英偉達壟斷鬆動？4億美元貸款首押非GPU芯片

"這是資本重組和英偉達壟斷地位瓦解的第一個信號。"General Compute執行長Finn Puklowski,用這句話形容自己剛剛拿到的這筆貸款。

AI推理雲初創公司General Compute,從投資公司Upper90獲得了一筆最高達4億美元的債務融資。這被認為是首筆以推理專用芯片,而非長期主導AI基礎設施貸款市場的英偉達GPU作為抵押品的大額融資交易。

事情要從Upper90這家投資機構說起。聯合創始人兼CEO Billy Libby曾是高盛的量化交易員,他早在2021年就率先開創了"芯片抵押貸款"這套打法——當時他為數據中心初創公司Crusoe的GPU採購提供融資,是業內公認最早的芯片抵押貸款案例之一。此後,包括CoreWeave在內的公司,把"用GPU做抵押品貸款"這套模式,發展成了價值數十億美元的成熟商業路徑。這次General Compute的貸款,某種程度上是Libby這套playbook的又一次延伸——只不過這次押上的,不再是英偉達的GPU,而是英特爾支持的芯片製造商SambaNova生產的SN50推理芯片。

值得注意的是,General Compute今年5月才剛完成1500萬美元種子輪融資,投後估值約6000萬美元,由FUSE VC領投。短短兩個月後,公司就拿下了規模是種子輪融資近27倍的債務融資——這種速度本身,就說明了市場對"非GPU推理基礎設施"這個方向的興趣正在快速升溫。

這筆貸款到底特殊在哪

先看抵押品本身的變化。傳統AI基礎設施融資,幾乎清一色圍繞英偉達GPU展開,因為這類芯片主要用於訓練大型語言模型,已經成為貸款機構廣泛接受的資產類別。而General Compute這次借用的SambaNova SN50芯片,是專為"推理"——也就是運行已經訓練好的AI模型——而設計的。這意味著,貸款機構第一次願意把"推理專用芯片"當作有價值、可抵押的資產,而不再只認GPU這一種資產類別。

再看效率數字。根據SambaNova官方披露的信息,SN50芯片預計能達到每秒600到700個token的處理速度,相比傳統GPU約每秒250個token的水平,大致快2.4到2.8倍。這些芯片還採用氣冷設計,不需要昂貴的液冷系統,可以直接部署進現有數據中心,不需要大規模的基礎設施改造——這也是General Compute能快速鋪開部署的關鍵原因之一。

第三個值得留意的數字,是General Compute目前已經鎖定了超過3億美元、經過價格保護的SambaNova芯片供應。可以理解成,這筆4億美元貸款,很大程度上就是為了支撐這批芯片採購和後續數據中心部署所需的資金——公司強調,自己完全不持有任何英偉達GPU配額,這種"零GPU依賴"的定位,讓它在芯片供應和路線圖規劃上,擁有比綁定單一供應商的傳統GPU雲平台更大的靈活性。

這對誰的觸動最大

看到這裡很多人會問,一家推理雲初創公司的融資,跟整個AI行業有什麼關係?

對企業和開發者而言,Libby向Bitcoin World表示,"並非每個人都需要超級計算機,但他們確實需要推理和AI"。市場關注的是,如果推理芯片的融資和部署能持續普及,雲服務商就能以更低成本運行AI模型,讓那些不需要龐大訓練集群的初創公司和企業,更容易負擔得起AI工具的使用成本。有分析認為,高盛預測未來三年半內,token消耗量將增長24倍,這種需求爆發,正是推動推理專用基礎設施獲得資本青睞的核心背景。

對英偉達的市場地位而言,General Compute的CEO直言,這筆交易的意義遠超一次普通融資——它證明公司能夠獲取英偉達生態系統之外的芯片資源,這讓其在定價和部署策略上擁有更大自主權。市場猜測,隨著Groq、Cerebras等芯片製造商逐步獲得市場認可,那些沒有被英偉達長期合約捆綁的計算服務商,可能會在推理工作負載這個細分市場裡,積累起成本優勢。

對整個AI基礎設施融資市場而言，有分析指出，這筆交易反映出貸款機構對其他芯片架構的信心正在增強——包括TensorWave這類同行,也在押注AMD芯片路線。這種多元化趨勢,可能會逐步重塑目前高度集中於英偉達的AI雲計算競爭格局。

真正該關注的,不是"打敗英偉達",而是"誰能真正跑起來"

說實話,"英偉達壟斷地位瓦解的信號"這種表態,聽起來很有衝擊力,但真正值得琢磨的,是這句話背後的邊界。

真正值得關注的,其實不是這筆貸款本身的規模,而是它代表著一種資本邏輯的轉變——當一個新興硬件品類（推理專用芯片）第一次被主流金融機構接受為合格抵押品時,說明的不只是某一家公司的融資能力,而是整個市場對"AI基礎設施不再只有GPU一條路"這個判斷,開始用真金白銀投票。

真正的問題來了：SambaNova聲稱的效率優勢,能否在General Compute大規模部署後真正兌現?如果推理速度和成本優勢經得起實際業務數據的檢驗,這類非GPU芯片抵押貸款,很可能會從個案演變成新的行業慣例;但如果實際表現不及預期,這筆備受矚目的4億美元貸款,也可能只是這輪AI基礎設施融資熱潮裡,一個值得記錄卻難以複製的孤例。

General Compute這筆4億美元貸款,真正說明的問題是：AI基礎設施融資市場,正在從單一依賴英偉達GPU的格局,走向一個芯片架構更加多元化的新階段。

真正值得持續關注的,不是這筆貸款金額有多亮眼,而是SambaNova芯片的實際性能表現,能否支撐起General Compute的大規模部署計劃,並讓貸款機構願意複製這種"非GPU抵押"的融資模式。

未來一段時間,市場大概率會繼續觀察：General Compute的芯片部署進度和實際業務數據,以及是否會有更多推理芯片製造商和雲服務商,跟進採用類似的抵押貸款融資路徑。

FAQ

Q1：推理芯片和訓練用的英偉達GPU，主要區別是什麼？
訓練芯片主要用於構建AI模型本身，需要強大的計算能力來處理海量訓練數據；推理芯片則專門用於運行已經訓練完成的AI模型，通常功耗更低、成本更低，更適合大規模、高頻次的日常AI查詢和應用場景。

Q2：為什麼這筆貸款被認為是行業首例？
此前AI領域的芯片抵押貸款，幾乎全部以英偉達GPU作為抵押資產，因為GPU長期是市場公認、貸款機構廣泛接受的資產類別。General Compute這筆貸款首次以SambaNova的推理專用芯片作為抵押品，標誌著貸款機構開始認可GPU之外的芯片資產價值。

Q3：這類推理芯片融資的普及，會如何影響AI服務的實際使用成本？
如果推理芯片的融資和部署模式能夠持續擴大，雲服務商有望以更低的硬件和運營成本運行AI模型，這對不需要龐大訓練集群、但需要頻繁調用AI推理能力的中小型企業和開發者而言，可能意味著更實惠的AI工具使用成本，但具體效果仍需以實際部署後的市場表現為準。