5000亿美元，黄仁勋再次打破传统。英伟达不再局限于芯片销售，而是亲自下场，协助客户解决数据中心建设的土地、电力及厂房外壳等基础设施问题，并将其概念化为“LPS”（Land、Power、Shell）。英伟达联合KKR、阿波罗等大型投资机构签署协议，由这些机构出资5000亿美元建设数据中心，而英伟达则提供部分担保：若未来租户（如OpenAI）无力支付租金，英伟达将兜底一部分费用。有了这层保障，投资机构更愿意放贷。英伟达过去依靠规模、需求预见性及供应链关系锁定半导体资源，如今这套逻辑已延伸至LPS领域。
问题随之而来：英伟达过去只卖芯片，为何现在要插手盖房？对亚马逊、微软、谷歌等云计算巨头而言，此事完全无需英伟达介入。它们资金雄厚、信用良好且拥有丰富的基建经验，只需英伟达供货即可。这仍将是英伟达业务的主导部分。但有一类客户截然不同，那就是像OpenAI这样的前沿AI实验室。它们对算力需求巨大且增长迅猛，但公司历史短、资产少、银行信用不足。它们虽有技术和客户，却受困于无法建设足够大的数据中心。此次英伟达出手担保，若OpenAI无法支付租金，英伟达将代为支付。这本质上是为了锁定长达20年的巨额芯片订单。
01、首个落地项目：为OpenAI建设150万GPU数据中心
黄仁勋宣布了首个具体项目。选址在美国俄亥俄州朴茨茅斯的PORTS-Pike科技园区，租户仅OpenAI一家。供电规模高达4.25吉瓦，相当于三四百万户家庭的用电量。OpenAI将在此利用英伟达DSX全栈AI工厂平台，涵盖GPU、CPU、网络及基础设施软件，建设并运营一座AI工厂。黄仁勋算了一笔账：在PORTS-Pike部署的每一代英伟达AI工厂系统，大约对应150万块GPU，以及1500亿至2000亿美元的英伟达收入。场地设计寿命为20年，期间芯片需多次迭代升级，每一轮升级都将带来新的销售。这就是英伟达愿意提供担保的原因：表面上是帮助客户，实则锁定了长达20年的巨额订单。若将OpenAI所有承诺项目加总，到2030年对应约6000亿美元的英伟达芯片采购额。
02、英伟达承担了多大风险？
对此，黄仁勋进行了三点澄清：
第一，担保是有限的。英伟达并非替OpenAI全额买单，而是兜底部分租金和电费，并承诺设备残值——即如果设备将来闲置，英伟达认可其仍具价值。担保将随着数据中心在2028年至2030年逐步投入运营而分阶段生效，英伟达的风险敞口随之递减。
第二，这并非循环融资。有人质疑这是“左手倒右手”，即英伟达担保→OpenAI拿钱→OpenAI买英伟达芯片→收入来自自己担保。黄仁勋回应称，租金由OpenAI自付，并非英伟达代付。“当我们能够预见客户需求，并确保长期产能时，就会确保关键投入的供应。”
第三，若OpenAI中途停止使用怎么办？黄仁勋表示，英伟达芯片是行业标准通用产品，可转租给其他合格租户，如云服务商、企业、AI实验室或初创公司。这一逻辑源于CUDA平台：CUDA为开发者和工程师提供了持续改进已装机系统的共同环境，使算力具备通用性。通用性带来可置换性，进而推高利用率和耐久性，最终使英伟达算力成为一种可融资的生产性资产。
最后，关于LPS的推广范围，英伟达回答得比较模糊，仅称是“战略性的、有纪律的”。这意味着英伟达不会盲目扩张，绝大多数数据中心仍由客户自建，仅在极少数“地段优越、需求明确”的项目上出手担保。
03、数据中心证券化，监管恰逢其时
此次5000亿美元交易能成，得益于上月落定的一个前置条件。背景是，2008年金融危机后，美国通过《多德-弗兰克法案》，规定银行若将贷款打包成金融产品出售，必须保留部分风险自留，不得完全转嫁。现在，数据中心融资也想效仿这一模式，将未来租金收入打包出售以筹措资金。但若严格遵循风险自留规则，发起方需自行投入大量资金，融资效率将大打折扣。
上月，顶级律所Latham & Watkins向美国证券监管机构（SEC）申请，指出数据中心的租金收入与房贷性质不同，不应套用同一规则。SEC基本同意了该观点。这意味着，数据中心融资在发起方不必强制“自留风险”的情况下，结构可以更灵活、门槛更低、效率更高。这虽只是监管机构的意见表态，尚未正式成文，但实际上已打开了一扇门：未来将有更多资金愿意且更方便地流入数据中心建设。