一張 Nvidia GPU 可以運行多年，但仍會更快地在經濟上過時。
這種區別至關重要，因為微軟、字母公司、亞馬遜和Meta正投入巨額資金於AI基礎設施。投資者通常關注晶片和數據中心的顯性成本，但折舊決定了這些投資中有多少最終會成為損益表上的費用。
折舊將設備的成本分攤至其預期使用壽命內。一家花費 10 億美元購買伺服器的公司通常不會立即將全部金額記為費用，而是將成本在數年內逐步確認。
AI 硬體的問題在於實體壽命和經濟壽命可能非常不同。
為何 AI GPU 會迅速貶值
一張 GPU 無需停止運作，就會變得較不值錢。
新一代可以更快地訓練模型、消耗更少電力，並提供每美元更高的運算能力。這意味著，較舊的加速器在技術上可能仍可使用，但與新硬體相比，其運營成本卻越來越高。
Nvidia 快速的產品週期使這一點尤其重要。該公司已從 Hopper 轉向 Blackwell，同時繼續開發更新的架構，增加了昂貴的資料中心硬體比傳統伺服器更快變得經濟過時的風險。
Nvidia 透過其 投資者關係資料 閣述其現有的產品與技術策略。
該問題也直接關係到前所未有的企業 AI 支出是否能產生吸引人的回報。我們的 AI 投資回報 指南解釋了投資者如何利用自由現金流、保證金和資本回報率來判斷這些支出是否物有所值。
為何折舊會改變大型科技公司的收益
想像一家公司花費 60 億美元購買 AI 伺服器，並預期它們在六年内保持實用。
簡單來說，這可能意味著每年約 10 億美元的折舊，尚未考慮時間因素及其他會計細節。
如果管理層改為認為該設備僅在四年內具有經濟效益，則每年的費用可能會大幅上升。
重要的是，改變使用年限假設會影響報告利潤，但不會改變原本支出的現金。
大型雲端公司會在財務報表中披露這些假設。投資者可透過 投資者關係文件 查閱微軟的折舊政策、透過 Alphabet Investor Relations 查閱 Alphabet 的披露資訊，以及透過 Amazon Investor Relations 查閱亞馬遜的文件。
這並不意味著舊的 GPU 會突然變得毫無價值。公司可以將它們從高要求的模型訓練工作負載轉移到推論、內部應用程式或計算需求較低的任務中。
第二生命可以延長其經濟效用。
投資者真正應該關注的數字
因此，最大的問題並非僅僅是大型科技公司於 GPU 上的支出有多少。
這取決於這些 GPU 所產生的收益和現金流是否能足夠快速地彌補折舊、電力成本和技術快速更新的影響。
隨著英偉達的 AI 芯片收入增長，這一點變得更加重要。Coinpaper 最近的 Nvidia earnings coverage 展示了當前加速器需求的驚人規模。
硬體成本也只是其中一部分。現代 AI 資料中心消耗大量的電力，使電力供應成為另一個日益重要的限制因素。Coinpaper 對 AI 電力市場 的解析探討了為何電力經濟學最終可能與 GPU 本身同等重要。