AI 有没有泡沫，得先看 GPU 能用几年
一句话看懂：高盛最新报告指出，全球AI基础设施资本支出到2031年预计累计达7.6万亿美元，但这一数字高度依赖于GPU的实际使用寿命。如果芯片折旧周期从行业常见的5年缩短至3年，每年折旧成本将增加近1万亿美元，直接动摇当前AI投资的财务逻辑。
事件核心：发生了什么
高盛全球研究院在《Tracking Trillions》报告中，以英伟达数据中心收入为锚点，推算出2026至2031年全球AI基础设施累计资本支出将达约7.6万亿美元，其中计算芯片占5.1万亿美元。但报告真正想强调的是，这个数字建立在多个脆弱假设之上——最关键的是AI芯片的经济使用寿命。
目前，超大规模云厂商普遍按4到6年折旧GPU服务器。但随着英伟达转向年度产品更新节奏（Hopper、Blackwell、Rubin每代性能提升一个数量级），市场对折旧周期的分歧加剧。知名投资人Michael Burry以“芯片真实经济寿命仅2至3年”为由做空英伟达，认为会计处理导致利润虚高超过20%。亚马逊已采取行动：2025年初将部分服务器折旧年限从6年缩至5年，并计提9.2亿美元加速折旧。而Meta相反，在2025年1月再次延长服务器寿命，单季度增加29亿美元利润。
CoreWeave提供矛盾证据：其2020年购买的A100仍满负荷运行，H100到期后以原价95%重新出租。高盛承认，旧芯片在推理、边缘计算等场景仍有价值。
为什么重要
这场争论本质上不是技术问题，而是利润表问题。折旧年限决定了每年需要摊销多少成本，进而决定巨额投资的账面回报率。如果芯片实际寿命只有3年，现有会计处理将使利润虚高20%以上，意味着企业实际承担的投资风险远大于财务报表所呈现的数字。同时，AI数据中心的建设成本也在飙升：NVIDIA的Vera Rubin平台单机架功耗高达130-200千瓦，未来NVL576配置将达600千瓦，迫使冷却从风冷转向全液冷，每兆瓦建设成本从传统1000万美元飙升至1500万至1900万美元。这双重变量（更短的寿命+更高的建设成本）将使数千亿美元规模的资本支出预测变得极不稳定。
对用户/开发者/创作者的影响
对于API开发者和创作者，短期内不会感受到直接影响。但长期来看，如果折旧成本上升迫使云厂商提高算力价格，使用大模型API和图像生成服务的成本可能上涨。对于企业采购决策者，需要更加审慎评估GPU采购的经济性：如果芯片快速贬值，按需租用可能比一次性购入更划算。对于独立开发者，关注开源模型和边缘推理方案可能是对冲算力价格波动的策略。
值得关注的后续
第一，亚马逊、微软、Meta的折旧政策调整是否会形成行业趋势，尤其是微软CEO纳德拉已明确表示要错开不同代际芯片的采购节奏。第二，NVIDIA下一代Rubin Ultra（2027年）的功耗和冷却需求是否会迫使现有数据中心大规模改造，从而进一步推高CapEx。第三，Burry的做空是否会因市场实际折旧数据变化而引发更大范围的投资策略调整。
来源：Readhub · AI
