PG·电子(中国)官方网站

　　· Meta的Zuckerberg(扎克伯格)ღ✿：“在基础设施上超支数千亿美元的风险ღ✿，小于被排除在外的风险ღ✿。“

　　· Groq CEOpg电子ღ✿、Google TPU创始人之一Jonathan Ross表示ღ✿：“在Groq采用1年期摊销ღ✿，那些沿用3-5年摊销期的做法“完全错了”ღ✿。芯片不仅涉及资本支出(CapEx)的前期投资,还包括运营支出(OpEx)以及电力ღ✿、水冷等配套成本ღ✿。“

　　当前全球科技与算力大厂都在疯狂卷AI与算力ღ✿，以上言论值得关注ღ✿，智算中心运营正面临一个巨大的隐藏风险ღ✿：智算中心GPU的资本支出与折旧问题ღ✿。

　　下面是结合当前市场情况ღ✿，列出的一些国内外主流芯片的更新周期(仅供参考)ღ✿：

　　一台搭载8×NVIDIA H100 GPU服务器(成本假设为¥280万元人民币)ღ✿，在2023年前期算力紧缺时其租用价格一度高达每卡每小时$4~8美元ღ✿，若保持高利用率ღ✿，十多个月即可收回成本ღ✿。这使得不少运营者初期ROI(投资回报)看起来非常可观ღ✿。

　　然而随着2024年供给缓解ღ✿、算力租赁价格下滑ღ✿，中期租价降至每卡仅$1/小时左右ღ✿，按100%售出率测算5年总收入约¥450万ღ✿，扣除设备与机房等成本(约¥560万ღ✿，含服务器购置和5年运维电力等附加成本ღ✿，五年反而亏损约¥110万ღ✿。直线折旧法下前两年盈利ღ✿、第三年开始亏损的现象表明ღ✿：GPU资产的经济寿命通常小于账面折旧年限ღ✿。

　　为弥补后期亏损ღ✿，常见做法是在第3年时再投入更新一批更新一代GPUღ✿，用新设备盈利来填补旧设备的折旧亏损ღ✿，进行滚动扩张ღ✿，但这也潜藏风险(扩大杠杆可能隐藏亏损直至难以为继)ღ✿。因此pg电子ღ✿，运营方更倾向于在性能/效率显著提升的新品出现时尽早更新GPU小猪视频草莓视频ღ✿，保证算力供给具备竞争力ღ✿，并避免旧卡后期大幅贬值带来的亏损小猪视频草莓视频ღ✿，但这样又会带来新的风险ღ✿。

　　当前一代 GPU 的使用寿命比大多数人认为的要短ღ✿，也比公司在摊销计划中预估的要短ღ✿。我们正进入AI周期的下一阶段ღ✿，在这个阶段ღ✿，数据中心和能源供应日趋紧张ღ✿，最重要的指标已经变成每瓦特产出的Token数 (tokens per watt)小猪视频草莓视频ღ✿。

　　需要关注的是ღ✿，像Nvidia这样的芯片厂商已经转向1年的产品升级周期ღ✿，这意味着每年你都能获得比上一代更强大小猪视频草莓视频ღ✿、更节能的加速器ღ✿。这与我们历史上经历的摩尔定律和芯片发展完全不同ღ✿。Jensen (黄仁勋) 指出ღ✿，从Hopper到Blackwellღ✿，将Token成本降低了10倍ღ✿。

　　也就是说随时未来的发展ღ✿，GPU的摊销速度应该比新兴云服务商和超大规模云服务商建模的速度要快得多ღ✿。在最近一期播客中pg电子ღ✿，Groq的CEO Jonathan Rossღ✿，Google TPU 创始人之一就表示pg电子ღ✿，Groq正采用1年期的摊销(那些采用 3-5 年摊销期的人完全错了)ღ✿。

　　对于芯片ღ✿，你不仅有资本支出的前期投资小猪视频草莓视频ღ✿，还有运行该芯片的运营支出 (OpEx)ღ✿，以及相关的电力和水冷成本ღ✿。超大规模云服务商对GPU采用3-4年的摊销周期ღ✿，而Corewave和一些新兴云服务商采用6年的Nvidia GPU折旧周期ღ✿，但问题来了ღ✿，如果他们的摊销周期是2年而不是6年ღ✿，这些新兴云服务商的亏损会大得多ღ✿，这是整个产业链中另一个令人担忧的一个重要压力点ღ✿。

　　可能有人可能会说ღ✿，你仍然看到有人在租用Nvidia H100ღ✿，那是Nvidia 3年前开始销售的产品ღ✿，但这背后有两个重要原因ღ✿。

　　第一ღ✿，少量大客户(比如类似OpenAI和Anthropic)将需求推得极高ღ✿，因为他们向最终用户提供服务的算力成本远高于他们向最终用户收取的价格ღ✿，但这种模式只有在投资者愿意持续提供资金的阶段才能维持ღ✿。

　　第二小猪视频草莓视频ღ✿，更重要一点——尽管H100已经有3年历史ღ✿，但它依然有用ღ✿，因为Nvidia是在 H100和Blackwell之间才转向1年产品周期的ღ✿，而这个转变发生在2024 年末ღ✿。在此之前ღ✿，周期是18-24个月ღ✿。所以小猪视频草莓视频ღ✿，产品代数角度来看ღ✿，相比用年份衡量ღ✿，这款芯片并不算太老ღ✿。然而ღ✿，随着 Nvidia现在采用1年产品周期ღ✿，情况发生了重大变化ღ✿，如此探测这些芯片的线年ღ✿。

　　回到以6年摊销计算的Coreweaveღ✿。这意味着ღ✿，当Nvidia Vera Rubin在2026年末正式推出时ღ✿，我们的AI推理需求已经大幅提升ღ✿，智算中心需要持续运行GPU需要持续高负荷运行时ღ✿，必须要建造新数据中心才能维持ღ✿，但这需要时间ღ✿。

　　所以ღ✿，带来的结果就是ღ✿，对于想要扩展算力的公司ღ✿，大部分公司将不得不在现有运行的数据中心中用新GPU替换旧GPUღ✿，以获得更多每瓦特Token产出ღ✿，因为他们的功耗受到限制ღ✿，这将会在实际上大幅压缩GPU芯片资产的摊销周期ღ✿。

　　所以ღ✿，当下延长摊销周期的问题在于ღ✿，即使今天利润看起来比实际更高ღ✿，但当GPU换代的真实动作发生时就会面临亏损的风险ღ✿。

　　因为围绕看到客户对算力的需求激增ღ✿。Microsoft希望维护客户关系并让客户满意ღ✿，但对进一步增加资本支出缺乏足够信心ღ✿，所以宁愿将部分风险转移给其他方ღ✿。客户不知道也不在乎Microsoft是否拥有物理基础设施ღ✿，当热潮消退时ღ✿，Microsoft不必将芯片计为损失ღ✿，因为新兴云服务商已经承担了这一风险ღ✿。这对Microsoft而言是双赢——他们保留了客户pg电子ღ✿，如果需求被证实是长期可持续的ღ✿，他们有充足时间建设自己的数据中心并转回自身基础设施ღ✿。

　　与此同时ღ✿，在当前所处的狂热周期中ღ✿，微软还可以将芯片过时速度超预期的风险转移出去ღ✿。

　　总之ღ✿，GPU作为AI时代数据中心的核心资产ღ✿，其折旧和评估需要动态权衡技术演进和经济回报ღ✿。对于高端GPUღ✿，3年前后即进入更新窗口ღ✿，高负载环境甚至更短;数据中心整体资产评估则融合了财务折旧和算力价值视角ღ✿，既看设备账面生命周期ღ✿，也看其在不断变化的AI市场中的供需价值ღ✿。

　　不同区域由于运营环境和策略差异ღ✿，在设备折旧和资产管理上各有侧重ღ✿：比如我国重要强调可控回报和国产替代ღ✿，北美追求效率领先和灵活财务ღ✿，东南亚注重成本管控和外部支持ღ✿。在未来几年ღ✿，随着AI芯片技术的发展和各地算力需求的成熟ღ✿，GPU资产的折旧策略和评估方法也将持续变化ღ✿，值得算力产业高度关注ღ✿。pg电子平台ღ✿。pg电子游戏官方平台ღ✿，弱电专业ღ✿，pg电子官方网站ღ✿，pg电子首页ღ✿。pg电子官方平台机房建设ღ✿，pg电子游戏试玩