黄仁勋说芯片能用六年，空头说三年报废，谁在说谎？

一块GPU到底能用几年？这个问题听起来像技术问题，实际上是一道估值题。英伟达给出的答案是六年，空头Michael Burry给出的答案是两三年。两边引用的是同一批数据，得出的结论却完全相反。

分歧的核心不在芯片本身，而在于：算力到底该按"设备"来折旧，还是按"基础设施"来定价。

英伟达的公式：产出、寿命、需求

建一座AI工厂，按英伟达官方口径，每兆瓦约6000万美元，吉瓦级项目就是约600亿美元的资本开支，规模等同于修一座大型电站。英伟达在博客里给出了这类"电站"的回报公式：盈利能力、使用寿命、需求。

这套语言对基础设施投资者并不陌生。电站、油田、船舶的估值，用的正是同一个公式：单位产出、资产寿命、负载率。三个变量相互牵制，无法互补——盈利能力再强，若只能卖出一半产能也无济于事；需求再旺，若设备一年后就跑不满同样无效。

先看产出。评估电站看度电成本，评估AI工厂看每秒每兆瓦token数。据SemiAnalysis AgentX基准（回放真实智能体编码会话测算），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。厂房和电力指标不变，吞吐量在代际之间相差两个数量级。

这些增益并非主要来自制程的线性进步，而是来自从模型、编译器、推理框架到计算、网络、内存的全栈协同设计。芯片可以对标，全栈难以复制。

效率提升会引出一个担忧：token越来越便宜，需求会不会被自己消减掉？市场数据恰恰相反。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。降价释放的空间，正被智能体的消耗重新填满。

寿命之争：会计口径与市场定价的裂痕

效率回答"每一兆瓦能赚多少"，资产的另一半答案是"能赚多少年"。使用寿命是三个变量里口径最分裂的一个：在资产负债表上，它由会计政策决定；在现实中，它由物理衰减和市场需求共同书写。

以A100为例，它发布于2020年，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——一台2020年的芯片，收入周期接近九年。多年期合同，是运营商为"旧机器还能持续产出"付出的实际代价。

行业整体的会计政策也在调整。据Sprout 2026年9月报告，超大规模运营商已将服务器会计折旧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；微软的V100机群账面六年，实际跑了8.4年。

市场的定价提供了另一重参照。Silicon Data的数据显示，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，它的五年期长租价格约为一个月租约的八成。一座按五年折旧就该"一文不值"的资产，市场上仍有人愿意出价。

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、满负荷的利用率，究竟是资产本身优秀，还是仅仅因为供不应求？

空头Michael Burry去年11月估算，超大规模厂商2026—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。

通用性：资产寿命的隐藏变量

资产寿命的长短，一个关键变量是它能处理的负载有多少种。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，专用资产可能整体报废；通用平台面对需求波动，只需把算力转去处理其他负载。

比特币矿机就是一例。芯片为一种哈希算法定制，算法之外没有用途，行情回落时只能按废金属价格处置。同期的以太坊矿工用的是通用GPU，2022年以太坊转向权益证明机制后，这批卡大量转入游戏和推理市场，残值远高于矿机。

英伟达的GPU属于后一类，通用性来自架构和生态两层。架构层面，语言、视觉、生物、仿真、图形，这些负载的底层都是大规模并行计算；生态层面，1000多个CUDA-X库和约1000万开发者，让新负载出现时有现成的软件栈可用。

Pinterest在14000块GPU上跨Blackwell、Hopper及更早架构混合调度训练与推理，新任务持续落在旧架构上；德州农工大学超算跨26个项目、7家机构，利用率维持在95%—98%；礼来在自己的千卡级本地集群上，同时承载制药模型与内部智能体。通用性由此转化为资产寿命。

英伟达与空头用的是同一套数据，究竟哪种更接近真相，要看未来两年供给与需求的赛跑。倘若新一代供给放量、需求增速放缓，二手价格和长租折价会最先转向。

这套估值框架本身值得被认真对待，尤其对正在大规模建设智算中心的中国市场而言，三要素恰好对应三个悬而未决的问题。最直接的问题留给云厂商与智算中心：折旧年限定在哪。从国内运营商年报的折旧政策看，多按四五年计提。若资产实际寿命八年以上，当期利润就被系统性低估；若需求根本撑不满设备的一生，问题就不在会计，而在经营。

产业政策层面，算力重资产化之后，土地、电力指标、能耗审批已经成为实际的市场准入门槛。评价一座智算中心，标准应该从装机规模换成"每兆瓦产出"。

高效、耐用、通用。英伟达用三个词宣告算力进入"资产时代"：它有了估值公式，有了残值曲线，也开始有了自己的融资渠道。这套叙事能否立住，要看未来两年供给与需求的赛跑。10月21日，黄仁勋将在GTC柏林发表主题演讲，Vera Rubin的量产节奏与AI工厂参考设计，会给出这场赛跑的下一组数据。