英伟达或许正在以一种不同寻常的方式，构建属于自己的“超级云”体系：它不直接拥有数据中心大楼、不签电力合同，也不掌握终端客户关系，却正在通过软硬件标准、基础设施设计和金融资本网络，将AI算力扩张所需的关键环节连接起来。

近期，英伟达与阿波罗、贝莱德、黑石、布鲁克菲尔德、高盛及KKR等多家华尔街机构达成合作，计划搭建独立融资平台，吸引超过5000亿美元第三方资金投入AI数据中心建设。表面上，这又是一笔围绕人工智能基础设施的巨额融资安排；但从更长远的角度看，它可能是英伟达将自身从芯片供应商推向AI基础设施“系统组织者”的最后一块拼图。

投资机构Altimeter Capital合伙人Clark Tang认为，英伟达正在快速打造一种“合成型超级云”。传统意义上的超级云服务商，如AWS、微软Azure和Google Cloud，通常同时具备两项核心能力：一是金融能力，即集中采购硬件、以较低成本融资，再将基础设施以运营支出的方式提供给客户；二是运营能力，即借助软件抽象底层硬件，使客户无需关心应用实际运行在哪台服务器上。

在传统云计算模式下，云服务商通过批量采购、低成本融资和资源虚拟化，提高服务器利用率，进而实现约35%至40%的运营利润率。但AI工作负载正在打破这一逻辑。大规模模型训练要求大量GPU节点在高度同步的集群内协同工作，任何一个慢节点都可能拖累整体任务；推理业务则更关注单位功耗下的Token产出，以及首个Token的生成延迟。过去云厂商围绕虚拟机密度展开的优化，在AI时代的重要性明显下降。

与此同时，数据中心的供电能力成为更加刚性的约束。当任务从大量可冗余、可分散运行的CPU工作负载，转向对互连、同步和高功率密度要求极高的AI训练集群后，传统数据中心的经济模型也随之改变。

大型云厂商显然已经意识到这一变化。由于英伟达GPU拥有较高利润率，云巨头希望通过自研ASIC降低对其依赖：Google有TPU，亚马逊推出Trainium和Inferentia，微软开发Maia，Meta则部署MTIA。它们不仅掌握企业客户关系，也拥有数据和既有云平台，因此有能力按自身节奏推进自研芯片计划。对英伟达而言，这意味着其产品迭代速度和订单增长，可能在一定程度上受制于少数大客户的部署节奏。

这也为“新云厂商”创造了机会。CoreWeave、Nebius、Lambda、Crusoe和Nscale等公司瞄准AI原生云计算市场，采用更贴近英伟达参考架构的软硬件设计，提供裸金属部署、快速更换硬件、预测性维护，以及针对训练流水线优化的存储服务。它们不依赖传统云平台层层叠加的虚拟化机制，也愿意接受约20%的利润率，以更低价格争取AI工作负载。

但这些新云厂商普遍面临同一个难题：缺少大型云巨头那样具备投资级信用的资产负债表。贷款机构往往要求GPU设备在获得融资前就已有签约客户，这使它们很难提前大规模建设产能，只能在需求已经确定后再扩张。相比之下，传统云厂商可以凭借自身现金流和融资能力先行投入。

不过，就连科技巨头如今也在承受AI资本开支带来的压力。Google此前公布了其首个自由现金流为负的季度，并进行了500亿美元股权融资；微软则背负了3290亿美元尚未开始执行的租赁承诺。若连大型科技公司都需要外部资本支持，那么新云厂商对资金的渴求只会更加强烈。

在这一背景下，英伟达过去两年推出的产品和合作安排开始呈现出更清晰的战略轮廓。运营层面，英伟达已经提供了用于管理GPU集群的DSX OS和Mission Control、用于数据中心设计与模拟的DSX参考架构和Omniverse数字孪生工具，以及面向推理服务的Dynamo平台。原本属于超级云厂商核心壁垒的基础设施软件能力，如今正在被英伟达打包提供给拥有场地与电力资源的运营商。

融资层面，英伟达则试图让AI基础设施成为可被金融市场标准化评估和承保的资产。其核心说法是，基于统一参考架构建设的AI算力可在不同客户与运营商之间转移和复用。换言之，英伟达希望将原本快速折旧、风险较高的一批服务器与GPU，转变为基础设施基金能够接受的标准化资产。

这一布局并非一蹴而就。英伟达与CoreWeave的主协议可追溯至2023年，与贝莱德围绕AI基础设施的合作始于2024年；布鲁克菲尔德在2025年推出1000亿美元相关投资工具，KKR则在今年加入。随着多个融资平台陆续成形，英伟达实际上正在建立一套能够为AI数据中心持续输送外部资本的体系。

新云厂商近期公布的财务数据，进一步说明了这套融资机制为何重要。CoreWeave的营收已增长至26亿美元，其中98%来自已签署的长期合同，但公司仍录得6.26亿美元净亏损。其经营亏损只有4900万美元，真正拖累业绩的是高达6.4亿美元的GPU抵押债务利息支出。这意味着，其核心业务接近盈亏平衡，但融资成本正在吞噬利润。

由Yandex拆分后重组而来的Nebius，营收增长454%至5.82亿美元，毛利率升至77%，却仍录得1.76亿美元经营亏损，主要原因是新建基础设施带来的折旧费用高达2.6亿美元。与此同时，客户预计将在2026年预付超过90亿美元，这种模式在某种程度上意味着客户正以预付款形式为算力扩张提供融资。

Cerebras则采用不同路径，以自研晶圆级芯片提供云服务。该公司报告的4.77亿美元经营亏损，很大部分来自上市后的股权激励支出，而核心经营亏损约为3400万美元。值得注意的是，Cerebras一度需要租回已经出售的系统，以满足自身云服务需求，这也从侧面反映出当前高性能算力资源的紧张程度。

三家公司的自由现金流分别为负137亿美元、负59亿美元和负7亿美元。市场需求虽然已通过多年期合同锁定，但建设数据中心、采购GPU和部署网络设备的现金支出必须提前发生。英伟达与华尔街机构谋求引入的5000亿美元外部资本，正是为了填补这一时间差和资金缺口。

当然，这一模式也面临争议。首先，市场担心英伟达是否在通过融资安排间接支撑对自身GPU的需求，从而形成“循环融资”。支持者认为，由多家独立金融机构提供承保，意味着资金来源正从英伟达自身资产负债表转向外部资本市场。不过，目前相关协议多仍属意向性安排，具体承诺金额尚未完全披露。

其次，GPU资产能否长期保值，也是基础设施融资能否成立的关键。支持这一模式的人士指出，CoreWeave仍在签约使用服役约六年的英伟达A100 GPU，并将相关服务价格上调约25%。在这一逻辑下，GPU更像可长期服役、可转售和可重复利用的航空设备，而不是快速贬值的智能手机。

最后，大规模资金若主要流向采用英伟达参考架构的数据中心，也可能进一步巩固英伟达在AI基础设施层的主导地位。对竞争对手而言，这意味着资本本身正在变成新的技术壁垒：如果数千亿美元资金只能高效地部署在英伟达生态中，那么竞争芯片即使具备性能优势，也可能难以获得同等规模的融资支持。

目前，AI基础设施的泡沫风险已不只是聊天机器人是否有用的问题，而是今天投入数据中心、GPU和电力设施的巨额资金，能否在未来被真实业务收入覆盖。新云厂商的现金消耗速度极快，几乎没有太多空间应对需求波动；而Meta也在以吉瓦级规模扩张自有算力，SpaceX则已开始出售其Colossus集群的访问能力。随着大型科技公司持续扩建自产能，新云厂商究竟会成为长期关键合作伙伴，还是仅在巨头产能不足时充当临时缓冲，仍有待观察。

但有一点正在变得清晰：英伟达已经提供了运行AI集群的软件、建设数据中心的蓝图、部署推理服务的工具，并开始组织支撑这些资产的资本。即便它并不拥有数据中心建筑、电力合同或最终客户，仍可能从每一轮AI算力建设中获得收益。英伟达所扮演的角色，显然已经不再只是传统意义上的芯片供应商。