把這場「兆級賭局」的骨架拆給你看。
為什麼華爾街開始把 AI 算力當成「新公用事業」來估值?
要搞懂這波融資狂潮,得先理解一個關鍵轉折:投資人不再把 AI 基建視為「燒錢的科技賭注」,而是看成水、電、瓦斯那種沒人能不用的必要設施。這個心理錨點一旦建立,估值模型就整個翻面了。傳統科技股看本益比、看用戶成長;但公用事業看的是「長期合約現金流」與「資產折現」。彭博報導裡提到,投資人對 AI 建設的長期現金流充滿信心,正是因為他們把算力當成基礎民生條件——企業要跑大模型、要部署 AI Agent,就得租算力,而這筆租金在合約期內幾乎是剛性的。
這背後有硬的數據撐腰。Gartner 在 2026 年五月把全球 AI 支出預測一路上修到 2.59 兆美元,年增率高達 47%,而其中單單 AI 基礎建設(硬體、資料中心、電力)就從 2025 年的 9755 億美元跳到 2026 年的 1.43 兆美元,預計 2027 年逼近 1.9 兆美元。當資本看到這種「幾乎確定會膨脹的資本開支」,自然會想:與其賭哪家模型公司會贏,不如直接賣鏟子、蓋礦場、收租金。這就是為什麼微軟、亞馬遜、Alphabet 寧願舉債也要把 AI 基建做起來——它們賭的不是單一 AI 產品勝出,而是整條賽道都得向他們租算力。
🧠 Pro Tip|資深策略師見解:判斷一檔 AI 基建債能不能碰,先看它的「合約覆蓋率(contracted coverage)」——也就是未來現金流裡,已經被企業客戶鎖定的比例。CoreWeave 之所以能拿到投資級附近利率,關鍵就在於它把大量 GPU 容量預先租給了微軟等大客戶。如果一檔債的底層現金流九成靠「口頭承諾」而不是白紙黑字合約,那它本質上還是成長股風險,只是穿了公用事業的馬甲。
GPU 抵押貸款(ABL)到底是什麼?CoreWeave 與 Lambda Labs 怎麼把顯卡變成金融商品
這大概是整篇新聞裡最讓我眼睛一亮的段落。CoreWeave、Lambda Labs 這類 GPU 雲端新創,走的是資產抵押貸款(Asset-Backed Lending, ABL)路線——白話講,就是拿手上一整櫃一整櫃的 H100、B200 顯卡當抵押物,去向銀行團或私募信貸借錢。這招妙在哪?它繞開了傳統股權稀釋,也避開了公開發債的嚴格信評門檻,直接用「硬資產」換流動性。
你可以把這想成汽車金融的變體:車商拿庫存車抵押借錢,GPU 新創拿顯卡庫存抵押借錢。差別在於,顯卡的折舊曲線比汽車陡得多——新一代架構一出來,舊卡出租收益率可能半年就腰斬。所以 ABL 的貸款成數(LTV)與重估機制就變成生死線。彭博指出,這類貸款之所以能成立,核心還是投資人相信「AI 算力需求會長期存在」,讓抵押品在技術迭代下仍有變現價值。
這裡補一個真實案例佐證:歐洲的 Mistral AI 在 2026 年三月募了 8.3 億美元,專門用來在巴黎附近與瑞典蓋新資料中心;而微軟早在 2024 年就宣布投資 Mistral,2026 年七月更把合作擴大成數十億美元等級的基礎建設協議。這說明即便是「輕資產」的模型公司,也在被迫往重資產的算力端靠攏——因為誰掌握抵押品(GPU 與電力),誰就掌握融資話語權。
▲ 上圖為依 Gartner 數據繪製的 AI 基建支出成長曲線,霓虹配色對應 siuleeboss.com 深色視覺主題。
算力收益化會在 2026 年催生哪些連量化基金都搶的新金融工具?
彭博那句「催生出新型金融工具(如 GPU 貸款、算力收益化),為量化基金與 AI Agent 套利提供新標的」,資訊密度高得離譜。我拆成三層來講。第一層是GPU 貸款证券化:銀行把一堆 ABL 債權打包成 ABS(資產擔保證券)賣給機構,讓散戶也能間接持有「顯卡租金」的現金流。第二層是算力收益化憑證:把資料中心未來某段時間的出租收益,做成可交易的收益權代幣或票據,本質是把「未來的推理服務費」提前變現。第三層最騷——AI Agent 套利標的:當量化基金能用 AI Agent 自動在算力現貨與期貨市場搬價差,算力就從「成本」變成「可交易的波動性資產」。
這套玩法跟當年的電力市場、甚至 2008 前的次貸證券化有神似之處:把一個原本笨重的實體資產(GPU/電力),切片、評級、再賣給不同風險胃納的買家。好處是流動性爆炸、資金成本下降;壞處是一旦底層現金流假設翻車,槓桿會反噬。這也是為什麼我會在風險預警裡特別提醒:別被「收益化」三個字沖昏頭。
🧠 Pro Tip|資深策略師見解:2026 年想蹭這波「算力金融化」紅利,普通投資人最穩的切入點不是去買單一 GPU 新創股,而是觀察那些發行 AI 基建債的巨頭(微軟、亞馬遜、Alphabet)的債券利差,以及追蹤資料中心 REIT 與半導體供應鏈的 ETF。當債券利差突然收窄又急速擴開,通常就是流動性鬆緊的領先信號——比看新聞標題準多了。
投資人該如何用「公用事業邏輯」看待 AI 基礎建設的長期現金流風險?
把 AI 算力當公用事業來估值,最大的陷阱就是忘了公用事業也有過度建設週期。電力公司如果盲目蓋電廠導致產能過剩,電價會崩;同理,當所有人(巨頭 + 新創 + 主權基金)都在瘋狂舉債蓋資料中心,2027 年可能出現的畫面是:算力供給暴增,但推理單價因模型效率提升(例如蒸餾、稀疏化)而急速下滑,結果是「總營收漲、單位利潤崩」。這時 GPU 抵押品的變現價值會跟著掉,ABL 的 LTV 觸發補保,連鎖拋售就來了。
另一個被低估的變數是電力與監管。AI 資料中心是吃電怪獸,當地政府若對用電排碳開徵附加費,或限制資料中心併網,那些號稱「長期穩定」的現金流合約瞬間變脆弱。所以真正穩健的觀點是:用公用事業的框架沒錯,但要把「技術迭代折舊」與「能源價格」兩個變數加進折現模型,而不是無腦套用電力公司倍數。
總結一句:華爾街把 GPU 當黃金抵押,短期看是流動性盛宴,長期看是對「AI 成為水電」這個信仰的集體下注。你我可以不必站上賭桌,但得看懂牌局規則——畢竟這場兆級遊戲的輸贏,遲早會透過電費、訂閱費與稅務,攤回每個人的帳單上。
常見問題 FAQ
什麼是 GPU 資產抵押貸款(ABL)?
GPU 資產抵押貸款(Asset-Backed Lending)是指 CoreWeave、Lambda Labs 這類 GPU 雲端新創,將手上的 GPU 叢集作為抵押物向銀行團或私募信貸借錢。它繞開股權稀釋與公開發債門檻,直接用硬資產換流動性,是 2024 年以來 AI 融資狂潮中的代表性金融工具。
2026 年全球 AI 支出規模預估是多少?
根據 Gartner 2026 年五月預測,全球 AI 支出將達 2.59 兆美元(年增 47%),其中 AI 基礎建設支出由 2025 年的 9755 億美元躍升至 1.43 兆美元,2027 年預計逼近 1.9 兆美元。
投資人該如何評估 AI 基建債的風險?
建議用公用事業邏輯,重點看合約覆蓋率、GPU 抵押品的技術折舊速度,以及電力與監管成本。若現金流多靠口頭承諾而非白紙黑字合約,本質仍屬高風險成長股。
參考資料與聯絡我們
本篇數據與事件背景整理自以下權威來源,歡迎進一步查證:
- Gartner:全球 AI 支出 2026 年將成長 47% 至 2.59 兆美元
- CIO Dive:Global AI spend to reach $2.59 trillion in 2026
- CIOL:Gartner Forecasts Global AI Spending to Hit $2.6 Trillion in 2026
- Wikipedia:Mistral AI 融資與資料中心擴張紀錄
- 彭博(Bloomberg)2024–2026 年關於華爾街 AI 債務與股權融資系列報導(原始參考新聞來源)
Share this content:













