算力资产化：英伟达推六年寿命估值模型，空头质疑三年即报废

事件概述

随着AI基础设施投资规模激增，算力正从单纯的IT设备转变为具有明确估值公式和残值曲线的金融资产。英伟达近期发布博客文章，正式提出AI工厂的回报评估模型，试图将算力纳入传统基础设施（如电站、油田）的投资逻辑中。这一举动引发了关于算力资产真实寿命和投资价值的激烈争论：一方主张长达六年的使用寿命和高残值，另一方则警告实际寿命可能仅为两三年，存在巨大的折旧低估风险。

核心信息

1. AI工厂的“三要素”估值模型

英伟达将AI工厂的回报归结为三个相互牵制的变量，缺一不可：

• 盈利能力：满负荷运转下每兆瓦产出的Token数量。数据显示，新一代设备（如Vera Rubin NVL72）相比上一代（GB300 NVL72），每兆瓦吞吐量提升逾30倍，每百万Token成本降低至多45倍。这种效率提升源于全栈协同设计（包括MoE运行时、低精度数值格式等），而非单纯的制程进步。
• 使用寿命：硬件保持有效产出的年限。英伟达主张采用4-6年的折旧周期，认为A100等旧款芯片至今仍在高负荷服役。
• 需求：产出的Token能否被市场消化。尽管单位成本下降，但智能体应用导致单个请求消耗的Token量增长（约为普通聊天的15倍），符合“杰文斯悖论”，即效率提升反而刺激了总需求的扩张。

2. 多方资本介入与融资平台

今年8月，英伟达与Apollo、贝莱德、黑石、博枫、高盛、KKR等六家机构签署合作备忘录，计划共建融资平台，旨在撬动超过5000亿美元的第三方资本投入AI基础设施。这标志着算力首次被信贷市场视为基础设施而非普通设备进行定价和融资。

3. 会计折旧与市场残值的巨大分歧

• 会计端：超大规模运营商正在调整折旧政策。据Sprout 2026年9月报告，服务器会计折旧普遍从3-4年延长至6年。微软早在2022年便将服务器折旧从4年延至6年，此举估计使其2023财年营业利润增加约37亿美元。行业整体每年因此减少折旧约180亿美元。
• 市场端：二手市场数据支持长寿命论点。Silicon Data数据显示，发布六年的A100在二手市场仍能卖出原价的四分之一；Ornn Data租赁指数显示其五年期长租价格约为新机的八成。CoreWeave甚至将2020年批次的机器预订至2029年，收入周期接近九年。

4. “空头”观点：折旧掩盖需求透支

知名投资人Michael Burry持相反观点，他认为前沿GPU的实际经济寿命仅为2-3年。他估算超大规模厂商在2026-2028年间低估了约1760亿美元的折旧费用。Burry指出，当前的坚挺残值和满负荷利用率是建立在供不应求的基础上的；一旦新一代供给放量或需求增速放缓，二手价格和长租折价将迅速转向，暴露出资产贬值的风险。亚马逊已在2025年初将部分服务器折旧年限从6年缩回5年，理由是AI硬件迭代加速。

5. 通用性是关键支撑

算力资产寿命的另一关键因素是负载的通用性。与专用比特币矿机不同，英伟达GPU凭借CUDA生态（1000+库、千万级开发者）和可编程架构，能够跨领域处理语言、视觉、生物仿真等多种负载。例如Pinterest和德州农工大学利用旧架构混合调度训练与推理，维持了极高的利用率。但这种通用性的价值依赖于过去两年算力持续稀缺的环境。

值得关注

• 中国市场的影响：对于正在大规模建设智算中心的中国市场，这套估值框架至关重要。国内运营商多按4-5年计提折旧，若资产实际寿命更长，当期利润将被系统性低估；若需求撑不满设备寿命，则需关注经营问题。目前国内市场缺乏公开连续的二手算力价格数据，投资者需依赖运营商公告和海外数据商间接判断。
• 政策门槛变化：算力重资产化后，土地、电力指标和能耗审批已成为实际准入门槛。评价智算中心的标准应从装机规模转向“每兆瓦产出”。
• 未来观察点：这场多空之争的最终答案取决于未来两年供给与需求的赛跑。10月21日黄仁勋在GTC柏林的主题演讲中发布的Vera Rubin量产节奏与AI工厂参考设计，将是下一组关键数据。