黄仁勋、马斯克接连抛出颠覆性判断：GPU经济寿命或将拉长至8年。
老卡租金上涨、二手残值走高已成现实，但空头投资人警告：拉长折旧，可能只是美化利润的会计游戏。
两大佬同步放话
GPU 的生命周期已经变了
过去行业有一个默认共识：一块商用 GPU，有效使用周期大概是 4 年。
但在 10 月 21 日 GTC 柏林大会上，黄仁勋推翻了这个旧认知：GPU 的服役周期，有望达到 8 年，甚至更久。
有意思的是，就在前一天，马斯克在 SpaceX 财报会上，用更直白的市场行情佐证了这个变化：像 H100 这类老牌算力卡，如今的租赁价格，比刚发布的时候还要高。
放在传统硬件逻辑里，这件事很难理解。 电脑、服务器、芯片，正常都是到手就贬值，越老越便宜。为什么 AI 算力卡，反而越放越值钱？
黄仁勋给出了英伟达这边的两大核心理由：
✅ 生态通用性强：CUDA 生态覆盖海量 AI 场景，硬件本身的性能储备，足以长期承接各类算力任务。
✅ 软件持续赋能：硬件出厂不是终点，英伟达会在显卡整个服役周期持续更新驱动、算子与软件栈，不断挖掘硬件潜力，让老卡持续产出价值。
除此之外，算力需求是分层流动的。 一家企业觉得卡跟不上需求、选择淘汰，还有别的客户、别的场景可以接手。只要还有业务能跑，这张卡就不会快速退场。
马斯克的底层逻辑
模型进化拉高每瓦算力价值
如果说黄仁勋是站在硬件生态的角度看寿命，马斯克则从 AI 模型的发展，给出了另一套解释。
AI 模型一直在迭代优化，同样一度电量，能产出的有效智能越来越多。 算力的价值，和单位功耗产出的智能强绑定。
这就带来一个和传统硬件完全相反的结论：算力资产的价值，会跟着模型进步持续抬升，而不是随时间下跌。
投资人加文・贝克在 GTC 会前的分享，也印证了这个奇妙的市场反差： Token（词元）单价持续下跌，低价 Token 占比越来越高，但 GPU 小时租金反而逆势上涨。
核心原因很简单：同一个 GPU 运行小时，现在能跑出更多高质量有效 Token。生产力提升了，算力小时自然更贵。
投入 500 亿，一年多回本？
黄仁勋在现场，算了一笔算力基建的大账：
建设一座 1 吉瓦规模的 AI 算力集群，需要投入约 500 亿美元（折合 3400 亿元）；稳定运营后，每年可以带来约 400 亿美元营收，回本周期仅一年出头。
支撑这套 “算力资产化” 故事最有力的证据，来自残值市场。
第三方机构 Silicon Data 统计显示： A100、H100 当前二手残值，远高于按 3 年、5 年直线折旧计算出来的账面价值。 其中 B200 更为夸张，二手残值达到首发原价的 158%，卖二手，比当初新机采购价还赚。
源源不断的二手流通行情，让很多从业者相信：GPU 已经不再是快速消耗的电子耗材，而是可以长期增值、跨客户流转的核心生产资产。
拉长折旧，是一场利润魔术？
并不是所有人都愿意为这套叙事买单。
知名空头投资人迈克尔・伯里，去年 11 月就在社交平台发出尖锐警告。
在他看来，刻意拉长硬件使用年限、降低每年折旧计提，是当下非常流行的美化财报手段。 芯片、服务器依旧是 2-3 年快速迭代的产品，不存在长期保值的基础。
他测算：2026—2028 年，全球头部科技大厂，会依靠这套折旧假设，少计提合计 1760 亿美元折旧，折合人民币约 1.2 万亿元。
这里藏着一个关键矛盾： 行业通用财务标准，GPU 大多按照 5-6 年折旧；而黄仁勋提出的是 8 年周期。折旧年限一个数字改动，直接改变每年成本、账面利润，影响整个算力赛道的估值。
老卡不会直接报废
就算 GPU 从头部大厂的核心训练集群下线，它也不会直接送进废品站。
算力市场天然分层：
● 顶级新卡，留给大模型基础训练。
● 性能尚可的次新卡，承接微调、复杂推理。
● 淘汰下来的老卡，流向中小型服务商、垂直行业私有化部署、轻量化推理场景。
一张卡会顺着算力金字塔一层一层向下流转，每一层都有匹配它性能和预算的需求，每一轮流转都能继续产生租金收益。 只要老卡还能稳定赚钱，大批量 GPU 集中涌入二手市场、砸盘贬值的那天，就会不断延后。
今天 AI 产业最核心的分歧，其实浓缩成一个问题： GPU 的经济寿命，到底由硬件迭代速度决定，还是由模型效率、分层算力需求决定？
一边是算力租赁商、基建方期待的资产重估：老卡持续创造现金流，算力变成长期优质资产； 另一边是空头和谨慎派的提醒：一旦新技术跨越式爆发，大量存量 GPU 会快速失效，到时候高估的资产将迎来价值踩踏。
折旧年限这简简单单一个数字，牵动的是上千亿算力资本的底层逻辑。
你看好GPU长达8年的生命周期吗？欢迎评论区聊聊你的看法。
