2026 年 8 月輝達攜手華爾街巨頭宣布規模達 5,000 億美元的融資計畫，同一時間；芝商所（CME）宣布推出首批算力期貨。後續其他科技巨頭也陸續跟進，博通（Broadcom），傳出正為 OpenAI 安排逾 500 億美元的晶片融資，甲骨文（Oracle）也與阿波羅、高盛洽談購買晶片的融資方案，SpaceX 則尋求約 400 億美元資金採購輝達晶片，這些發展象徵 AI 算力正從實體基礎建設進一步走向金融化，「算力證券化時代」正式揭幕。
然而，當槓桿融資、資產證券化與衍生性工具快速滲入 AI 供應鏈，市場也開始擔憂：在參與者高度重疊、交易關係彼此交織，甚至存在循環認列營收疑慮的情況下，一旦算力需求降溫或資產價格反轉，是否可能觸發連鎖去槓桿，重演 2008 年次貸危機的老路？
▲次貸危機 vs. AI融資浪潮。資料來源：財經M平方
算力證券化時代的來臨，會發生什麼事？
2026 年 8 月 10 日，輝達宣布與華爾街六大金融機構（Goldman Sachs 、 BlackRock 、 Blackstone 、 Apollo 、 KKR 、 Brookfield）簽署諒解備忘錄，目標動員超過 5,000 億美元的第三方資本，建立一系列的融資平台，提供 AI 基礎建設所需要的資金支持。值得注意的是，輝達將在部分融資專案當中提供最高 25% 的殘值保障（Residual Value Guarantee），降低金融機構對 GPU 技術快速迭代、設備折舊與未來轉售價格的疑慮。換句話說，輝達正逐漸扮演某種 「 AI 聯準會」 的角色——不是直接提供市場流動性，而是透過殘值保障為 GPU 資產建立最後一道信用防線，降低金融機構對算力資產快速折舊的恐懼，進而撬動更多金融資本進場。對 AI 基礎設施業者而言，未來可以利用算力期貨管理 GPU 租賃成本的波動；對金融機構而言，則能夠更透明地評估算力資產的收益與風險，增加將算力資產納入配置的意願。
一、為何要推動算力證券化？
證券化的本質在於將資金龐大、缺乏流動性但能產生穩定現金流的實體資產（例如資料中心、 GPU），轉化為可在資本市場自由買賣的高流動性證券。而為何輝達、芝商所不約而同，都選在這個時間點做出推動算力證券化的關鍵舉措？
- 第一點在「規模」，AI 基礎建設所需的資本支出規模正快速膨脹，逐漸超出科技巨頭、前沿實驗室與新雲端（Neocloud）僅憑自身營運現金流即可輕鬆承擔的範圍。
- 第二點在「速度」，相較歷史上的大型基建週期，例如十九世紀鐵路網約 80 年、二十世紀電氣化約 30 年、 1990 年代末期電信與光纖網路約 10 年，AI 基礎建設試圖在五年內就要完成將近三兆美元的投入。也因此，市場開始透過算力證券化，將未來長期租金收益提前變現，以縮短資本回收週期，並讓資本流動速度追上技術迭代與算力需求快速推進的節奏。
同步觀察 CSP 巨頭的表外採購承諾，截至 2026 Q2，巨頭簽署的採購承諾金額已超過 1.5 兆美元，主要涵蓋晶片與供應鏈產能預付款、 PPA 購電合約、與第三方資料中心開發商的容量預訂等。對於供應鏈上游業者而言，這些承諾代表未來的訂單與營收能見度，但對於簽署承諾的巨頭而言，卻是未來大量現金流出的壓力，需要大量且持續的資金投入，因此引入長期的機構級資本、擴大 AI 融資來源正變得日益重要。
▲表外承諾高速成長，代表巨頭未來有大量現金流出的壓力。資料來源：財經M平方
二、AI 信貸週期變動
當前的 AI 融資生態系參與玩家高度重疊、融資與營收相互掛勾，使得當算力證券化時代被開啟後，資金與債務合約大規模湧入 AI 產業鏈，市場便開始擔憂永動機問題是否會過度膨脹。事實上，這是非常經典的信貸循環，而我們在此借鏡歷史，可以發現信貸循環的走勢普遍建立在「自我強化的迴圈」之上，當市場處於擴張期時，信用擴張與資產重估會交織成強大的正向循環（Virtuous Cycle）；然而一旦觸發臨界點的衝擊，相同的槓桿結構便會迅速轉變為自我強化的負向循環（Vicious Cycle），以下我們以本輪 AI 信貸循環作為推導 ：
擴張期：預期 AI 需求擴大，生產力變現
- 營收與訂單飆升：下游應用對 LLM 的需求推升商業化營收，帶動科技巨頭 / CSP 的剩餘履約義務（RPO）大幅增加，營收顯著攀升。
- 資產價值估值上升：在強勁營收支撐下，關鍵資產（GPU 算力 / 資料中心）的變現能力與租金維持高檔，被市場視為優質且穩定的貸款抵押品。
- 信貸進一步擴張：金融機構（銀行與非銀私人信貸）看到穩定的抵押品價值與 CSP 亮眼的財務報表，願意提供規模更大、條件更鬆的融資合約。
- 資本支出進一步擴大：CSP 與算力服務商取得低成本資金後，進一步加大資本支出，推升上游供應鏈與整體 AI 生態系的營收。
收縮期：AI 需求不如預期，投資報酬降低
- 營收與訂單縮水：LLM 變現不如預期導致營收成長速度下滑，客戶簽約意願減退使 RPO 遞減，CSP 的償債能力面臨快速壓縮。
- 抵押品價值大幅減損：隨著次級市場算力租金崩跌與硬體迭代加速，GPU 作為抵押品的資產價值面臨快速減算。
- 信用緊縮與流動性抽離：銀行、私募股權為控制風險開始收緊資金供給、提高借貸門檻或要求追加保證金（Margin Call）。
- 資本支出斷崖式收縮：CSP 無法繼續融資，被迫大幅削減 CapEx，打擊上游硬體製造商的營收，更讓整體 AI 產業鏈陷入深度的自我強化負向螺旋。
▲信貸循環擴張期 vs, 收縮期。資料來源：財經M平方
金融海嘯捲土重來？四大異同一次看懂
本輪 AI 融資循環與 20 年前的次貸危機最終引發的金融海嘯，兩者雖有相似的軌跡，但底層產業邏輯卻有本質上的不同，要如何更精準的掌握信貸週期的反轉，我們也梳理出四大關鍵差異，並於以下進一步討論：
一、貸款人的資金
首先，是我們多次強調過的資金環境差異。 2008 年次貸危機引發金融海嘯後，聯準會便由稀缺準備金制度轉向充足準備金制度，銀行的準備金從金融海嘯前的極低水位，躍升至如今約 3 兆美元的規模。市場資金的充裕也不僅僅反映在準備金上，如今美國貨幣市場基金規模已高達約 8 兆美元；聯準會 SLOOS 調查中也可以見到，即便企業貸款需求增加，貸款標準卻並未轉向緊縮、甚至更偏寬鬆，代表目前銀行融資的主要約束並不是缺乏可貸資金，而是是否願意承擔更多信用風險。
更重要的是，若算力證券化順利推進，有更多以算力、資料中心現金流為基礎的長期融資工具出現，AI 基礎建設就有機會打進更廣大的機構資金池。對於許多大型資產管理機構而言，旗下的保險年金、退休基金在負債端往往具有極長的「久期」（Duration），必須尋找能產生長期、穩定現金流的資產來進行匹配，而由輝達與 Hyperscaler 長期合約所支持的資料中心融資，恰好具備這種長久期且相對可預測的現金流特性，與機構資金的配置需求高度契合。
▲充足準備金框架下，停泊於銀行體系內閒置資金暴增。資料來源：財經M平方
全球利率震盪，資產配置回歸基本面。 |
二、借款人的信用
2000 ~ 2008 年間的美國次貸危機導致最終房地產泡沫，起源自金融機構把錢借給「從頭到尾都缺乏還款能力的『次級借貸者』，再透過證券化（securitization）的過程，將這些底層資產重新包裝、分割出售，衍生出不動產擔保證券（MBS）、債務擔保證券（CDO）等複雜結構型金融商品。
場景轉換到 2025 ~ 2026 年的 AI 基建浪潮，當前的科技巨頭具備龐大本業規模（無論是雲端服務、數位廣告），並能持續帶來穩定的營運現金流，相較於次貸危機期間、兩者在財務體質上有明顯差別。近期市場雖擔憂科技巨頭的 5 年期信用違約交換（CDS，Credit Default Swap）基差飆升、超越北美整體投資等級債平均值，所幸若我們將幾間 Hyperscaler 單獨觀察，可以發現主要飆升集中在以 GPU 算力為核心的新型雲端供應商 Neocloud ，如 Oracle 或 CoreWeave，而其餘擁有生態系與更強變現能力的四大 CSP 巨頭與輝達表現穩定：其風險仍然遠低於高收益/垃圾債的水準，在標準 40% 回收率假設下，隱含 5 年期累積違約機率雖近期些微上升落在 4.15 %（MSFT）至 8.00%（META），但尚屬無虞。
▲科技巨頭CDS雖出現飆升，但壓力主要集中在Neocloud。資料來源：財經M平方
當然，CDS 飆升揭示了 AI 基建的時間錯置壓力（今天砸錢蓋資料中心、未來才能拿回營收與現金流），以及融資方要求的信用風險溢價日漸攀升，但從上述數據來看，壓力更多集中在新雲端（Neocloud）業者，財務容錯率相對較低。進一步細究近期 CDS 飆升的背後原因，我們認為更大程度地是在反映了三大市場因素，而非 AI 產業全面的供需惡化：
- 融資結構轉變的風險溢價：隨著資本支出擴大，科技巨頭正從現金儲備轉向債權融資（五大 Hyperscalers 今年已發行約 2,200 億美元企業債，幾乎是 2025 年全年的兩倍），市場因而要求更高的風險溢價來補償巨頭們在 AI 上的豪賭。
- 集中度風險的避險需求：當金融機構為了要吃下資料中心建設相關貸款，或是私募信貸、避險基金持有相關 AI 曝險時，為了管控過度集中的風險，就可能去 CDS 市場「買保險」，推升報價與需求。
- 市場結構與情緒波動：CDS 市場流動性普遍較差，尤其當出現2026年 7 月全球科技類股波動加劇時，造市商（Market Makers）為了承擔潛在的流動性風險，可能選擇拉高報價。
▲從滿手現金到單年發債破2000億，AI建設掀融資浪潮。資料來源：財經M平方
三、抵押品的本質
在信貸循環中，抵押品的本質決定了信用擴張的速度以及清算時的破壞力。 2008 年次貸危機的核心抵押品是住宅與土地，房地產具備剛性需求與長達數十年的物理使用壽命，這種特性在信貸擴張期能夠極快地匯聚資金信任，然而，正因為市場堅信「房子永遠有剛需、資產壽命極長」，進而產生了房價永遠上漲的幻覺，反而讓金融機構與投資人在繁榮期完全忽視了底層借款人的信用風險，釀成大規模的系統性盲點。
相較之下，AI 融資循環的核心抵押品 — GPU 算力資產，其使用年限與資產壽命至今在市場上仍存在巨大爭議， 在快速換代與高強度使用下，部分研究指出 GPU 壽命可能縮短至 3 年或更短，但同時也有觀點就經濟意義的角度來說，GPU 的應用場景不止於高強度的 AI 模型訓練，因此其壽命的長尾經濟效應被低估。不過，無論如何，目前普遍來說，許多融資合約會假設約 4 到 6 年的使用壽命（如 CoreWeave 假設為 6 年，而 Nebius 則定為 5 年），GPU 的折舊年限明顯相較房地產更短。
▲GPU折舊年限短且存在多項變數。資料來源：財經M平方
四、生產力的價值
最後一點、也可能是最關鍵一點：房市與 AI 信貸循環的最大的差異，在於是否具有生產力的創新。房地產信貸週期立在「房價永遠會漲」的心理預期之上，因此隨著更多資金湧入、更多房屋供給開出，最終都會走向供過於求、房價下跌。但是 AI 的信貸週期則恰巧完全相反，隨著 CSP 資本支出越開越多，並不只是在堆疊重複的實體資產，而是透過技術突破持續降低單位運算成本、開創過去不存在的生產力工具與商業模式，終端的營收體量有可能持續增長，這兩個差別主要就來自於潛在市場（TAM）的差異：房市的潛在市場因實體人口與居住需求相對固定、但是 AI 的市場隨著技術的突破會不斷擴大。
後續值得思考的是，AI 應用市場的最終價值究竟會體現在哪裡？ 隨著大模型競爭白熱化與算力效率提升，「 Token 價格大幅下跌、終端需求快速擴大」已成為不可逆的大趨勢。當模型推論邊際成本持續下跌，純粹的模型提供者將面臨的毛利率壓縮，不得不將利潤讓渡給擁有實體場景與客戶黏著度的應用層。
▲四大CSP及Neocloud積壓訂單持續上升。資料來源：財經M平方
結論
隨著今年 SpaceX 、 Anthropic 、 OpenAI 等巨頭相繼啟動或完成上市，再到五大雲端巨頭（Hyperscalers）發債規模激增、輝達攜手華爾街引入 5,000 億美元資本，這些都正在應證：AI 資本戰已正式開打，取得更大規模、更低成本、更長週期的資本，成為鎖定先進算力、基礎建設、科研人才、生態系護城河的先決條件。
回顧歷史，每一次工業革命都建立在底層基建（電力、交通、通訊、 AI/資料中心），而每一次基建浪潮也都離不開外部融資槓桿，因此當前的 AI 生產力革命，不只是奠基在技術典範的轉移（LLM 語言模型、半導體摩爾定律），還要仰賴金融資本的到位（企業現金、債務 / 股權融資、資料中心資產證券化），以及物理瓶頸的突破（電力供應、散熱技術與光通訊），最終形成「技術、資本、物理」三場競賽的同步共振。
【關於財經M平方】致力於整合全球總經數據，試圖發覺景氣循環的蛛絲馬跡，相信所有金融商品的投資決策都應回歸基本面。期待協助大家找到屬於自己的投資地圖。
——————————————
本文授權於 MacroMicro 財經M平方，不代表遠雄觀點，未經允許請勿轉載。本網站之專家觀點文章是由第三人所提供並授權遠雄房地產張貼於網站，不代表遠雄房地產贊同其觀點，如需轉載須經本公司事前書面同意，並應遵守相關使用條款及尊重著作人之智慧財產權。
