IREN 获得 34 亿美元英伟达 AI 算力合约

导语

IREN，这家比特币挖矿运营商，宣布达成一项 34 亿美元的协议，以锁定英伟达制造的 AI 算力容量；英伟达获得最高达 21 亿美元的对 IREN 的投资权利，据 Decrypt 于 2026 年 5 月 8 日报道（Decrypt，2026 年 5 月 8 日）。该结构将一家资本密集型的矿业公司绑定到 AI 算力供应链之中，形成一种混合商业关系，授予英伟达一项相当于合同金额约 61.8% 的股权期权。此交易值得关注的一点是它颠覆了传统的供应商—客户动态：GPU 厂商获得进入专业化算力运营商的所有权路径，而矿业公司则获得对稀缺 AI 硬件的优先访问权。市场参与者将观察此安排如何影响资本配置、交易对手风险以及专业化 AI 机架的二级市场表现。对于机构投资者而言，该交易提出了将算力容量作为可交易资产估值的疑问，以及那些跨越加密挖矿与 AI 服务提供的公司可能被重新定价的潜在情形。

背景

IREN 与英伟达的协议于 2026 年 5 月 8 日披露，核心内容为 34 亿美元的 AI 算力采购承诺外加英伟达持有的 21 亿美元股权投资权利（Decrypt，2026 年 5 月 8 日）。这种结构——大额前期采购承诺与股权期权相结合——呼应了超大规模云服务商与芯片制造商通过长期容量锁定来管理供应约束的趋势。对矿业公司而言，该交易为通过出售 AI 计算周期或租赁机架来货币化已安装的算力密度提供了一条路径，许多上市矿商曾提出类似想法，但极少有企业能在规模上实现。对英伟达而言，该期权将硬件销售转换为潜在的战略上行：在一家专业化运营商持有股权，可使厂商对部署、升级节奏和退役加速器的转售市场施加影响。

该交易位于三个市场的交汇点：专业化 AI 硬件的二级市场、上市比特币矿业公司以及机构级 GPU 供应链。历史上，矿商通过债务、股本和售后回租结构为 ASIC 与 GPU 采购提供融资；增加战略性供应商股权期权会将平衡向纵向整合倾斜。21 亿美元的期权约等于 34 亿美元采购承诺的 62%——这一较高的期权对合同比例表明英伟达看重对物理算力资产的长期敞口。鉴于自 2023 年以来领先加速器的供应瓶颈，通过合同承诺锁定产能已成为算力密集型用户的标准风险缓释工具。

从监管与披露角度看，该结构也带来治理问题。如果英伟达行使其期权，它将持有一家同时运行加密货币工作负载的运营商的所有权权益；这一领域在多个司法管辖区已吸引监管与政治审查。机构交易对手将寻求对资产—负债匹配、专业化机架的减值框架以及因软件锁定、保修或固件条款而可能限制的转售或再部署条款的明确说明。

数据深度解析

关键且已确认的数据点包括：34 亿美元的 AI 算力采购总承诺；英伟达持有 21 亿美元的股权期权；公告日期 2026 年 5 月 8 日；来源 Decrypt（Decrypt，2026 年 5 月 8 日）。股权期权与总承诺的比例（2.1/3.4）约为 61.8%，表明英伟达的敞口在很大程度上偏向所有权可选性，而非纯粹的供应商信用。这一比例为英伟达相对供应保障可获得的战略控制力度提供了一个具体基准。

其他可量化的影响包括：若 IREN 将 34 亿美元确认为未完成合同或分期确认为合同收入，则会实质性改变公司的资本结构与收益可见性——这取决于 GAAP/IFRS 的会计处理以及合同交付日程安排。该交易也将影响 GPU 的供需平衡；把库存导入长期合同可能会收紧面向数据中心与云服务商的现货市场，除非英伟达同步扩大晶圆与组装产出。市场分析师应关注英伟达的库存周转、IREN 的交付时间表以及任何披露发货节奏或与该协议相关资本化成本的公开文件。

第三方可比案例有助于理解规模。尽管上市矿商在企业价值上差异甚大，34 亿美元的采购承诺仍大于众多上市矿商的年度资本部署规模。战略期权组件使这不仅仅是供应合同：它是一个类并购工具，依据行权条款的不同，可能改变企业价值。因此，投资者应对英伟达立即行权、在到期时行权或不行权的情景进行建模——每种情景将为双方带来不同的资产负债表与自由现金流外观。

行业影响

对 GPU 与 AI 基础设施领域而言，该交易凸显了对保证产能的溢价。英伟达愿意通过获得所有权路径而不是仅依赖交易式销售来锁定产能，反映出行业向纵向一体化算力堆栈的转向。拥有深厚知识产权的厂商——尤其是英伟达——越来越多地将对运营商的持股视为锁定软件生态并延长硬件升级周期的手段。这可能加速专业化 AI 设施市场的整合，影响电力、冷却与定制机架等供应商。

在比特币矿业领域，该交易为潜在的替代货币化途径提供了范例。历史上以出售算力（hash power）为主的矿商，可能会开始区分收入流：通过出售 AI 周期或将退役设备转换为 AaaS（AI 即服务）资产来实现多元化。但转换的经济性取决于工作负载的兼容性：某些 ASIC 与 GPU 世代并非对哈希与 AI 工作负载均做了优化，因此改造成本和软件迁移是重要的考虑因素。