本文作者：龙玥

硬AI

在围绕AI投资的激辩中，一个核心会计问题正成为多空双方的新战场：作为算力基石的GPU，其真实的经济寿命究竟是多久？这个问题的答案，直接关系到科技巨头数百亿美元的利润以及当前AI估值泡沫的虚实。

据投行伯恩斯坦（Bernstein）在11月17日发布的一份报告，分析师认为，将GPU的折旧周期设定为6年是合理的。报告指出，即便考虑到技术迭代，运行旧款GPU的现金成本相对于其市场租赁价格而言非常低，使得延长使用年限在经济上完全可行。

这一发现意味着，对于亚马逊、谷歌和meta等大型云服务提供商而言，其当前的折旧会计政策在很大程度上是公允的，并非刻意粉饰财务报表。这直接为科技巨头的盈利能力提供了辩护。

然而，这一观点与市场上的悲观论调形成鲜明对比。以预测了2008年金融危机的“大空头”Michael Burry为代表的批评者认为，AI芯片等设备实际寿命仅2-3年。Burry警告称，科技巨头正在玩一场危险的会计“戏法”，旨在人为抬高短期利润。

伯恩斯坦：6年折旧在经济上可行

分析师Stacy A. Rasgon在报告中明确指出，GPU可以盈利地运行约6年，因此大多数超大规模数据中心的折旧会计是合理的。

这一结论的基石在于经济性分析：运营一块旧GPU的现金成本（主要是电力和托管费用），远低于市场上的GPU租赁价格。这意味着，即便硬件性能不再顶尖，但只要市场对算力的需求依旧旺盛，持续运行旧GPU就能带来相当高的贡献利润。

数据显示，即使是已有5年历史的英伟达A100芯片，供应商依然可以获得“舒适的利润”。伯恩斯坦的测算表明，只有当GPU老旧到7年前的Volta架构时，才开始接近现金成本的盈亏平衡点。因此，报告认为，大型云服务商（Hyperscalers）采用的5-6年折旧周期，从经济角度看是站得住脚的。

经济可行性：高昂的租金与低廉的运营成本

Bernstein的分析拆解了GPU的运营经济学。GPU租赁价格，要比其运营的现金成本高出一个数量级。

以A100芯片为例，报告估算其贡献利润率高达70%。具体来看，其每小时收入约为0.93美元，而包括电力、托管和维护在内的现金成本仅为0.28美元。这种巨大的利润空间，使得云厂商有充分的经济动机去尽可能延长GPU的运行时间。

报告还提到，GPU的价值损失并非线性。它们通常在第一年因“磨合期”（burn-in）问题和市场对最新硬件的偏好而损失20-30%的价值，但在那之后价值保持得相对稳定。

此外，报告通过与行业参与者的交流证实，GPU在物理上通常可以使用6-7年甚至更久。早期出现的一些“烧毁”案例，大多归因于新硬件上线初期的配置错误（即“burn-in”阶段问题），而非GPU本身的设计寿命缺陷。

算力需求旺盛，旧芯片仍有市场

当前的市场环境是支撑旧款GPU价值的另一个关键因素。报告强调，在一个“算力受限”的世界里，市场对算力的需求是压倒性的。领先的AI实验室普遍认为，更多的算力是通往更高智能的路径，因此他们愿意为任何可用的算力付费，即使是旧型号。

行业分析师指出，A100的算力容量至今仍接近完全预订的状态。这表明，只要需求持续强劲，运行效率较低的旧硬件依然有其存在的价值。

科技巨头的折旧选择

根据公司文件，谷歌对其服务器和网络设备的折旧年限为六年；微软为二至六年；meta则计划从2025年1月起，将部分服务器和网络资产的使用寿命延长至5.5年。

值得注意的是，并非所有公司都在延长折旧期。亚马逊在2025年第一季度已将部分服务器和网络设备的预计使用寿命从六年缩短至五年，理由正是AI技术发展的加速。这一举动为看空者的论点提供了一定的支持，也显示了行业内部对硬件迭代速度的不同判断。

“大空头”的警告：会计“戏法”与虚增的利润

与伯恩斯坦的乐观看法截然相反，“大空头”Michael Burry在11月11日通过其社交平台发出了严厉警告。他认为，科技巨头正在通过延长资产的“有效使用寿命”来低估折旧，从而人为地抬高了收益。

华尔街见闻写道，Burry指出，AI芯片和服务器等计算设备的产品周期通常只有2到3年，但包括meta、Alphabet、微软、甲骨文和亚马逊在内的一些公司，却将其折旧周期延长至6年。他预计，从2026年到2028年，这种会计处理方式将使大型科技公司的利润被虚增1760亿美元。Burry特别点名，到2028年，甲骨文的利润可能被夸大26.9%，meta的利润则可能被夸大20.8%。

值得注意的是，Burry的观点并非孤例。早在9月中旬，美国银行和摩根士丹利就曾发出警告，称市场严重低估了当前AI投资的真实规模，且对未来折旧费用激增的冲击准备不足，这可能导致科技巨头的真实盈利能力远低于市场预期。这一系列警告，叠加Burry此前披露的英伟达看跌期权持仓，加剧了市场对AI相关股票估值的担忧。

本文来自微信公众号“硬AI”，关注更多AI前沿资讯请移步这里