涉及的行业与公司 * 行业：全球科技行业，特别是人工智能（AI）GPU计算领域[1] * 公司：主要涉及超大规模云服务商（hyperscalars）如谷歌（GOOGL）、亚马逊（AMZN）、Meta（META）、微软（MSFT）、甲骨文（ORCL）等，以及GPU供应商英伟达（NVDA）、超微半导体（AMD）、博通（AVGO），还有转型AI数据中心的比特币矿企如Iris Energy（IREN）、Core Scientific（CORZ）、Riot Platforms（RIOT）、Cleanspark（CLSK）[6][7][8][9] 核心观点与论据 * GPU使用寿命与折旧合理性：GPU可以盈利地运行约6年，主要超大规模云服务商的折旧会计处理是合理的[3][11] * 论据1：运营现金成本低，贡献利润高：GPU租赁的市场价格远高于其运营的现金成本（如电力和托管费），使得运行老旧GPU的贡献利润（contribution profit）很高 例如，根据模型估算，B200 GPU每小时贡献利润为2.85美元，贡献利润率达86%；即使是5年旧的A100 GPU，供应商仍能获得舒适的利润空间[3][11][25] * 论据2：计算需求旺盛：在计算资源受限的世界里，对任何可用计算能力（包括旧机器）的需求仍然充足，A100容量几乎被完全预订 只有当追溯到Volta及更老的GPU时，这种经济性关系才开始瓦解[11][13] * 论据3：硬件实际寿命：行业反馈表明，GPU在6-7年或更长时间后通常仍能正常运行，早期高损耗主要归因于新GPU上架初期的"烧机"（burn-in）配置问题，一旦配置妥当，寿命很长[13] * GPU价值折损模式：GPU的价值折损并非线性，第一年后价值损失较大，但之后价值保持较好[3][14] * 论据：转售市场上的GPU在第一年后通常会损失其标价的20-30%，但此后价值似乎能更好地保持 用户倾向于将最新一代硬件用于AI训练等 demanding 工作负载，旧机器则用于运行对性能不敏感的工作负载[3][14] * 长期合同转移成本风险：鉴于长期合同的普遍性，即使GPU折旧速度快于公司的模型，成本也可能以人为抬高价格的形式由最终用户承担 例如，OpenAI若与Coreweave签订5年H100容量合同，即使H100价值低于5年折旧周期暗示的水平，承担经济成本的将是OpenAI[4][15] * 加速计算非商品化定价：与内存/存储不同，加速计算并未呈现商品化定价，老旧GPU的定价高于性能平价所暗示的水平[5][16][18] * 论据：这表明最终用户仍在运行遗留工作负载，不愿或无法在更现代的硬件上运行，云服务商对这些"被锁定"的工作负载收取更高费用[5][16][18] * 对GPU供应商的影响：理论上，运行旧硬件会降低GPU更换需求，对GPU供应商不利 但实际上，当前动态主要由计算需求极其旺盛所驱动，使得继续运行老旧、低效率硬件仍有意义[6][17] 其他重要内容 * 超大规模云服务商折旧年限披露：不同公司对服务器等设备的折旧年限假设不同，例如谷歌为6年，亚马逊为5年，Meta为4至5年（2025年1月起部分延长至5.5年），微软为2至6年[19][20] * 比特币矿企向AI数据中心转型：报告看好矿企转型AI数据中心的重新评级潜力，特别是Iris Energy（IREN）因其垂直整合且拥有超过3GW电力资产被列为首选，Riot Platforms（RIOT）、Core Scientific（CORZ）和Cleanspark（CLSK）合计拥有超过4.5GW电力组合，正在寻求AI托管机会[9][12] * 投资建议：报告给予英伟达（NVDA）和博通（AVGO）"跑赢大盘"评级，目标价分别为225美元和400美元；给予超微半导体（AMD）"与大市同步"评级，目标价200美元；看好IREN、CORZ、RIOT、CLSK的重新评级潜力[7][8][9] * 投资者情绪背景：围绕AI交易的投资情绪日益谨慎，Coreweave和甲骨文债务的CDS利差飙升即是证明，这重新引发了关于GPU实际使用寿命和折旧会计准确性的辩论[2][10]