{"id":"mb-20261103-8ea349","kind":"deep","title":"显卡寿命从四年翻到八年：黄仁勋为什么不担心算力云折旧爆雷？","summary":"Nebius上线GPU现货竞价引发市场对算力过剩与折旧悬崖的恐慌。黄仁勋反驳称显卡真实寿命可达八年甚至更长。本文从CUDA通用性、算力从训练向推理的梯级转移以及设备贷款还清后的边际现金流，拆解AI算力云真实的底层经济账。","body":"借几百亿美金买显卡开算力云，最悬的一把刀挂在哪里？\n挂在显卡的折旧上。\n华尔街借钱给算力公司的时候，心里一直装着一个极度悲观的模型。\n一张顶级计算卡，有效寿命顶多四年。\n四年一到，显卡过时淘汰，欠银行的债务可不会跟着消失。\n显卡死了，债还在。\n要是拿来抵押的显卡成了不值钱的废铁，后面巨额的利息和本金拿什么还？\n这就是过去两年里，做空新型算力云最核心的逻辑。\n最近，欧洲的算力新星 Nebius 出了一个新动作。\n他们公开上线了显卡算力的现货竞价机制。\n客户不用再签三年死约，可以像买股票或者现货原油一样，按实时供需买卖算力。\n空头们一看到这个动作，立刻精神大振。\n市场上很快出现一种声音：\n长期合同签不动了，算力开始过剩，算力云公司不得不降价抛售多余的卡。\n在德国柏林的 GTC 大会现场，有人把这个问题抛给了英伟达首席执行官黄仁勋。\n黄仁勋回答说：\n大家过去以为显卡生命周期只有四年，但在他看来，很可能是八年，甚至更久。\n它有生产力，它是通用可替代的，而且它很耐用。\n这句话听起来像是在给自家显卡站台。\n但要是仔细算一遍算力云公司的真实账本，逻辑完全不一样。\n为什么以前大家咬定显卡只能用四年？\n因为大家习惯拿两样东西去套它：\n一种是家用电脑的显卡，玩最新游戏跑不动了就得换。\n另一种是前些年用来挖矿的专业芯片。\n挖矿芯片是专用集成电路，算法一旦改了，或者挖矿难度陡增，整块芯片当场就变成了毫无用处的砖头。\n再加上过去摩尔定律的经验，四年后的新芯片性能往往翻倍，旧芯片耗电大、算力低，在数据中心里继续开着机连电费都赚不回来。\n新型算力云公司比如 CoreWeave 和 Nebius，买几十万张英伟达显卡靠的可不是自己的利润。\n他们找黑石这类私人信贷机构，用显卡本身做抵押，借了上百亿美金。\n银行按照四年折旧来算账：\n一张三万美金的顶级计算卡，每年在账面上要硬生生扣掉七千五百美金的折旧费。\n如果三年合同期一过，新一代芯片出来了，旧显卡租金暴跌。\n那第四年这笔折旧费就能把公司活活拖垮。\n但英伟达的 GPU 根本不是挖矿芯片。\n黄仁勋说的第一点，叫可替代与通用性。\n英伟达靠 CUDA 软件生态在芯片外面构筑了极厚的护城河。\n不管是五年前流行的模型架构，还是如今的超大规模推理模型，底层跑的代码都可以平滑迁移。\n它不需要为某一个特定算法重构硬件。\n更重要的是算力任务本身的梯级转移。\n大模型的发展不是只有训练这一件事。\n一张全新的 H100 刚出厂的前两年，确实要去打最残酷的硬仗：\n前沿大模型的基座预训练。\n几万张卡用最高速的网络连在一起，分秒必争，拼的是最极限的浮点算力和最低的延迟。\n这时候租金最贵，客户愿意签下大额长期合同。\n到了第四年，新一代的 Blackwell 或者 Rubin 架构大批量交货，成了训练场上的主力。\n被换下来的旧显卡，真的就该扔进垃圾桶了吗？\n看看五六年前发布的 A100 就明白了。\n2020 年发布的 A100 芯片，到今天依然在世界各地的数据中心里日夜不停地高速运转。\n因为整个 AI 市场对算力的需求，正从前沿训练大规模转向模型推理、企业微调和智能体调用。\n日常给用户回答问题、提取几百页合同的内容，或者让智能体在后台做离线批处理。\n这些任务不需要最新、最昂贵的顶级集群。\n用几张成熟稳定的旧显卡，把轻量化模型跑起来，成本反而低得多。\n这时候再看 Nebius 推出的现货竞价机制，味道就全变了。\n数据中心只要接大客户的长期合同，集群之间就永远存在空窗期。\n前一个客户的模型训完了，后一个客户的集群还在部署，中间空出来的算力如果关机，就是纯粹的浪费。\n现货竞价就是把这些碎片化的算力拿出来实时拍卖。\n需要跑批量测试的研究员或者创业公司，用两三折的价格抢下可抢占算力。\n算力云平台把原本闲置的机器填满，多赚一笔纯现金。\n这说明算力不再是定制的奢侈品，它开始变成像自来水和电力一样可以随时撮合清算的标准化大宗商品。\n接下来就是最直接的财务账本计算了。\n四年折旧改成八年折旧，意味着什么？\n如果一张卡按四年折旧，每年的资产减记率是百分之二十五。\n如果它的实际生产寿命是八年，每年的折旧费用直接腰斩，降到了百分之十二点五。\n更关键的差异发生在第四年之后。\n算力云公司向银行借的设备贷款，通常三到四年就能彻底还清。\n到了第五年、第六年，这批显卡在财务上已经没有任何负债负担。\n哪怕到了第七年，现货市场上的租金只剩下当初的三分之一。\n但这时候机器不需要再还贷款，也不需要承担沉重的折旧压力。\n开着机器唯一的边际支出，就是机房的电费和冷却水。\n每一笔从现货市场上收回来的算力租金，扣掉电费之后，几乎全都是净现金流。\n空头们盯着资产负债表上的折旧年限，以为四年之后是悬崖。\n只要下游的推理和微调需求依然在狂暴增长，这些早就还完贷款的旧卡，在后半段生命周期里，反而会变成一台台低成本产生现金的机器。","topic":"显卡寿命从四年翻到八年：黄仁勋为什么不担心算力云折旧爆雷？","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-11-03 21:29:29","legal_anchor_count":0,"transcript_citation_count":0,"seo_title":"显卡寿命从四年翻到八年：黄仁勋为什么不担心算力云折旧爆雷？","description":"Nebius上线GPU现货竞价引发市场对算力过剩与折旧悬崖的恐慌。黄仁勋反驳称显卡真实寿命可达八年甚至更长。本文从CUDA通用性、算力从训练向推理的梯级转移以及设备贷款还清后的边际现金流，拆解AI算力云真实的底层经济账。","domain":"ai","domain_label":"AI 与大模型","domain_label_en":"AI & LLMs","domain_url":"https://mubeitech.com/deep?domain=ai","canonical_url":"https://mubeitech.com/deep/mb-20261103-8ea349","markdown_url":"https://mubeitech.com/deep/mb-20261103-8ea349/markdown","json_url":"https://mubeitech.com/api/interpretations/mb-20261103-8ea349","published_at":"2026-11-03T21:29:29Z"}