1760億折舊黑洞？伯里預警AI萬億市場財報造假風險

歡迎觀看本期【我】，在閱讀此文之前，麻煩您點擊一下“關注”，既方便您進行討論和分享，又能給您帶來不一樣的參與感，感謝您的支持。

“大空頭”伯里最近又出手了。這次他沒盯著房地產，反而瞄準了火熱的AI賽道。

他直接發文吐槽，那些所謂的超大規模算力服務商，靠著延長AI芯片折舊年限壓低費用，把賬面盈利做得漂漂亮亮。

在他眼里，這就是現代財報里常見的欺詐操作。伯里這話一出來，整個行業都炸了。

畢竟他當年精準預測2008年次貸危機的戰績擺在那。

他還算了筆賬，2026到2028這三年，整個行業可能會低估1760億美元的折舊支出。

甲骨文和Meta被重點點名，利潤可能分別被高估27%和21%。

AI行業本就深陷泡沫爭論，這波質疑更是讓局勢變得撲朔迷離。

折舊這東西，說起來其實不復雜。

就是企業買了昂貴的固定資產，不會一次性算成當年費用，而是分攤到它能用的年限里。

AI芯片動輒數萬美元一張，這分攤年限的學問可就大了。折舊年限就是利潤的隱藏開關。

總投入不變的情況下，年限定得越長，每年分攤的費用就越少，當期盈利自然好看。

反之，年限縮短，盈利就得承壓。這幾年AI資本支出猛漲，谷歌、甲骨文這些科技巨頭，幾乎都統一把服務器折舊年限調到了五六年。

本來以為大家都會一條路走到黑，沒想到亞馬遜殺出個例外。

2024年剛把服務器壽命從五年延到六年，2025年又調回五年。

他們自己也承認，是因為AI領域技術更新太快，設備貶值速度超出預期。

如此看來，巨頭們的折舊策略，也不是鐵板一塊。

關于芯片該折舊多少年，兩邊的說法完全相反。

覺得巨頭們年限定得太樂觀的人，理由挺充分。

谷歌一位GenAI架構師就透露，數據中心的GPU負載特別重，性能下降比其他組件都快。

在60%到70%的高利用率下，GPU壽命也就一到三年。

Meta的研究數據也能側面印證。

他們用英偉達H100訓練模型時，利用率才38%，GPU和相關內存的故障就占了總故障的47.3%。

要是利用率提到行業常見的水平，故障率怕是會大幅上升。

更何況英偉達現在產品迭代一年一次，新芯片出來，舊的很快就沒人要了。

Groq公司甚至直接用一年期攤銷，直言三五年的攤銷期完全錯了。

但支持長折舊年限的人，也有自己的道理。

巨頭們會搞“價值級聯”，新芯片用來做算力要求高的訓練任務，舊芯片就處理離線數據分析這類對實時性要求不高的工作。

微軟Azure的K80、P100GPU，實際用了七八年才退役。

這種梯級利用模式，確實能拉長硬件的使用時間。而且巨頭們的資本支出，背后有大量訂單支撐。

微軟手里有近4000億美元的積壓訂單，AWS也有2000億。

在這種履約壓力下，把折舊年限拉長，平滑成本穩定投資者預期，也并非完全沒道理。

這場折舊之爭，本質上是技術迭代和資產管理的錯配。

英偉達一年一款新芯片，壓縮了芯片的性能壽命。

但巨頭們想通過梯級利用，讓芯片用六七年收回成本。

兩種邏輯撞在一起，問題就來了。搞不清的是，這種會計操作會不會成為引爆AI泡沫的暗雷。

按伯里的測算，要是芯片實際壽命比巨頭們預估的短，行業會低估巨額折舊。

有分析顯示，要是五大云巨頭的服務器三年就失效，它們每年稅前盈利會減少260億美元，總價值可能縮水7800億美元。

如果只能用兩年，縮水規模會沖到1.6萬億美元。

評估AI巨頭的真實實力，再光看凈利潤可不行了。

凈利潤受折舊年限影響太大，容易失真。

有分析師建議盯著經營性現金流，這才是反映企業真實盈利能力的硬指標。

只有能靠真實業務需求消化算力，產生足夠現金流覆蓋資本支出的企業，才能扛過技術迭代的浪潮。

馬克?扎克伯格說，最糟的情況不過是提前建了未來幾年的資源。

但伯里的預警也不能忽視。

AI芯片折舊這個看似不起眼的會計細節，背后牽扯的是萬億市場的生死存亡。

毫無疑問，這場算力競賽已經停不下來，但折舊爭議埋下的隱患，遲早要給出答案。

是巨頭們的合理操作，還是泡沫破裂的前兆，只能交給時間來驗證了。

支持作者，寫作不易！如果您喜歡我的文章，可以點個“關注”，成為鐵粉后能第一時間收到文章推送。