黄仁勋与杨小凯

本文来自微信公众号： 智本社 ，作者：清和社长，题图来自：视觉中国 英伟达在干什么？ 它试图为AI产业链融资。2026年8月，英伟达联合Apollo、BlackRock、Blackstone、Brookfield、高盛和KKR，拟建立融资平台，长期撬动超过5000亿美元第三方资金。 它为上游托底。数据显示，截至2026年7月，英伟达采购承诺从上一季度的1190亿美元升至2790亿美元，主要增量来自存储。 它还向下游注入信用。数据显示，截至7月26日，英伟达应收账款631亿美元，应付账款151亿美元，差额480亿美元。销售回款天数由上一季度的45天升至60天。公司披露，对部分投资级客户提供90天至一年的付款期限，以配合大型数据中心建设。这一操作与中国大厂完全相反。 对上游存储厂商承诺高价采购和需求扩张，对下游云厂商提供照付不议和最低收入承诺，英伟达为此牺牲部分利润率。公司预计毛利率将从二季度的75%降至四季度的71%—72%，之后随着已执行提价生效，回到72%—73%。 具体事件：英伟达为SB Energy俄亥俄州项目提供分阶段生效的担保，最大名义敞口1050亿美元；购买联发科发行的35亿美元可转债，合作范围覆盖云端AI、端侧计算和汽车。 英伟达像是一个AI产业链的组织者和“准央行”。它正在利用自己的信用为产业链创造流动性，将融资信用传递给供应商、AI实验室、云厂商和数据中心项目；同时，它提供长期订单、信用和技术标准，提高产业链的稳定性。 不过，市场一直为英伟达的“循环融资”和过度担保感到担忧。 问题来了，这样的英伟达，更强大还是更脆弱？这样的AI产业链，更安全还是更危险？ 英伟达会被AI融资反噬吗？ 本文将黄仁勋与杨小凯联系起来，从理论上探索全球AI产业链极致分工下的脆弱与反脆弱、外部化与内部化。 一、分工的悖论：效率深化与单点脆弱 首先我们要从亚当·斯密讲起。 斯密在《国富论》第三章中提出，分工受到市场范围的限制。市场规模太小，分工难以精细化。为什么要来大城市找工作？大城市分工精细，形成很多彼此交易的工作岗位。如果想找一份搬运工作，不能去小村庄，小村庄的市场规模养不活一个搬运工。 反过来，在控制其他条件的情况下，市场规模越大，分工越精细，技术越先进。 斯密举例说，伦敦与爱丁堡之间的海运和河运成本比陆运低得多，拓展了市场范围，因此沿海和通航河流地区能够服务更大的市场，也更早形成精细分工。 大航海把全球连接成一个最大的市场。这个全球市场将专业分工推至极限。以全球AI产业链为例，从EDA、芯片设计、晶圆制造、光刻、先进封装、HBM，到互联、服务器、数据中心和云服务，每个环节都由来自不同国家的高度专业化企业承担。 但是，更大市场不一定带来更多供应商。相反，市场越大，专业分工越强，可替代供应商反而越少。在一个分工精细的全球产业链中，每一个关键环节的固定成本极高、学习成本极高、进入壁垒极高。市场扩张奖励最领先的几家供应商扩大规模，同时容易排斥新进入者，结果是关键节点只剩一家或几家企业。 经济合作与发展组织 （OECD） 2025年的研究显示，先进光刻、先进AI芯片制造和AI计算GPU三个环节，最大供应商的全球份额均超过80%；HBM则由SK海力士、三星和美光三家占据超过60%。OECD另一项研究估计，台积电占全球先进逻辑芯片产量的90%以上。 由此，这就出现了我之前文章提出的全球AI产业链悖论：市场规模巨大，分工极深，单点脆弱也极高。 节点的脆弱性，主要指高度集中、不可替代、库存不足和恢复周期长同时出现。分工越细，节点就越多；不可替代的节点越多，单点脆弱也就分布得越广。 例如阿斯麦与蔡司。阿斯麦是全球唯一能够批量供应先进EUV设备的企业，但它高度依赖唯一的关键光学供应商德国蔡司。阿斯麦也承认，如果蔡司长期无法供应光学系统，公司事实上将无法继续经营。 企业该如何控制风险？压缩分工，自建供应链？ 阿斯麦的应对方式不是降低专业分工，而是选择性内部化。 什么意思？阿斯麦收购光源企业Cymer、电子束检测企业HMI和光学模块企业Berliner Glas；同时持有德国蔡司的24.9%权益，并支持其研发和资本开支。 同样，今天的英伟达也面临全球AI产业链极致分工带来的脆弱性风险。 英伟达采取的策略更多元，它没有收购台积电或存储厂商，而是为上游提供现金流和技术支持、为下游注入信用，即以长期采购、产能承诺和联合开发锁定上游；以延长账期、最低收入承诺、股权投资和担保稳定下游。 具体来说： 其一，市场缺钱，英伟达通过自己的信用为AI产业链融资。 如果美国几家科技公司把过去十年的利润花掉了 （假设整体储蓄不足） ，没有这笔巨额投资建设算力中心，很难想象，今天的AI会变成什么样子。尽管如此，今年AI依然需要大规模借钱融资。如今美国长债收益率居高不下，说明AI的私人融资对政府融资产生了挤出效应。如果不是主要国家管控债务能力增强，这次AI融资推高利率，足以引发一场政府债务危机。 在高利率之下，AI融资成本高、风险大，怎么办？看谁有钱，谁有钱，谁担保。云厂商的巨额利润通过资本开支输送给了半导体厂商，英伟达将这笔巨额收入转化为AI产业链信用资产，与金融机构合作，为AI产业链注入流动性。英伟达与Apollo、BlackRock、Blackstone、Brookfield、高盛和KKR合作，计划长期动员超过5000亿美元第三方资金建设AI基础设施。 其二，英伟达用现金为上游托底。 去年下半年开始，存储芯片持续大涨；到今年下半年，价格涨到云厂商难以承受。市场开始担心AI投入的可持续性，这导致存储芯片股价回调。不过，英伟达提高对存储厂商的采购承诺，以支持存储厂商继续扩张产能。 数据显示，截至2026年7月，英伟达的采购承诺从上一季度的1190亿美元升至2790亿美元，主要增量来自存储。 其三，英伟达将自己的信用注入下游。 具体怎么做？ 首先是为AI云厂商提供收入保障。英伟达对上游存储厂商承诺高价采购和需求扩张，对下游云厂商提供照付不议和最低收入承诺，为此牺牲部分利润率。公司预计毛利率将从二季度的75%降至四季度的71%—72%，之后随着已执行提价生效，回到72%—73%。 其次是为数据中心建设提供融资担保。英伟达为SB Energy俄亥俄州项目提供分阶段生效的担保，最大名义敞口1050亿美元。 第三是采购债券为合作商提供融资与计算合作。英伟达购买联发科发行的35亿美元可转债，合作范围覆盖云端AI、端侧计算和汽车。 第四是大规模投资AI生态。9月3日，黄仁勋宣布，英伟达已同意以129.3亿美元的价格收购全球最大的AI开源社区与平台Hugging Face。后者是全球最大的AI模型、数据集和应用仓库，目前汇聚了超过1800万名开发者，分享了超300万个模型、50万个数据集和100万个应用。如果加上该项目，英伟达股权投资超过1000亿美元，其中接近500亿美元投向前沿AI实验室。 第五，向客户延长账期。部分投资级客户获得90天至一年的付款期限，以配合大型数据中心建设。前五大客户占应收账款约70%。 数据显示，截至7月26日，英伟达应收账款631亿美元，应付账款151亿美元，差额480亿美元。销售回款天数由上一季度的45天升至60天。 中国大厂