黄仁勋：GPU 寿命可达 8 年以上——硬件折旧规则正在被 AI 改写
「以前认为的四年生命周期，实际上可能是八年甚至更久。」——黄仁勋在 GTC 柏林 2026 上的这句话，动摇的是整个算力行业的折旧假设：财务报表上的、租赁定价里的、以及每一家买家 TCO 测算模型里的。
寿命延长的机制：软件是第二引擎
黄仁勋给出的逻辑链并不复杂，但每环都有硬支撑：
- 软件可编程 + 持续更新：CUDA 生态在整个资产生命周期内持续改进，芯片出厂多年后仍能从新驱动、新框架优化中获得性能提升
- 用途高度可替代：GPU 不绑定单一应用——今天跑训练，明天转推理，后天做物理仿真。一任客户退租，下一任立刻接上
- 使用方充足：「无论客户是谁，使用这些计算资源的公司都很多」，资产流动性强，残值有市场托底
这与传统服务器的贬值路径截然不同：x86 服务器出厂即峰值，之后只有折旧；而一款 2020 年的 A100 至今仍在各家云上满负荷接单。
马斯克的「每瓦有用智能」与贝克的「GPU 小时涨价悖论」
同一时间线上，两个互补的观点值得并列：
马斯克（SpaceX 2026 Q3 财报电话会）：AI 模型越强，同样一度电产出的「有用智能」越多，因此每瓦算力的价值随时间上升而非下降——直接证据是「连 H100 这样的老 GPU，现在的租金都比它新品时期更高」。
Gavin Baker（GTC 柏林）：词元价格在下跌、词元组合在转向更便宜的词元，但单位 GPU 小时的租赁成本却大幅上涨——因为给定 GPU 小时内产出的词元更多、价值更高了。
把两句话合起来读：算力的价值锚点正从「硬件参数」迁移到「单位硬件能产出的经济价值」。词元通缩没有压低算力价格，反而因为模型效率提升抬高了存量硬件的租金——这是传统 IT 资产从未有过的价值曲线。
对折旧与 TCO 的三重冲击
一、财务折旧年限。多数云厂商与算力租赁商仍按 4–6 年对 GPU 计提折旧。如果实际寿命确如黄仁勋所言达到 8 年以上，折旧年限每延长一年，当期利润就被显著「释放」。已有部分 Neocloud 开始把折旧年限拉长到 6 年——这也是近期算力概念股财报争议的焦点之一：折旧政策本身成了利润调节工具。
二、残值假设。算力资产金融化的前提是残值可预测。8 年寿命 + 强流动性意味着残值曲线更平缓，抵押折扣率可以更低。黄仁勋在 GTC 期间对 CNBC 明确表示，英伟达正在推动把自家算力确立为「可融资资产（financeable asset）」——8 月已联合 Apollo、BlackRock、Blackstone、Brookfield、高盛与 KKR 启动 5000 亿美元级 AI 融资计划。
三、采购决策模型。按 4 年折旧算 TCO，H200/B200 这类上一代卡「回本即淘汰」；按 8 年寿命算，买高端卡的摊销成本几乎减半，二手市场与降级复用（训练卡转推理卡）的性价比完全改写。买家在评估「现在买还是等下一代」时，折旧年限假设的权重不亚于芯片本身的规格差。
需要泼的冷水
寿命论也有边界：
- 寿命 ≠ 经济寿命。8 年是「还能跑」的物理寿命，但推理世代迭代快，5 年后的老卡即使能跑，单位电费的产出也可能落后新卡数倍——「每瓦有用智能上升」恰恰反衬老卡的相对贬值
- 说法出自卖方。黄仁勋的立场天然倾向于让买家相信 GPU 是耐久资产；监管文件里 2790 亿美元的采购承诺（见我们此前对六大供应链伙伴扩产的拆解）则说明英伟达自己也在为需求波动承担风险
- 折旧拉长有反噬先例。如果 AI 需求增速放缓，被拉长的折旧年限会反向放大利润下修幅度
结论
GPU 从「快消型 IT 设备」变成「类基础设施资产」，是本轮 AI 周期最被低估的结构性变化。对采购方，我们建议在 TCO 测算中做双情景：保留 4–5 年的保守折旧情景作为下限，同时加入 8 年寿命 + 降级复用的乐观情景，观察结论是否翻转。你可以在本站的 TCO 计算器中自行调整折旧年限做敏感性分析。
数据来源与口径说明
- 黄仁勋 GPU 寿命 8 年、可融资资产、Neocloud 需求表态：GTC 柏林 2026 现场及 CNBC 采访（2026-10-21/22），Wccftech、Yahoo Finance 转述
- 马斯克每瓦有用智能：SpaceX 2026 Q3 财报电话会，IT之家翻译
- Gavin Baker 观点：GTC 柏林 2026 大会发言，IT之家转述
- 5000 亿美元 AI 融资计划：英伟达 2026 年 8 月公告，Apollo/BlackRock/Blackstone/Brookfield/高盛/KKR 参与
- 折旧年限争议为行业通行观察，非任何单一公司披露口径