{"source":{"id":"mb-20260828-486552","title":"同样是一笔 200 万张芯片的超级大单，卖芯片的股价暴涨 9%，掏钱买单的股价却往下掉","url":"https://mubeitech.com/p/mb-20260828-486552"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"mb-20260828-0cecdf","account":"mubei","brand":"","title":"全世界单季净赚近 600 亿美元的芯片巨头，正在把赚来的每一分钱，重新借给买它芯片的人","summary":"全世界单季净赚近 600 亿美元的芯片巨头，正在把赚来的每一分钱，重新借给买它芯片的人","body":"全世界单季净赚近 600 亿美元的芯片巨头，正在把赚来的每一分钱，重新借给买它芯片的人。\n表面上看，这是人类商业史上最赚钱的硬件狂欢。\n英伟达的市值已经超过标普 500 指数里五个行业板块的总和。\n但把账本拆开，里面藏着一个规模超过 7500 亿美元的资金迷宫。\n英伟达不再只是单纯的芯片供货商。\n它在扮演整个 AI 宇宙的做市商、终审投行与中央银行。\n为什么一家芯片公司，需要亲自下场给自己的买家兜底借钱？\n是算力需求真的深不见底，还是这套繁荣本身就是用自己的资产负债表烧出来的？\n把这笔账顺着信贷链条拆到底，会看到一台在华尔街历史上反复显形的冰冷机器。\n卖方信贷闭环，以及资产负债表外置。\n二十五年前的互联网泡沫初期，思科干过极其相似的事。\n当时光纤和网络设备需求暴涨，思科不仅卖硬件，还向缺乏资金的中小电信运营商直接发放百亿美元贷款。\n运营商拿到贷款，转头采购思科的路由器。\n思科在财报上确认营业收入与高额利润，推高市值，再用更高的市值去支持更大规模的放贷。\n这套机制叫卖方信贷。\n它的致命死穴在于，需求不来自终端用户的真实付费，全靠供应商自己的放贷意愿在撑。\n一旦借钱买设备的公司赚不到真金白银，坏账就会顺着资金链瞬间反噬母体。\n黄仁勋和华尔街，搭了一台比当年思科精巧得多的现代信贷机器。\n英伟达没有直接把所有高风险的应收账款堆在自己的资产负债表上。\n它把单季数百亿美元的硬件利润，变成了撬动全球资本的信用支点。\n根据 PitchBook 统计，英伟达直接卷入的投资、融资协议与生态合作规模，已经突破 7500 亿美元。\n这套机器通过几个齿轮紧密咬合。\n英伟达向核心 AI 初创团队注资，换取股权的同时，锁定这些客户未来几年必须优先采购英伟达的芯片与全套算力架构。\n投出去的风险资本，以硬件采购的形式，带着超过 70% 的高毛利重新流回英伟达账户。\n接着，它把华尔街私募信贷巨头拉进牌桌。\n黑石与阿波罗等机构动员了超过 5000 亿美元的外部债务资本。\n他们把尚未交付的 GPU 算力集群直接打包成抵押品，发行结构化信贷。\n违约风险被打包切碎，分散给追逐高收益的外部养老基金和机构投资者。\n英伟达在不扩大自身债务杠杆的前提下，凭空为市场创造出了数千亿美元的即时采购力。\n这直接构成了超过 90% 的数据中心收入来源。\n防线还在向更深处延伸。\n当微软、谷歌、亚马逊乃至 OpenAI 试图通过自研 Jalapeno 等定制芯片逃离束缚时，英伟达直接斥资 130 亿美元收购开源模型枢纽 Hugging Face，同时投入数十亿美元自研开源大模型。\n它把开发者最依赖的模型分发和软件标准牢牢抓在手里。\n无论底层硬件怎么变，开发者依然被死死锁在 CUDA 和英伟达的软件生态里。\n这构成了一个自我强化的超级飞轮。\n英伟达推动的融资越多，行业建设的数据中心就越多。\n数据中心建得越多，吞下的芯片就越多。\n财报上的数字越惊人，华尔街就越敢发放更大规模的算力抵押贷款。\n批评者指责这种循环融资制造了虚假的繁荣幻觉。\n黄仁勋坚称每一次生态投资都会带来百倍回报，风险微乎其微。\n两边的分歧，本质上是对算力资产属性的根本认知不同。\n怀疑者看到的是 2000 年那些最终烂在地下、无人问津的暗光纤。\n英伟达押注的，是算力已经成为如同石油和电力一样的基础生产要素。\n当一家公司能同时主导融资、放贷、建造基础设施并垄断分发标准，它就已经脱离了普通制造业的竞争维度。\n但这台飞轮转得再快，终究绕不过一个最基础的商业铁律。\n当所有的借贷、采购与抵押都被层层推向极限，最终必须有真实世界的终端消费者，为这台万亿巨兽吞下的每一度电和每一个算力单元买单。\n如果那笔真实的商业利润迟迟没有出现，今天被包装成抵押资产的几十万张芯片，明天就会变成整个体系里最昂贵的折旧负担。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-28 16:48:35","created_at":"2026-08-28 16:48:35","url":"https://mubeitech.com/p/mb-20260828-0cecdf","markdown_url":"https://mubeitech.com/p/mb-20260828-0cecdf/markdown"},{"rank":2,"id":"mb-20260827-a4a65d","account":"mubei","brand":"","title":"70% 的年增速预期摆在面前，华尔街第一反应是 AI 周期见顶了","summary":"70% 的年增速预期摆在面前，华尔街第一反应是 AI 周期见顶了","body":"70% 的年增速预期摆在面前，华尔街第一反应是 AI 周期见顶了。\n真实情况恰恰相反。\n70% 只是工厂交货的物理极限，买家开出的真实订单其实早就翻倍了。\n为什么订单多到接不完，营收指引却只能停在七成？\n算力这门狂飙突进的生意，到底在哪道关卡被死死卡住了？\n这台机器叫物理供给约束。\n过去二十年，软件和互联网的扩张规律是零边际成本。\n只要用户点击下载，机房加点带宽，服务就能无限复制。\n但实体硬件世界从来不吃这套虚拟法则。\n一套顶尖的算力集群，不仅需要晶圆制造，还需要高带宽内存堆叠、微米级先进封装、液冷机柜，以及以十万千瓦计的电网配电。\n当大模型对参数和训练算力的需求每年翻倍暴涨，下游的物理供应链根本变不出凭空落地的产线。\nNvidia 首席财务官 Colette Kress 在财报电话里挑明了底牌：客户的实际需求增速冲到了 100%，但受限于高带宽内存等产能瓶颈，公司只能给出约 70% 的交付预期。\n市场的核心矛盾变了。\n增长的上限与买家的钱包无关，死死受制于物理世界一年究竟能交付多少计算设备。\n但这还只是整台机器的表层。\n真正凶狠的飞轮藏在资产负债表里。\n很多人看不懂，为什么一家芯片巨头要掏出几百亿美元，直接砸向前沿 AI 实验室？\n投资机构 Wealth Enhancement Group 的投资主管 Doug Huber 指出了底层的青训农场逻辑。\n顶尖的 AI 实验室在诞生第一天，最稀缺的资源就是极致的算力。\n巨头把资本注入这些初创团队，换来的从来不只是一纸股权凭证。\n真正的杀招，是把自己的通信协议、网络互连架构和底层软件环境，在实验室写第一行代码时就焊死在模型架构里。\n前沿实验室就是整套算力帝国的青训营。\n一旦其中某家实验室跑通了前沿模型、迎来商业化爆发，它后续数以百亿计的算力扩张需求，没有任何改换门庭的余地，全都会原路流回给投资它的硬件母体。\n左手把资金投出去变成初创公司的股权，右手把订单收回来变成源源不断的高毛利硬件销售。\n这是一台自我造血、自我制造需求的确定性闭环。\n超大规模云厂商想靠自研芯片摆脱掌控？\n战场的维度早就变了。\n当其他人还在比拼单颗芯片的跑分高低，新的竞争已经升级为整座算力工厂的系统级交付。\n从处理器、通信网络到机柜级液冷与软件调度，全都打包成了不可拆分的整体。\n换掉一颗芯片代价很小。\n但要拆掉整座已经深度适配了底层协议的算力工厂，成本高到没人承担得起。\n决定这场科技竞逐上限的，根本不是资本市场的短期情绪。\n真正的天花板，是物理世界的工程交付速度与底层的生态锁定。\n当一家公司不仅锁死了下一代硬件的交付产能，还顺手包揽了未来所有核心买家的孵化底座。\n这场竞争，到底是在比谁的算法更聪明，还是在比谁能把物理现实更快地焊进自己的商业闭环里？","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 22:36:42","created_at":"2026-08-27 22:36:42","url":"https://mubeitech.com/p/mb-20260827-a4a65d","markdown_url":"https://mubeitech.com/p/mb-20260827-a4a65d/markdown"},{"rank":3,"id":"mb-20260827-e5011d","account":"mubei","brand":"","title":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%","summary":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%","body":"全市场都在盯着 AI 资本开支何时见顶，NVIDIA 却把明年的收入增速定在了 70%。\n这个数字直接击穿了标普全球（S&P Global）预期的 44%。\n黄仁勋甚至在财报电话会上补了一刀：真实需求其实逼近 100%，被砍掉的三成，纯粹是因为全球内存工厂供不上货。\n刚刚公布的第二季度，营收再度翻倍冲上 962 亿美元，连续第 13 个季度刷新历史纪录。\n但这里藏着一个巨大的直觉错位。\n如果单次推理的计算成本正在断崖式下跌 35 倍，为什么买芯片的总开销不但没降，反而翻倍狂飙？\n难道东西越便宜，买家不应该花得越少吗？\n答案在 1865 年就被英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）写进了书里。\n这台机器叫杰文斯悖论。\n当年瓦特改良蒸汽机、烧一吨煤能做更多功的时候，所有人以为全英国的煤炭消费会减少。\n结果恰恰相反。\n煤炭的单位动力成本暴跌，瞬间引爆了过去根本用不起蒸汽机的无数新行业，煤炭总消耗量直接指数级炸开。\n现在的算力正在发生完全一样的事。\n当生成一个标记（Token）的成本跌到原来的 35 分之一、吞吐量暴涨 30 倍，AI 不再是少数大公司的昂贵实验，而变成了所有软件和业务的底层流水线。\n需求不仅没有见顶，反而被成百上千个新场景瞬间激活。\n这也是为什么数据中心的算账逻辑被彻底改写。\n过去华尔街看芯片单价，现在行业看的是吉瓦经济学。\nNVIDIA 在财报会上披露了一组极具杀伤力的数据：\n2022 年部署的 Hopper 架构，每吉瓦电力规模的数据中心能产生 180 亿美元收入。\n2024 年的 Blackwell，把这个数字推到了 250 亿美元。\n到了 2026 年的 Vera Rubin，每吉瓦产出直接飙升至 400 亿美元。\n对于电力供应受限的数据中心来说，换上新架构的目的从来不在节约成本。\n而在用同一个变电站容量榨出两倍以上的产值。\n算力的单位效益越高，抢电、抢卡、抢机房的动力就越狂热。\n买家版图也早已脱离了传统的科技巨头。\n专门出租算力的新型云服务商和各国的主权 AI 正在疯狂进场，相关业务收入单季激增 138%，增速直接把传统大厂甩在身后。\n甚至连各大厂自研专用推理芯片的尝试，也被这套通用生态压制。\n因为专用芯片只能跑特定模型，而通用算力可以吃下整个云端生态。\n真正制约这场算力狂飙的，从来无关下游软件的盈利叙事。\n卡在喉咙里的，是物理世界制造高带宽内存的产能极限。\n三个月内，NVIDIA 的供应链采购承诺翻了一倍以上，创下历史极值。\n绝大部分资金全部砸向了三星、SK海力士和美光的高带宽内存（HBM）。\n芯片的核心算力跑得飞快，但如果存取通道跟不上，算力就会被活活饿死在等待数据的途中。\n这就是为什么黄仁勋敢在指引里砍掉三成预期。\n需求已经在门外排到了 100%，唯一的刹车片，握在晶圆厂和先进封装的产能产线上。\n把视角从财务模型的折旧表移开，底层的物理与经济规律其实极其冷酷。\n效率提升不会杀死需求，它只会把需求推向更广阔的临界点。\n决定整个产业天花板的，从来不是买家的资本开支预算。\n是这颗星球把沙子堆叠成高带宽内存的物理极限。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 11:28:34","created_at":"2026-08-27 11:28:34","url":"https://mubeitech.com/p/mb-20260827-e5011d","markdown_url":"https://mubeitech.com/p/mb-20260827-e5011d/markdown"},{"rank":4,"id":"mb-20260827-590390","account":"mubei","brand":"","title":"当卖铲人开始借钱给淘金者买自己的铲子，繁荣的底座就换了零件","summary":"当卖铲人开始借钱给淘金者买自己的铲子，繁荣的底座就换了零件","body":"当卖铲人开始借钱给淘金者买自己的铲子，繁荣的底座就换了零件。\n英伟达单季营收冲破 962 亿美元，下一年增长指引高达 70%。\n但翻开资产负债表，前 5 大客户占了 70% 的应收账款。\n部分客户的付款周期，甚至被一路宽限到了整整一年。\n为什么全世界最赚钱的芯片巨头，要允许客户赊账一年来买自己的算力？\n为什么它还要出面为 OpenAI 提供高达 1050 亿美元的数据中心债务担保？\n这究竟是远见卓识的生态布局？\n还是一场不得不靠卖方输血来维持的击鼓传花？\n把这笔账放进资本演进的坐标系里，会看到一台运转了三十年的经典机器。\n这台机器叫供应商融资循环。\n真正的产业繁荣，逻辑极其简单：下游赚到真金白银，拿着利润向上游采购设备。\n但人工智能的下半场，遇到了严峻的现金流断层。\n谷歌在刚刚过去的季度里，交出了 2004 年上市以来的第一次负自由现金流。\n终端应用赚回来的微薄订阅费，根本填不上成百上千亿美元的算力开支。\n下游拿不出足够的现钱，上游又必须交出让华尔街满意的爆炸性增长。\n闭环要怎么维持？\n唯一的解法，就是卖铲人自己化身放贷人。\n英伟达把赚来的丰厚利润，通过股权投资、数十亿美元的云服务承购承诺、以及千亿美元的债务兜底，重新注入给核心客户。\n初创公司和云厂商拿到这笔资金背书，立刻转头向英伟达下单采购最新款芯片。\n英伟达把这笔采购记为当季的高额营收和亮丽利润。\n股价随之飙升，手里又有了更多筹码去支撑下一轮担保。\n钱从英伟达流出，在下游转了一圈，最后又作为收入流回英伟达。\n面对华尔街关于循环融资的尖锐质疑，首席财务官 Colette Kress 给出了自己的抗辩。\n她的逻辑是：GPU 算力是通用且耐用的硬资产，就算个别客户爆雷，芯片也能收回来转租给别人，因此风险完全可控。\n这套抗辩听起来无懈可击。\n但它偏偏忽略了半导体世界最冷酷的物理规律：折旧时钟。\n二十多年前的电信泡沫破裂前夕，朗讯和思科也曾用一模一样的逻辑，向新兴电信运营商借出几十亿美元去买自己的光纤和路由器。\n当时所有人也坚信，铺在地下的光纤是永远保值的通用基础设施。\n可当整个行业陷入产能过剩、下游运营商批量破产时，二手光纤的残值瞬间跌去了 90%。\n芯片的折旧速度，比光纤还要残酷得多。\n从 Hopper 到 Blackwell，先进制程的迭代周期只有 18 到 24 个月。\n算力芯片不是可以锁在地库里慢慢收租的写字楼。\n两年之后，上一代芯片在能效比和算力密度上就会被彻底碾压。\n一旦下游的应用泡沫刺破、借款人无力偿还债务，抵押在英伟达手里的二手芯片，残值会发生断崖式暴跌。\n那道被管理层寄予厚望的资产安全垫，在摩尔定律面前脆如薄纸。\n当资产负债表 70% 的应收账款被拉长到一年，上游实际上是用自己的身家性命，替下游的变现困境强行垫资。\n健康的商业增长，靠的是终端用户源源不断创造的新增财富。\n当一家万亿巨头必须亲自给买家提供信贷和担保才能卖出产品，资本市场看到的惊人增速，就已经不再是单纯的技术红利。\n那是卖方用自己的资产负债表，强行拉出的一道金融回旋镖。\n当卖铲人变成了放贷人，这根资金链条上的每一个人，都在为同一张尚未兑现的支票互相背书。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 11:28:33","created_at":"2026-08-27 11:28:33","url":"https://mubeitech.com/p/mb-20260827-590390","markdown_url":"https://mubeitech.com/p/mb-20260827-590390/markdown"},{"rank":5,"id":"mb-20260827-cdcb6e","account":"mubei","brand":"","title":"科技巨头左手给人工智能公司开出百亿美元投资支票，右手把同一笔钱以算力租金的名义收回自己的财报","summary":"科技巨头左手给人工智能公司开出百亿美元投资支票，右手把同一笔钱以算力租金的名义收回自己的财报","body":"科技巨头左手给人工智能公司开出百亿美元投资支票，右手把同一笔钱以算力租金的名义收回自己的财报。\n钱从自己的投资账户转出去，在初创公司账上过了一道水，立刻变成自己云部门暴增的营业收入。\n华尔街看到云业务营收暴增，随即把巨头的市值推高了几千亿美元。\n这到底是技术革命带来的真实繁荣？\n还是一场早已在历史上演过的精密记账游戏？\n科技评论家 Ed Zitron 在访谈中点破了这个让整个硅谷心照不宣的运转机制。\n这台机器在金融与商业史上，叫供应商融资回环，在会计学上常被称为往返注资。\n它的运转逻辑极其简单，却极具迷惑性。\n微软向 OpenAI 注资上百亿美元，亚马逊向 Anthropic 注资数十亿美元。\n这些资金并没有趴在初创公司的银行账户里生息。\n合同里早已写明：绝大部分资金必须用来购买投资方自家的云算力与服务器服务。\n巨头投出去的投资款，在几个季度内以云服务收入的形式回流。\n在初创公司这一端，巨额开销被记录为研发投入。\n在巨头这一端，回流的资金被包装成高速增长的商业营收。\n外部看似庞大的市场需求，很大一部分不过是科技巨头自己掏钱买自家的显卡服务。\n这套打法在商业历史上早有先例。\n早在 2000 年互联网泡沫顶峰，同样的剧本就曾全套上演。\n当时的电信设备巨头朗讯科技，为了维持华尔街要求的爆发式增长，大举向初创网络公司提供数十亿美元的贷款。\n初创公司拿到钱，转头全额采购朗讯的交换机和光纤设备。\n朗讯的财报上，设备销售收入季度翻番，股价一路飙升到 84 美元。\n直到泡沫刺破的那一天，大家才发现普通用户对带宽的实际消费，根本支撑不起这套昂贵的系统。\n拿到贷款的初创公司大面积破产，朗讯的贷款坏账率在一年内从 2.6% 暴冲到 60%。\n这家曾经全美最受尊敬的通信巨擘，股价直接跌破 1 美元，并在随后的清算中轰然倒塌。\n今天的算力狂欢，正面临比当年光纤危机更凶险的物理死锁。\n当年埋进地下的暗光纤，即便需求不及预期，依然能在泥土里静静躺上二十年，等待后来的流媒体时代。\n先进 GPU 没有这个时间。\n一张昂贵的人工智能计算芯片，物理寿命与折旧周期只有短短 3 到 4 年。\n红杉资本合伙人戴维·卡恩算过一笔极硬的账目。\n全球科技巨头每年在数据中心和算力芯片上砸下的资本开支，需要整个人工智能生态每年产生 6000 亿美元的真实软件营收才能回本。\n但今天普通用户每月支付 20 美元订阅费，实际消耗的推断算力成本高达上百美元。\n企业端的大多数尝试，仍然停留在概念验证阶段，没有产生可以规模替代人力支出的真实利润。\n当真实的终端软件现金流，远远填补不上每年几千亿美元的硬件折旧费用，这套自己给自己注资的闭环就会撞上物理极限。\n巨头的投资款一旦烧尽，初创公司的云算力采购就会骤降。\n初创公司的订单一停，巨头的云业务增速就会失速。\n而那些在 3 年内迅速老化的数十万张芯片，会在财报上化作一笔笔无法回避的资产减值。\n商业史上一再证明，任何繁荣如果脱离了终端用户的真实付费意愿，都无法靠内部资金循环无限维持。\n靠往返注资吹起来的营收数字，可以推高几个季度的股票市值。\n可当 3 年的硬件折旧时钟敲响，账本终究要回答那个最朴素的问题：\n除了巨头自己左手倒给右手的钞票，到底有谁在为这些算力真正买单？","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-27 11:28:36","created_at":"2026-08-27 11:28:36","url":"https://mubeitech.com/p/mb-20260827-cdcb6e","markdown_url":"https://mubeitech.com/p/mb-20260827-cdcb6e/markdown"},{"rank":6,"id":"mb-20260828-0d53bf","account":"mubei","brand":"","title":"手握几百亿美元现金的微软，为什么不自己买显卡，反而让一家创业公司去借十亿美元的私有债，再把算力租给自己","summary":"手握几百亿美元现金的微软，为什么不自己买显卡，反而让一家创业公司去借十亿美元的私有债，再把算力租给自己","body":"手握几百亿美元现金的微软，为什么不自己买显卡，反而让一家创业公司去借十亿美元的私有债，再把算力租给自己？\n\n表面看是算力短缺下的产能救急。\n\n翻开账本，底下其实是一套精密的金融机器。\n\n这台机器的名字，叫折旧外部化。\n\n整条链条的运转，逻辑其实很清晰。\n\n由摩根大通牵头，一家叫 Lambda 的算力公司刚借了 10 亿美元短期私有债。\n\n这笔钱唯一的用途，就是去英伟达那里抢购最新的 GPU 芯片。\n\n买回来的芯片，全部租给微软。\n\n同样的故事正在成批复制。\n\n另一家算力公司 Nebius，拿自己的芯片抵押借了 7.75 亿美元，背后也是一份来自微软、最高可达 194 亿美元的五年租赁大单。\n\n而这套玩法的鼻祖 CoreWeave，靠显卡抵押借了超过 140 亿美元的债务，招股书里超过六成的收入都来自微软。\n\n这就带来了一个必须回答的问题：\n\n微软拥有全美顶级的资产负债表，现金储备充足，融资成本比这些创业公司低得多。\n\n它为什么要把买芯片的权利拱手让人，宁可多付一笔租赁溢价，也要让小公司在中间过一道手？\n\n答案藏在两个致命的时间差里。\n\n第一个时间差，是硬件迭代与会计折旧的冲突。\n\n在科技巨头的财务报表里，一台数据中心服务器通常按 4 到 6 年进行直线折旧。\n\n但在今天的 AI 军备竞赛里，英伟达从 Hopper 到 Blackwell 再到下一代架构，技术迭代周期只有 18 到 24 个月。\n\n如果微软自己全款买下几十万张显卡，这些资产就必须全部进表。\n\n两年之后，一旦下一代芯片性能翻倍，上一代芯片租金暴跌，微软就必须在财报上计提数十亿美元的巨额资产减值。\n\n资本市场最讨厌这种吞噬自由现金流的重资产减值。\n\n第二个时间差，是基建交付的物理瓶颈。\n\n自建数据中心、申请变电站容量、布线并网，动辄需要两到三年。\n\n而这些新兴云厂商早已锁定了分散在各地的机房与电力配额。\n\n于是，华尔街和科技巨头联手搭出了这台类似现代航空租赁的金融闭环。\n\n微软出具一份「照付不议」的长期采购合同，用自己的顶级信用做背书。\n\n摩根大通拿着这份合同作为现金流担保，设立专项资产支持结构，向私人信贷市场借出几十亿美元。\n\n新兴云公司拿到贷款，立刻全款打给英伟达提货，把算力切片交给微软。\n\n各方在这台机器里各取所需：\n\n英伟达当场入账真金白银，营收神话继续维持。\n\n微软把原本动辄数百亿的资本开支，转化成了灵活的运营费用，既锁定了急需的算力，又把硬件过时的物理风险彻底挡在了资产负债表之外。\n\n华尔街赚取了可观的利息与承销通道费。\n\n新兴云公司则靠着惊人的杠杆，在短时间内把资产规模吹大数倍，拿着微软的合同冲刺上市。\n\n所有人都拿到了自己想要的东西。\n\n但天下没有免费的风险转移。\n\n当 H100 等上一代芯片的二手租金在过去一年里出现断崖式下跌，那笔被大公司甩出来的硬件减值风险，并没有凭空消失。\n\n它只是被打包成了高息债券，压在了那些背负着几十亿巨债、毛利率被死死锁定的算力中介身上。\n\n当大模型训练的算力需求一旦出现增速放缓，或者下一代架构让旧显卡的残值加速归零，科技巨头可以随时调整租约抽身。\n\n真正被钉在火山口上的，只有那些背负着数十亿美元巨债的算力新贵。","category":"经济","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-28 21:55:48","created_at":"2026-08-28 21:55:48","url":"https://mubeitech.com/p/mb-20260828-0d53bf","markdown_url":"https://mubeitech.com/p/mb-20260828-0d53bf/markdown"}]}