转：英伟达的这一举动是近期（2026年8月10日左右）宣布的重大融资创新。 它与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR六家机构签署谅解备忘录，计划通过独立融资平台动员超过5000亿美元第三方资本，支持AI基础设施（主要是数据中心和GPU采购）。核心是把NVIDIA算力/GPU当作可投资、可抵押的资产类别，类似基础设施或资产支持证券，客户（尤其是非超大规模云厂商、AI实验室、neo-cloud）可更易获得融资；英伟达可能在部分项目中提供最高25%的残值支持。这旨在扩大总需求，降低客户资产负债表压力，并回应此前“循环融资”质疑。 techcrunch.com axios.com blogs.nvidia.com 谷歌（TPU）和亚马逊（Trainium/Inferentia）自研芯片在各自公有云及内部算力中占比持续上升，这与此前Epoch AI等数据一致：谷歌累计算力中自研占比已很高，亚马逊也显著。对谷歌、亚马逊等自研芯片大公司的影响• 总体偏中性到略正面，但并非直接利好其核心优势。 融资主要惠及那些资金紧张、高度依赖NVIDIA GPU的客户（如独立AI实验室、中小云服务商、CoreWeave类neo-cloud）。这会扩大整体AI算力部署规模和下游需求，间接带动谷歌云、AWS的公有云业务增长——它们本身就同时提供自研芯片和NVIDIA实例，客户可按需选择。总市场蛋糕做大，对云厂商有利。• 对自研芯片战略冲击有限。 谷歌和亚马逊自研的核心驱动是内部成本控制、能效优化、供应链独立和云服务差异化（TPU对Gemini/特定工作负载、Trainium对训练性价比优势显著）。它们自身现金流充裕，不太依赖这类外部GPU融资。自研占比提升主要压缩的是自身对NVIDIA的采购依赖，而非被融资计划直接威胁。• 潜在风险侧。 若证券化成功推动大量NVIDIA GPU涌入市场，可能加剧短期供应、压低租赁价格或加速折旧预期，进而影响二手/残值市场。若出现过度杠杆或违约，可能波及整个AI基础设施融资环境，间接提高所有云厂商的融资成本或引发市场波动。但目前结构强调独立尽调，英伟达残值支持有限，系统性风险尚可控。长期看，这强化了“双轨市场”：超大规模厂商用自研优化内部/高量工作负载，外部灵活需求仍靠NVIDIA生态。谷歌、亚马逊对英伟达此举的影响（反向作用）• 这是英伟达应对超大规模厂商自研芯片侵蚀的关键战略响应。 谷歌TPU、亚马逊Trainium等已显著降低NVIDIA在超大规模厂商内部算力中的份额（整体数据中心AI加速器单位份额从早期高位下降）。自研芯片在推理和特定训练上提供更好的TCO（总拥有成本）和能效，迫使英伟达无法再单纯依赖几家巨头的现金采购来驱动增长。• 促使英伟达主动扩大TAM（总可寻址市场）。 通过把GPU金融化、证券化，英伟达把需求从“有钱的超大规模厂商”延伸到更广泛的AI生态参与者，用第三方资本撬动更多部署，对冲超大规模厂商内部替代带来的份额压力。这也帮助维护CUDA生态的网络效应和定价权，同时把部分融资风险转移到华尔街机构。• 竞争动态加剧。 自研进展越快（谷歌云TPU占比上升、亚马逊Trainium已获Anthropic/OpenAI等大单），英伟达就越需要这类创新来维持增长叙事和残值信心。反过来，若融资成功推高整体NVIDIA部署，也可能让超大规模厂商更有动力加速自研，以保持成本优势和差异化。市场正走向分化：NVIDIA主导通用/灵活/外部市场，谷歌/亚马逊等主导自身优化工作负载。整体而言，这是AI算力从“科技硬件销售”向“可金融化基础设施资产”转型的标志性一步。对谷歌和亚马逊，短期影响以间接市场扩大为主；长期则取决于自研执行速度与NVIDIA生态扩张的相对速度。风险在于金融杠杆放大，需关注实际项目落地、残值表现和潜在违约。相关分析仍在快速演进中。