全球AI軍備競賽正在演變成一場史無前例的資本支出競賽。晶圓廠、HBM、先進封裝、AI伺服器、資料中心、電力、冷卻與高速網路，每一個環節都需要數十億甚至數百億美元投資。然而，如果把整條AI產業鏈的資產負債表攤開來看，會發現一個很有意思的現象：這場可能耗資數兆美元的AI革命，最大的受益者輝達，自己承擔的重資產投資反而相對有限。 這可能才是黃仁勳真正厲害的地方。 用馬斯克（Elon Musk）經常強調的「第一原理」重新拆解輝達，可以看到一個近乎完美的商業結構：把最昂貴的資本支出分散到別人的資產負債表，自己掌握最不可取代的技術，最後把最高附加價值留在損益表。 台積電蓋廠、台灣廠商組裝，輝達掌握最高附加價值 先從一顆GPU的生產開始。 輝達採取Fabless模式，不需要自己興建先進晶圓廠。當AI需求暴增，真正必須拿出巨額資本擴充先進製程產能的是台積電；GPU需要大量HBM，SK海力士、美光與三星必須擴產；CoWoS等先進封裝供不應求，又需要台積電與相關供應鏈持續增加設備。 GPU完成之後還要組成AI伺服器與整機櫃，鴻海、廣達、緯創等台灣ODM必須準備廠房、設備、零組件與龐大的營運資金。換句話說，AI需求愈旺，整條供應鏈投入的資本就愈龐大，輝達卻不需要承擔與營收規模相對應的製造資本支出。 它真正掌握的是GPU架構、CUDA、NVLink、Networking以及整套AI Factory的系統設計。 這形成輝達第一個極為重要的結構優勢：它控制AI硬體價值鏈中附加價值最高的部分，最昂貴的工廠卻由供應鏈負責興建。 GPU生產出來，Data Center也是別人花錢蓋 晶片有人生產之後，下一個問題是誰來買。 微軟（Microsoft）、Google、亞馬遜（Amazon）、Meta、甲骨文（Oracle）等科技巨頭正在投入巨額資本興建AI資料中心，CoreWeave、Nebius等NeoCloud也大量採購GPU。這些公司除了購買AI伺服器，還必須取得土地、電力，興建機房、冷卻與網路系統。 這些CapEx依然沒有進入輝達的資產負債表。 更有意思的是，當科技公司的自由現金流逐漸追不上AI軍備競賽的速度，黃仁勳又找到另一個資金來源──華爾街。 輝達找來Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs與KKR等金融巨頭，規畫動員超過5000億美元第三方資本投入AI基礎設施。透過Private Credit、專案融資、租賃甚至SPV等方式，原本沒有能力一次拿出數十億美元購買GPU的企業，也可能取得AI算力。 這等於替輝達打開第三個資金池。製造需要錢，由供應鏈投入；資料中心需要錢，由CSP、NeoCloud與基建業者投入；當客戶的資金仍然不夠，華爾街再進來提供槓桿。 輝達最重要的任務，就是讓GPU繼續賣出去。 為什麼大家願意讓輝達拿走這麼高的毛利？ 問題隨之而來。台積電投入數百億美元蓋廠，CSP投入巨資蓋資料中心，金融機構還要承擔信用風險，為什麼整條產業鏈願意接受輝達長期享有如此驚人的毛利？ 答案就在「不可取代性」。 CUDA真正的價值，也必須從這個角度理解。黃仁勳早在生成式AI爆發前十多年，就持續投入CUDA軟體、函式庫、開發工具與工程師生態系。當ChatGPT引爆AI軍備競賽時，客戶購買的已經不只是一顆GPU，而是一整套CUDA開發環境、軟體工具、工程人才、Networking與AI系統。 2019年收購Mellanox又補上另一塊關鍵拼圖。當AI叢集從數百顆GPU擴張到數千、數萬顆，瓶頸逐漸從單顆晶片的速度，延伸到晶片之間如何快速交換資料。Mellanox的高速互連技術，讓輝達從GPU進一步控制資料中心網路。 於是，CUDA掌握軟體與開發者，GPU掌握運算，NVLink與Networking掌握資料流，最後再把這些技術整合成一座AI Factory。 這才是輝達超高毛利背後真正的經濟基礎。 賺來的錢，再投資下一個可能的瓶頸 高毛利還替黃仁勳帶來另一項重要武器：龐大的現金流。 輝達可以把其中一部分拿去投資AI生態系。從CoreWeave、Nebius，到Coherent、Nokia、Synopsys等企業，看似位於不同產業，放回AI基礎設施地圖後，卻可以看到高度一致的戰略方向。 CoreWeave與Nebius連結AI雲端算力；Coherent卡位光通訊；Nokia把AI延伸到電信網路；Synopsys位於晶片設計與模擬工具。黃仁勳等於把GPU賺到的錢，再投入下一個可能限制GPU需求成長的節點。 這就像一個賣菜的人，一棵菜賣10元可以賺8元，為了讓客人明天繼續回來，送一些蔥薑並不構成太大的成本。輝達做的是數十億甚至數百億美元版本：只要投出去的一部分現金可以創造更多GPU需求，這筆投資就可能產生遠高於一般財務投資的戰略價值。 輝達用別人的資產負債表擴張自己的生態系 因此重新整理整條AI產業鏈，就會看到一個極為特殊的結構。晶圓廠由台積電等供應鏈投資，HBM由記憶體廠擴產，伺服器由ODM製造，資料中心由CSP與NeoCloud興建，金融槓桿則由華爾街提供；輝達站在所有環節的中心，掌握CUDA、GPU與系統架構，再利用高毛利產生的現金投資關鍵生態系。 這也解釋了為什麼AI產業即使出現泡沫，輝達與許多AI公司的風險結構依然不同。NeoCloud可能背負大量GPU與債務，資料中心業者可能碰到資產利用率下降，金融機構可能面臨信用損失，晶圓與HBM供應商則可能遭遇產能利用率下降。 輝達當然不可能毫髮無傷。AI資本支出一旦反轉，它會面臨訂單下降、營收衰退、毛利壓縮與股價重估。但大量固定資產並沒有留在自己的帳上，使它承受的風險與高度槓桿的AI基建公司有根本差異。 黃仁勳打造AI帝國最精妙的地方，或許就在這裡：讓全世界共同出資興建AI基礎設施，輝達則站在產業鏈最具不可取代性的位置，收取最高的附加價值。 所以分析輝達下一個十年，最重要的問題也許已經非常清楚。AI會不會繼續成長當然重要，更重要的是：CUDA與輝達整套AI系統的不可取代性，究竟還能維持多久？
评论 (0)