這不是一輪常規的股權融資。彭博與路透社揭露：xAI 正將本輪規模提升至約 200 億美元，由約 75 億美元股權 + 最高 125 億美元債務組成，並透過 SPV（特殊目的實體）以「購晶片—回租」形式落地－SPV 直接向輝達 (NVDA-US) 採購 GPU，再租回給 xAI 使用；融資載體與硬體交易被「打包」，資金在到帳一刻即固化為可計量的物理算力。

此結構的直接目標，是替 xAI 的 Colossus 2 資料中心鎖定上游供給與交付節奏。第三方現場監測稱，孟菲斯園區 2025 年 8 月前後已就緒約 200MW 冷卻能力，對應大規模 GB200 機櫃上架能力；無論具體數值如何波動，方向都很清晰：xAI 在用 “先有算力、再談產品” 的路徑縮短追趕周期，把融資的不確定性轉換成可交付的 GPU 資產。

據「視界的剖析」，表面上，輝達是賣方；實際上，它更像一個「算力央行」：一邊透過銷售 GPU 回籠現金流，另一邊用參股 / 配資 / 回租綁定下游算力營運方的未來產出與需求曲線。xAI 此番「資本 + 硬體」連動，只是輝達生態金融化的又一樣板；此前它已透過 CoreWeave 等夥伴試水「以 GPU 為底層抵押物」的算力供給網絡，如今把模式外延到直接參與客戶股權。

更關鍵的是，這種模式具備規模外溢：當上游產能吃緊、交付期拉長時，誰能提供資金 + 產能 + 排產優先權的一體化方案，誰就能在下一輪產品周期裡定義事實標準。以 xAI 為例，把「融資」與「交付」綁定後，它不僅獲得硬件，更獲得產能佔坑權——這在 GPU 仍短缺的階段，價值極高。

特斯拉的現實選擇

與 xAI 的外部擴張相對，特斯拉在 2025 年夏天解散 Dojo 團隊、轉向聚焦 AI5/AI6 等推理晶片與外部訓練算力。路透與彭博均確認：Dojo 團隊撤併、負責人離任，研發重心回到整車與機器人推理側，訓練側更依賴輝達等外部資源。這是一筆效率帳：自研訓練架構投入高、折舊快、規模經濟難以匹配輝達生態。

回看 2024 年，馬斯克曾因 12,000 片 H100 的調配在特斯拉 (TSLA-US)、X 與 xAI 之間「走鋼索」；同年他又表示特斯拉年度 AI 相關支出將達 100 億美元，H100 規模目標從 3.5 萬片提至 8.5 萬片。一年後現實給出答案：當自研訓練堆疊與外部 GPU 生態的成本 / 交付 / 軟體全面拉開差距，最經濟的路徑就是把訓練峰值外包，把自研集中在推理 SoC 與系統集成。

由此，馬斯克系的算力分工逐漸明晰：

xAI 主攻通用大模型與資料中心訓練（「買晶片」的主戰場）；

特斯拉聚焦車端 / 人形機器人推理（「用得好」的主戰場）；

X 作為應用與資料入口，吸收與反哺模型側。這種訓練外採 + 推理自強的割裂式架構，既順應了 GPU 市場現實，也避開了自研訓練架構的「無底洞」。

把 OpenAI 拉進才看得見「算力金融化」全貌

就在 xAI 推進「以籌資換 GPU」的同時，OpenAI 在兩條供應線同時加碼：一方面與輝達簽署 10GW 級基礎設施 LOI，輝達擬逐步投資至多 1,000 億美元以配合資料中心與電力側擴張；另一方面與 AMD(AMD-US) 達成「6GW 級」多年期供貨協議，2026 下半年先行 1GW MI450 上線，並配套最高 10% 的認股權作為按績效觸發的價內期權。

把三件事放在一起——xAI 的 200 億硬體融資、OpenAI× 輝達的 10GW/1000 億 LOI、OpenAI×AMD 的 6GW/Warrant 對賭——我們正在進入一個前所未見的階段：算力被資產化、被金融工程化。資金不再只是研發費用，而是直接鑄造成 GPU、機電與電力容量；供應關係不再鬆散，而是透過股權、債務、回租、認股權等工具被強綁定。上游（晶片 / 電力）、中游（雲與算力運作）、下游（模型 / 應用）的權力邊界，由資本與供應鏈一起改寫。