从NVIDIA向SB Energy提供最高1050亿担保、OpenAI俄亥俄8GW数据中心总投资规模或达5000亿看大规模资本承诺的风险量化建模蒙特卡洛、压力测试与或有负债8月17日一条新闻把AI算力这件事从工程问题直接拉成了金融问题NVIDIA宣布向SB Energy提供最高$1050亿的担保、并额外投入$15亿股权投资用于在俄亥俄州PORTS-Pike园区部署8GW的AI算力。OpenAI是这个园区唯一的租户底层用NVIDIA DSX全栈AI工厂平台。初始担保对应4.25GW的容量可选再追加3.8GW。项目总投资规模在媒体测算下或可达$5000亿。$5000亿是什么概念它是全球半导体行业一年资本支出的近两倍是NASA阿波罗计划整个十年预算的好几倍。一个企业的资本担保加上股权投资就敢签到千亿美金规模——这件事对参赛同学最大的意义不是数字本身而是它示范了大规模资本承诺该怎么建模。今天就把这件事拆给你看。一、先把数字钉牢——5个关键参数指标数值备注NVIDIA初始担保$1050亿对应4.25GWNVIDIA额外股权投资$15亿持有股权可选追加担保$380亿对应再追加3.8GWOpenAI俄亥俄项目总功率8GW含初始可选项目总投资规模媒体测算$5000亿含基建算力运维把这些数字钉牢之后下一步是判断哪些数字是高风险参数。二、第一步识别高风险参数——哪些数字最容易出错$5000亿这个口径其实包含很多不确定因素。最容易出错的参数有四类参数类别不确定性来源影响幅度单GW建设成本媒体测算可能在$400—$700亿/GW之间±30%通胀5年工期美元购买力变化±15%电力价格美国PJM电网容量电价波动±25%设备折旧周期GPU换代节奏可能压缩到3年±20%这四类参数里单GW建设成本是影响最大的——它直接决定总投资规模落在$3200亿还是$5600亿。其它三个参数都是次生影响。三、第二步蒙特卡洛模拟——给每个参数一个概率分布蒙特卡洛方法的核心思路给每个高风险参数构造一个概率分布而不是点估计然后通过随机抽样生成大量情景统计情景的分布特征。具体到这个案例五个关键参数的分布假设可以是参数分布类型均值标准差/区间备注单GW建设成本对数正态$550亿0.25媒体口径集中在$400—$700亿5年累计通胀三角分布1.15[1.05, 1.30]联邦基金利率仍高5年累计电价三角分布1.20[1.05, 1.45]PJM容量电价波动设备折旧周期离散4年[3, 5]GPU换代节奏担保触发概率贝塔分布0.15α3, β17SB Energy失败时触发每个参数都给定分布之后跑10万次蒙特卡洛模拟每次随机抽一组参数计算对应的项目总投资规模NVIDIA担保触发额OpenAI租赁成本。四、第三步跑完模拟之后看什么蒙特卡洛跑完之后重点关注三个统计量第一个项目总投资规模的5%—95%分位数。如果5%分位是$3200亿、95%分位是$5600亿那$5000亿这个媒体口径就处在中位数附近是一个相对合理的估计。第二个NVIDIA担保触发额的概率分布。担保是或有负债——只有当SB Energy无法履约时才真正变成NVIDIA的负债。担保触发额 $1050亿 × 触发概率 × 损失比例。如果触发概率贝塔分布均值0.15和损失比例假设平均30%取均值那么担保触发额约等于$47亿。但如果触发概率上升到0.30极端情况担保触发额就能涨到$94亿。第三个OpenAI 5年累计租赁成本的5%—95%分位数。这个对OpenAI的现金流建模有直接影响。五、第四步压力测试——三个极端情景蒙特卡洛给的是概率分布但决策者更关心的往往是极端情景。构造三个极端情景情景单GW成本5年通胀5年电价担保触发概率总投资规模NVIDIA担保触发额基准$550亿1.151.200.15$5000亿$47亿乐观$400亿1.051.050.05$3600亿$16亿压力$700亿1.251.400.30$5800亿$94亿极端$700亿1.301.500.50$6300亿$158亿在极端情景下NVIDIA的担保触发额可能冲到$158亿相当于NVIDIA年度净利润2026年估算约$500亿的32%。这还没算$15亿的股权投资如果归零的情形。六、第五步或有负债的会计处理——为什么这件事会被低估$1050亿担保在新闻里是个大数字但在NVIDIA的资产负债表上目前只体现为或有负债——披露在财报附注里不进入负债总额。只有当触发条件实际发生SB Energy无法履约时才会从或有负债转为实际负债。对建模来说这意味着- 表观负债低估了真实风险- 必须用预期信用损失模型来估算或有负债的现值- 蒙特卡洛模拟的输出要和会计的ECLExpected Credit Loss口径对得上国赛如果碰到大规模资本承诺题把这个会计视角补上是常见的高分点。七、第六步把OpenAI的现金流压力也算出来OpenAI作为唯一租户要承担8GW算力的租赁成本。简单估算假设每GW的年化运营租赁成本约$25亿行业经验值8GW对应$200亿/年。如果按10年合同期算OpenAI的累计租赁支出约$2000亿。这个数字相对于OpenAI $40B ARR和$1万亿IPO估值目标来说是可控的但相对于早期阶段的OpenAI是个非常重的现金流负担。把这条现金流折现到IPO时刻可以构造一个租赁现值/估值的杠杆指标情景10年累计租赁折现到IPO时现值隐含估值杠杆比基准$2000亿$1300亿$1万亿13%乐观$1800亿$1170亿$1.5万亿7.8%压力$2400亿$1560亿$0.8万亿19.5%极端$2800亿$1820亿$0.5万亿36.4%杠杆比超过20%时租赁就成为估值的实质性拖累。八、第七步构造一个风险雷达图指标把所有不确定性浓缩成一个雷达图指标——五维风险评分每维1—5分风险维度基准情景评分极端情景评分建设成本超支25通胀冲击24电价冲击25担保触发14设备折旧加速23平均分1.84.2雷达图让决策者一眼看出哪个风险维度最值得管理。这个可视化在国赛里非常加分。九、写给参赛同学的四个动作第一千亿资本承诺题一定要拆出至少5个高风险参数每个都给概率分布。这是蒙特卡洛的起点。第二不要忘了或有负债的会计视角。表观负债和真实风险之间有一个乘数关系ECL折算现值是常见的高分动作。第三极端情景不能跳过。基准情景是给平均水平看的但决策者要为尾部事件做准备。第四构造可视化指标雷达图、瀑布图把抽象风险浓缩成可比较的数值这是国赛评委会看的细节动作。十、把这件事抽象成建模模板把今天的全部内容抽象成模板就是这样一个五步流程步骤动作关键产出1钉牢数字5—10个关键参数的点估计2识别高风险参数参数列表 不确定性来源3蒙特卡洛模拟10万次抽样 5%—95%分位数4压力情景表4—6个极端情景5可视化指标雷达图 / 瀑布图 / 杠杆比这个流程可以平移到任何大规模资本承诺题上——新能源电站、芯片工厂、卫星星座、跨境并购都可以套用。国赛衔接清单赛题类型对应建模动作关键工具估值类EV/Revenue倍数 杠杆比倍数法风险类蒙特卡洛 压力测试概率分布财务类或有负债 ECL折现现值计算综合类雷达图 情景矩阵可视化政策类担保触发概率 折现贝塔分布$5000亿数据中心、$1050亿担保——这两个数字看起来吓人但拆开来看每一项都是有建模逻辑可循的。参赛同学只要把千亿规模当成几十个小参数×大乘数的合成结果就能从容应对。一句话总结千亿资本承诺建模的精髓不是把数字做大而是把数字拆细用概率分布和压力情景给出决策者能用的风险图谱。