围绕AI算力资产究竟能用多久，市场正出现一场针锋相对的分歧。英伟达给出的答案是六年甚至更久，而空头Michael Burry的估算则是前沿GPU实际经济寿命只有两三年。双方引用的事实高度重合，结论却完全相反。

英伟达把AI工厂的回报拆解为三个变量：盈利能力、使用寿命和需求。按英伟达官方口径，建一座AI工厂每兆瓦约需6000万美元，吉瓦级项目对应约600亿美元资本开支，规模堪比修建一座大型电站。英伟达认为，评估这类资产应像评估电站、油田和船舶一样，看单位产出、资产寿命和负载率，而不是沿用买IT设备三五年计提折旧、残值按零处理的老办法。

在产出这一维度，英伟达强调代际差距已不是百分比能形容。据SemiAnalysis AgentX基准测算，在DeepSeek V4-Pro负载、每用户每秒160 token的条件下，Vera Rubin NVL72每兆瓦吞吐量较上一代GB300 NVL72高逾30倍，每百万token成本至多低45倍；GB300较H200机群每百万token成本又至多低10倍。这些增益更多来自从模型、编译器、推理框架到计算、网络、内存的全栈协同设计，而非单纯制程进步。

需求端的数据同样被英伟达用来支撑其叙事。据OpenRouter统计，单个智能体请求消耗的token是普通聊天的15倍，平均提示token已增长约四倍。token消耗随任务复杂度增长，而不再随对话轮数封顶，降价释放的空间正被智能体的消耗重新填满。

使用寿命是三个变量中口径最分裂的一个。以A100为例，这款2020年发布的芯片六年后仍在商业服役；CoreWeave把2020年批次的机器一直预订到2029年，收入周期接近九年。会计政策也在调整，据Sprout 2026年9月报告，超大规模运营商已将服务器折旧年限从三四年普遍拉长到六年；据Introl等第三方汇总，这一调整合计每年减少折旧约180亿美元。微软在2022年把服务器折旧年限从四年延长到六年，估计使其2023财年营业利润增加约37亿美元，其V100机群账面六年、实际跑了8.4年。

二手市场提供了另一重参照。Silicon Data数据显示，发布六年的A100在二手市场仍能卖到原价的四分之一；Ornn Data的租赁指数显示，其五年期长租价格约为一个月租约的八成。

空头的读法正相反。Michael Burry去年11月估算，超大规模厂商2026至2028年的折旧被低估约1760亿美元（个人估算，未经证实），前提是前沿GPU的实际经济寿命只有两三年。在他看来，折旧拉长掩盖的是透支的需求。英伟达随后向分析师发出长篇备忘录反驳，称客户实际按四到六年折旧，A100至今仍在高负荷运转。亚马逊则在2025年初把部分服务器折旧年限从六年缩回五年，理由是AI硬件迭代加速，按其2025年报口径，全年多提折旧约14亿美元。

资产寿命长短的一个关键变量是通用性。为单一负载定制的算力，赌的是需求永不迁移，算法一次换代就可能整体报废，比特币矿机即是一例。而英伟达GPU的通用性来自架构和生态两层：架构上，语言、视觉、生物、仿真、图形等负载底层都是大规模并行计算；生态上，1000多个CUDA-X库和约1000万开发者让新负载出现时有现成软件栈可用。Pinterest在14000块GPU上跨Blackwell、Hopper及更早架构混合调度，德州农工大学超算跨26个项目利用率维持在95%至98%。

但这一切成立的前提，是过去两年算力始终稀缺。坚挺的残值和满负荷利用率，究竟是资产本身优秀，还是仅仅因为供不应求，目前尚无定论。英伟达与空头用的是同一套数据，哪种判断更接近真相，要看未来两年供给与需求的赛跑。若新一代供给放量、需求增速放缓，二手价格和长租折价会最先转向。

对正在大规模建设智算中心的中国市场而言，这套估值框架对应三个悬而未决的问题：折旧年限定在哪、如何跟踪残值信号、以及评价标准是否应从装机规模转向每兆瓦产出。目前国内还缺少公开、连续的二手算力价格数据，相关信号多只能从运营商公告和海外数据商处间接获得。