30 秒看懂
- 这家公司是谁： 英伟达 1993 年从电脑图形芯片起家，如今主要收入来自数据中心里的 AI 计算与网络系统。
- 最近的大新闻： 2026 年 8 月 10 日，英伟达宣布与 Apollo、BlackRock、Blackstone、Brookfield、高盛和 KKR 分别签下谅解备忘录，计划长期动员超过 5000 亿美元第三方资本。
- 谁在背后出钱： 官方只明确说钱来自英伟达之外的长期资金。CNBC 访谈提到机构贷款、保险资金和私募基金等渠道，具体由谁出钱仍未披露，6 家机构会各自审核项目。
- 最容易看错的地方： 5000 亿美元只是目标，钱尚未到账，也不代表英伟达承诺出资或担保同等金额。最终协议、首批项目和统一时间表均未披露。
- 本文只回答一个问题： 一家卖芯片的公司，为什么要把算力改造成可以长期融资的基础设施？
开始之前，先解释几个关键名词，后面看不懂了随时翻回来查。
| 名词 | 一句话解释 |
|---|---|
| GPU | 原本擅长同时处理大量图形计算的芯片，后来也很适合训练和运行 AI 模型 |
| CUDA | 英伟达给开发者准备的一整套编程工具，让软件更容易调用它的 GPU |
| AI 算力 | 芯片、服务器、网络、软件和电力一起工作后，真正能提供的计算能力 |
| 谅解备忘录 | 合作意向已经写下来，但具体合同、金额和责任还要继续谈 |
| 第三方资本 | 由英伟达之外的贷款人、保险资金和基金等提供的钱，具体出资人尚未披露 |
| 残值支持 | 设备以后出售或转租时如果价值不够，由支持方按约定承担一部分风险；本次尚未披露怎么算、何时触发 |
| 利用率 | 设备实际运行并产生收费的时间比例，越低越难靠收入还债 |
据彭博社 8 月 10 日报道，英伟达正与 6 家大型资本机构筹建 AI 算力融资平台。英伟达官方同日宣布，这些相互独立的平台，目标是随着时间推移动员超过 5000 亿美元第三方资本。只看体量，这个目标约是英伟达 2026 财年全年收入的 2.3 倍；但它覆盖多个平台和多年，不能当成一年的订单。
先把最重要的误解拆掉。英伟达没有宣布收到 5000 亿美元，这些机构也没有共同成立一只已经募完钱的基金。现在能确认的是，英伟达与 6 家机构分别签下谅解备忘录；各家还要审核每个项目的客户、使用需求、收费能力和设备以后能卖多少钱，再决定是否出资以及怎样出资。
可一家公司如果只负责卖芯片，客户能不能借到钱，本来应该是客户自己的事。英伟达为什么开始替客户找长期资金？下面我们来从头介绍这家公司。
一、三个人把显卡公司救回来
1993 年，黄仁勋、Chris Malachowsky 和 Curtis Priem 创办了英伟达。3 位创始人看到电脑正从文字和表格走向游戏与多媒体，判断三维图形会成为重要需求。这个方向后来很准，首款产品 NV1 却走了弯路。
NV1 多媒体卡整合了图形和音频能力，路线复杂，和市场正在形成的标准也合不来。产品没有打开局面，公司现金越来越紧。英伟达随后停止旧路线，把资源转向更符合行业标准的 RIVA 128，1997 年靠它重新站稳。
这次失败留下了什么？ 最重要的教训是，芯片性能再强，也要兼容行业标准，还要有开发工具和内容支持，客户才会买。1999 年推出 GeForce 256 时，公司开始用 GPU 这个名字强调图形计算由单独的处理器完成。
游戏业务给了英伟达早期收入，也促使它不断交付更强的新产品。玩家要更流畅的画面，游戏开发者要稳定的工具，电脑厂商要可量产的方案。这些需求逼着英伟达同时改进芯片设计、产品迭代、开发者支持和供应链配合。
黄仁勋从创立起担任 CEO，主导公司战略；Malachowsky 长期参与工程与核心技术，Priem 曾任首任技术负责人。三个人都有芯片和图形技术背景，这至少解释了公司早期为什么能快速重做产品路线。能制造出来、有人愿意开发、客户愿意持续采购，三件事缺一项都走不远。
| 时间 | 关键动作 | 帮公司解决了什么 |
|---|---|---|
| 1993 年 | 3 位创始人创办英伟达 | 确定并行图形计算方向 |
| 1995 年 | 推出 NV1 | 首次产品受挫，暴露路线与标准脱节 |
| 1997 年 | 推出 RIVA 128 | 回到主流标准，重新获得客户 |
| 1999 年 | 推出 GeForce 256 | 把 GPU 做成独立产品类别 |
| 2006 年 | 推出 CUDA | 让 GPU 从画图工具变成通用计算平台 |
| 2012 年 | AlexNet 使用 2 块英伟达 GPU 训练 | 证明 GPU 能大幅加快深度学习训练 |
| 2020 年 | 完成 Mellanox 收购 | 补强高速网络，让芯片、网络和软件组成的整套系统更完整 |
转折真正发生在 2006 年。英伟达决定给研究者和程序员一套工具，让他们不用先学图形渲染，也能调用 GPU 做科学计算。这个工具叫 CUDA，它最初是一项面向开发者的长期平台投入，此后约 20 年逐渐成为英伟达 AI 平台的核心。
二、一套工具提高迁移成本
CUDA 到底提供什么？ 它把程序调用 GPU 所需的工具、运行环境和常用功能提前准备好。开发者写图像处理、天气模拟或 AI 训练程序时，可以直接调用这些现成能力，不必从芯片最底层重新开始。
这像给一座工厂铺好电路、轨道和操作台。单看机器，别家的设备也可能很快；真正迁移时，企业往往还要适配程序、重新测试模型、培训工程师，并确认每个环节都稳定。这些工作会形成迁移成本，让客户更愿意继续使用熟悉的平台。
2012 年，Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 用 2 块英伟达 GPU 训练 AlexNet，在 ImageNet 图像识别比赛中明显领先。GPU 没有因此一夜之间发明 AI，但这次结果让研究者看见，大量并行计算可以显著缩短神经网络训练时间。英伟达多年投入的工具链，终于遇到了规模巨大的新用途。
接下来，公司持续补充软件库和开发文档，让更多 AI 开发工具兼容 CUDA，并提供工程师支持。模型开发者用得越多，云服务商越愿意部署；可用的机器越多，开发者也越愿意留下。这套循环建立在软件兼容和工程经验上，比一张参数表更难复制。
CUDA 的力量还来自版本延续。企业更换芯片平台时，还要确认原来的程序能否正确运行、计算结果是否一致、大量机器能否稳定分配任务，不能只看一项速度测试。竞争对手真正要替换的，是多年代码、人才和故障处理经验共同形成的工作环境。
护城河只在软件吗？ 不只在软件。AI 模型越来越大以后，单颗 GPU 的速度不再决定整套系统的产出，大量芯片怎样交换数据、网络会不会堵、机架怎样散热，同样重要。英伟达 2020 年完成对高速网络设备公司 Mellanox 的收购，补强芯片之间高速传输数据的能力，产品从“芯片加软件”继续走向“整座 AI 工厂”。
这里面的水不浅，今天先不展开，以后找机会我们专门聊一期：英伟达为什么愿意花约 70 亿美元收购 Mellanox，这笔当时规模最大的收购又怎样改变了它和云厂商的关系。这笔收购带来的直接结果是，客户购买的已经不限于单块 GPU，而是一套让大量 GPU 协同工作的系统。
这也把问题推到了下一层。英伟达没有单独披露 CUDA 收入，整体收入仍主要来自硬件和系统，那么这家公司现在到底从哪里赚钱？
三、它到底靠什么赚钱
英伟达采用无晶圆厂模式，自己设计芯片和系统，把制造交给台积电等伙伴。它向云厂商、服务器厂商、企业和渠道伙伴出售 GPU、网络设备、整机与相关软件服务。传统模式下，最终用户先向云服务商支付云计算费，英伟达主要靠硬件和系统销售收钱，部分新合作也会分享云收入。
主业是什么？ 2026 财年，英伟达全年收入约 2159 亿美元，其中数据中心业务约 1937 亿美元，占比接近 90%。到了 2027 财年一季度，公司单季收入约 816 亿美元，数据中心约 752 亿美元。游戏、专业可视化和汽车仍有业务，但已经无法解释这家公司的主要增长。
这些数字也要有参照。英伟达 2026 财年净利润约 1201 亿美元。单看这个利润规模，很难把本次合作理解为公司缺钱自救；它主要是在替客户增加融资渠道。真正的问题是，全球 AI 数据中心需要同时购买芯片、网络、电力、土地和冷却设施，单个项目可能消耗数百亿美元，客户能拿出的现金和能借到的钱，未必跟得上建设速度。
硬件收入还有一个特点：英伟达通常在设备交给客户、客户可以自行使用时记下销售收入；建设项目的投资人却要靠客户未来多年付费，慢慢收回成本。两边时间不一致，订单越大，客户越需要外部资金接住前期支出。融资平台就是先补上这段时间差，让设备和机房先建起来，再用项目未来多年的收费慢慢还钱。
| 收入层 | 客户买到什么 | 英伟达怎样收钱 |
|---|---|---|
| 芯片与服务器 | 训练和运行模型的计算设备 | 销售 GPU、安装 GPU 的计算板、整机和整套机架 |
| 网络 | 让大量 GPU 高速交换数据 | 销售交换机、网卡、连接芯片与服务器的设备和配套软件 |
| 软件与服务 | 部署、管理和优化模型的工具 | 收取软件订阅费、使用费和技术支持费，公司未单列完整软件收入 |
| 云端合作 | 通过伙伴按需租用英伟达算力 | 伙伴收取使用费，英伟达获得设备销售，并在部分新合作中分享收入 |
| 投资与融资支持 | 帮客户更快建成算力项目 | 可能取得股权、按约定价格买入客户股票的权利或收入分成，也可能在客户违约时承担一部分损失 |
一个项目怎样从需求变成采购？ 可以用一条常见路径来理解，但并非所有项目都按同样顺序走。开发者先用 CUDA 和模型框架做出应用，企业再向云端购买算力。云服务商为了接订单建设机房，向英伟达和系统伙伴采购设备，投资人可能依据使用合同和项目收费能力提供资金。
| 第一步 | 第二步 | 第三步 | 第四步 | 第五步 |
|---|---|---|---|---|
| 开发者使用 CUDA | 企业产生算力需求 | 云服务商签长期合同 | 资本为机房和设备提供资金 | 项目采购英伟达系统 |
这条链解释了英伟达为什么在意融资。云服务商如果筹不到建机房和买设备的钱，前面的使用需求再强，也不会立刻变成设备订单。它现在要做的，是让更多长期资金愿意跨过这一道门。
四、联手 6 家机构，把算力变成资产
5000 亿美元是谁的钱？ 官方公告的准确说法是，Apollo、BlackRock、Blackstone、Brookfield、高盛和 KKR 将分别建立融资平台，目标是随着时间推移动员超过 5000 亿美元第三方资本。6 家机构各自审核项目，官方没有公布最终出资人构成。CNBC 访谈只提到机构贷款、保险资金、私募基金和其他长期资金渠道。
每个平台可能采用不同结构。有的项目把机房、电力设施和未来收费收入作为还款保障，有的依靠云客户的长期使用合同还债，有的把 GPU 和网络设备租给运营方。投资人会核对未来数年由谁付钱、设备能有多少时间在运行并收费、淘汰后还能卖多少钱。
英伟达在里面做什么？ 官方能确认的是，英伟达提供芯片、网络和软件，并与 6 家机构共同搭建融资框架。具体怎样筛选和介绍项目，公告没有交代。黄仁勋还说，英伟达可能为部分融资机会提供最高 25% 的残值支持，但每个项目都要单独决定。
这句话不能乘上 5000 亿美元，算出英伟达要承担 1250 亿美元。它没有说所有项目都有支持，也没有公布统一比例、期限和触发条件。公司另有一批伙伴设施租约担保。截至 2026 年 4 月 26 日，如果相关伙伴违约，英伟达最多可能承担约 35 亿美元；这与本次平台并非同一件事。
这种融资以前出现过吗？ 出现过。CoreWeave 曾用 GPU、客户合同和其他资产获得大额贷款；另一笔交易中，Valor 管理的基金购买英伟达计算设备并租给 xAI，Apollo 管理的资金参与提供融资。更早的 AI 基础设施项目已经把单个项目放进单独成立的公司，再用长期客户合同和有限担保来借钱建设。
拿 CoreWeave 这类算力服务商来说，它的融资通常把客户合同、GPU 等计算资产和部署进度绑在一起。若利用率高、客户按时付款，这条链可以继续扩张。客户削减用量或交付延期时，利息和设备折旧通常不会同步暂停，这正是出资方必须逐项目审核的原因。
此次公告没有发明新工具，而是把过去逐笔谈成的融资方式扩大成 6 家机构各自运营的平台，希望让更多管理长期资金的机构参与 AI 算力项目。这样做若能落地，客户建设速度会更快，英伟达也更容易把技术需求变成可执行的采购。
| 公告说了什么 | 现在能确认什么 | 还不能确认什么 |
|---|---|---|
| 6 家机构参与 | 分别签了谅解备忘录 | 最终合同何时签 |
| 目标超过 5000 亿美元 | 资金来自第三方并逐步动员 | 已到位金额和各家份额 |
| 独立融资平台 | 各家自行审核项目 | 首批客户、期限和价格 |
| 可能有残值支持 | 部分项目会逐笔讨论 | 哪些项目适用、触发条件是什么 |
融资渠道增加以后，客户可能更快建成机房；但贷款最终仍要靠算力服务收入偿还。
五、光鲜背后：四盆冷水
先用一张表把风险看全。这里没有哪一条可以直接证明计划会失败，也没有哪一条能靠英伟达的历史业绩自动消失。与 6 家机构签署的谅解备忘录要变成长期资产，下面这些问题都得过。
| 风险 | 真问题 | 以后看什么 |
|---|---|---|
| 总目标尚未落实成合同 | 5000 亿美元覆盖多年和多个平台，是否把已经存在的融资算进去仍未披露 | 最终协议、首批项目、实际到位资金 |
| 需求与融资相互缠绕 | 供应商投资客户，客户再购买供应商设备 | 终端客户收入、利用率、不依赖英伟达支持的客户收入占比 |
| GPU 换代快 | 债务期限可能长于设备最有竞争力的年份 | 公司给设备估的使用年限、二手价格、升级和转移成本 |
| 大客户集中，监管规则也会变 | 美国出口规定和中国安全审查都可能影响交付 | 客户构成、出口许可、安全审查、替代芯片部署 |
第一盆冷水，目标离到账还很远。 谅解备忘录表达合作方向，无法替代最终合同。6 家机构会逐项目审核，机房项目如果缺电、没有长期客户合同，或者建设成本太高，就可能拿不到钱。发布时的总目标很大，真正重要的是首批项目有没有独立客户和可验证的收费收入。
第二盆冷水，需求可能和融资相互缠绕。 英伟达投资算力服务商，服务商同时大量采购英伟达设备，再用这些设备向少数大型客户提供服务，这种关系本身不等于虚假需求。问题在于，如果客户收入、供应商支持和项目借款同时依赖彼此，任何一环放慢都会把压力传回整条链。
第三盆冷水，GPU 和机房的使用周期不同。 土地、电力和建筑可以使用很多年，GPU 的竞争力却会随着新一代产品发布快速变化。愿意提供长期贷款的机构，除了看设备本身，还会看付费客户是否可靠、设备能否搬给其他客户使用、收费时间是否稳定，以及有没有额外担保。英伟达认为，CUDA 的兼容性，以及设备可以换给其他客户、改做其他计算任务，能够保护残值；这仍需要更长时间的真实交易来证明。
按照黄仁勋的说法，旧 GPU 不会在新产品发布当天失去全部用途，A100 至今仍用于训练、微调、推理和高性能计算。可“还能用”和“足以覆盖长期债务”属于不同问题，后者取决于租金、耗电、维护成本和旧设备买家。平台如果把设备寿命估得太乐观，损失只会在更晚的时候出现。
第四盆冷水，增长高度集中。 最近季度，数据中心收入占英伟达总收入约 92%。收入占比最高的 3 个直接客户，分别贡献总收入的约 21%、17% 和 16%。美国持续调整先进芯片出口规则，中国监管部门也曾就 H20 的安全问题约谈英伟达，两边的动作都会改变交付节奏。2025 年 4 月，美国政府通知英伟达对华出口 H20 需要许可，公司随后在 2026 财年一季度记下了 45 亿美元相关成本，约占该季度 441 亿美元收入的 10%。
竞争也在变化。Google 的 TPU 和 Microsoft 的 Maia 都是自研 AI 芯片，AMD、Broadcom 也在扩大相关业务；华为、摩尔线程等中国公司也在推出自己的 AI 芯片和配套开发工具。客户有动力采用自研或竞争芯片，既控制成本，也降低供应风险。
这四盆冷水把判断标准拉回地面。不要只看总目标，要看最终协议；不要只看设备出货，要看设备创造的终端收入；不要只看融资利率，要看旧设备三年后还能做什么。把这些问题看清，才能讨论英伟达到底做对了什么。
六、它到底做对了什么
第一件事，先做工具，再等需求长大。 CUDA 是一项长期平台投入，英伟达没有单列 CUDA 的收入或利润，却持续补充软件库和文档，让更多开发工具兼容 CUDA，并向开发者提供技术支持。普通人可以把自己的经验整理成别人能重复使用的模板、步骤或小工具，让一次劳动变成长期复用的能力。
第二件事，沿着客户的阻力往前走。 当芯片不再是唯一瓶颈，英伟达补网络、整机和软件；当客户缺的是建设资金，它又去连接长期资本。做 AI 产品的团队也可以这样检查业务：用户没付钱，究竟是产品没用，还是部署、数据、权限、采购流程卡住了。答案不同，解决办法也完全不同。
第三件事，让每一层都能单独算账。 资本是否愿意进场，要看项目能不能说明客户是谁、合同多久、设备怎么用，以及项目失败时设备和债务怎样处理。中国公司做算力或企业 AI 时，也需要把技术指标翻成客户能核验的产出，把一次试点变成能复购的合同。
| 值得学的 | 该躲开的 |
|---|---|
| 用长期工具积累开发者和客户迁移成本 | 只靠一次硬件参数领先讲护城河 |
| 找到客户下一层真实阻力并补能力 | 把所有问题都归因于资金不够 |
| 用合同、利用率和产出证明项目 | 用总目标替代已签合同和到账资金 |
| 同时准备技术、供应链和融资方案 | 让供应商、客户和出资方只靠彼此支撑 |
| 提前准备备用供应商和迁移方案 | 只按当前的出口和监管规则做长期计划 |
对普通人来说，更现实的参与方式，是学习怎样把模型接进真实工作：整理数据、测试效果、把模型接入日常系统，并控制每次使用的成本。基础设施越大，越需要能把算力变成结果的人。
如果你在企业里使用 AI，可以从一项每周都重复、结果可以检查的工作开始。记录原来花多久、引入模型后省了多少时间、错误由谁复核，再决定要不要扩大。这样的结果看起来没有 5000 亿美元惊人，却是所有算力项目最后必须找到的付费理由。
对中国 AI 团队来说，英伟达值得研究的不只是一块芯片。它把硬件、工具、网络、开发者和资本连成了同一条交付链，同时让每个环节都有商业理由。真正要建立的竞争力，是客户开始使用后能够稳定运行，团队也能持续赚钱。
几句真心话
5000 亿美元很容易把人吓住，也很容易让人兴奋。今天能确认的，只有英伟达与 6 家机构分别签署的谅解备忘录，以及尚待落地的融资框架。最终协议和首批项目仍未披露，也还没有实际收费和还款记录。
我会盯 3 个具体信号：首批项目的客户是谁，哪些合同约定客户长期付费，设备以后贬值时英伟达具体承担哪一部分风险。只要这 3 件事模糊，再大的总目标也只能算蓝图。等这些内容写进最终协议，我们才知道，长期资金投向的是能稳定收费的新基础设施，还是一批需要不断补钱、价格又快速下降的设备。
如果你正在做 AI 产品，不必因为巨额资本进场就觉得自己没有位置。资本解决的是机房和设备先建起来，真正让项目活下去的仍是有人持续付费使用。把一个具体工作做快、做准、做稳定，就是普通团队最能抓住的那一段价值。
英伟达已经从卖芯片走到卖整套系统，现在又在尝试为这些系统搭建融资渠道。留下的真问题是：当 AI 投入不再只追求规模，客户创造的收入能不能接住这些长期资金？我会一直盯着。
参考资料
1. [NVIDIA Partners With Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs and KKR to Establish AI Compute Infrastructure Financing Platforms](https://nvidianews.nvidia.com/news/nvidia-partners-with-apollo-blackrock-blackstone-brookfield-goldman-sachs-and-kkr-to-establish-ai-compute-infrastructure-financing-platforms-to-mobilize-over-500-billion-of-third-party-capital)
2. [NVIDIA: AI Factory Compute Is Becoming an Investable Asset Class](https://www.linkedin.com/pulse/nvidia-ai-factory-compute-becoming-investable-asset-class-huang-4ju6c/)
3. [Nvidia lines up $500 billion in financing](https://www.cnbc.com/2026/08/10/nvidia-wall-street-asset-managers-500-billion-ai-push.html)
4. [Nvidia partners with Wall Street to mobilize $500B for AI](https://www.axios.com/2026/08/10/nvidia-financing-ai-goldman-sachs-blackrock)
5. [Wall Street is about to securitize Nvidia chips](https://www.axios.com/2026/08/11/nvidia-chip-securitization-wall-street)
6. [Nvidia to Team With Wall Street on $500 Billion Funding Package](https://www.bloomberg.com/news/articles/2026-08-10/nvidia-to-team-with-wall-street-on-500-billion-package-ft-says)
7. [Nvidia, Wall Street Firms Strike AI Financing Deal Targeting $500 Billion](https://www.wsj.com/business/deals/nvidia-wall-street-firms-strike-ai-financing-deal-targeting-500-billion-c50377db)
8. [Why Nvidia bankrolls its rivals](https://www.axios.com/2026/08/05/nvidias-ai-chips-financing)
9. [NVIDIA FY2026 Form 10-K](https://www.sec.gov/Archives/edgar/data/1045810/000104581026000021/nvda-20260125.htm)
10. [NVIDIA Q1 FY2027 Form 10-Q](https://www.sec.gov/Archives/edgar/data/1045810/000104581026000052/nvda-20260426.htm)
11. [NVIDIA Announces Financial Results for First Quarter Fiscal 2027](https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-First-Quarter-Fiscal-2027/default.aspx)
12. [CoreWeave FY2025 Form 10-K](https://www.sec.gov/Archives/edgar/data/1769628/000176962826000104/crwv-20251231.htm)
13. [CoreWeave Q1 2026 Form 10-Q](https://www.sec.gov/Archives/edgar/data/1769628/000176962826000222/crwv-20260331.htm)
14. [CoreWeave Closes Landmark $8.5 Billion Financing Facility](https://investors.coreweave.com/news/news-details/2026/CoreWeave-Closes-Landmark-8-5-Billion-Financing-Facility-Achieving-First-Investment-Grade-Rated-GPU-backed-Financing/default.aspx)
15. [CoreWeave Closes $3.1 Billion Loan Facility](https://investors.coreweave.com/news/news-details/2026/CoreWeave-Closes-3-1-Billion-Loan-Facility-Expanding-Access-to-Public-Markets-for-GPU-Backed-Financing/default.aspx)
16. [Apollo Backs $5.4 Billion Valor and xAI Data Center Transaction](https://ir.apollo.com/_assets/_0806e90732d46cab9b9af52d54af3d85/apollo/news/2026-01-07_Apollo_Backs_5_4_Billion_Valor_and_xAI_Data_599.pdf)
17. [What Is CUDA?](https://blogs.nvidia.com/blog/what-is-cuda-2/)
18. [How Jensen Huang's Nvidia Is Powering the A.I. Revolution](https://www.newyorker.com/magazine/2023/12/04/how-jensen-huangs-nvidia-is-powering-the-ai-revolution)
19. [NVIDIA Spectrum-X Ethernet Switches Speed Up Networks for Meta and Oracle](https://nvidianews.nvidia.com/news/nvidia-spectrum-x-ethernet-switches-speed-up-networks-for-meta-and-oracle)
20. [Nvidia is quietly building a multibillion-dollar networking business](https://techcrunch.com/2026/03/18/nvidia-networking-division-building-a-multibillion-dollar-behemoth-to-rival-its-chips-business/)
21. [Announcing Ironwood TPUs General Availability](https://cloud.google.com/blog/products/compute/ironwood-tpus-and-new-axion-based-vms-for-your-ai-workloads)
22. [Maia 200: The AI accelerator built for inference](https://blogs.microsoft.com/blog/2026/01/26/maia-200-the-ai-accelerator-built-for-inference/)
23. [Blackstone Announces Joint Venture with Google to Create New TPU Cloud](https://www.blackstone.com/news/press/blackstone-announces-joint-venture-with-google-to-create-new-tpu-cloud/)
24. [NVIDIA Unlocks AI Compute at Scale](https://blogs.nvidia.com/blog/nvidia-unlocks-ai-compute-at-scale-capital-partners-to-power-ai-infrastructure-buildout/)
25. [NVIDIA and IREN Announce Strategic Partnership](https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-and-IREN-Announce-Strategic-Partnership-to-Accelerate-Deployment-of-up-to-5-Gigawatts-of-AI-Infrastructure/default.aspx)
26. [OpenAI and NVIDIA Announce Strategic Partnership to Deploy 10 Gigawatts](https://nvidianews.nvidia.com/news/openai-and-nvidia-announce-strategic-partnership-to-deploy-10gw-of-nvidia-systems/)
27. [BlackRock, Global Infrastructure Partners, Microsoft, and MGX launch new AI partnership](https://www.blackrock.com/corporate/newsroom/media/press-releases/blackrock-global-infrastructure-partners-microsoft-and-mgx-launch-new-ai)
28. [Brookfield Launches $100 Billion AI Infrastructure Program](https://bam.brookfield.com/press-releases/brookfield-launches-100-billion-ai-infrastructure-program)
29. [KKR Launches Helix Digital Infrastructure](https://media.kkr.com/news-details?news_id=6a26acd6-83b8-4377-84be-b1dadb847806)
30. [Broadcom, Apollo, and Blackstone Establish AI Deployment Platform](https://www.apollo.com/insights-news/pressreleases/2026/06/broadcom--apollo--and-blackstone-establish-landmark-strategic-pl)
31. [50 亿美元砸向 AI 初创企业：英伟达越投越大，“循环融资”疑问越来越响](https://www.yicai.com/news/103294259.html)
32. [三天传出多笔大交易：英伟达进入“左手出资、右手卖芯片”的循环局？](https://api3.cls.cn/share/article/2439094?app=&os=web&sv=860)
33. [The AI investment boom: financing structures and financial stability implications](https://www.bis.org/publ/qtrpdf/r_qt2603u.htm)
34. [英伟达拟向 OpenAI 投资至多 1000 亿美元，资金用于买卡建算力中心](https://companies.caixin.com/2025-09-23/102365145.html)
35. [新刊速读｜算力资本及其影响](https://www.cnfin.com/zs-lb/detail/20260422/4403201_1.html)
36. [北美算力租赁研究](https://pdf.dfcfw.com/pdf/H3_AP202604201821325548_1.pdf?1776673978000.pdf=)
37. [深度拆解 AI 数据中心：一场速度与效率的竞赛](https://www.36kr.com/p/3786559005684228)
38. [段永平买入，这个 AI 最疯狂“卖铲人”，为什么越大越不赚钱？](https://finance.sina.cn/tech/2026-05-09/detail-inhxhkfi1523504.d.html)
39. [NeoCloud 四巨头：AI 算力工厂的资本、技术与平台](https://cloud.tencent.com/developer/article/2591661)
40. [专访黄仁勋：中国 AI 发展速度令人震惊](https://cn.chinadaily.com.cn/a/202507/16/WS687766fca3106af2b3c746cf.html)
41. [黄仁勋回答一切：关于中国、芯片、AI 和山姆·奥特曼](https://www.eeo.com.cn/2024/0323/646843.shtml)
42. [英伟达：AI 编程兴起不会削弱 CUDA 生态护城河](https://companies.caixin.com/2026-03-20/102424871.html)
43. [NVIDIA 公司历史：多年创新](https://www.nvidia.cn/about-nvidia/corporate-timeline/)
44. [我们的故事 2025](https://images.nvidia.cn/aem-dam/zh_cn/Solutions/about-us/documents/NVIDIA-Story-zhCN.pdf)
45. [全面开源开放，共赢昇腾生态](https://www.huawei.com/cn/news/2025/9/hc-shengten-opensource)
46. [词元时代，万物智能](https://www.mthreads.com/news/310)
47. [Torch MUSA 简介](https://docs.mthreads.com/en/torchmusa/torchmusa-doc-online/introduction/)
48. [摩尔线程首次公开发行股票并在科创板上市招股说明书](https://static.sse.com.cn/stock/disclosure/announcement/c/202510/002098_20251030_2DKD.pdf)
49. [AI 异构算力平台行业研究](https://pdf.dfcfw.com/pdf/H3_AP202605251822861002_1.pdf?1779738759000.pdf=)
50. [H20 芯片解禁，怎么看？](https://www.chinanews.com.cn/cj/2025/07-22/10451656.shtml)
51. [海外 AI 投入加大，国产基础软硬加速发展](https://aigc.idigital.com.cn/djyanbao/%E3%80%90%E4%B8%AD%E5%8E%9F%E8%AF%81%E5%88%B8%E3%80%91%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A1%8C%E4%B8%9A%E6%9C%88%E6%8A%A5%EF%BC%9A%E6%B5%B7%E5%A4%96AI%E6%8A%95%E5%85%A5%E5%A4%A7%EF%BC%8C%E5%9B%BD%E4%BA%A7%E5%9F%BA%E7%A1%80%E8%BD%AF%E7%A1%AC%E5%8A%A0%E9%80%9F%E5%8F%91%E5%B1%95-2025-08-15.pdf)
52. [国产算力全面突破：从芯片替代到系统架构创新](https://data.eastmoney.com/report/zw_industry.jshtml?infocode=AP202604081821073648)
53. [2026 中国半导体 GPU/CPU 芯片上市公司研究报告](https://finance.sina.com.cn/stock/t/2026-05-25/doc-inhzctrf2679132.shtml)
54. [中科寒武纪科技股份有限公司 2025 年年度报告](https://money.finance.sina.com.cn/corp/view/vCB_AllBulletinDetail.php?id=11993143&stockid=688256)
55. [2026 年 CSP 资本支出预计高达 5200 亿美元](https://www.trendforce.cn/presscenter/news/20251013-12740.html)
56. [CNBC Exclusive Transcript: Becky Quick Speaks With NVIDIA’s Jensen Huang & Wall Street Leaders on $500B AI Infrastructure Push](https://www.cnbc.com/2026/08/10/cnbc-exclusive-transcript-cnbcs-becky-quick-speaks-with-nvidias-jensen-huang-wall-street-leaders-on-500b-ai-infrastructure-push-on-closing-bell-overtime-today.html)
57. [台积公司 2026 年第二季业绩](https://pr.tsmc.com/chinese/news/3326)
58. [NVIDIA Completes Acquisition of Mellanox, Creating Major Force Driving Next-Gen Data Centers](https://nvidianews.nvidia.com/news/nvidia-completes-acquisition-of-mellanox-creating-major-force-driving-next-gen-data-centers)
59. [2025 年中国摩尔线程企业探析](https://pdf.dfcfw.com/pdf/H3_AP202605261822886724_1.pdf?1779825727000.pdf=)
60. [国家互联网信息办公室就 H20 算力芯片安全风险约谈英伟达公司](https://www.cac.gov.cn/2025-07/31/c_1755675743897163.htm)
以上仅为个人学习笔记与公开信息整理，不构成任何投资建议。投资有风险，决策请独立。
AI重度使用者｜每天拆一家前沿公司｜imluna.ai 免费订阅｜Learn in Public