2022年以来，美国对华AI芯片出口管制持续升级，从最初的A100、H100，到2023年10月将管制范围扩大至几乎所有高性能GPU。这让国产AI芯片从"备选方案"变成了"必选项"。昇腾、燧原、壁仞等国产芯片的订单明显增加，多地智算中心明确提出优先采用国产芯片的要求，大模型公司也在加速推进国产芯片的适配和测试。
需求是真实的，但融资跟不上。
算力融资的通用框架——资产分层、期限匹配、信用分离——在英伟达主导的路线上已经相对成熟。这套框架的核心是一条完整的融资链条：超大规模云厂商与数据中心签署长期采购合同，提供收入锚；数据中心拿着这份合同去融资，用设备租赁、银行贷款或私募信贷覆盖GPU采购；设备租赁公司依据GPU在二级市场的流动性和可验证的残值曲线设定租金和抵押率；当项目产生稳定现金流后，应收账款可以打包证券化，进一步降低融资成本。
这条链条能转起来，依赖四个关键前提：二级市场有流动性，设备退役后可以变现；代际兼容性强，客户愿意签跨代际的长期合同；运维生态成熟，成本可预测；残值有历史数据可参考，融资方敢接受设备抵押。
但如果底层换成国产芯片，这四个前提都不具备。
国产芯片目前正处在技术验证期。架构路径尚未收敛，GPU架构、类GPU架构、专用加速器并行探索；软件生态仍在适配，主流推理框架的迁移成本尚未充分验证；二级市场基本缺失，退役设备几乎没有公开交易渠道；残值没有历史数据，融资方无法判断设备在三年后、五年后还值多少钱。
这些不确定性让市场化融资工具难以直接套用。设备租赁公司不愿意接受国产芯片作为抵押品，因为无法判断残值；银行要求三层担保加应收质押，把融资成本推到项目无法承受的水平；即便项目方拿到了客户合同，合同里往往带着"性能未达标可解除且无需赔偿"的条款，这让应收账款的质量大打折扣。
简单复制英伟达路线的融资方案，会遇到系统性障碍。国产芯片融资不是"更难的英伟达融资"，而是需要一套适配技术验证期的逻辑：政府资金在什么阶段进入、承担什么风险、如何退出；市场化资金什么时候接手、按什么标准定价、用什么工具支持。关键在于：让资金的期限和性质与技术的成熟度相匹配，而不是与投资规模或政策目标相匹配。
英伟达路线的融资前提，在国产路线上暂不具备
要理解为什么不能简单复制，先要看清楚英伟达路线可融资的四个支撑。
第一，二级市场流动性。英伟达GPU有活跃的二级市场，尤其是上一代旗舰型号。A100退役后可以转售给中小云服务商、科研机构或新兴市场客户，价格透明、交易活跃。这意味着设备租赁公司或融资方在项目失败时，有一条可预期的退出通道。残值不是账面估计，而是可以在市场上验证的实际变现能力。
第二，代际兼容性。英伟达的CUDA生态保持了较强的向下兼容。从A100到H100再到最新的Blackwell架构，为上一代开发的推理代码可以相对平滑地迁移到新架构上，迁移成本可控。这降低了设备更新换代时的沉没成本，也让客户愿意签署跨代际的长期服务合同。对融资方而言，这意味着设备的经济寿命不会因为下一代产品发布而骤然归零。
第三，成熟的运维生态。英伟达GPU的故障率曲线、散热需求、功耗特性、驱动更新节奏，都有大量公开数据和第三方运维经验可参考。数据中心运营商可以较准确地估算PUE、备件成本、维保费用，这些成本能够被纳入现金流模型，进而被金融机构定价。
第四，可验证的残值曲线。过去五年里，A100、V100、P100的市场价格轨迹已经形成了可参考的折旧曲线。融资方在设定租赁期限、残值率、资产处置条款时，有历史数据支撑。这让设备抵押和售后回租这类交易能够成立——抵押品在未来某个时点的价值，不是完全未知的。
这四个前提共同作用，使得英伟达GPU可以被视为一类具有相对稳定现金流的可融资资产。设备本身的技术风险并非不存在，但已经被分散到足够大的市场、足够多的应用场景和足够长的时间周期里，单个项目、单笔融资可以承受。
国产芯片路线目前不具备这四个条件。
二级市场几乎不存在。昇腾、燧原、壁仞等国产AI芯片的退役设备，缺乏公开的交易平台和价格发现机制。即便项目方愿意出售，买方也很难判断设备的实际性能、剩余寿命和适配成本。这意味着融资方在项目失败时，设备很可能只能按废品处理，残值接近零。
代际兼容性尚未验证。国产芯片的软件栈仍在快速迭代，架构路径也未完全收敛。为某一代芯片优化的推理框架，能否平滑迁移到下一代产品，目前没有足够的案例支撑。这增加了客户签署长期合同的顾虑，也让融资方难以判断设备的经济寿命。
运维数据积累不足。国产芯片大规模商用的时间短，公开的故障率、能效比、散热需求等数据有限。数据中心在采购时只能依赖厂商提供的实验室数据，而这些数据与实际生产环境可能存在差异。运维成本的不确定性，直接影响项目现金流的可预测性。
残值无历史参考。国产芯片尚未经历完整的产品周期，没有形成可参考的折旧曲线。融资方在设定设备抵押率、残值率时，缺乏数据支撑，只能采用极保守的假设，这会抬高融资成本，甚至导致融资方直接拒绝接受设备抵押。
这四个缺失不是暂时的信息不对称，而是技术路线验证期的结构性特征。它们共同导致一个结果：纯市场化的融资工具会系统性地回避国产芯片项目，或者要价高到项目无法承受。
市场机制为什么会失灵
市场机制不是不愿意投，而是面对三类它无法单独处理的风险。
第一类是技术路线风险。国产芯片目前有多条并行的技术路径：GPU架构、类GPU架构、专用加速器。每条路径在不同应用场景下的性能、成本和生态适配程度不同，但哪条路径会成为主流，目前尚无定论。单个资金方无法判断自己押注的这条路径，五年后是成为标准，还是被市场淘汰。
这类风险的本质是系统性的技术不确定性。它不同于单个公司的经营风险——后者可以通过分散投资对冲，但技术路线风险无法通过投更多项目来分散，因为所有采用同一技术路径的项目会同时成功或同时失败。
第二类是生态闭环风险。一颗AI芯片能否被大规模商用，不仅取决于芯片本身的性能，还取决于推理框架适配、大模型迁移成本、下游应用开发者的意愿、数据中心的运维能力。这是一个多方协同的过程，任何一环缺失都会导致整条链路无法闭环。
单个资金方投资某个数据中心项目时，无法控制软件生态的成熟度。即便项目方采购了设备、建好了机房，如果主流大模型公司不愿意适配、应用开发者不愿意迁移，设备就只能闲置。这类风险的核心在于外部性：每一方都在等其他方先动，导致均衡停留在低水平状态。
第三类是信息不对称与验证成本。国产芯片的性能指标、能效比、故障率，目前主要由厂商提供。第三方评测机构、独立运维服务商、公开的性能数据库尚未形成规模。资金方要判断一颗芯片是否值得投资，只能依赖厂商的宣传材料和个别客户的反馈，验证成本极高。
更关键的是，即便资金方愿意投入成本去验证，这些信息也很难在市场上共享。每家机构都要重复做一次尽调,每次尽调的结果又因为商业机密无法公开,这导致整个市场的信息生产效率极低。
这三类风险的共同特征是：它们不是单个项目、单个公司的经营风险，而是整个技术路径、整个生态体系的系统性风险。市场机制擅长定价和分散前者，但对后者无能为力。如果放任市场自发解决，结果要么是资金要价过高导致项目无法启动，要么是把系统性风险包装成债务工具,在技术路线失败时引发连锁违约。
政府资金可以做什么
政府资金的作用，不是替代市场去融资，而是补齐市场机制暂时做不到的三件事。
第一，承担技术路线验证期的早期风险。
技术路线风险的核心在于：在多条路径中，最终只有少数会成为主流，但在验证之前，没有人知道是哪几条。市场化资金不愿意承担这类风险，因为它无法分散、无法对冲,只能赌。
政府资金可以做的是：设立专门的母基金或引导基金，在技术验证期以股权或可转债形式投资多个不同技术路径的项目，分散押注。这不是撒胡椒面，而是用组合投资的方式，承担单个市场主体无法承担的系统性不确定性。
关键是设定明确的验证标准和退出条件。比如：芯片在特定应用场景下的性能达到某个基准；主流推理框架完成适配并通过第三方测试；至少两家以上大型客户签署商业化合同并实际部署；设备连续运行一定周期后的故障率和能效数据公开。
一旦满足这些条件，政府资金就应当启动退出程序，把项目交给市场化资金按资产属性定价。如果未能满足，则项目清算或转型，政府资金承担损失。这样的安排不是为了保证每个项目成功，而是为了让市场在技术路线收敛之后有可参考的数据和案例。
第二，协调生态闭环。
生态闭环的难点在于：每一方都在等其他方先动。大模型公司说，等数据中心规模上来再适配；数据中心说，等客户需求明确再采购；应用开发者说，等生态成熟再迁移。
政府可以做的是充当协调者：推动头部大模型公司、数据中心、芯片厂商签署联合验证协议，设定分阶段的适配目标和测试基准；建立公共的测试平台，降低各方的适配成本；对完成生态适配的项目给予税收、电价、土地等方面的政策支持，但不直接补贴设备采购（后者会扭曲价格信号）。这类协调的价值在于：它不改变各方的商业决策逻辑，但降低了协调成本和信息不对称，让均衡从"都在等"变成"同步动"。
第三，建设信息基础设施。
市场需要一套公开、可信、可比的国产芯片性能和运维数据，但单个企业没有动力去建设这套基础设施。
政府可以做的是：建立国产芯片性能、能效、故障率的公开数据库，要求获得政策支持的项目定期上报运行数据；支持第三方评测机构和独立运维服务商，形成不依赖厂商的信息来源；推动数据中心运营商、设备租赁公司、金融机构共享非敏感的运维和残值数据，形成可参考的基准。这些数据不是为了监管，而是为了让市场有判断依据。当融资方能够参考历史数据来设定残值率、抵押率和租赁期限时，国产芯片融资的成本就会下降，市场化工具就能逐步接手。
同样重要的是明确政府资金不做什么。
不对项目债务提供兜底担保。政府资金可以以股权形式承担技术路线风险，但不应对设备采购的债务提供隐性担保。一旦兜底，资金方就会放松审查，把技术不确定性打包进债务，最终风险回到政府。
不把政策性资金包装成商业化融资。政府引导基金、开发性金融的资金成本低,但不应把这个优势包装成"优惠贷款"或"低息融资"去和市场化资金竞争。政策性资金的作用是承担市场暂时无法定价的风险，而不是提供补贴。
不长期滞留在已验证的成熟项目里。一旦技术路线被验证、生态初步成型，政府资金就应当退出，把空间让给市场化资金。如果政府资金长期占据成熟项目,会挤出民间资本,也会让政府资金无法循环投向新的验证期项目。
市场化资金如何接力
市场化资金的作用，是在技术路线被验证之后，按资产属性为国产芯片算力项目定价。
这个"之后"不是以时间为标准，而是以可验证性为标准。当一个国产芯片项目满足以下条件时，市场化资金就应当能够进入：芯片性能和能效有第三方验证的数据，而不是只有厂商宣传；主流推理框架已完成适配，大模型迁移成本可控；至少有两家以上客户签署了商业化合同并实际支付；设备运行了足够周期，有了初步的故障率和运维成本数据；有明确的设备处置方案，即便没有活跃的二级市场，也有厂商回购、转售给特定客户或降级使用等退出路径。
一旦满足这些条件，资产就从"技术验证期的股权投资标的"变成了"具有可预测现金流的债务融资标的"。这时候，设备租赁、应收账款融资、资产支持证券（ABS）这些市场化工具就可以上场。
具体来说：
设备租赁。当芯片有了可参考的性能数据和初步的残值曲线，租赁公司就能设定合理的租金和残值率。租赁期限可以匹配设备的经济寿命，而不是机械地套用英伟达GPU的3-5年标准。如果国产芯片的代际更新周期更短,租赁期就相应缩短；如果某些专用场景下设备可以用更久,租赁期也可以延长。
应收账款融资。当客户合同已签署、验收标准明确、回款有历史记录，应收账款就可以作为质押品。融资方评估的不再是"这颗芯片能不能跑起来",而是"这个客户会不会按时付款"。这类融资的成本主要取决于客户信用，而不是技术路线。
资产支持证券（ABS）。当一批国产芯片项目积累了足够的现金流数据，就可以将多个项目的应收账款或租赁债权打包成资产池,发行ABS。这需要三个前提：现金流可预测、资产同质性足够高、有历史违约率数据。前两个前提需要技术路线收敛和标准化，第三个前提需要时间积累，但都不是不可能达到的。
市场化资金接力的关键，是融资条款必须与资产属性匹配。
如果项目采用的是已验证的芯片、已适配的软件栈、已签约的高信用客户，那么债务融资可以占较高比例，因为现金流相对可预测。如果项目采用的是刚通过验证、生态刚初步成型的芯片，那么股权和夹层资本应当占更大比例，债务只能覆盖机房、电力等长周期资产。
这个匹配过程不应由监管部门事先规定比例，而应由资金方根据项目的实际风险自主判断。政府要做的是确保信息充分披露、合同责任清晰、违约处置有序，而不是规定"国产芯片项目必须给予某种融资支持"。
一旦市场化资金开始按资产属性定价，国产芯片融资就进入了正循环：更多的项目落地→更多的数据积累→融资成本下降→更多的资金进入。这时候，政府资金就应当逐步退出,把资源投向下一代技术路线的验证期。
结语
国产AI算力融资的目标，不是让每个项目都拿到钱，而是让政府资金和市场资金各自承担匹配自己能力边界的风险。
政府资金承担技术路线验证期的系统性不确定性，协调生态闭环，建设信息基础设施，但不提供债务兜底，不长期滞留在成熟项目。市场化资金在技术路线被验证后按资产属性定价，用设备租赁、应收账款融资、ABS等工具支持现金流可预测的项目，但不被要求在验证期就进入，也不因政策性资金的低成本而被挤出。
两者的边界以技术成熟度和可验证性为标准。这个标准不是主观判断,而是可以用客观指标衡量的：性能有第三方验证、生态完成适配、客户签署合同并支付、设备运行数据公开、处置路径明确。
当国产芯片从验证期走向成熟期，融资结构也会从股权主导走向债务主导，从政府引导走向市场定价。只有当资金的期限和性质与技术的成熟度相匹配，国产AI算力才可能从一轮政策驱动的投资，转化为可持续的生产性资产。
（作者系北京大学光华管理学院金融学教授张峥 闫云松、施宇轩对本文亦有贡献）
