AI硬件折旧:无人建模的风险

问题背后的数学

一项1000亿美元的资本支出计划,若按6年折旧,每年增加167亿美元的费用。同一计划若按4年折旧,每年增加250亿美元。这83亿美元的差额是纯粹的盈利影响,尚未考虑任何收入变化。对于经营利润动辄数百亿美元的超大规模云厂商而言,这是实质性的——而受影响的公司(微软、谷歌、亚马逊、Meta)正处于多数成长型投资组合的核心。

为何5–6年显得激进

NVIDIA大约每两年发布一代新的GPU架构。每一代在每瓦性能上带来2–5倍的提升。一台使用四年的GPU,要与效率高出4–10倍的新硬件竞争。到什么时候,继续让老旧硬件运行所消耗的电力与机架空间成本,会超过更换硬件的成本?折旧年限只回答了这个问题的一个版本;物理层面的经济性可能给出不同的答案。

CoreWeave模式

专业云服务商——CoreWeave、Nebius、Lambda——以较短合约租赁GPU算力。它们的财务模型假设在前2–3年实现高强度利用,之后收益逐渐下降。这比6年直线折旧更接近经济现实。专业服务商模型与超大规模云厂商折旧年限之间的差距,正是承保风险所在——而只要有人愿意查看财务披露,这一差距是可见的。

问题何时会显现

折旧年限的修订属于非现金的盈利冲击,但却是信心层面的震动。市场通常在明确的会计变更公告之前不会为这一风险定价。潜在催化窗口包括:年度10-K文件披露、审计师关切、同业修订。只要有一家超大规模云厂商下调其折旧年限,就会迫使整个行业跟进——市场反应将是立即的。

投资含义

超大规模云厂商的股权估值倍数部分取决于当前盈利的持久性,而这又取决于当前的折旧假设。任何加速更换周期的折旧修订都会使AI基础设施供应商受益——使用寿命更短意味着更频繁的采购。当前折旧制度维持的时间越长,最终修订就越剧烈。这对超大规模云厂商股票是一种尾部风险,对AI硬件供应商则是一种尾部收益。