GPU 不是擔保品：200 億美元基金如何為 AI 兆元基建找到融資密碼

本文整理自《No Priors》2026 年 2 月播出的單集。

{{< youtube WSxVh5WvWZ4 >}}

{{< spotify "episode/4W3bpytsNMIHMLmiCvoszB" >}}

{{< apple-podcast "tw/podcast/how-capital-is-powering-the-ai-infrastructure/id1668002688?i=1000751732256" >}}

---

六千九百億美元從哪來？

2026 年，光是超大規模雲端業者的 AI 運算與基礎建設資本支出，預估就在 6,600 到 6,900 億美元之間。未來幾年更將攀升至兆美元等級。這個數字聽起來很震撼，但真正的問題不是「要花多少錢」，而是「這筆錢怎麼籌」。如果全部用股權融資，稀釋程度會讓任何公司的股東都無法接受。這不是一個光靠創投支票就能解決的問題，它需要全新的金融工程。

Magnetar Capital 常務董事 Neil Tiwari 在《No Priors》節目中，從一個很少被科技媒體報導的角度拆解了這個問題。Magnetar 是一家管理約 200 億美元的另類資產管理公司，核心能力在私募信貸和創投，專門為資本密集型企業設計創新融資結構。他們在 AI 基建融資領域的角色，不是蓋資料中心，而是設計出讓資料中心蓋得起來的資金架構。

這套金融創新的故事，要從一家曾經挖以太幣的公司說起。

從以太坊礦場到 AI 雲端巨頭

2021 年，Magnetar 遇到了一家叫 CoreWeave 的公司。當時 CoreWeave 正從以太坊挖礦轉型為高效能運算服務商，第一個客戶是好萊塢的特效公司，用 GPU 做電影視覺效果。那時候還沒有 AI 熱潮，但 Magnetar 看到了一個有趣的可能性：同一批 GPU 硬體可以應用在很多不同的高效能運算場景。他們投了第一筆錢，買的其實是一張選擇權。

「我們在 AI 交易開始之前就做了第一筆投資，」Neil Tiwari 回憶。「我們增加了很多選擇性，可以預見 GPU 被用於很多不同的高效能運算應用。AI 和機器學習已經在我們的雷達上，但我不會說我們能預見後來發生的一切。我們剛好在對的時間出現在對的地方。」

轉折點在 2023 年初。CoreWeave 開始為 OpenAI 訓練大型語言模型，算力需求爆炸式成長。後面的故事科技媒體都報導過了：CoreWeave 在 2025 年 3 月以每股 40 美元 IPO，成為史上最快達到 50 億美元年營收的雲端公司，待完成訂單超過 660 億美元。Magnetar 最初的 5,000 萬美元投資，如今膨脹到約 125 億美元。

但比股價漲幅更值得關注的，是 CoreWeave 能快速擴張的底層邏輯。Neil Tiwari 指出兩個關鍵因素：規模與可靠性。規模取決於資本和能源的取得能力。可靠性則仰賴管理大規模 GPU 叢集的技術功力，把數萬張 GPU 維持在 99.9% 的正常運行時間，需要從 2017 年就開始累積的系統工程能力。CoreWeave 創辦人的背景在能源和資產管理，這些經驗讓他們天生就擅長處理電力、土地、大型資產這類問題。新進的競爭者要同時複製規模和可靠性，難度極高。

媒體搞錯了什麼：GPU 擔保的迷思

要融資數十億美元來購買 GPU 和建設資料中心，債務結構是核心。但媒體在報導這件事時，幾乎全部搞錯了重點。

「媒體經常這樣描述：這些債務結構用 GPU 當擔保品，就像用一輛二手車做擔保一樣，顯然會快速貶值。那是一種非常高風險的結構。」Neil Tiwari 直言。「但被忽略的是，GPU 本身其實只是這些金融工具中的第二或第三層擔保品。真正的主要擔保品，是來自投資等級交易對手的合約現金流。」

這些債務結構通常以特殊目的載具（SPV）的形式存在。SPV 裡面裝的是 GPU 硬體和服務合約，但債權人真正看重的不是那些會折舊的晶片，而是微軟、Meta 這類投資等級企業簽下的長期租用合約。這些合約保證了穩定的現金流入，等於是微軟和 Meta 的信用在為整筆債務背書。主持人 Sarah Guo 把它簡化得很好：「就是微軟或 NVIDIA 之類的公司說『我承諾付你錢』，然後你知道他們付得起。」

在還款結構上也有巧思。典型的 GPU 基建債務期限是四到五年，但資本支出的回收期大約只要兩到三年。整筆債務在存續期間就會全額攤還完畢，到期時餘額歸零，沒有任何氣球式尾款。「在這類債務結構裡，折舊其實不太重要，」Neil Tiwari 解釋，「因為債務在到期前就對著投資等級交易對手的承諾合約全部還清了。」

還清債務之後，GPU 和基礎設施的剩餘價值全部留在雲端業者手上。也就是說，一批已經還清的資產可以被重新部署，不需要額外舉債就能繼續產生收入。「你可以想像一個世界，所有這些資本支出都以極快的速度回收完畢，然後有機會重新部署，而且重新部署時不需要再支付任何額外的債務。」這對業者來說，是一個極有吸引力的商業模型。

金融工具的進化：從純投資級到混合 SPV

這套融資結構並非一成不變。過去兩三年間，SPV 的組成方式已經明顯進化。

早期的債務結構只接受投資等級的交易對手，理由很直接：整個領域太新了，營運商沒有實績。但市場成熟之後，結構開始混合。「你開始看到投資等級的交易對手，像是超大規模業者和其他投資等級企業，和 AI 原生公司混在一起。」Neil Tiwari 描述這個轉變。「所以想想那些 AI 模型公司、實驗室、正在建構 AI 新創的軟體公司。這些公司被混入投資等級公司旁邊，組成一個投資組合。」

這個改變之所以可行，是因為現在已經有了實績可以參考。結構設計者可以在同一個 SPV 中平衡投資等級和非投資等級的風險，不需要全部押在大型科技公司身上。這對 AI 新創公司來說是重大利多，因為它們終於有辦法取得規模化所需的債務融資，而不是被迫用昂貴的股權來支撐每一塊 GPU 的購買。

推動這個轉變的另一個因素是運算資源的互換性。算力的用途越來越多元，承租方更容易轉換，合約的風險分散效果也更好。兩三年前，要為一家 AI 新創公司做債務融資幾乎不可能。現在，有了更多運行時間紀錄、加上算力互通能力的提升，金融市場正在快速跟上。

「沒有閒置 GPU」：回應循環融資的質疑

每次 AI 投資規模的新聞出來，「循環融資」的質疑就會跟著浮現。批評者擔心的是：AI 公司之間互相購買服務，形成一個自我強化的泡沫，就像 2000 年代初期的光纖過度建設一樣。

Neil Tiwari 對這個比較不以為然。「至少從我們的觀察來看，我們持續看到無法滿足的需求。如果你回頭看 2000 年代初期的大型科技建設期，那時候有大量光纖被鋪設，然後出現了暗光纖，就是建了卻沒人用的過度建設。我認為現在你看到的是：沒有任何閒置的 GPU。每一張 GPU 都在被使用。」

他進一步用數據支撐這個論點。2025 年企業 AI 的總可定址市場約 370 億美元，而且成長速度驚人。從具體的投資報酬率來看，AI 工具的代幣經濟學已經呈現正向回報。循環融資的擔憂在兩種情況下才成立：一是建設投機性的算力和容量，二是純粹為了營收認列而進行的供應商融資。「那不是我們看到的情況，」Neil Tiwari 強調。「我們是在為有正向 ROI 的使用場景所驅動的需求提供融資。最終的買方是那些大規模部署的超大規模業者，算下來每一單位的投資都是賺錢的。」

這個論述的核心邏輯是：只要終端使用者確實在為 AI 算力付費、而且從中獲得了超越成本的價值，整個鏈條就不是循環，而是一條健康的價值鏈。光纖泡沫的問題是建了沒人用；GPU 的現況是供不應求。

我的觀察

這場訪談讓我重新思考了一件事：我們經常把 AI 產業的競爭理解為技術之爭，比的是模型誰強、晶片誰快、誰先做出 AGI。但 Neil Tiwari 的視角提醒我們，金融工程同樣是決定勝負的關鍵戰場。

能不能設計出讓債權人安心的融資結構，直接決定了一家公司能多快取得算力、能建多大的叢集。CoreWeave 之所以能從一家以太坊礦場變成 IPO 市值數百億美元的 AI 雲端公司，不只是因為技術好，更是因為 Magnetar 這類金融機構幫它設計了一套讓資本市場願意買單的債務架構。

對臺灣的科技業觀察者來說，這個角度值得特別關注。台積電生產的晶片最終被誰買走、用在什麼地方，越來越取決於這些金融結構如何分配資本。理解 AI 基建的金融邏輯，可能和理解 AI 技術本身一樣重要。