Nvidia、CoreWeave 與 Nebius：GPU 基礎設施熱潮分析

AI 基礎設施的快速擴張是由晶片設計商（如 Nvidia）與專門的 GPU 雲端服務提供商之間的複雜財務關係所推動，這些服務提供商被稱為「新雲」（neoclouds），例如 CoreWeave 與 Nebius。部分批評者將此視為循環融資泡沫，另一些則認為這是 Nvidia 為了多元化客戶群並確保其硬體與軟體生態系統全堆疊部署的策略性舉措。

對抗超大規模雲服務商的策略性對沖

Nvidia 對新雲的投資主要是為了對抗超大規模雲服務商（如 AWS、Google、Azure 等大型雲端提供者）的主導地位。這些超大規模雲服務商常自行設計 AI 晶片以減少對 Nvidia 的依賴，且可能不會全面採用 Nvidia 專有的機架設計。透過資助新雲，Nvidia 創造了一個競爭環境，防止任何單一超大規模雲服務商在 AI 基礎設施層面擁有過多權力。

此安排對 Nvidia 的主要好處包括：

• 全堆疊部署：新雲較有可能部署 Nvidia 完整的堆疊，從 GPU 到網路與儲存機架，確保硬體依照預期被使用。
• 資料回饋迴路：與保護使用資料的超大規模雲服務商不同，新雲較可能將有價值的營運資料回饋給 Nvidia，促進更高效的下一代硬體設計。
• 市場定位：投資新雲使 Nvidia 能夠實現已取消的 DGX Cloud 公開存取目標，同時不直接與其最大客戶（超大規模雲服務商）競爭。

循環融資爭議

關於 Nvidia 對購買其晶片的公司之投資是否構成「循環融資」存在大量爭論。

一種觀點認為這是一座金融紙牌屋。批評者指出，AI 生態系統中流通的資金規模遠超過導致 2008 年金融危機的因素，若 AI 公司被納入 NASDAQ 或 MSCI World 等主要指數，可能危及美國退休金制度的穩定性。

相對地，模型的支持者認為此融資並非真正的循環，因為投資規模相較於總資本支出而言相當小。例如，Nvidia 為 CoreWeave 投入 20 億美元取得 9% 股權，僅佔 CoreWeave 預計 2026 年 350 億美元資本支出的極小比例。從此觀點看，大部分資金來自外部來源，使此安排成為標準的策略性投資，而非人工需求的閉環。

經濟可行性與硬體淘汰

新雲的長期獲利能力取決於其在硬體快速演進下維持價格權力的能力。從 A100 轉換至 H100、H200 與 B200 展示了陡峭的效率曲線，更新的晶片以適度的成本提升提供顯著更多的運算能力。

這產生了「逐步淘汰」的風險，使舊硬體變得大幅不受青睞。這些提供者的經濟可行性取決於多項指標：

• 每美元每代幣的投資回報率：從代幣產生的收入超過硬體成本的能力。
• 企業代幣預算：隨著開放權重模型提升對代幣成本的壓力，企業持續為運算付費的意願。
• 使用率：在更新、更高效的晶片（如即將推出的 Vera Rubin 架構）進入市場時，仍能讓舊硬體保持使用的能力。

市場風險與外部限制

除了金融結構外，GPU 熱潮的成長亦受到物理與法規因素的限制。部分分析師認為，融資延遲、電力供應以及新資料中心的許可程序可能實際上成為穩定因素，限制若 AI 泡沫破裂時可能出現的過剩容量。

同時也存在來自 AI 晶片新創公司的顛覆性創新風險（例如 Mythic AI 或 d-Matrix）。若這些新創公司能將其效率突破擴大規模，可能壓低 Nvidia 硬體價格，進一步擠壓已大量投資於當代 Nvidia GPU 的新雲利潤空間。