算力资产寿命的多空之争：黄仁勋说能用六年，空头说三年就该报废

英伟达认为算力资产可使用6年，空头代表Michael Burry则判断前沿芯片经济寿命仅2-3年。

1. 英伟达提出全新AI工厂估值框架：把智算中心类比电站，投资回报由三大变量共同决定：单位电力产出token能力、硬件使用寿命、市场token需求。三者缺一不可。英伟达联合多家大型投资机构搭建融资平台，计划撬动超5000亿美元资金投入算力基建，推动算力不再被当成普通IT设备短期折旧，而是按照基础设施来长期估值。

○ 新一代芯片依托全栈软硬件优化，算力吞吐量相比老代际提升数十倍，大幅降低单token成本；

○ 同时智能体任务消耗token远高于普通对话，硬件效率提升带来的降价，反而拉动token需求持续增长，符合杰文斯悖论。

2. 算力资产寿命的多空博弈

○ 多方（英伟达、很多云厂商）：GPU具备强通用性，CUDA生态完善，旧卡可承接多种不同AI任务。案例显示A100芯片发布多年仍在商用、二手市场仍有残值；大型云厂商陆续把服务器会计折旧从3-4年拉长至6年，直接增厚账面利润。

○ 空头Michael Burry：AI芯片迭代速度很快，拉长折旧年限属于美化报表，掩盖了需求透支的风险，估算头部企业2026-2028年折旧低估约1760亿美元；亚马逊也把部分服务器折旧年限由6年调回5年，侧面印证硬件迭代带来的压力。多空双方基于相近事实，但得出完全相反判断，最终胜负取决于未来算力供给和AI需求的增长速度。

3. 对国内市场的启示国内智算中心大多仍按4-5年计提设备折旧。如果算力实际服役周期更长，会低估项目真实收益；但如果AI需求跟不上硬件迭代，就会出现资产贬值。评估算力项目不能只看装机规模，重点要看每兆瓦token产出效率。同时国内缺少成熟的二手GPU交易市场，很难直观判断算力残值。

深度分析

1. 争论本质：会计账面折旧 vs 真实经济寿命会计折旧只是企业记账规则，不等于硬件实际报废时间。GPU物理上可以运行很久，但经济寿命取决于它还能不能卖出算力、产生收益。一旦新一代芯片成本断崖下降，老卡就算硬件完好，也会因为失去市场竞争力快速贬值，这是空方核心逻辑。而多方押注在强大的CUDA生态和多场景通用性，旧GPU可以持续承接各类推理、科研任务，维持收入。

2. 行业重大变化：算力从IT采购变成重资产基建过去企业买GPU，是短期IT设备采购；现在英伟达推动将智算中心类比电站、油田这类长期基础设施，吸引黑石、贝莱德等大型长线资本入场。这是AI产业资本化的关键一步。这套模式成立的前提，是算力能稳定长期产生现金流。一旦AI需求不及预期，上千亿的资本投入会面临巨大风险。

3. 核心矛盾：算力供给扩张与AI需求增长的赛跑芯片性能飞速迭代是双刃剑：一方面降低token成本、刺激AI应用和token消耗；另一方面，新芯片会快速冲击老一代算力资产价值。未来如果算力供给放量速度超过AI业务需求增速，大量旧GPU租金、二手价格会下跌，空方观点就会兑现；反之算力持续紧缺，英伟达的长期资产叙事成立。

4. 国内行业痛点国内现在普遍比拼装机数量，容易忽视能耗、单位算力产出效率。二手算力市场不完善，缺少市场化的残值参考指标，国内智算项目的真实投资回报很难精准评估。土地、电力能耗指标已经成为智算中心建设的硬性门槛。

一句话精简版

这篇文章探讨AI算力资产估值之争：英伟达将智算中心视作长期基础设施，主张GPU可用6年，依靠硬件通用性与持续增长的token需求支撑长期估值；空头认为芯片迭代太快，前沿算力经济寿命仅2-3年，拉长折旧是虚增利润。二者博弈的核心是未来算力供给与AI需求谁增长更快，也提示国内智算行业不能只堆装机量，要重视单位电力算力产出与资产残值风险。