TL;DR · SemiAnalysis 预计，2029 年未偿 AI 债务或达 7.1 万亿美元，AI 建设将更依赖信贷市场。 · 英伟达已推出面向 AI 云的收入分成和信用支持模式，Sharon AI、Firmus 成为首批合作方。 · 兜底能降低银行顾虑，但租金下滑、数据中心短缺和或有承诺仍是主要风险。
SemiAnalysis 7 月 6 日发布的报告把 AI 基础设施的融资规模推到台前：2024 年至 2029 年，全球 AI 资本开支累计可能达到约 11.1 万亿美元，到 2029 年未偿 AI 相关债务可能超过 7 万亿美元，约为 7.1 万亿美元。
这不是单纯的 GPU 销量预测。报告讨论的核心变化是，AI 建设正从「科技巨头用现金流买 GPU」，走向「银行和债券市场为 GPU 集群融资」。如果这一测算兑现，AI 相关债务可能成为仅次于美国抵押贷款支持融资市场的巨型资产支持融资类别。
英伟达的角色也在变。英伟达 7 月 1 日官方博文确认，公司推出面向 AI clouds 的「收入分成和信用支持模式」，用资本伙伴、云服务商和数据中心项目的组合，推动 AI 算力建设。Sharon AI 和 Firmus 是首批合作方。
SemiAnalysis 进一步给出的判断是，英伟达可能通过 GPU 收入兜底、收入分成等结构，帮助 Neocloud 把 GPU、客户订单和数据中心容量打包成可融资资产。对贷款机构来说，关键不是未来 AI 需求有多热，而是最差情况下项目是否仍有现金流偿债。
全球 AI IT 与数据中心资本支出及债务预测：2024-2029 年累计资本支出约 11.1 万亿美元，2029 年未偿债务约 7.1 万亿美元。
过去几年，AI 基础设施主要由 Google、Amazon、Meta、Microsoft、Oracle 等超大规模云厂商承担。这些公司有现金流、有资产负债表，也有内部 AI 需求，融资难度相对较低。
但 AI 训练和推理需求继续放大后，单靠少数巨头的资本开支很难覆盖全部算力缺口。SemiAnalysis 预计，2028 年年度 AI 资本开支将远超 2 万亿美元。GPU、网络、存储、配套 CPU 以及数据中心建设都会消耗大量资金，信贷市场将成为资金来源之一。
Neocloud 的融资难点也在这里。
这类新型云服务商通常要同时凑齐三件事：买到 GPU，拿到数据中心容量，签下未来客户。银行最难判断的是，未来几年 GPU 租金能否覆盖债务本息。AI 算力租赁价格变化快，客户租期不统一，GPU 残值和利用率也比传统基础设施更难估算。
英伟达的信用支持模式，就是试图给贷款机构一个更清楚的现金流底线。官方说法是收入分成和信用支持，SemiAnalysis 则把其中的典型结构描述为 GPU 收入兜底。
SemiAnalysis 给出的示例结构是，英伟达为特定 GPU 集群提供 6 年期最低收入支持，价格曲线逐年下降，6 年平均约 2.36 美元/小时/GPU。若项目实际租金高于兜底水平，Neocloud 与英伟达再按约 40% 至 60% 的比例进行收入分成。
这不是英伟达公开披露的正式会计条款，而是 SemiAnalysis 模型中的指示性测算。它对贷款机构的吸引力在于，可以把一个高度不确定的 GPU 租赁项目，部分改造成带有最低现金流承诺的资产。
银行不一定要完全相信未来 AI 租赁价格持续高企。只要在兜底触发情景下，项目仍能满足债务服务覆盖要求，就可能获得贷款。按 SemiAnalysis 测算，附带英伟达 AA/Aa2 评级支持的集群，贷款机构要求债务服务覆盖率至少约 1.3 倍，对应 70% 至 80% 的贷款价值比。初期融资利差可能高于超大规模云厂商支持的交易，但低于 CoreWeave 无担保债约 10% 的收益率水平。
英伟达兜底指示性条款：6 年平均约 2.36 美元/小时/GPU，并配有 40%-60% 收入分成。
对 Neocloud 来说，兜底不只是保险，而是项目能否拿到债务融资的关键条件。
在 GB300 短期一年租赁示例中，若首年租金为 6.75 美元/小时、英伟达分成比例为 40%，Neocloud 6 年项目 IRR 约 25.4%，英伟达平均抽成率约 18%。如果市场需求不足，项目完全落入兜底租赁，Neocloud IRR 可能接近零或略为负值。
这对股权回报并不友好，但对融资很关键：项目回报可能被压低，债务服务仍有机会覆盖。也就是说，兜底把「可能赚很多钱」的 GPU 集群，改造成「压力情景下仍可能还上债」的融资资产。
GB300 Neocloud 回报对比：短租 40% 分成下 6 年 IRR 约 25.4%，完全触发兜底时 IRR 接近零或略为负值。
英伟达官方已经确认，Sharon AI 和 Firmus 是这套收入分成和信用支持模式的首批合作方。
Sharon AI 6 月 12 日公告显示，公司与英伟达达成 6 年战略算力合作，澳大利亚 72MW AI 工厂最多部署 4 万块 Grace Blackwell GB300。Sharon AI 整体 AI factory 容量计划达到 132MW，其中 102MW 已签约，预计到 2027 年中部署超过 5.5 万块英伟达 GPU。
Firmus 的印尼巴淡岛项目规模更大。英伟达官方博文称，Firmus Batam 项目可扩至 360MW，最多部署 17 万块英伟达 GPU。SemiAnalysis 将该项目纳入讨论，认为其主要面向 AI 原生企业和推理服务商，并可能提供多样化租期。
这些案例说明，英伟达的信用支持模式已经不只是财务模型假设，而是进入早期项目落地阶段。不过，目前公开案例主要集中在亚太地区，美国市场仍面临数据中心容量、电力和并网速度等约束。
数据中心仍是最硬的瓶颈。GPU 可以采购，客户需求可以签约，但电力、土地、机柜、冷却和并网进度很难快速复制。SemiAnalysis 模型中还提到，英伟达可能需要通过直接租赁数据中心容量，帮助 Neocloud 弥合供需缺口。这部分涉及的具体容量和规模仍属于报告估算，不能等同于英伟达官方披露。
对英伟达来说，给 GPU 融资提供支持有两层收益。
第一，它可以扩大 GPU 销售和部署范围。更多 Neocloud 拿到融资，就有更多主体能购买和运营大规模 GPU 集群，AI 算力市场不再完全依赖少数超大规模云厂商。
第二，它可能获得额外收入分成。SemiAnalysis 模型估算，若这类结构持续扩大，英伟达来自兜底和分成的增量收入可能变得可观，而且利润率较高。
代价也很明显。英伟达资产负债表外或相关披露中的长期承诺可能快速变大。SemiAnalysis 在付费报告部分估算，英伟达云服务协议或或有担保余额未来几年可能升至数千亿美元级别。由于这些数字未见英伟达官方逐项确认，更适合作为模型压力测试，而不是既成负债。
英伟达云服务协议增长预测：按 SemiAnalysis 模型，相关长期承诺可能随每 100MW 算力支持继续累积。
这不是传统意义上的直接债务。但如果 GPU 租赁市场走弱、客户需求不足，兜底触发概率上升，英伟达就需要承担更多最低收入支持。市场最终要看的，不只是英伟达能从中赚多少分成，还包括这些承诺是否会影响自身资本配置和现金流优先级。
这份报告最有冲击力的地方，是把 AI 算力建设放进了信贷市场。当资本开支膨胀到万亿美元级别，GPU 集群就不再只是科技产品，也会成为银行、债券投资者和云服务商共同评估的融资资产。
但 7.1 万亿美元 AI 债务仍是远期模型预测，不是已经发生的事实。它依赖几个前提：AI 需求持续扩张，GPU 利用率保持较高水平，租赁价格按可控速度下降，数据中心建设能够跟上，贷款机构也愿意接受英伟达信用支持下的现金流模型。
最容易出问题的是价格和落地速度。如果 GPU 租金下滑快于预期，Neocloud 在高分成、高融资成本下的回报会被压缩。如果兜底大量触发，项目虽然可能继续偿债，但英伟达承担的承诺会变重。如果数据中心、电力和并网延迟，融资模型里的 GPU 部署时间也会被打乱。
英伟达「给 GPU 融资兜底」的故事，指向的是 AI 基础设施下一阶段的资金来源。它能让更多算力项目获得贷款，也可能把英伟达推到 AI 信贷市场更中心的位置。只是这个市场能否长到 7 万亿美元，最终要由租金、利用率和数据中心交付来决定。
点击了解律动BlockBeats 在招岗位
欢迎加入律动 BlockBeats 官方社群：
Telegram 订阅群：https://t.me/theblockbeats
Telegram 交流群：https://t.me/BlockBeats_App
Twitter 官方账号：https://twitter.com/BlockBeatsAsia
81.16万 热度
100.27万 热度
6.79万 热度
18.18万 热度
30.95万 热度
SemiAnalysis解读：英伟达给GPU融资兜底，AI算力进入信贷时代
SemiAnalysis 7 月 6 日发布的报告把 AI 基础设施的融资规模推到台前：2024 年至 2029 年，全球 AI 资本开支累计可能达到约 11.1 万亿美元，到 2029 年未偿 AI 相关债务可能超过 7 万亿美元，约为 7.1 万亿美元。
这不是单纯的 GPU 销量预测。报告讨论的核心变化是，AI 建设正从「科技巨头用现金流买 GPU」，走向「银行和债券市场为 GPU 集群融资」。如果这一测算兑现，AI 相关债务可能成为仅次于美国抵押贷款支持融资市场的巨型资产支持融资类别。
英伟达的角色也在变。英伟达 7 月 1 日官方博文确认，公司推出面向 AI clouds 的「收入分成和信用支持模式」，用资本伙伴、云服务商和数据中心项目的组合，推动 AI 算力建设。Sharon AI 和 Firmus 是首批合作方。
SemiAnalysis 进一步给出的判断是，英伟达可能通过 GPU 收入兜底、收入分成等结构，帮助 Neocloud 把 GPU、客户订单和数据中心容量打包成可融资资产。对贷款机构来说，关键不是未来 AI 需求有多热，而是最差情况下项目是否仍有现金流偿债。
AI 建设越来越贵，银行要先看到谁来付租金
过去几年，AI 基础设施主要由 Google、Amazon、Meta、Microsoft、Oracle 等超大规模云厂商承担。这些公司有现金流、有资产负债表，也有内部 AI 需求，融资难度相对较低。
但 AI 训练和推理需求继续放大后，单靠少数巨头的资本开支很难覆盖全部算力缺口。SemiAnalysis 预计，2028 年年度 AI 资本开支将远超 2 万亿美元。GPU、网络、存储、配套 CPU 以及数据中心建设都会消耗大量资金，信贷市场将成为资金来源之一。
Neocloud 的融资难点也在这里。
这类新型云服务商通常要同时凑齐三件事：买到 GPU，拿到数据中心容量，签下未来客户。银行最难判断的是，未来几年 GPU 租金能否覆盖债务本息。AI 算力租赁价格变化快，客户租期不统一，GPU 残值和利用率也比传统基础设施更难估算。
英伟达的信用支持模式，就是试图给贷款机构一个更清楚的现金流底线。官方说法是收入分成和信用支持，SemiAnalysis 则把其中的典型结构描述为 GPU 收入兜底。
6 年示例兜底均价 2.36 美元，短租情景 IRR 可到 25%
SemiAnalysis 给出的示例结构是，英伟达为特定 GPU 集群提供 6 年期最低收入支持，价格曲线逐年下降，6 年平均约 2.36 美元/小时/GPU。若项目实际租金高于兜底水平，Neocloud 与英伟达再按约 40% 至 60% 的比例进行收入分成。
这不是英伟达公开披露的正式会计条款，而是 SemiAnalysis 模型中的指示性测算。它对贷款机构的吸引力在于，可以把一个高度不确定的 GPU 租赁项目，部分改造成带有最低现金流承诺的资产。
银行不一定要完全相信未来 AI 租赁价格持续高企。只要在兜底触发情景下，项目仍能满足债务服务覆盖要求，就可能获得贷款。按 SemiAnalysis 测算，附带英伟达 AA/Aa2 评级支持的集群，贷款机构要求债务服务覆盖率至少约 1.3 倍，对应 70% 至 80% 的贷款价值比。初期融资利差可能高于超大规模云厂商支持的交易，但低于 CoreWeave 无担保债约 10% 的收益率水平。
对 Neocloud 来说，兜底不只是保险，而是项目能否拿到债务融资的关键条件。
在 GB300 短期一年租赁示例中，若首年租金为 6.75 美元/小时、英伟达分成比例为 40%，Neocloud 6 年项目 IRR 约 25.4%，英伟达平均抽成率约 18%。如果市场需求不足，项目完全落入兜底租赁，Neocloud IRR 可能接近零或略为负值。
这对股权回报并不友好，但对融资很关键：项目回报可能被压低，债务服务仍有机会覆盖。也就是说，兜底把「可能赚很多钱」的 GPU 集群，改造成「压力情景下仍可能还上债」的融资资产。
Sharon AI 和 Firmus 先落地，亚太项目成试验场
英伟达官方已经确认，Sharon AI 和 Firmus 是这套收入分成和信用支持模式的首批合作方。
Sharon AI 6 月 12 日公告显示，公司与英伟达达成 6 年战略算力合作，澳大利亚 72MW AI 工厂最多部署 4 万块 Grace Blackwell GB300。Sharon AI 整体 AI factory 容量计划达到 132MW，其中 102MW 已签约，预计到 2027 年中部署超过 5.5 万块英伟达 GPU。
Firmus 的印尼巴淡岛项目规模更大。英伟达官方博文称，Firmus Batam 项目可扩至 360MW，最多部署 17 万块英伟达 GPU。SemiAnalysis 将该项目纳入讨论，认为其主要面向 AI 原生企业和推理服务商，并可能提供多样化租期。
这些案例说明，英伟达的信用支持模式已经不只是财务模型假设，而是进入早期项目落地阶段。不过，目前公开案例主要集中在亚太地区，美国市场仍面临数据中心容量、电力和并网速度等约束。
数据中心仍是最硬的瓶颈。GPU 可以采购，客户需求可以签约，但电力、土地、机柜、冷却和并网进度很难快速复制。SemiAnalysis 模型中还提到，英伟达可能需要通过直接租赁数据中心容量，帮助 Neocloud 弥合供需缺口。这部分涉及的具体容量和规模仍属于报告估算，不能等同于英伟达官方披露。
英伟达能拿分成，也会背上更大的长期承诺
对英伟达来说，给 GPU 融资提供支持有两层收益。
第一，它可以扩大 GPU 销售和部署范围。更多 Neocloud 拿到融资，就有更多主体能购买和运营大规模 GPU 集群，AI 算力市场不再完全依赖少数超大规模云厂商。
第二，它可能获得额外收入分成。SemiAnalysis 模型估算，若这类结构持续扩大，英伟达来自兜底和分成的增量收入可能变得可观，而且利润率较高。
代价也很明显。英伟达资产负债表外或相关披露中的长期承诺可能快速变大。SemiAnalysis 在付费报告部分估算，英伟达云服务协议或或有担保余额未来几年可能升至数千亿美元级别。由于这些数字未见英伟达官方逐项确认，更适合作为模型压力测试，而不是既成负债。
这不是传统意义上的直接债务。但如果 GPU 租赁市场走弱、客户需求不足，兜底触发概率上升，英伟达就需要承担更多最低收入支持。市场最终要看的，不只是英伟达能从中赚多少分成，还包括这些承诺是否会影响自身资本配置和现金流优先级。
最大考验是租金和机房能否撑住
这份报告最有冲击力的地方，是把 AI 算力建设放进了信贷市场。当资本开支膨胀到万亿美元级别，GPU 集群就不再只是科技产品，也会成为银行、债券投资者和云服务商共同评估的融资资产。
但 7.1 万亿美元 AI 债务仍是远期模型预测，不是已经发生的事实。它依赖几个前提：AI 需求持续扩张，GPU 利用率保持较高水平，租赁价格按可控速度下降，数据中心建设能够跟上，贷款机构也愿意接受英伟达信用支持下的现金流模型。
最容易出问题的是价格和落地速度。如果 GPU 租金下滑快于预期，Neocloud 在高分成、高融资成本下的回报会被压缩。如果兜底大量触发，项目虽然可能继续偿债，但英伟达承担的承诺会变重。如果数据中心、电力和并网延迟，融资模型里的 GPU 部署时间也会被打乱。
英伟达「给 GPU 融资兜底」的故事，指向的是 AI 基础设施下一阶段的资金来源。它能让更多算力项目获得贷款，也可能把英伟达推到 AI 信贷市场更中心的位置。只是这个市场能否长到 7 万亿美元，最终要由租金、利用率和数据中心交付来决定。
点击了解律动BlockBeats 在招岗位
欢迎加入律动 BlockBeats 官方社群：
Telegram 订阅群：https://t.me/theblockbeats
Telegram 交流群：https://t.me/BlockBeats_App
Twitter 官方账号：https://twitter.com/BlockBeatsAsia