AI CapEx Recycling（AI 资本支出循环融资）
AI CapEx RecyclingNvidia 投钱给创业公司，创业公司再买 Nvidia 的卡
亦作、亦称：AI 资本支出循环融资 · AI CapEx Recycling · AI 资本支出循环 · 循环融资 · Circular AI Financing
AI CapEx Recycling 是 Nvidia 投资→创业公司采购→Nvidia 收入回流的自我强化循环——Big Tech CapEx 已达 GDP 2.4%（超 1999 电信泡沫峰值），循环一旦断裂可能产生类 2008 级联效应。
核心
AI CapEx Recycling 是 Nvidia 投资→创业公司采购→Nvidia 收入回流的自我强化循环。Big Tech CapEx 已达 GDP 2.4%（超过 1999 电信泡沫峰值 1.2%），Nvidia 通过 Apollo、Blackstone 等 6 家中介注入资金，创业公司再采购 GPU。核心风险：一旦 GPU 采购需求下降，循环断裂可能产生类似 2008 次贷的级联效应。
循环机制
Nvidia 向 AI 创业公司投资（如 Runware、CoreWeave 等）→创业公司用融资款采购 Nvidia GPU→Nvidia 数据中心收入增长→股价上涨→更多资金用于投资。这个循环的关键在于 GPU 既是投资标的（创业公司的资产），又是收入来源（Nvidia 的营收）。
系统性风险
AI CapEx Recycling 的核心风险在于：一旦 AI 需求下降或 GPU 采购放缓，循环就会断裂。创业公司无法偿还融资→金融机构亏损→Nvidia 收入下降→股价下跌→无法继续投资。这与 2008 次贷危机的循环逻辑类似：资产价格（GPU/房价）与融资循环相互强化，直到泡沫破裂。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「Nvidia 投钱给创业公司，创业公司再买 Nvidia 的卡」
- 「自己卖自己买」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
🎯 考点练习
含该术语的高频面试题，含标准答案与追问。
- 初级系统设计查看详解 →
如何处理系统设计面试题？
先澄清功能与非功能需求并估算 QPS/存储；再给高层架构；然后深入关键路径（数据模型、缓存、一致性）；全程沟通 trade-off 与扩展方案。
- 高级系统设计查看详解 →
全双工多模态模型的三条技术路线（SeedRealtime / FLUX 3 / MAI Realtime）有何架构差异，分别解决什么工程问题？
SeedRealtime 走端到端统一音视频 LLM 路线解决交互延迟；FLUX 3 走统一 transformer 骨干路线解决多模态生成碎片化；MAI Realtime 走语音全双工补位路线解决对话模型缺口。三者共同指向：多模态 AI 的下一个竞争维度是交互循环速度而非模态数量。
- 高级开放查看详解 →
为什么融资正在取代芯片供应，成为 AI 基础设施扩张的最大障碍？
考察候选人能否从算力供需、资本结构与部署形态三个层面解释 AI 基础设施瓶颈的迁移：从「买不到 GPU」到「融不到钱」，以及这对推理基础设施选型（每瓦 token、模块化部署）的含义。
- 高级系统设计查看详解 →
解释 Disaggregated Inference 的 prefill/decode 分离原理及硬件选型权衡
Disaggregated Inference 将 LLM 推理的 prefill（计算密集型）和 decode（内存密集型+延迟敏感型）分配到不同硬件。Prefill 用高 FLOPS 硬件（GPU/LPU），decode 用高带宽低延迟硬件（HBM/LPU）。OLIX DX-1 $312M B 轮验证专用 decode 芯片商业可行性。
外部参考
维基百科：查看「AI CapEx Recycling」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。