Magnetar Capital

152 · AI 算力這筆錢怎麼籌

36:05YouTube 上架 2026-02-26Neil Tiwari（Magnetar Capital）

Who's Actually Funding the AI Buildout?

Magnetar 負責 AI 基礎設施的 Neil 談 CoreWeave 的起點、以合約現金流為擔保的債務結構、推論帶來的新需求，以及電力、主權與軟體股的看法。

152 講了什麼

• 從 CoreWeave 切入Neil 說 Magnetar 2021 年認識 CoreWeave，當時對方正從挖以太幣轉向高效能運算，第一筆投資早於 AI 熱潮。後來 CoreWeave 為 OpenAI 訓練模型，Neil 認為讓它勝出的是 scale 與 reliability。
• 資本支出靠股權撐不起Neil 提到 2026 年 hyperscalers 的 AI capex 預估在 660 到 690 billion dollars 之間，並說光靠股權會造成大量稀釋，所以融資結構才是常被忽略的一環。
• 擔保品是合約現金流Neil 解釋這類 SPV 債務的主要擔保是投資等級客戶的合約現金流，GPU 只是第二或第三層；債務在四到五年內攤還完畢，沒有期末一次付清的款項。
• 瓶頸轉到把晶片變成可用資產Neil 說 2023、2024 年卡在拿不到晶片，2026 年更卡在人、電力與基礎設施。談到推論，Neil 也點出它比訓練複雜，而且更分散。
• 電力問題另有面向Neil 認為電網上有閒置的電力，短期瓶頸在儲能、配電，以及結構鋼、電工、變壓器這類實體條件，並提到 bring your own capacity 的做法。
• 對實體 AI 與軟體股的看法Neil 認為實體 AI 也需要資本，會走類似算力市場的融資；對軟體股被一起拋售，則覺得反應過頭，因為要看個別公司。

從哪一段開始看15 段

1. 00:05開場與 Magnetar主持人介紹來賓是 Magnetar 負責 AI 基礎設施的 Neil；Neil 說 Magnetar 今年是第 20 年，三大策略是私人信貸、創投與系統化的公開市場策略。
2. 01:41為什麼投 CoreWeaveNeil 說 2021 年認識 CoreWeave，當時正從挖幣轉向高效能運算，首個用途是視覺特效；Magnetar 本來沒有資料中心投資，但有能源與房地產背景。
3. 04:19CoreWeave 為何勝出2023 年 CoreWeave 開始替 OpenAI 訓練模型；Neil 把勝出歸因於 scale 與 reliability，並說創辦人的能源資產管理背景有幫助。
4. 06:24規模與資本結構Neil 提到 2026 年 hyperscalers 的 capex 預估在 660 到 690 billion dollars，並說光用股權會造成大量稀釋，資本如何結構是少被談的部分。
5. 07:41SPV 債務怎麼設計Neil 說明 SPV 內的擔保品主要是投資等級客戶的合約現金流，GPU 為第二或第三層；債務四到五年攤還完，期末無餘額，殘值歸雲端業者。
6. 11:41工具如何演進Neil 說早期只有投資等級的對手，現在開始混入 AI 原生公司，用投資等級搭配非投資等級來平衡風險。
7. 13:01供給瓶頸與新晶片Neil 說瓶頸已從拿到晶片轉到蓋出並營運資料中心；談到 Dylan Patel 的文章，Hopper 換 Blackwell 的推論效率宣稱 30 倍，分析顯示是 90 到 100 倍。
8. 15:22循環融資的質疑主持人請 Neil 回應循環融資；Neil 從需求訊號與實際經濟價值切入，認為擔憂適用於投機性算力或純供應商融資，不是 Magnetar 看到的情況。
9. 17:42推論的新問題Neil 說推論比訓練複雜，涉及延遲、尖峰、記憶體吞吐量與 prefill、decode 的取捨，並提到分散式推論叢集與訓練叢集長得很不一樣。
10. 21:09應用層想自建基礎設施Neil 說應用層公司最大的 COGS 是算力，推論雲多半向別人買算力而疊出多層毛利，因此有人想擁有自己的基礎設施。
11. 23:14AI factoriesNeil 談 NVIDIA 的 AI factories 概念，認為大企業會想要自己控制、放在公司旁邊的專屬算力。
12. 24:49電力與短期瓶頸Neil 說電網上有閒置電力，短期要解的是儲能與配電；實體瓶頸是結構鋼、電工、變壓器與冷卻設備，並提到 bring your own capacity。
13. 28:30主權的算力建設Neil 說各國把算力視為國安，資金可用政府資本；Neil 看到的兩個重點是誰有能力建，以及資安。
14. 29:47實體 AI 的資本需求Neil 認為從 2021 年起市場轉為重資產，實體 AI 是延伸，需要像算力市場一樣靈活的資本；主持人補充自己現在在兩家機器人公司的董事會。
15. 32:53資金離開軟體股Neil 認為 2025 年底到 2026 年 AI 有明顯進步，但軟體股被一起拋售有點過頭，要看個別公司；主持人則說要自己挑。

值得記的話5 句

• the GPUs themselves were actually like the second second or tertiary level of collateral in those instrumentsNeil 說，GPU 本身在這類工具中只是第二或第三層擔保品09:34

• inference is definitely a memory problem a memory throughput problemNeil 說，推論明顯是記憶體、記憶體吞吐量的問題18:59

• for every application layer company out there the highest line item from cogs is computeNeil 說，每家應用層公司最大的銷貨成本都是算力21:09

• there's actually quite a bit of stranded power across the grid across the countryNeil 說，全國電網上其實有不少被卡住的電力25:20

• it's not just the product it's the way that's integrated across multiple services and systems across the enterprise that is a lot more difficult to just replicateNeil 說，難複製的不只是產品，而是它跨企業多項服務與系統的整合方式34:58

名詞與人物12 個

Magnetar

Neil 任職的 alternative asset manager，三大策略是私人信貸、創投與系統化的公開市場策略

CoreWeave

Neil 說 Magnetar 2021 年首次投資的 GPU 雲，後來為 OpenAI 訓練模型

SPV debt structure

以 SPV 持有 capex、GPU 與合約的債務結構；Neil 說主要擔保是合約現金流

investment grade (IG)

信評為投資等級的客戶，例如 Neil 舉的 Microsoft、Meta 這類公司

take-or-pay

主持人用來形容這類合約的說法，Neil 說合約的對手是投資等級客戶

amortize

債務在期間內逐步還完，Neil 說這類結構到期末餘額為零、沒有 balloon payment

neocloud

Neil 與 hyperscalers 並列提到的大規模雲端業者，兩者都在蓋大型雲端環境

prefill / decode

Neil 提到的推論兩個階段，如何在 GPU 叢集上最佳化是獨特的技術問題

distributed inference

把推論拆到多個較小的資料中心，Neil 舉例是五個各約四、五 megawatts 的資料中心

AI factories

Neil 談到 NVIDIA 的概念，指放在企業旁邊、專屬其工作負載的算力

stranded power

Neil 說電網上為尖峰需求而建、卻閒置的發電能力

bring your own capacity

電網連接量有限時，自行加上太陽能、天然氣渦輪等來讓場址可用的做法

提到但沒有展開

• Neil 提到 Silicon Data 上週發表的分析：兩份紙面上看起來一樣的算力，在可靠度、成本與速度上差異很大，這讓分散式推論要混用不同算力時更難最佳化。
• Neil 拿 2000 年代初的光纖過度建設對照：當時留下大量 dark fiber，現在看不到閒置的 GPU。Neil 也提到去年 enterprise AI 的總 TAM 約 37 billion。
• Neil 說 Magnetar 投資了一家叫 Taurus 的公司，做分散式的公用事業層，把各來源多出的電力儲存起來，在需要時再配送。

在 YouTube 看原片 ↗