英伟达正从『卖 GPU 的』变成『AI 的中央银行』：它联合 Apollo、贝莱德、黑石、高盛、KKR 等六家华尔街巨头，计划撬动超5000亿美元第三方资本建设 AI 数据中心。GPU 被重新定义为『数字不动产』——能从银行拿到长期贷款的『可投资资产类别』。这种策略意味着，客户买不起 GPU 没关系，可以通过租赁或贷款获取算力，同时英伟达帮客户锁定供应链产能。在一个供给受限的市场里，能够调动金融杠杆和整条供应链，本身就成了一种比芯片性能更难复制的护城河。

CoreWeave 和 Nebius 这些『新云』厂商的商业模式，与传统云巨头截然不同。它们并非提供按需付费的弹性算力，而是通过『预付款+2-5年长协』锁定客户，客户签约时支付的预付款可直接覆盖资本开支的50%-60%。CoreWeave 的合同积压订单已突破1040亿美元，预付款将投资回收期压缩至1.5-2年。这套模式的核心逻辑是：在算力极度稀缺的当下，用长期契约将 GPU 从『高折旧的电子硬件』重新定义为一笔『能产生稳定现金流的基建资产』。

文章认为英伟达的位置稳固，但 ASIC（专用芯片）正从另一个侧面发起挑战。谷歌 TPU 已获得 Meta 和 OpenAI 的订单，被市场视为英伟达 Blackwell 的可行低成本替代方案。英伟达此前斥资200亿美元收购推理芯片公司 Groq 的授权，就是为了补全推理算力拼图。核心分歧在于：模型架构尚未收敛时，GPU 的通用性有优势；但当架构确定后，ASIC 在能效和成本控制上的潜力可能翻盘。目前爱立信与英特尔联盟坚守 ASIC 路线，而诺基亚则选择拥抱英伟达的 GPU 方案，这场分裂也发生在电信市场。

文章提到数据中心建设受限于物理世界，而电力正是第一道硬性瓶颈。Gartner 预测2026年全球数据中心耗电量将同比增26%至565 TWh，其中 AI 优化服务器耗电暴涨84%。更严峻的现实是：美国全境至少75个数据中心项目因缺电被叫停或延期，涉及投资额1300亿美元。微软 CEO 纳德拉坦言，芯片不是问题，电网能否跟上才是。到2030年，AI 数据中心在美国的用电量将超过钢铁、水泥、化工和电解铝的总和——这不是算力过剩的问题，而是供给端的物理约束根本还没被正视。

Baker 提出如果 Starship 实现低成本高频次复用，把推理服务器送入轨道可能比地面数据中心更划算——太空中的太阳能板效率是地面的5倍，真空散热也更容易。SpaceX 现有合同报价约9000万美元/次（约600美元/公斤），但马斯克的远期目标是将成本降至百万美元级。真正的触发信号不是 Starship 能不能飞，而是它能否做到『每小时发射一次』级别的完全复用。如果这个条件不成立，轨道算力就仍只是资本故事中的一个浪漫注脚。