黃仁勳 5,000 億美元 AI 融資計畫的最大風險：GPU 折舊速度與中國變數

輝達執行長黃仁勳正推動一項規模達 5,000 億美元的 AI 基礎設施融資計畫，其核心設計是把 GPU 作為長期抵押品，藉此解鎖傳統上難以取得的大額資金。而市場對這項安排最主要的疑問集中在一個技術性問題上：這些晶片的折舊速度有多快。

抵押品融資的邏輯建立在資產殘值的可預測性上。在傳統的基礎設施融資中，抵押品可能是不動產、電廠或飛機——這類資產的經濟壽命長達數十年，折舊曲線平緩且有充足的歷史數據可供估算。放款方因此能合理評估：若借款人違約，處分抵押品能回收多少本金。

GPU 的性質則截然不同。AI 加速器的世代更新週期目前約為一到兩年，而每一代的效能提升幅度相當可觀。這意味著三年前的旗艦加速器，在今天的訓練工作負載上可能已不具經濟效益——不是不能運作，而是單位運算成本高於新世代產品，繼續使用反而虧損。這種由技術世代交替驅動的價值衰減，速度遠快於實體損耗。

不過，這個問題有兩面。支持方的論點是：舊世代 GPU 在推論工作負載上仍有相當長的使用壽命。推論對絕對效能的要求低於訓練，且對成本更敏感，因此舊卡在折價後仍具競爭力。若二手 GPU 存在活絡的次級市場，抵押品的殘值就有可靠的價格發現機制。問題在於，這個次級市場目前的深度與透明度都還不足以支撐千億美元級別的估值。

中國因素則是另一層變數。中國業者在 AI 晶片上的進展，若能在特定效能區間提供具價格競爭力的替代方案，將直接壓低全球二手加速器的市場價格。同時，出口管制政策的變動也會影響貿易流向——限制放寬會釋出中國市場的需求並支撐殘值，收緊則可能讓原本流向該市場的存量硬體回流，形成供給壓力。

對整個 AI 產業而言，這項融資安排的成敗具有系統性意義。若模式成立，AI 基礎設施的資金來源將從企業自有現金流擴展到更廣泛的信貸市場，建置速度可望加快；若殘值評估出現重大偏差，損失將由私募信貸的投資人承擔，而這些資金往往來自退休基金與保險機構。

後續觀察重點包括：二手 GPU 次級市場的成交價格與流動性、放款條件中的折舊假設與擔保成數，以及主要 AI 加速器的世代更新節奏是否放緩。