101條目
AI硬體折舊：無人建模的風險
在AI基礎設施上投入數千億美元的超大規模業者，目前對GPU及配套設備採用5–6年的折舊年限。這比同類硬體的歷史使用年限更長，也比NVIDIA GPU架構的更新節奏更長。使用年限每下修一年，都會直接轉化為數十億美元的年度折舊費用增加——以及更低的報告盈餘。折舊問題是AI基礎設施投資故事中最被低估的單一風險。
由英文原文自動翻譯。 閱讀英文原文 →
問題背後的數學
一項1000億美元的資本支出計畫，若以6年折舊，每年增加167億美元的費用。同一計畫若以4年折舊，每年增加250億美元。83億美元的差額純粹是盈餘影響，尚未計入營收的任何變化。對於營運利益以數百億美元計的超大規模業者而言，這是重大的——而受影響的公司（Microsoft、Google、Amazon、Meta）正位於大多數成長型投資組合的核心。
為何5–6年看起來過於激進
NVIDIA大約每兩年推出新的GPU架構。每一代在每瓦效能上帶來2–5倍的提升。一台使用四年的GPU，要與效率高出4–10倍的新硬體競爭。在什麼時點，讓舊硬體繼續運作在電力和機架空間上的成本，會超過更換硬體的成本？折舊年限回答了這個問題的其中一種版本；物理經濟學可能給出不同的答案。
CoreWeave模式
專業雲端供應商——CoreWeave、Nebius、Lambda——以較短期的合約出租GPU容量。他們的財務模型假設在頭2–3年有高度利用率，之後產出遞減。這比6年直線折舊更接近經濟現實。專業供應商模型與超大規模業者折舊年限之間的差距，就是核保風險——只要有人願意查看，這在財務揭露中是可見的。
問題何時變得可見
折舊年限的修正是非現金的盈餘衝擊，但卻是信心上的衝擊。市場通常要等到明確的會計變更公告出現後，才會為此風險定價。催化窗口包括：年度10-K申報、審計師的顧慮、同業修正。只要有一家超大規模業者下修其折舊年限，就會迫使整個產業跟進——而市場反應將會是立即的。
投資意涵
超大規模業者的股票估值倍數部分取決於目前盈餘的持續性，而這又取決於目前的折舊假設。任何加速更換週期的折舊修正，都對AI基礎設施供應商有利——使用年限縮短意味著更頻繁的採購。目前的折舊制度維持得越久，最終的修正就會越劇烈。這對超大規模業者股票是一種尾部風險，對AI硬體供應商則是一種尾部利益。