在围绕 AI 投资的激辩中，一个核心会计问题正成为多空双方的新战场：作为算力基石的 GPU，其真实的经济寿命究竟是多久？这个问题的答案，直接关系到科技巨头数百亿美元的利润以及当前 AI 估值泡沫的虚实。
据投行伯恩斯坦（Bernstein）在 11 月 17 日发布的一份报告，分析师认为，将 GPU 的折旧周期设定为 6 年是合理的。报告指出，即便考虑到技术迭代，运行旧款 GPU 的现金成本相对于其市场租赁价格而言非常低，使得延长使用年限在经济上完全可行。
这一发现意味着，对于亚马逊、谷歌和 Meta 等大型云服务提供商而言，其当前的折旧会计政策在很大程度上是公允的，并非刻意粉饰财务报表。这直接为科技巨头的盈利能力提供了辩护。
然而，这一观点与市场上的悲观论调形成鲜明对比。以预测了 2008 年金融危机的 " 大空头 "Michael Burry 为代表的批评者认为，AI 芯片等设备实际寿命仅 2~3 年。Burry 警告称，科技巨头正在玩一场危险的会计 " 戏法 "，旨在人为抬高短期利润。
分析师 Stacy A. Rasgon 在报告中明确指出，GPU 可以盈利地运行约 6 年，因此大多数超大规模数据中心的折旧会计是合理的。
这一结论的基石在于经济性分析：运营一块旧 GPU 的现金成本（主要是电力和托管费用），远低于市场上的 GPU 租赁价格。这意味着，即便硬件性能不再顶尖，但只要市场对算力的需求依旧旺盛，持续运行旧 GPU 就能带来相当高的贡献利润。
数据显示，即使是已有 5 年历史的英伟达 A100 芯片，供应商依然可以获得 " 舒适的利润 "。伯恩斯坦的测算表明，只有当 GPU 老旧到 7 年前的 Volta 架构时，才开始接近现金成本的盈亏平衡点。因此，报告认为，大型云服务商（Hyperscalers）采用的 5~6 年折旧周期，从经济角度看是站得住脚的。
Bernstein 的分析拆解了 GPU 的运营经济学。GPU 租赁价格，要比其运营的现金成本高出一个数量级。
以 A100 芯片为例，报告估算其贡献利润率高达 70%。具体来看，其每小时收入约为 0.93 美元，而包括电力、托管和维护在内的现金成本仅为 0.28 美元。这种巨大的利润空间，使得云厂商有充分的经济动机去尽可能延长 GPU 的运行时间。
报告还提到，GPU 的价值损失并非线性。它们通常在第一年因 " 磨合期 "（burn-in）问题和市场对最新硬件的偏好而损失 20%~30% 的价值，但在那之后价值保持得相对稳定。
此外，报告通过与行业参与者的交流证实，GPU 在物理上通常可以使用 6~7 年甚至更久。早期出现的一些 " 烧毁 " 案例，大多归因于新硬件上线初期的配置错误（即 "burn-in" 阶段问题），而非 GPU 本身的设计寿命缺陷。
当前的市场环境是支撑旧款 GPU 价值的另一个关键因素。报告强调，在一个 " 算力受限 " 的世界里，市场对算力的需求是压倒性的。领先的 AI 实验室普遍认为，更多的算力是通往更高智能的路径，因此他们愿意为任何可用的算力付费，即使是旧型号。
行业分析师指出，A100 的算力容量至今仍接近完全预订的状态。这表明，只要需求持续强劲，运行效率较低的旧硬件依然有其存在的价值。
四、科技巨头的折旧选择
根据公司文件，谷歌对其服务器和网络设备的折旧年限为六年；微软为二至六年；Meta 则计划从 2025 年 1 月起，将部分服务器和网络资产的使用寿命延长至 5.5 年。
值得注意的是，并非所有公司都在延长折旧期。亚马逊在 2025 年第一季度已将部分服务器和网络设备的预计使用寿命从六年缩短至五年，理由正是 AI 技术发展的加速。这一举动为看空者的论点提供了一定的支持，也显示了行业内部对硬件迭代速度的不同判断。
与伯恩斯坦的乐观看法截然相反，" 大空头 "Michael Burry 在 11 月 11 日通过其社交平台发出了严厉警告。他认为，科技巨头正在通过延长资产的 " 有效使用寿命 " 来低估折旧，从而人为地抬高了收益。
华尔街见闻写道，Burry 指出，AI 芯片和服务器等计算设备的产品周期通常只有 2 到 3 年，但包括 Meta、Alphabet、微软、甲骨文和亚马逊在内的一些公司，却将其折旧周期延长至 6 年。他预计，从 2026 年到 2028 年，这种会计处理方式将使大型科技公司的利润被虚增 1760 亿美元。Burry 特别点名，到 2028 年，甲骨文的利润可能被夸大 26.9%，Meta 的利润则可能被夸大 20.8%。
值得注意的是，Burry 的观点并非孤例。早在 9 月中旬，美国银行和摩根士丹利就曾发出警告，称市场严重低估了当前 AI 投资的真实规模，且对未来折旧费用激增的冲击准备不足，这可能导致科技巨头的真实盈利能力远低于市场预期。这一系列警告，叠加 Burry 此前披露的英伟达看跌期权持仓，加剧了市场对 AI 相关股票估值的担忧。
