黃仁勳：AI 基建到 2030 年可達 3 萬億至 4 萬億美元，但現金流先係終極考驗

黃仁勳的核心說法，係 AI 已經唔再只係一輪「買 GPU」的科技周期，而係全球性的基建建設。他將「AI 工廠」視為會持續產出運算服務、再出售予客戶的資產；邏輯上類似其他提供長期服務的基建。

不過，呢個故事要成立，財務條件相當苛刻：新建容量要有信貸質素足夠的客戶承購承諾（offtake），而長遠而言，AI 應用亦要帶來穩定收入，支付整個基建鏈的成本。

2030 年 3 萬億至 4 萬億美元：一個有前提的預測

黃仁勳在高盛 Communacopia + Technology Conference 重申，全球 AI 基建開支到 2030 年可達 3 萬億至 4 萬億美元。他將預測連繫到生成式運算的普及，以及摩爾定律帶來的傳統 CPU 效能增長放緩：當一般運算未能應付需求，更多工作便要轉至加速運算系統。224

他所講的 AI 基建，並非單指獨立出售的 GPU，而是包括數據中心、網絡、供電及軟件的完整運算體系；其戰略重要性可與電力、交通及互聯網相比。317

但這始終是預測，並非已被市場驗證的結果。高盛研究亦指出，這種數萬億美元級別的建設，最終取決於 AI 能否兌現龐大的經濟與社會價值。21

Nvidia 為何認為「唔係冇需求，而係唔夠供應」

黃仁勳近期的訊息很直接：瓶頸主要在供應，而不是客戶興趣不足。有報道引述他預期，Nvidia 2027 財政年度的收入增長中，約 70% 會受供應限制。6

超大型雲端服務商（hyperscalers）的資本開支數字，也為這個判斷提供背景。Nvidia 表示，五大 hyperscalers 在 2026 年的資本開支預料接近 8,000 億美元，2027 年升至 1.3 萬億美元；雲端行業的積壓訂單則超過 2 萬億美元。20

不過，要建一個前沿 AI 設施，絕不只是落單買加速器。營運商還要取得土地、穩定電力、數據中心建築外殼、網絡設備、系統整合及融資。黃仁勳指出，正因為這些下游制約，Nvidia 現在參與的已是更大部分數據中心資本開支鏈條。17

由 GPU 供應商走向「AI 工廠」平台

Nvidia 將自身定位為全棧 AI 基建平台，而不只是 GPU 賣家：組合包括加速運算、網絡、系統及 CUDA 軟件。黃仁勳的說法是，公司正服務更完整的 AI 市場、模型與數據中心開支，所以可觸及的市場更大。17

商業邏輯在於：如果 AI 工廠能維持高使用率、持續出售算力服務，硬件就不再只是一次性科技採購，而是可產生收益的資產。這亦是將 AI 運算設備視為可抵押、可支援融資資產的前提。210

逾 5,000 億美元融資平台：是甚麼，又不是甚麼？

2026 年 8 月 10 日，Nvidia 宣布與 Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs 及 KKR 簽署諒解備忘錄，設立獨立的運算融資平台。公司稱，平台目標是在一段時間內，為 AI 基建撬動逾 5,000 億美元第三方資本。15

這個分別非常重要：5,000 億美元不是 Nvidia 收入，不是一個單一基金，也不代表已有 5,000 億美元開支獲承諾。它是擬議平台在合資格項目獲融資時，期望可動員的資金規模。1516

目標客戶包括 hyperscalers、前沿 AI 實驗室、企業及 AI 雲端服務商。實際融資可涉及私募信貸、資產抵押融資、租賃、合資企業及債券市場資金，令原本多由企業資產負債表出資的數據中心建設，有更多資金來源。1033

承購合約，才是融資能否成事的核心

黃仁勳對融資質疑的最重要回應，是 offtake（承購）：即已簽約、願意使用並付費購買所建容量的需求。

他在高盛會議上表示，沒有承購，融資便無法湊成；並稱 Nvidia 協助推進的項目背後，已有約 1,000 億美元已排定合約，即合約總值。17

這不代表每個項目都沒有風險，但解釋了金融機構的審批邏輯：若有具還款能力的客戶承諾在一段時間內使用容量，貸款人及投資者便較能評估項目的還款能力。合約客戶的質素、期限及集中度，將決定預期算力收入是否足以支持融資。

對「循環融資」的回應：有訂單，不等於風險消失

市場批評者質疑，Nvidia 的投資與融資協助，會否模糊「自然產生的客戶需求」和「由供應商出資促成的需求」之間的界線。黃仁勳否認這是循環融資，並以一種很實際的方式反駁：如果投資 1 美元可帶來 100 美元回報，繼續投資便合理。26

他的辯護基礎是客戶管道與已簽承購需求，而不是聲稱資本結構無關重要。真正尚未有答案的問題是：當市場規模再大幅擴張，這些下游承諾是否足夠獨立、持久，並且具盈利能力。

最大風險：AI 應用要賺到錢，先養得起基建

核心風險不是 Nvidia 現時有沒有買家搶算力，而是更廣泛的 AI 經濟能否創造足夠經常性收入及利潤，去支付大量新裝機的折舊、電費、租金、利息與投資回報。

假如使用率、算力價格或終端客戶需求回落，承購協議的價值與底層資產的經濟效益都可能同時受壓。因此，3 萬億至 4 萬億美元機會應理解為一個有條件的論點：基建必須催生出價值足以覆蓋其成本的應用。高盛同樣將投資規模與 AI 能否實現其承諾的經濟價值掛鈎。21

投資者與信貸市場應睇甚麼？

AI 建設潮正把風險由科技股延伸到私募信貸、資產抵押融資、租賃、基建合作及債券。CNBC 報道指，隨着 hyperscalers 及其支持者尋求更多數據中心資金，日益複雜的債務與槓桿結構正受到市場更嚴密檢視。33

投資者可集中問以下幾條問題：

• 需求是否由已簽、年期長的合約覆蓋，還是只屬初步容量規劃？
• 最終誰負責付款？客戶是否過度集中？
• 使用率、收費及設備日後可重新部署的價值，建基於甚麼假設？
• 有多少槓桿、或然支持及擔保風險，藏在表面營運業務以外？
• 電力、土地、施工及網絡容量能否如期交付？

黃仁勳的論點之所以進取，是因為他將 AI 算力看成不可或缺的經濟基建。但它真正的壓力測試，既是技術問題，更是財務問題：今日要有可信的承購，明日要有由 AI 應用帶來的現金流。