黄仁勋定调！GPU能用8年lg...

在柏林GTC大会期间，黄仁勋提出了一个足以引发市场财务模型重构的核心观点。

(新浪财经）

他表示，此前市场普遍将GPU的折旧周期假设为4年，这一设定已然滞后于产业现状，GPU的实际经济寿命可能长达8年甚至更久。

原话是这么讲的。随着软件持续更新和AI应用需求扩大，以前认为的四年生命周期，实际上可能是八年甚至更长。英伟达采用软件可编程技术，在整个资产生命周期内不断改进配套软件，硬件因此能够长期保持生产力。

他给了三条理由。

计算系统通用性强，能支撑各类AI模型和云服务商；

软件栈可以持续迭代，老卡不会被新软件抛下；

买家群体足够大，二手机有承接方，所以资产既高效又可替代，且经久耐用。Blackwell和下一代Vera Rubin都按七到八年设计。

同一周里，也有人给出了类似的观点。

马斯克在SpaceX三季度财报电话会上说，单位功耗的算力价值会随时间增加，而不是减少。原因是模型越强，同样的电产出的有用智能越多。他举的证据很直接，H100这样的老卡，现在租金比刚上市时还高。

半导体投资人Gavin Baker补了市场端的信号。

尽管Token单价趋于下降且Token组合逐步向低成本档位迁移，但单小时GPU的租赁成本却呈现显著上升态势。这表明单个GPU小时内所能创造的商业价值大幅增加，进而提升了算力时间本身的资产定价。

（英伟达官网）

问题在于，这件事本来是个会计问题。

从财务分析视角来看，GPU折旧年限本质上是一个核心会计估计问题。折旧年限的设定直接决定了云厂商的当期营业利润。将折旧周期由4年延长至8年，意味着年化折旧费用减半，利润率将获得即时改善。

同时，这也回应了看空力量对AI资本开支（CapEx）投资回报率（ROI）的质疑——若芯片生命周期仅为3年，巨额资本投入的回收期与折现现金流模型将难以闭环。

所以黄仁勋这次谈的重点落在资产质量上。他称，今天大多数GPU几乎没有残值，但人们现在认识到英伟达的计算资产具有相当高的残值，因此可以用它为债务本身提供背书。

英伟达已经在部分融资项目中为芯片转售残值提供担保，帮CoreWeave这类新云公司压低融资成本。

CoreWeave等高杠杆玩家近期股债双杀，手里的核心资产就是GPU，一旦按4年折旧，资产负债表撑不住，融资链条就会紧。把寿命改写成8年，等于把抵押品的估值抬了一倍。

黄仁勋在采访中还补了一句，只要终端需求持续存在，供给与融资维度的结构性难题均可迎刃而解。其底层逻辑在于，只要算力资产能够持续产生稳定的现金流，资产寿命的延长才具备财务合理性。

在传统会计口径下，服务器资产通常在3至4年内完成折旧，期末残值趋近于零。

而在新口径下，资产可继续提供5年的现金流入，其账面价值与抵押价值均需重新评估。这一调整不仅直接改善利润表，更大幅提升了资产负债表的资产端质量。

他给出的单位经济性支撑这个说法。建设1吉瓦规模的AI算力集群，投入约500亿美元，每年可以带来约400亿美元营收，投资回报周期只有一年多。若寿命从4年拉到8年，折旧压力直接减半。

需求侧的数据亦提供了有力佐证。

Gavin Baker引用DeepSeek公开数据指出，该开源模型在GPU推理端的变现价格高达每小时38美元，远超当前市场平均租赁均价。与此同时，Blackwell架构芯片的租赁价格已连续17个交易日保持上涨态势。

质疑方的核心论据在软件兼容性。老卡能继续跑，前提是新版CUDA还支持它，一旦框架升级要求新的指令集，8年的假设就会被打断，这也是使用者仍需按期换卡的现实原因。

而且这里还有立场问题。说GPU耐用的人是卖GPU的，英伟达还在给转售残值做担保，资产越保值，它的融资叙事越成立。这条逻辑链自己咬合得很紧，缺少外部验证。

另一个需要分清的点是能不能跑和跑得划不划算。

8年寿命说的是老卡仍可运行，不是单位算力成本还有竞争力。推理需求爆发时，老卡的每token成本会被新架构持续拉开，租金上涨反映的是供给紧张，不是效率优势。

对国内的算力租赁与IDC公司，传导路径同样落在会计假设上。折旧年限一旦跟随调整，当期利润会先于现金流改善，但这类变更需要审计确认，也要有租金数据支撑，不是管理层说改就能改。

（山西证券）

真正能证伪的还是租金曲线。

如果H100这类老卡的租赁价格不出现趋势性下跌，寿命延长这个说法才站得住；一旦供给缓解、租金回落，8年折旧就会从审慎假设变成利润调节工具。