ChatGPT三周年，AI大空頭的邏輯

大空頭伯里（Michael Burry）最近攪動了市場。但他持有的1萬份英偉達的看跌期權和5萬份帕蘭提爾的看跌期權，被幾份主流財經媒體夸大了。他做出了澄清，買了920萬美元的帕蘭提爾的看跌期權，而不是財經媒體報道的9.12億美元。1萬份英偉達看跌期權，市價大約1千萬美元，也不是媒體報道的1.87億美元。

伯里還亮出了自己的倉位，賭到2027年，英偉達和帕蘭提爾的股價，分別跌至110美元和50美元。不過伯里稱這些看跌期權他已經在上個月賣出。他還展示了已經從SEC注銷了他的Scion資產管理公司，不過正在籌謀再干一票大的。

伯里是電影《大空頭》的原型，曾在 2008 年金融危機前成功做空次貸。他這次是做空AI，今年他一直警告說，人工智能的熱情類似于 20 世紀 90 年代末的科技泡沫。他做空這兩家最耀眼的AI企業，其邏輯是所有超大規模的云廠商，都在通過延長 IT 資產使用年限來人為地提高利潤：在 2020 年，服務器和 GPU 等 IT 資產的會計使用年限通常是 3–5 年；而如今，這一數字已被延長至 5–6 年。英偉達和帕蘭提爾，正是這些云廠商的上游和下游廠商。

伯里在其X賬號上稱，超大規模數據中心（主要的云和人工智能基礎設施提供商）低估了折舊費用，它們“通過人為延長資產使用壽命來低估折舊，可以人為地提高收益——這是現代最常見的欺詐手段之一，”伯里寫道。“以2-3年的產品周期購買英偉達芯片/服務器，大幅增加了資本支出，本不應該導致計算設備的使用壽命延長，然而，這正是所有超大規模數據中心運營商的做法。”

伯里估計，從2026年到2028年，這種會計手段將低估約1760億美元的折舊，從而虛增整個行業的報告收益。他特別點名批評了甲骨文公司和Meta，到 2028 年，它們的利潤可能分別被高估了約 27% 和 21%。

從上表可以看出，各大云廠商對其 網絡與計算類資產（包括服務器、GPU、網絡交換機、存儲設備等）設定的折舊周期，2020年以來已經顯著延長，其中谷歌和微軟延長了一倍。

折舊年限直接影響利潤，折舊年限越短，每年分攤的折舊費用越高 ，當期利潤更低；反之，折舊年限越長，每年分攤的折舊費用越少 ，當期利潤更高。

伯里認為，這是企業人為拉高利潤的會計手段。難怪這些年硅谷的巨頭們業績這么好。原來是整個硅谷正在系統性地延長 GPU/服務器的賬面壽命；表面上是因為設備更可靠、壽命更長；實際上也具有顯著的 財務“利潤平滑”與資本效率優化作用。

這表面上是一個會計準則問題。根據公認會計原則（GAAP），當公司預先支付大額資產（例如半導體、服務器等）的費用時，可以將其成本分攤為年度費用，具體金額取決于公司對該資產折舊速度的預估。如果公司預估該資產的使用壽命較長，則可以降低每年計提的折舊費用，從而減少對公司利潤的影響。

實際上更為根本的，是科技企業在IT設備投資的技術和經濟邏輯。如果要深入剖析云端 GPU 資源池的真實經濟邏輯，必須關注一個近期被廣泛討論的話題：折舊（depreciation）。半導體研究咨詢機構Semianalysis，梳理了ChatGPT推出前后，科技企業的IT設備實際使用的情況。

回到 2020 年，當微軟、Meta、谷歌把資產使用年限從 3 年延長到 4 年時，我們仍處于 “ChatGPT 之前的第 2 年（2 BC, Before ChatGPT）”；而現在，在 “ChatGPT 推出后的第 3 年（3 AD, After Da Launch of ChatGPT）”，延長使用年限已被證明對資本開支（CAPEX）極其巨大的云廠商有利。

究竟 2020–2025 年間 IT 設備發生了什么變化？答案是：可靠性提升與商業激勵的變化。服務器 OEM（戴爾、超微、HPE、聯想、思科等）長期以來提供 3–5 年標準保修期；5 年保修價格更高，但也可購買 6 或 7 年的延保；成本上升的關鍵在于廠商是否能長期儲備備件，支持老舊節點的維修。網絡設備商（如 Cisco、Arista、Aruba Juniper）甚至嘗試過 終身保修（lifetime warranty）；存儲廠商也提供類似模式——只需支付年度支持費，他們就持續更換老化的硬盤。可以類比汽車市場：高端客戶每兩年換一輛奔馳；而另一群人開著 20 年的舊車，只需加油與買保險。

從全球最大 HPC 系統可以看出趨勢：這些領先的超級計算機使用的是市場上最先進、最熱門、有時也是最節能的芯片。它們往往圍繞系統設計數據中心，而非相反。這些系統往往可連續運行 6–8 年。

在云市場上，AWS 仍在銷售含 8× V100 GPU 的 p3.16xlarge 實例；其他云市場（Shadeform、Prime Intellect、Runpod 等）通過 DataCrunch、Paperspace、Lambda Labs 提供類似服務。V100 于 2017 年 5 月發布，2017 年秋量產，2022 年 1 月英偉達停止發貨。也就是說，V100 的生產與備件周期長達 5 年以上，上市至今已運行 8 年，依然可用。

當然，如今的 V100 在 每兆瓦收入效率（Revenue-per-MW） 上已遠不如新卡；部分云廠商甚至拆除舊 V100、A100、乃至早期 H100 集群，為新一代 GPU 騰出功率與空間。但這并不是因為舊 GPU 老化報廢，而是因為新 GPU 收益率更高、功耗相同——屬于經濟性淘汰，不是物理壽命終結。

優化 GPU 云經濟性的關鍵在于最大化 GPU 的經濟壽命。根據 AI Cloud TCO（總擁有成本）模型，H100 集群的運行成本（不含資本支出）約為 $0.30–$0.40 / GPU / 小時；問題在于，5 年后，GPU 的收入能力是否仍高于這個運營成本？隨著英偉達推出更高效 GPU（每美元或每瓦吞吐量提升），老 GPU 的“定價權”會快速衰減。TCO 模型提供了長期 GPU 租賃價格預測（涵蓋英偉達、AMD、TPUv7/8、Trainium2/3 等），并通過歷史數據驗證其準確性。

對于 Azure 等云廠商而言，目標是保持 比市場平均更高的定價能力（pricing power）。可能的實現路徑包括：

• 通過企業客戶關系與垂直整合（PaaS、模型、應用）提高附加值，讓 6 年老 GPU 仍可獲利；

• 打包高利潤服務（如數據庫、分析等）與加速計算捆綁銷售，即使 GPU 本身利潤下降，也能通過聯動產品維持收益。

這樣，“可替換算力池（fungible fleet）”策略就有意義了：通過靈活調度與產品打包，使老 GPU 依然能產生正的投資回報率（ROIC）。

未來有兩種可能：如果 Vera Rubin 等新架構性能大幅躍升，伯里的擔憂可能成真——超級云廠商可能在 GPU 服役 2–3 年后就提前淘汰；但若 GPU 的長期收益與能效保持穩定，則老卡的價格底部（如 H100） 仍會穩住。從黃仁勛來看，它肯定是希望云廠商對GPU“買的越多，省的越多”，通過不斷提升GPU的計算效率來縮短云廠商的采購周期。

這些問題仍待驗證，但TCO 模型給出了當下最接近現實的估計。系統級創新（如英偉達 GB200 BVL72）在特定應用中能帶來數量級級別的能效與性能提升，這也解釋了為何硬件生命周期延長，反而可能是 GPU 云經濟性的關鍵基礎。

所以，云廠商之所以能延長IT設備折舊期，正是反映了技術進步、產品迭代、設備維護、企業管理方面優化，從而延長了硬件生命周期的實際情；在GPU供給短缺時，也滿足了需求； 云廠商也要考慮及時騰出寶貴的電力和空間，用來運行產出token更高效的新一代芯片。

最近谷歌人工智能和基礎設施副總裁兼總經理 Amin Vahdat ，也通過事實證明了這個道理。對TPU 的需求量過大，以至于谷歌云不得不拒絕一些客戶。谷歌目前有七代 TPU 硬件正在生產中，并且其“七八年前的 TPU 的利用率達到了 100%”。

不過伯里卻發出警告：將在本月25日，也就是ChatGPT發布3周年前，公布更多細節。

“走著瞧吧”。

參考：

https://newsletter.semianalysis.com/p/microsofts-ai-strategy-deconstructed?r=54gphk