26 sierpnia 2025 roku Colette Kress, dyrektor finansowa Nvidii, ujawniła analitykom coś, czego rynek nie spodziewał się usłyszeć wprost od samej firmy: niemal jedna czwarta przychodów Nvidii w przyszłym roku ma pochodzić od laboratoriów AI, w których finansowanie Nvidia sama jest zaangażowana. Nvidia zainwestowała już blisko 50 miliardów dolarów w firmy kupujące jej własne układy graficzne, a łączne zobowiązania kapitałowe sięgają ponad 500 miliardów dolarów. To nie jest już tylko strategia sprzedaży — to model biznesowy, w którym producent sprzętu staje się jednocześnie bankierem swoich największych klientów.
Czym jest finansowanie okrężne i dlaczego Nvidia użyła tego terminu jako pierwsza?
Finansowanie okrężne (ang. circular financing) to mechanizm, w którym podmiot inwestuje kapitał w klienta, ten klient za ten kapitał kupuje produkty dostawcy, a zysk ze sprzedaży zasila kolejne inwestycje — zamykając pętlę. Nvidia nie czekała, aż analitycy sami nazwą ten schemat: Kress użyła terminu „circular financing” na połączeniu wynikowym jako pierwsza, uprzedzając pytania ze strony Wall Street.
Pętla wygląda następująco: Nvidia inwestuje w laboratorium AI. Laboratorium — korzystając ze środków własnych lub z wiarygodności kredytowej, którą otwiera udział Nvidii — buduje centrum danych. Centrum wypełnia sprzętem Nvidii. Zakup trafia do ksiąg jako przychód Nvidii. Rosnąca wycena i gotówka Nvidii finansują kolejną rundę inwestycji. Koło się zamyka.
Kress wyraźnie zaznaczyła, że firma widzi ten model inaczej niż krytycy. Jej zdaniem zewnętrzni pożyczkodawcy oceniają każdą transakcję indywidualnie, Nvidia nie udziela pożyczek bezpośrednio, a odbiorcami chipów są podmioty o ratingu inwestycyjnym lub wspierane przez takie podmioty. Jeśli klient nie wywiąże się ze zobowiązań, sprzęt można — wedle Kress — przenieść do innego nabywcy.
Jak działa infrastruktura finansowa, którą zbudowała Nvidia?
Nvidia podpisała partnerstwa z sześcioma firmami inwestycyjnymi: Apollo Global Management, BlackRock, Blackstone, Brookfield Asset Management, Goldman Sachs oraz KKR. Celem tych platform jest zebranie ponad 500 miliardów dolarów zewnętrznego kapitału przeznaczonego na budowę infrastruktury AI przez laboratoria.
Nvidia zarezerwowała również grunt, dostęp do energii i moce budowlane w ramach współpracy z SB Energy — z zastrzeżeniem, że infrastruktura ta będzie wyposażona wyłącznie w sprzęt Nvidii. Pierwsza faza projektu obejmuje 4,25 gigawata mocy obliczeniowej i zostanie wykorzystana przez OpenAI. Łączne zobowiązania OpenAI — istniejące i planowane — Kress oszacowała na około 12 gigawatów obliczeniowych Nvidii do roku 2030. Dla drugiego, nienazwanego laboratorium, Nvidia zapewnia wsparcie kredytowe pokrywające niemal 2 gigawaty.
Warto podkreślić, że opisane 500 miliardów dolarów to na razie intencje, a nie podpisane umowy wiążące. Wyniki finansowe Nvidii opisują partnerstwa jako „subject to definitive agreements” — co oznacza, że kontrakty ostateczne nie zostały jeszcze zawarte.
Model dla mniejszych operatorów chmurowych
Nvidia stosuje analogiczny mechanizm wobec mniejszych dostawców usług chmurowych. Firma zobowiązuje się wynajmować część mocy obliczeniowej operatora na własny rachunek, co daje pożyczkodawcom operatora gwarantowany strumień przychodów jako zabezpieczenie kredytu. W zamian Nvidia otrzymuje udział w zysku powyżej ustalonego progu. Jak przyznała Kress: Nvidia zarabia podwójnie — raz na sprzedaży sprzętu, drugi raz na dochodach z najmu.
Redakcja IWD Partner: Model Nvidii przypomina coś, co znamy ze świata motoryzacji lat 90.: producent samochodów zakłada własny bank i udziela kredytów na zakup swoich aut — tyle że skala jest tu nieporównywalnie większa, a ryzyko systemowe trudniejsze do oszacowania. Pytanie, które rzadko pada wprost: co stanie się z rynkiem GPU, jeśli kilka z tych laboratoriów nie zdoła spieniężyć swojej technologii przed wyczerpaniem linii kredytowych? Nvidia może twierdzić, że sprzęt jest przesuwany do innych nabywców — ale rynek wtórny GPU o tej skali po prostu jeszcze nie istnieje.
Dlaczego laboratoria AI potrzebują finansowania Nvidii?
Laboratoria sztucznej inteligencji mają zapotrzebowanie na moc obliczeniową, której ich własne finanse nie są w stanie pokryć. To sformułowanie pochodzi wprost od Kress, która użyła go podczas połączenia wynikowego 26 sierpnia 2025 roku. Są to młode firmy, pozbawione długoletnich kontraktów i wiarygodności kredytowej, którą dysponują dojrzałe korporacje technologiczne.
OpenAI — największy znany publicznie beneficjent tego schematu — planuje do 2030 roku zużytkować obliczeniowe zasoby odpowiadające 12 gigawatom infrastruktury Nvidii. Dla porównania: typowa elektrownia gazowa produkuje od 0,5 do 1 gigawata energii elektrycznej. Skala zamówień laboratorium AI przerasta zdolności finansowe większości tradycyjnych korporacji, nie mówiąc o startupach.
Nvidia staje się więc nie tylko dostawcą infrastruktury, ale i gwarantem wiarygodności kredytowej całego sektora. Jej udział w projekcie zastępuje ocenę ratingową, której laboratorium nie posiada — i tym samym odblokowuje finansowanie, które bez Nvidii byłoby niedostępne.
Co model Nvidii oznacza dla całego rynku AI?
Koncentracja ryzyka i wartości wokół jednego producenta chipów jest zjawiskiem bez precedensu w historii infrastruktury technologicznej. Dla porównania: Intel w szczytowym okresie dominacji nigdy nie finansował bezpośrednio fabryk swoich klientów. Nvidia robi coś strukturalnie odmiennego — splata własne wyniki finansowe z sukcesem firm, które są jednocześnie jej klientami i jej dłużnikami.
Sześć globalnych firm inwestycyjnych zaangażowanych w platformy Nvidii — Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs i KKR — reprezentuje łącznie dziesiątki bilionów dolarów aktywów pod zarządzaniem. Ich zaangażowanie w ekosystem Nvidii oznacza, że ewentualne turbulencje w sektorze AI przeniosłyby się błyskawicznie na rynki finansowe o globalnym zasięgu.
Nvidia kontroluje — według szacunków analityków rynkowych z 2024 roku — ponad 80 procent rynku GPU do zastosowań w centrach danych. Zbudowanie alternatywnej infrastruktury obliczeniowej w skali wymaganej przez OpenAI czy inne duże laboratoria zajęłoby lata i wymagałoby kapitału, którego żaden konkurent Nvidii nie zgromadził. Model okrężnego finansowania wzmacnia tę pozycję: im więcej laboratoriów związanych z ekosystemem Nvidii, tym trudniej którymkolwiek z nich przestawić się na inną architekturę sprzętową.
Dlaczego finansowanie okrężne Nvidii ma znaczenie?
Mechanizm opisany przez Kress zmienia sposób, w jaki należy analizować przychody Nvidii. Jeśli 25 procent przychodów firmy w 2026 roku pochodzi od podmiotów, których zdolność do zapłaty zależy częściowo od inwestycji samej Nvidii, tradycyjne modele wyceny oparte na niezależności klientów przestają być adekwatne. BlackRock i Goldman Sachs to instytucje z wieloletnimi procedurami oceny ryzyka — ich udział w platformach Nvidii jest sygnałem powagi projektu, ale nie gwarancją jego opłacalności.
Według danych ujawnionych przez Nvidię w sierpniu 2025 roku, sama pierwsza faza infrastruktury z SB Energy obsługuje 4,25 gigawata — to odpowiednik całkowitego zapotrzebowania energetycznego miast o populacji kilkuset tysięcy mieszkańców. Budowa tej infrastruktury i jej utrzymanie generują trwałe koszty, które muszą być pokryte z przychodów ze sprzedaży usług AI. Jeśli rynek na te usługi nie dojrzeje wystarczająco szybko, ryzyko nie znika — przesuwa się w górę łańcucha finansowego.
Powiązane pojęcia z AI i uczenia maszynowego
- GPU (Graphics Processing Unit) — układ scalony zaprojektowany do równoległego przetwarzania danych, kluczowy dla trenowania dużych modeli językowych i sieci neuronowych.
- Centrum danych AI — obiekt infrastrukturalny wyposażony w tysiące procesorów GPU, służący do trenowania i wdrażania modeli sztucznej inteligencji na skalę przemysłową.
- Rating inwestycyjny — ocena wiarygodności kredytowej podmiotu przyznawana przez agencje ratingowe (np. Moody’s, S&P), decydująca o warunkach dostępu do finansowania dłużnego.
- Finansowanie okrężne (circular financing) — struktura finansowa, w której inwestor czerpie korzyści ze sprzedaży produktów podmiotowi, który sam finansuje, tworząc samowzmacniającą się pętlę przychodów.
- Gigawat obliczeniowy — nieformalna miara skali infrastruktury AI odnosząca się do poboru mocy elektrycznej przez klastry GPU; 1 GW odpowiada w przybliżeniu dziesiątkom tysięcy układów H100 działających równocześnie.
Na podstawie materiałów źródłowych.
