算力進入“資產時代”：它有了估值公式，有了殘值曲線，也開始有了自己的融資管道。
建一座AI工廠，按輝達官方口徑，每兆瓦約6000萬美元，吉瓦級項目就是約600億美元的資本開支，如同修一座大型電站。當地時間上周四，輝達在部落格裡給出這類“大型電站”的回報公式：產出、壽命、需求。
當前市場上多數玩家，還在按“買IT裝置”的老辦法來計算AI工廠的資產價值：三五年計提折舊，到期減值，殘值按零處理。至於這座“工廠”一年能產出多少、裝置能運轉多少年、產出能不能賣掉，這些真正決定回報的問題，在採購環節很少有人提及。
輝達想把這套新的AI工廠資產計算公式推給整個市場。今年8月，它與Apollo、貝萊德、黑石、博楓、高盛、KKR六家機構宣佈共建融資平台（目前僅為合作備忘錄，尚無交易簽約），計畫撬動超過5000億美元的第三方資本投入AI基礎設施，算力第一次被信貸市場按基礎設施而非裝置定價。
而這其中，空頭的讀法正相反，Michael Burry認為前沿晶片的實際壽命只有兩三年，折舊拉長掩蓋的是透支的需求。
01. 電站的估值公式
輝達把AI工廠的回報歸結為三個變數：盈利能力（滿負荷運轉一年能賣出多少token）、使用壽命（硬體保持產出的年限）、需求（這些token究竟能賣出多少）。熟悉基礎設施投資的人對這套語言並不陌生。電站、油田、船舶的估值，用的正是同一個公式：單位產出、資產壽命、負載率。
三個變數相互牽制，無法互補。按博文的說法，盈利能力再強，若只能賣出一半產能，也無濟於事；需求再旺，若裝置一年後就跑不滿，同樣無效。投資一座AI工廠，等於對三個變數同時下注，押錯任何一個，另外兩個做得再好也無法彌補。
三個變數裡，先看產出。
評估電站，行業看度電成本；評估AI工廠，對應指標是每秒每兆瓦token數。電力是建廠繞不開的硬約束，能耗指標、變壓器容量、並網排隊，在每個市場都是最稀缺的許可。在固定的電力包絡裡，產出的token越多，單位電力的收入就越高。
兩代裝置之間的產出差距，已經不是百分比能形容的。據SemiAnalysis AgentX基準（回放真實智能體編碼會話測算），在DeepSeek V4-Pro負載、每使用者每秒160 token的條件下，Vera Rubin NVL72每兆瓦吞吐量較上一代GB300 NVL72高逾30倍，每百萬token成本至多低45倍；GB300較H200機群每百萬token成本又至多低10倍。廠房和電力指標不變，吞吐量在代際之間相差兩個數量級。
每兆瓦吞吐量代際對比（對數刻度）。口徑：SemiAnalysis AgentX，DeepSeek V4-Pro 智能體編碼負載，特定條件下的至多值
這些增益並非主要來自製程的線性進步，而是更多來自從模型、編譯器、推理框架到計算、網路、記憶體的全端協同設計：MoE服務執行階段、低精度數值格式、KV快取復用、預填充與解碼分離調度，每一層都在為“每兆瓦token數”服務。晶片可以對標，全端難以複製。
效率提升自然會引出一個擔憂，token越來越便宜，需求會不會被自己消減掉？
市場資料恰恰相反，據OpenRouter統計，單個智能體請求消耗的token是普通聊天的15倍，平均提示token已增長約四倍。一個做投資研究的智能體，會查資料庫、讀財報、呼叫子智能體做橫向比較，再綜合成結論：token的消耗隨任務複雜度增長，而不再隨對話輪數封頂。
降價釋放的空間，正被智能體的消耗重新填滿。這是傑文斯悖論在算力市場的又一次應驗。
02. 使用壽命：會計與市場的分歧
效率回答“每一兆瓦能賺多少”，資產的另一半答案是“能賺多少年”。使用壽命是三個變數裡口徑最分裂的一個：在資產負債表上，它由會計政策決定；在現實中，它由物理衰減和市場需求共同書寫。兩套口徑的差距，正越拉越大。
以A100為例，A100發佈於2020年，六年後仍在商業服役；CoreWeave把2020年批次的機器一直預訂到2029年，一台2020年的晶片，收入周期接近九年。多年期合同，是營運商為“舊機器還能持續產出”付出的實際代價。
個案之外，行業整體的會計政策也在調整。據Sprout 2026年9月報告，超大規模營運商已將伺服器會計折舊從三四年普遍拉長到六年；據Introl等第三方彙總，這一調整合計每年減少折舊約180億美元，相當於給全行業多出同等規模的帳面利潤。微軟在2022年把伺服器折舊年限從四年延長到六年，估計使其2023財年營業利潤增加約37億美元；微軟的V100機群帳面六年，實際跑了8.4年。
市場的定價提供了另一重參照。Silicon Data的資料顯示，發佈六年的A100在二手市場仍能賣到原價的四分之一；Ornn Data的租賃指數顯示，它的五年期長租價格約為一個月租約的八成。一座按五年折舊就該“一文不值”的資產，市場上仍有人願意出價。
03. 通用性，和一個未曾言明的賭注
資產壽命的長短，一個關鍵變數是它能處理的負載有多少種。為單一負載定製的算力，賭的是需求永不遷移：演算法一次換代，專用資產可能整體報廢；通用平檯面對需求波動，只需把算力轉去處理其他負載。
專用算力並不罕見，比特幣礦機就是一例。晶片為一種雜湊演算法定製，演算法之外沒有用途，行情回落時只能按廢金屬價格處置。同期的以太坊礦工用的是通用GPU，2022年以太坊轉向權益證明機制後，這批卡大量轉入遊戲和推理市場，殘值遠高於礦機。輝達的GPU屬於後一類，它的通用性來自架構和生態兩層。
架構層面，語言、視覺、生物、模擬、圖形，這些負載的底層都是大規模平行計算，本就在GPU的能力範圍之內；在可程式設計架構內嵌入Transformer引擎等專用單元，又兼顧了運行效率。生態層面，1000多個CUDA-X庫和約1000萬開發者，讓新負載出現時有現成的軟體棧可用，不必從零適配。
Pinterest在14000塊GPU上跨Blackwell、Hopper及更早架構混合調度訓練與推理，新任務持續落在舊架構上；德州農工大學超算跨26個項目、7家機構，利用率維持在95%—98%；禮來在自己的千卡級本地叢集上，同時承載製藥模型與內部智能體。
通用性由此轉化為資產壽命。但這一切成立的前提，是過去兩年算力始終稀缺。
堅挺的殘值、滿負荷的利用率，究竟是資產本身優秀，還是僅僅因為供不應求？空頭Michael Burry去年11月估算，超大規模廠商2026—2028年的折舊被低估約1760億美元（個人估算，未經證實），前提是前沿GPU的實際經濟壽命只有兩三年。
他引用的事實與輝達並無二致，結論卻截然相反。在他看來，折舊拉長掩蓋的是透支的需求。輝達隨後向分析師發出長篇備忘錄反駁，稱客戶實際按四到六年折舊，A100至今仍在高負荷運轉。亞馬遜在2025年初把部分伺服器折舊年限從六年縮回五年，理由是AI硬體迭代加速，按其2025年報口徑，全年多提折舊約14億美元。
輝達與空頭用的是同一套資料，究竟那種更接近真相，要看未來兩年供給與需求的賽跑。倘若新一代供給放量、需求增速放緩，二手價格和長租折價會最先轉向。
無論輝達的敘事成色幾何，這套估值框架本身值得被認真對待，尤其對正在大規模建設智算中心的中國市場而言，三要素恰好對應三個懸而未決的問題。
最直接的問題留給雲廠商與智算中心：折舊年限定在那。從國內營運商年報的折舊政策看，多按四五年計提。若資產實際壽命八年以上，當期利潤就被系統性低估，項目回報被看錯；若需求根本撐不滿裝置的一生，問題就不在會計，而在經營。要回答這個問題，得翻各家財報的折舊政策和利用率資料：是會計口徑的問題，還是經營的問題，修正方向截然相反。
折舊之外，投資者還需要注意營運商調整折舊年限的公告（管理層對資產壽命的真實判斷往往先出現在這裡）、二手GPU交易與長租價格（殘值的獨立參照）、新代際發佈後舊型號的租金變化（需求端的讀數）。不過國內市場目前還缺少公開、連續的二手算力價格資料，這些訊號大多隻能從營運商公告和海外資料商處間接獲得。
產業政策層面，算力重資產化之後，土地、電力指標、能耗審批已經成為實際的市場准入門檻。評價一座智算中心，標準應該從裝機規模換成“每兆瓦產出”：前者衡量資產質量，後者只統計數量。
高效、耐用、通用。輝達用三個詞宣告算力進入“資產時代”：它有了估值公式，有了殘值曲線，也開始有了自己的融資管道。這套敘事能否立住，要看未來兩年供給與需求的賽跑。10月21日，黃仁勳將在GTC柏林發表主題演講，Vera Rubin的量產節奏與AI工廠參考設計，會給出這場賽跑的下一組資料。 (鈦媒體AGI)