圍繞AI算力資產究竟能用多久，市場正出現一場針鋒相對的分歧。輝達給出的答案是六年甚至更久，而空頭Michael Burry的估算則是前沿GPU實際經濟壽命只有兩三年。雙方引用的事實高度重合，結論卻完全相反。

輝達把AI工廠的回報拆解為三個變數：盈利能力、使用壽命和需求。按輝達官方口徑，建一座AI工廠每兆瓦約需6000萬美元，吉瓦級專案對應約600億美元資本開支，規模堪比修建一座大型電站。輝達認為，評估這類資產應像評估電站、油田和船舶一樣，看單位產出、資產壽命和負載率，而不是沿用買IT裝置三五年計提折舊、殘值按零處理的老辦法。

在產出這一維度，輝達強調代際差距已不是百分比能形容。據SemiAnalysis AgentX基準測算，在DeepSeek V4-Pro負載、每使用者每秒160 token的條件下，Vera Rubin NVL72每兆瓦吞吐量較上一代GB300 NVL72高逾30倍，每百萬token成本至多低45倍；GB300較H200機群每百萬token成本又至多低10倍。這些增益更多來自從模型、編譯器、推理框架到計算、網路、記憶體的全棧協同設計，而非單純製程進步。

需求端的資料同樣被輝達用來支撐其敘事。據OpenRouter統計，單個智慧體請求消耗的token是普通聊天的15倍，平均提示token已增長約四倍。token消耗隨任務複雜度增長，而不再隨對話輪數封頂，降價釋放的空間正被智慧體的消耗重新填滿。

使用壽命是三個變數中口徑最分裂的一個。以A100為例，這款2020年釋出的晶片六年後仍在商業服役；CoreWeave把2020年批次的機器一直預訂到2029年，收入週期接近九年。會計政策也在調整，據Sprout 2026年9月報告，超大規模運營商已將伺服器折舊年限從三四年普遍拉長到六年；據Introl等第三方彙總，這一調整合計每年減少折舊約180億美元。微軟在2022年把伺服器折舊年限從四年延長到六年，估計使其2023財年營業利潤增加約37億美元，其V100機群賬面六年、實際跑了8.4年。

二手市場提供了另一重參照。Silicon Data資料顯示，釋出六年的A100在二手市場仍能賣到原價的四分之一；Ornn Data的租賃指數顯示，其五年期長租價格約為一個月租約的八成。

空頭的讀法正相反。Michael Burry去年11月估算，超大規模廠商2026至2028年的折舊被低估約1760億美元（個人估算，未經證實），前提是前沿GPU的實際經濟壽命只有兩三年。在他看來，折舊拉長掩蓋的是透支的需求。輝達隨後向分析師發出長篇備忘錄反駁，稱客戶實際按四到六年折舊，A100至今仍在高負荷運轉。亞馬遜則在2025年初把部分伺服器折舊年限從六年縮回五年，理由是AI硬體迭代加速，按其2025年報口徑，全年多提折舊約14億美元。

資產壽命長短的一個關鍵變數是通用性。為單一負載定製的算力，賭的是需求永不遷移，演算法一次換代就可能整體報廢，比特幣礦機即是一例。而輝達GPU的通用性來自架構和生態兩層：架構上，語言、視覺、生物、模擬、圖形等負載底層都是大規模平行計算；生態上，1000多個CUDA-X庫和約1000萬開發者讓新負載出現時有現成軟體棧可用。Pinterest在14000塊GPU上跨Blackwell、Hopper及更早架構混合排程，德州農工大學超算跨26個專案利用率維持在95%至98%。

但這一切成立的前提，是過去兩年算力始終稀缺。堅挺的殘值和滿負荷利用率，究竟是資產本身優秀，還是僅僅因為供不應求，目前尚無定論。輝達與空頭用的是同一套資料，哪種判斷更接近真相，要看未來兩年供給與需求的賽跑。若新一代供給放量、需求增速放緩，二手價格和長租折價會最先轉向。

對正在大規模建設智算中心的中國市場而言，這套估值框架對應三個懸而未決的問題：折舊年限定在哪、如何跟蹤殘值訊號、以及評價標準是否應從裝機規模轉向每兆瓦產出。目前國內還缺少公開、連續的二手算力價格資料，相關訊號多隻能從運營商公告和海外資料商處間接獲得。