一、案例背景
1.1 从芯片到”AI工厂”：算力进入资产时代
2026年，人工智能基础设施投资已进入前所未有的规模。英伟达官方口径显示，建设一座AI工厂每兆瓦约需6000万美元资本开支，一个吉瓦级项目的投资规模高达约600亿美元——这已相当于修建一座大型发电站的资本量级。算力不再仅仅是”IT采购”科目下的一项支出，而是正在演变为一种需要估值模型、残值曲线和融资渠道的”资产类别”。
这一转变的核心推动者正是英伟达。2026年8月，英伟达与Apollo、贝莱德、黑石、博枫、高盛、KKR六家全球顶级金融机构宣布共建融资平台，计划撬动超过5000亿美元的第三方资本投入AI基础设施。尽管目前仅为合作备忘录阶段、尚无交易签约，但这一举动标志着算力首次被信贷市场按”基础设施”而非”设备”来定价。算力资产开始拥有了自己的估值公式、残值曲线和融资渠道。
1.2 英伟达的”电站估值公式”
2026年10月初，英伟达在其官方博客中发布了一套AI工厂回报公式，将投资回报归结为三个核心变量：
第一，盈利能力（产出）。 满负荷运转一年能卖出多少token。评估电站看”度电成本”，评估AI工厂则对应”每秒每兆瓦token数”。在固定的电力包络里——能耗指标、变压器容量、并网排队在每个市场都是最稀缺的许可——产出的token越多，单位电力的收入就越高。
第二，使用寿命。 硬件保持产出的年限。这是三个变量中口径最为分裂的一个：在资产负债表上，它由会计政策决定；在现实中，它由物理衰减和市场需求共同书写。
第三，需求。 这些token究竟能卖出多少。三个变量相互牵制，无法互补——盈利能力再强，若只能卖出一半产能也无济于事；需求再旺，若设备一年后就跑不满同样无效。
英伟达特别强调了代际产出的非线性跃升。据SemiAnalysis AgentX基准测试（回放真实智能体编码会话测算），在DeepSeek V4-Pro负载、每用户每秒160 token的条件下，Vera Rubin NVL72每兆瓦吞吐量较上一代GB300 NVL72高逾30倍，每百万token成本至多低45倍；GB300较H200机群每百万token成本又至多低10倍。这意味着，在厂房和电力指标不变的情况下，吞吐量在代际之间相差两个数量级。
……