算力资产的折旧逻辑是什么？芯片迭代如何影响资产价值？

花40万买的H100（非真实价格），用了三年，按直线折旧应该只剩十几万残值。但现实是——二手价格还在2万美元以上，租金比上线时还高。与此同时，B200二手残值竟然涨到了首发价的158%。算力资产的折旧逻辑，和传统设备完全不是一回事。银行按老模型做风控，可能严重误判抵押物价值。

一、定义解读：算力资产折旧与传统折旧有什么区别？

传统折旧逻辑：一台设备买来，按直线法分摊成本到使用年限，每年折旧费用固定。比如1000万买一台机床，按5年折旧，每年折旧200万，第五年末残值归零。

算力资产折旧逻辑：GPU的价值衰减不是线性的，也不完全由物理磨损决定。它由三条曲线同时作用——会计折旧、技术迭代、经济寿命。

这三条曲线的节奏完全不同，导致按传统直线折旧做出来的账面价值，往往和真实市场价值严重脱节。

二、核心逻辑：GPU的“三套时钟”

芯片租赁平台Lambda联合创始人Stephen Balaban提出了一个精准的框架：GPU有三套时钟——换代时钟、折旧时钟、经济寿命时钟。

第一套：换代时钟——大约两年一跳

英伟达的架构更新周期约为两年——Hopper（H100）→ Blackwell（B200）→ Rubin。每一代新架构发布，旧芯片的技术领先性会被压缩，但并不意味着旧芯片立即归零。

第二套：折旧时钟——会计上的6年

CoreWeave在2025年10-K中明确披露，GPU及其技术设备的折旧年限为6年。大多数算力企业采用5-6年的直线折旧法。

第三套：经济寿命时钟——可能长达10年

2020年推出的A100，在2026年（已满6年）仍然签下了延续至2029年的新合同，届时将服役9年。黄仁勋公开表示，A100的经济寿命接近10年。

三套时钟不同步，就是算力资产估值最大的“猫腻”所在。

三、通俗拆解：用“出租车”帮你理解

传统折旧像一辆出租车：买来30万，按6年直线折旧，每年折旧5万。第六年末，车在账上价值归零。但在现实中，这辆车还在跑，还在赚钱。

算力资产的折旧更像一栋“学区房”：

• 房子按50年折旧，每年折旧2%

• 但如果这个学区突然变得炙手可热，房价不降反涨

• 如果学区政策突然变化，房价可能暴跌

• 房子的真实价值，不由折旧公式决定，由市场供需决定

GPU也是同理。大空头Michael Burry的核心质疑是：GPU真实经济寿命只有2-3年，科技公司却按5-6年折旧——这会导致折旧费用被严重低估、利润被严重高估，潜在少计折旧约1760亿美元。但A100在2026年仍在签新合同的事实，让这个论点遭到削弱。

四、行业现状：直线折旧模型已经“失效”

🔹 证据一：A100的经济寿命远超预期

CoreWeave执行长Mike Intrator在Q2财报电话会议上披露，公司已针对2020年发表的A100 GPU签下一份延续至2029年的合约，届时距该产品推出将长达9年。这意味着采用2020年芯片的设备，到了2026年仍有合约营收支撑。

🔹 证据二：B200二手残值倒挂

Silicon Data数据显示，英伟达B200在出货约一年后，二手残值已涨至原始上市价格的158%。更早的A100和H100残值也“远超按3年或5年直线折旧计划所应有的水平”——Silicon Data直接给出了结论：直线折旧在AI加速器市场已明显失效。

🔹 证据三：租金不降反升

H100一年期租赁合约价格从2025年10月的1.70美元/小时低点，涨至2026年3月的2.35美元/小时，累计涨幅近40%。2023年部署的H100芯片，如今出租价格甚至高于最初上线时。

这背后的核心驱动力是：推理需求正在大幅延长GPU的经济寿命。GPU的用途从训练转向推理后，对芯片性能的要求降低，旧卡在低成本推理场景仍能保持竞争力。

🔹 证据四：上市公司调整折旧年限

优刻得在2025年变更了GPU服务器折旧年限，原因正是“AI硬件二手残值提升、实际服役周期拉长，且同行普遍按5-6年折旧”。莲花控股将算力服务器折旧年限设为8年，但其算力租赁合同期限以1年期为主——折旧年限远超合同期限，引发了交易所问询。

五、落地案例：三种不同的折旧处理方式

案例一：CoreWeave——6年折旧+“第二生命周期”

CoreWeave按6年折旧GPU设备。其商业模式的精妙之处在于：初始合同结束时，与GPU集群对应的融资义务通常已被初始合同收入覆盖。集群进入“第二生命周期”——已高度去杠杆化的资产可以重新出租，后续收入不必承担沉重的资本回收负担。Intrator透露，旗下一批H100在合约到期后，随即以原合约价格的95%重新签约。

案例二：优刻得——延长折旧年限，减少费用

优刻得将GPU服务器折旧年限进行调整，变更使2025年折旧费用减少886.19万元。变更依据是二手残值提升和实际服役周期拉长。

案例三：莲花控股——8年折旧引发监管关注

莲花控股将算力服务器折旧年限设为8年，而其算力租赁合同期限以1年期为主，最长仅4.4年。折旧年限远超合同期限，且2025年度已对算力相关固定资产计提减值准备1221.65万元，遭到上交所问询。

六、常见误区：关于算力折旧，这三点最容易搞错

误区一：“GPU按直线折旧，每年贬值一样多”

❌ 错。GPU的价值衰减不是线性的。B200二手残值在出货一年后达到首发价的158%，而消费级GPU在新一代发布后12个月内可能下降40-50%。GPU的价值曲线由市场供需和技术迭代共同决定，不是一条直线。

误区二：“芯片一迭代，旧卡就没价值了”

❌ 错。A100是2020年推出的产品，六年后的2026年仍在签新合同。推理需求正在大幅延长旧卡的经济寿命——A100在推理、微调场景仍保持稳定需求。

误区三：“延长折旧年限就是财务造假”

❌ 不完全对。优刻得变更折旧年限的依据是“二手残值提升、实际服役周期拉长”，有客观市场数据支撑。但如果像莲花控股那样合同期限仅1年、折旧年限设8年，就需要监管和投资者重点关注——折旧年限的合理性取决于底层资产的真实经济寿命。

七、总结干货（建议收藏）

1. GPU有三套时钟：换代时钟（约2年）、折旧时钟（5-6年）、经济寿命时钟（可达9-10年）。三套时钟不同步，是算力资产估值最大的不确定性来源。

2. 直线折旧模型在AI加速器市场已明显失效——B200二手残值达首发价158%，A100服役9年仍在签新合同，H100租金不降反升。这些现象都无法用传统直线折旧模型解释。

3. 推理需求正在大幅延长GPU经济寿命——旧卡从训练场景退役后，转入推理场景继续创造价值，这是A100“六年不衰”的核心原因。

4. 折旧年限的选择直接影响金融机构的风险判断——如果GPU实际经济寿命超过会计折旧年限，算力资产的抵押价值可能被系统性低估；反之，如果高估了经济寿命，抵押品可能无法覆盖贷款余额。

5. 芯片迭代对资产价值的影响是“双向”的——新架构发布确实会压缩旧卡的技术领先性，但推理需求、供应链约束和算力供需缺口，可能在短期内反而推高旧卡的市场价值。判断算力资产折旧，不能只看技术参数，更要看它在真实市场中还能创造多少现金流。