买一张三万多美金的顶级显卡，在华尔街账本上的寿命通常只有四年。 四年一到，这笔硬件资产在财务上基本就得归零。 这意味着什么？

买一张三万多美金的顶级显卡，在华尔街账本上的寿命通常只有四年。 四年一到，这笔硬件资产在财务上基本就得归零。 这意味着什么？ 意味着哪怕芯片还能跑，公司每年也得在财报里硬生生扣掉四分之一的折旧。 如果整个行业都在借几十亿、上百亿美金去建算力中心，这笔巨大的折旧账单，随时能把账面利润砸得稀烂。 放贷的银行和基金也提心吊胆：四年后这些抵押品要是成了电子废铁，欠的钱拿什么还？

但在柏林的 GTC 大会上，黄仁勋当着记者的面，给出了一个完全不同的算法。 他说，大家以为显卡只能用四年，其实很可能是八年，甚至更久。 哪怕是下一代架构 Vera Rubin，生命周期照样会是七八年。

把四年拉到八年，可不只是年限翻倍那么简单。 反映在财务账本上，每年的折旧费用直接砍掉了一半。 很多人第一反应肯定是疑惑： 消费级电脑用上三四年就卡得不行，数据中心里二十四小时高温狂转的显卡，怎么可能撑满八年？ 硅片不会磨损吗？技术迭代这么快，老芯片难道不会被淘汰？

黄仁勋敢这么算，底气首先来自英伟达手里捏着的一张牌：CUDA。 普通硬件卖出去那一刻，性能天花板就焊死了。 但英伟达的显卡更像是一套可编程的软件系统。 随着英伟达不停给这套系统升级软件层、编译器和优化算法，老显卡的实际生产力不仅没有随着时间贬值，反而在被持续拔高。 就像几年前发布的 A100，今天去跑最新的开源大模型，靠着新的量化方案和推理框架，输出速度比刚出厂那会儿快了不止一倍。 硬件没有动，是软件一直在给它注入新的寿命。

第二个更关键的支撑，是整个算力市场的梯级流转。 训练最前沿的万亿参数基座模型，确实永远需要最新、最贵的芯片，因为几十万张卡并联在一起，吃的是极致的网络互联带宽。 但大模型并不是只有训练这一条路。 等模型训练完毕，九成以上的日常需求都是推理、企业内部微调、编程助手，以及小团队本地部署的中小模型。 最顶尖的训练集群退役下来的芯片，根本不需要送去垃圾场。 二线云厂商和垂直算力平台会立刻把它们收走，以更便宜的价格租给做推理的初创公司。 黄仁勋说得很明白：市场上总有公司需要算力，永远不缺承接方。

只要老芯片能持续产出价值，而且能在二手市场上自由转手，算力就开始具备了一种全新的属性。 它开始像原油、铜矿和电力一样，变成了一种标准的大宗商品。 现在芝加哥商业交易所 CME 正在推进显卡期货，云计算平台 Nebius 已经开始推行每十五分钟变动一次的现货租金。 既然算力有了透明的价格，还能长期用下去，华尔街的玩法就彻底变了。 大型债权基金开始直接接受用英伟达显卡做抵押，给数据中心提供几百亿美金的贷款。 如果这东西四年就报废，没人敢接这种抵押单子。 但要是它能稳定干满八年、残值依然坚挺，那为英伟达算力放贷的风险，就成了市场上最低的一类。

你看这套逻辑是怎么转起来的： 软件升级保住了老硬件的生产力，二手梯级利用保住了设备的残值，大宗商品化打通了算力的金融流动性。 黄仁勋把寿命从四年拉到八年，不光是在讲芯片的工程耐用度，更是在给整个华尔街降息。 只要折旧压力减半、抵押借贷能跑通，云厂商就敢继续借巨资去铺基础设施，然后回头买下英伟达更多、更贵的新架构。

当然，这台如意算盘也有自己的物理边界。 显卡本身靠软件能战八年，但数据中心变电站里的电力负荷是有上限的。 如果未来的新架构每度电能输出的推理算力是老芯片的几十倍，压垮老显卡的就不会是物理老化，机房里飙升的电费账单就会先一步把它送走。 但在那个电费拐点真正到来之前，黄仁勋递给华尔街的这本八年账，已经替整个狂飙的 AI 基建，多撑出了整整四年的财务缓冲区。 https://x.com/milkroadstocks/status/2116711884108030343?a=YxElIeJmBIQrdIGUCGs&s=46