人工智能时代的链上资本架构

作者：Charlie Liu

上周三，万众瞩目的英伟达财报会，看到振奋人心的业绩，千千万万投资人心里悬着的石头终于落了地：收入同比增长超60%，数据中心业务火到售罄，业绩指引再度上调。

然而，资本市场却给出了另一种反应。英伟达股价短暂冲高后回落，更广泛的AI概念股集体下挫，激进扩张AI基建的公司的信用利差走阔。公开市场甚至出现了短短一个多小时2.5%的暴跌。

其实最近“AI泡沫”的论调已经四起：MIT称95%的企业AI试点项目未能产生可衡量的投资回报，央行行长们警告估值已如1990年代末般扭曲，媒体开始深扒AI大厂之间的循环收入。

换言之，尽管收入数字很高，但市场已开始怀疑整个行业的底层能否支撑这个估值。

AI的真正瓶颈：电力与资本

最近高盛在一篇能源与电力的行业报告中，提出了一个很有意思的类比，当前时刻与历史上两次基础设施超级周期遥相呼应。

十九世纪的铁路建设，催生了现代投资银行和作为广受欢迎资产类别的债券。

二十世纪末的互联网建设，则孕育了风险投资，并带火了高风险成长股票和IPO。

现在的AI时代，传统的股票和债券都无法满足电力与算力爆发带来的需求，我们需要一种新的资本形成模式，甚至是一个新的资本市场。

而且，根本的制约在于我们能否提供足够的AI级电力，并在不压垮金融体系的前提下为其融资。

电力困局

过去二十年，美国电网年均增速不足1%——在网页服务器和智能手机时代尚可应付，但对AI工厂而言则是灾难。

有分析显示，为满足新数据中心、电动汽车和产业回流的综合需求，美国现在每年需新增约80吉瓦发电能力。然而，实际年增仅50-60吉瓦，每年产生约20吉瓦的缺口——足够支撑两三个纽约规模的城市。

填补缺口的第一反应总是直觉选项：更多天然气电厂、加速风光储部署、期待核能复苏。但它们都无法在合理时间内满足需求：

• 新建天然气电厂纸上谈兵很诱人，但实际已成为平均耗时四年的项目，涡轮机供应瓶颈使设备交付周期长达三到五年，这还不包括审批和并网排队。

• 陆上风电算上前期规划与并网研究，通常需三到四年，甚至可能拖到近十年，尽管实体建设阶段仅需六到二十四个月。

• 公用事业级太阳能更具模块化、建设更快，典型建设周期12-18个月，平均电池储能开发周期短于两年，因此“光伏+储能”占据了2025年美国预期新增装机容量的80%以上。

• 核能，尤其是小型模块化反应堆，或许是24/7 AI级电力最引人注目的长期答案，但北美首轮SMR项目目标商业化运营时间也在2030-2035年左右。

所有这些方案都必不可少，但在并网队列动辄排期四到七年的世界里，它们都只是中长期解决方案。

唯一能显著提速的方式，是重用已具备土地、高容量电网连接和电力基础设施的场地——尤其是大型比特币矿场。实践中，将现有矿场升级为AI设施，仅需数月的改造工作（液冷、配电、GPU），而非从头申请新并网所需的四到七年漫长征程。

这正是AI公司收购或与矿企合作的原因：CoreWeave竞购CoreScientific，核心目的就是将其约1.3吉瓦的挖矿基础设施转向AI。

尽管Gemini 3的惊艳让大家猜疑是否未来会是TPU取代GPU，因此对电力的需求有所降低，但市场逐渐形成的共识仍是“GPU为主TPU为辅”的格局。就像之前DeepSeek横空出世带来的GPU需求质疑，英伟达的GPU再一次顶住了压力，而电力需求的预期也依旧坚挺。

资本困局

自2022年底ChatGPT引爆AI热潮以来，AI数据中心需求飙升，融资模式已历经几个阶段的演变。

• 第一阶段几乎完全由超大规模企业的经营现金流支持。当你每年产生数百亿美元自由现金流时，可以悄然建设大量数据中心并锁定大量GPU。但当前愿景的规模——全球数万亿美元的AI堆栈——已开始对这些资产负债表产生了压力。

• 于是我们进入了第二阶段：债务和私人信贷。投资级借款为AI建设提供资金的现象激增；高收益发行者（转型AI的比特币矿工、新数据中心开发商）已涉足垃圾债市场；快速增长的私人信贷体系在此基础上叠加了定制贷款、售后回租和收入分成设施。

• 值得注意的是，许多资金从未作为简单“债务”出现在资产负债表上，而是表外的私募信贷（private credit)：它们存在于项目合资公司、结构性租赁和其他表外工具中，将资本支出转化为长期义务，使整个堆栈更像影子融资。如果万亿美元级的AI资本支出预测大致准确，银行和债券持有人将不足以支撑；到2028年，私募信贷和这些准隐形结构预计将为AI数据中心和电力交易背后的资本提供重要份额——甚至可能是大部分。

• 即便如此仍不足，于是我们看到了第三阶段的早期动向：证券化。数据中心租金和租赁的资产支持证券已悄然增长至约800亿美元未偿付价值，预计到2026年将达到约1150亿美元。在股权方面，REIT类工具和合资公司分裂了“土地+外壳+电力 vs. GPU vs. AI应用收入”的经济利益。

公开信贷市场已经注意到这些潜在的风险。彭博对Meta 270亿美元表外数据中心合资企业的“创造性融资”批评，以及对Oracle激进租赁借贷策略的评论，都指向同一点：科技巨头无法完全自筹AI建设资金，他们采用的每一个新融资技巧都让债券投资者更加紧张。

那么，这是AI泡沫吗？某种程度上是——但并非头条新闻暗示的方式。

在股权方面，估值确实令人瞠目。AI相关公司占据了市场收益的过大份额，标普500交易于互联网时代般的估值倍数，英伟达市值曾短暂超过除中美外几乎所有国家的GDP。但股权投资者至少认为他们懂得如何为增长和炒作定价。

更有趣——也更危险——的行动在于这些背后的资本堆栈。问题不在于AI没有实际用途，而在于我们正试图用并非为此特定风险组合（长期物理风险：发电厂、电网升级；短周期技术风险：老的GPU可能五年内过时）设计的工具和中介，来为一世代的基础设施建设融资。

回到之前提到的历史类比：铁路并非仅靠原油的通用贷款融资，而是对数千英里铁轨和机车车辆的资金需求催生了现代投行和标准化铁路债券；互联网并非简单嫁接到企业集团资产负债表上；它孕育了风险投资合伙制以及围绕用股权资助组合里其他亏损公司的规范，因为极其不对称回报分布与的升值空间。

因此，真正的问题是：AI时代，更有效的资本形成机制（capital formation）应该是什么？其原生金融工具又是什么？

RWA：新时代的金融工具

表面看，华尔街好像已找到答案。

“RWA”已成为财报电话会和监管演讲中的年度热词，它是代币化国债、股票、银行存款及链上回购实验的总称，被认为是新时代的金融市场基础设施。

按照SEC的叙事，仿佛它天生就是AI时代的金融基础设施，如同铁路债券之于钢铁，初创企业股权之于互联网。

然而本质上，代币化RWA本身并非一种新的资本形式，它只是我们熟悉的金融产品的新包装：背后依然是高级和夹层债务；普通股和优先股；收入分成协议等等。

在能源或数据中心语境中，这可能意味着20年期购电协议的代币化份额；具有链上瀑布逻辑的代币化项目股权；代币化REIT单元；或由合约GPU收入支持的短期超额抵押票据。

那么，如果RWA并无新意，那么相比传统金融工具，它能带来什么超越喧嚣与炒作的真正优势？通过对于一些早期项目的分析，我们可以看到四大实际好处：

1. 精细可分性：5000万美元的项目份额可被切分成数千个链上头寸，使头寸规模能匹配更广泛的投资要求。

2. 全球触达：只要遵守证券规则，同一工具可由不同司法管辖区的基金、家族办公室、DAO或企业持有，无需每次都重新布线底层管道。

3. 可编程现金流分配：智能合约可以托管稳定币，强制执行瀑布流和契约，并根据可验证的性能数据自动支付票息或收入分成，而无需依赖电子表格和中介。

4. 基于美元稳定币的快速结算：你可以在几分钟内跨时区、跨周末转移本金和利息，尽管二级市场深度仍远薄于传统债券市场。

所有这些听起来都是金融升级，但感觉仍没回答更深层的资本形成问题。

铁路时代，债券之所以有效，是因为围绕它们有一整套装置，能将钢铁和土地转化为标准化证券；互联网时代，高增长股权之所以有效，是因为风投合伙制能将混乱的初创公司转化为可融资的管道。但代币化RWA无法奇迹般地凭空创造那个飞轮。

AI+能源周期真正待解的金融难题，不是头部的AI大厂怎么继续“聪明地”运用金融工程举债建AI数据中心和电厂，而是如何发起、聚合并降险成千上万个小型分布式资产（太阳能屋顶、电池、微型数据中心、柔性负载），并将其现金流以全球资本真正放心持有的方式表达出来。 

这正是DePIN RWA试图填补的缺口，也是为何在此背景下，能源和计算网络比另一个泛泛的“RWA叙事”更重要。

能源DePIN：长尾资本形成

这正是DePIN——利用代币协调物理基础设施部署的理念——变得有趣的地方。

如今，DePIN规模尚小。Messari 2024年报告数据显示，整个板块约350个代币总市值约500亿美元，交易于约100倍综合营收。具体到能源DePIN细分类别约65个项目，总市值不足5亿美元。

若你是传统基础设施投资者，这些数字在万亿美元AI资本支出计划面前小得可笑。但最佳能源DePIN设计的形态，几乎完美契合AI堆栈正遭遇的电力瓶颈。

以Daylight为例。

它的核心逻辑是，分布式能源——屋顶太阳能、家用电池、电动汽车充电桩——若能检测并为“柔性”付费，而不仅仅是原始发电，就能被协调成一种软件定义的发电厂。其“柔性证明”机制在智能设备承诺在未来高压时刻调整消耗或充放电行为时，以$GRID代币支付；能源公司燃烧$GRID购买对该柔性容量的访问权。

在此基础上，$GRID作为一种能源背书货币，触及堆栈每个部分：房主的安装折扣；数据和分析的支付；区域容量错误定价的质押和衍生品；链下容量承诺的保险。在其仅限美国的模型中，跨越物理和金融能源市场的总量约为每年1万亿美元。

Daylight的模式与现有电网紧密耦合。如果你相信AI数据中心将主要位于当前输电网内或附近，且公用事业公司愿为柔性支付高价，那这就是重要的卖点。若并网延迟和监管拖慢一切，这也是风险。

与之对比的是Arkreen。

如果Daylight是“电网原生、美国中心”，那Arkreen则是“无关电网、全球导向”。

它将分布式可再生能源资源连接到一个Web3赋能的数据和资产网络。参与者安装“矿机”或通过API连接；网络记录可验证的绿色能源发电数据，并将其代币化为可再生能源证书和其他绿色资产。

Arkreen已连接超20万个可再生能源数据节点，发行超1亿千瓦时代币化REC，并促成了数千次链上气候行为。

它的愿景是明确的全球化和长尾化：一个点对点能源资产交易网络，家庭和小型生产者可将其DER接入DePIN系统，通过“影响力获利”活动赚取代币，并间接形成虚拟电厂或绿色AI抵消。

这些项目单拎出来，都无法为超大规模企业的下一个1吉瓦数据园区提供资金。但它们指明了AI时代“资本形成”的可能形态——如果我们停止只考虑九位数规模的项目融资块，转而思考以原子级的“千瓦时”为单位。

这也正是加密+AI故事与a16z最新加密状态报告等指出的中心化忧虑：放任自流的AI倾向于中心化——大模型、大集群、大云。相比之下，区块链擅长聚合大量小型分布式贡献，并赋予其流动的全球市场准入。

连接千瓦时与AI通证的加密桥梁

目前，从边际“千瓦时”到“AI通证”的价值链是割裂的。

发电厂与公用事业公司签订PPA；公用事业公司或开发商与数据中心签合同；数据中心与云提供商和AI公司签合同；AI公司出售API使用权或席位；在堆栈顶端的某处，用户支付几美元运行一次推理。

每个环节都独立融资，拥有不同的投资者、风险模型和司法管辖区约束。机遇，以及“资本形成”的加密原生版本，在于使这条链透明且可编程。

• 在供应端，你可以将千瓦时相关的产出代币化，代表对特定可再生能源发电流的权利主张；代币化REC和碳信用；代表来自电池、智能设备和VPP的柔性容量承诺的代币。Arkreen等项目表明，这在技术和商业上于合理规模内是可行的。

• 在中游，你可以将基础设施表达为代币化RWA：数据中心的股权和债权、电网连接升级、表后发电和储能、GPU集群。在这里，传统意义的证券化仍在发生，但链上轨道可使其更透明：投资者购买分层产品时，确切知道哪些资产支持它们，现金流以几分钟而非数日移动的稳定币结算。

• 在需求端，你可以将能源和计算与AI原生工具链接：GPU小时代币、推理秒信用、甚至应用层的“AI服务”代币。随着代理AI系统成熟，部分这些代币将由软件代理直接持有和花费——这些程序能够评估在边际处何处购买计算和电力，并在提供商间动态套利。

由此，AI模型使用的每一个边际千瓦时，从其起源（屋顶、太阳能电站、核SMR）到其在GPU机架中的消耗，再到其在AI应用中的货币化，都是可追溯、可定价、可对冲的。

这并非要求每个环节必须在同一链上或以同一种代币计价。而是指每个环节的状态是机器可读的，并可被智能合约和代理缝合在一起。

若能实现，你实际上创造了一个新的资本形式：任何地点的任何投资者，都可以选择在此链中何处承担风险——能源、电网、数据中心、GPU、AI应用——并购买相应规模与期限的代币化敞口。

超大规模企业的资产负债表不会消失，但它不再是仓储该风险的唯一方式。

结语

这个故事并非是必然结果。

“大厂+大资本”的组合足以独立完成所有这一切。超大规模企业可能决定通过垂直整合直接拥有能源堆栈，并将现金流留在内部。

长尾能源DePIN可能永远无法超越中心化项目。

但即使只有一小部分AI相关的能源和计算最终通过DePIN和代币化RWA融资与协调，我们也已回答了高盛留下的开放性问题以及a16z对于去中心化的呼吁。

此刻，算力与电力正以前所未有的方式交织，而资本的形式，也在悄然重塑。