Amazon正在規劃把約80億美元的NVIDIA AI晶片轉移給SPV,由SPV向保險公司、退休基金等投資人發債,再把GPU租回給Amazon使用。 簡單講就是⋯ 「資產賣掉、資金拿回來、設備繼續用。」 這不是單純把GPU拿去抵押增貸,而是把「所有權」與「使用權」拆開,再利用Amazon的租約現金流,讓原本躺在資產負債表上的GPU,變成可以融資的金融資產。但如果我是銀行,我最在意的反而不是Amazon有多大。而是... 五年後,這GPU還值多少? 房子20年後大概還是一棟房子。但是GPU可能沒有壞,只是新一代算力更強、耗電更低,舊晶片瞬間失去競爭力?這叫「殘值風險」。 所以真正的關鍵從來不是GPU現在值80億,而是背後有沒有Amazon穩定支付租金,以及未來GPU還剩多少價值。如果這套模式成功,事情就很有趣了... 買GPU -> 證券化 -> 拿回資金 -> 再買GPU -> 再證券化 AI產業就能把保險、退休基金、債券與私募信用市場的龐大資金一起拉進來,資本擴張速度會更快。 但如果AI需求不如預期、晶片迭代太快、殘值暴跌,又建立太高槓桿呢?原本的「資本效率機器」,就會反過來變成「槓桿絞肉機」。 這就類似雷曼兄弟風暴的原型,前幾年市場老是有危言聳聽的雷曼重現那些事件,根本不及此事風險的百分之一。 注意! 『證券化從來不會消滅風險,它只是把風險切開、重新定價,再交到不同的人手上。』 真正重要的從來不是你能槓桿幾倍,而是槓桿拿掉以後,底下那個東西,到底值多少錢? 目前華爾街其實還沒有完全接受「GPU=飛機」(*註)這個命題。 Reuters訪問的銀行與信用投資人指出,銀行目前對GPU常採約3~4年的折舊/承作視角,並要求更高利率、更厚的安全墊或更強的保證;已經成功取得投資等級的GPU融資,例如CoreWeave約85億美元的融資,關鍵也不是「GPU很值錢」,而是背後有Meta的合約付款作為可靠現金流。 銀行邏輯不是『因為你有一顆很貴的GPU,就願意借你很多錢』,銀行真正想知道的是『誰會用這顆GPU賺錢,而且誰負責把錢還我?』 (這就是我上課常講的當鋪邏輯與銀行邏輯的差異,還款能力的重視度不同) 而NVIDIA現在確實已與多家大型資產管理與金融機構建立融資平台,希望長期動員超過5,000億美元第三方資本,把AI算力逐步發展成可投資的基礎建設資產類別。這也是我認為這新聞真正比「Amazon省了80億資本支出」大得多的地方... AI正在從科技故事,進入信用市場的故事。 接著, 華爾街日報昨天報導了一個很震驚的消息,就是2032年後,AI營收需要達到美國GDP的9%,如果沒有,那所有AI產業支撐起來的泡沫就會破滅??!! 這個數據不是亂謅的,是哥倫比亞大學教授 Van Nieuwerburgh 做了一個計算。他把現在所有資料中心的興建計畫加總,假設每 1 美元營收能產生 0.5 美元現金流,投資人要求 10% 的報酬率,通過這樣的方式算出來的。 那為何這個數字令人震驚呢? 因為這個數字是所有電腦和軟體產業加起來總營收的兩倍。在美國只有醫療健康(佔GDP18%)與飲食(佔GDP9%),其他都沒辦法達到這種程度。也就是說,AI 營收得變成和全美國人飲食總支出一樣,現在砸下去的錢才回得了本。 但我個人認為⋯ - 「不到GDP 9%,AI泡沫就會破」屬於是過度解讀。8.8% 是特定假設下「要讓這批資本取得 10% 報酬所需要的營收」,不是泡沫破裂的臨界值。即使只有 5%,也可能只是投資報酬低於預期、部分資料中心取消或資產減值,而非整個AI產業崩潰。 - OpenAI+Anthropic年化營收「1,800億美元」也有差距。目前較可靠公開資訊顯示,OpenAI年化經常性營收接近700億美元;Anthropic目前的規模並不足以把兩者推到1,800億美元。Van Nieuwerburgh相關討論使用的量級約是合計1,000億美元左右。 - 「哈佛研究:程式碼增加30%,完成專案幾乎沒增加」來源描述要再確認。我請AI協助查到相符的是2026年的NBER研究,不是「哈佛研究」。研究涵蓋逾50萬GitHub開發者,確實發現AI提高coding activity,但效果沿著「寫程式 -> 專案 -> 實際發布」逐層衰減;因此「生產力沒有完全轉換成最終產出」方向成立,但二手文的數字與出處混用了。 - 「早期資料中心1年回本、後來3年、現在5年」這部分的依據也要再確認。資料中心的回收期高度依賴GPU價格、利用率、電價、租金、融資與建設時程,不能當成產業通則。不過「越晚建成,面臨價格下降與技術迭代的風險越高」確實是有研究支持;甚至一年的延遲就可能顯著侵蝕專案價值。(我相信做研發的都理解這種價值衰減的恐怖)