一句话结论
黄仁勋指出 AI 软件迭代将 GPU 寿命延长至 8 年以上，改写行业折旧规则。
关键要点
- 黄仁勋在 GTC 柏林大会表示，GPU 实际使用寿命已从约 4 年延长至 8 年甚至更久。
- 英伟达依靠软件可编程技术与全生命周期持续优化，确保算力资产长期高效运行。
- 马斯克认为 AI 模型进步使每瓦计算能力产出更多有用智能，推高算力单位价值。
- 加文·贝克观察到，随着词元价格下跌，单位 GPU 小时租赁成本反而大幅上涨。
背景与事实
在 GTC 柏林大会上，英伟达首席执行官黄仁勋明确提出了 GPU 使用寿命新观点。他谈到，公司计算系统应用范围广，配合持续软件优化能长期保持高效运行。由于采用软件可编程技术并在整个资产生命周期内不断改进软件，过去认为的四年生命周期实际上可能达到八年甚至更久。他认为这种特性使算力资源既高效又具备可替代性，且经久耐用。
同样的观点在马斯克近期发言中也得到呼应。他在 SpaceX 2026 年第三季度财报电话会上指出，随着 AI 模型不断变强，同样一度电所能产出的有用智能数量随之增加，因此每瓦计算能力的价值会随时间上升而非下降。他举例说明，即使是像 H100 这样较早期的 GPU，其当前租金甚至超过了新品上市时期的水平。
在讨论算力经济学变化时，加文·贝克观察到另一层趋势。随着 AI 应用中词元价格下跌，计算资源被组合使用，但单位 GPU 小时的租赁成本反而大幅上涨。其逻辑在于，固定时间内产出的词元越多，该时间段的算力价值越高，这使得算力供应商的收入结构发生了变化。
影响分析
对于中文开发者与企业而言，这一趋势意味着算力资产的财务模型需要重新评估。长期来看，GPU 折旧年限从四年延伸至八年，将显著改变云计算服务商与科研机构的资产负债表结构。企业可以采用更平缓的折旧方式入账，从而降低早期运营压力。
从应用开发角度看，算力价值的提升意味着旧硬件仍具商业竞争力。开发者和运维人员不必盲目追求最新硬件，而是可以通过软件优化和模型适配挖掘旧设备的剩余价值，这在成本敏感型团队中尤为关键。
对于基础设施投资方，租赁成本上涨带来的现金流改善是核心利好。尽管词元单价下降，但单卡产出的智能密度提高，使得整体算力服务的盈利能力增强，投资者需关注这一经济逻辑的转变。
适用边界
上述结论主要基于 AI 应用场景下算力需求持续增长的背景。若企业处于静态计算任务或传统图形渲染领域，软件迭代对性能的边际提升有限，GPU 实际寿命与价值可能难以达到上述水平。
此外，该结论不适用于受政策限制或面临技术路线更迭风险的特定行业。若底层架构出现颠覆性技术，旧硬件的保值逻辑也将随之失效。
孤本观察
本次报道揭示了算力市场从资源售卖向产出效率售卖的深刻转型。硬件的物理折旧正被软件效能提升所对冲，这标志着 AI 基础设施商业模式的底层逻辑已发生根本性变化。
常见问题
黄仁勋认为GPU的实际使用寿命延长到了多久？
黄仁勋指出，GPU实际使用寿命已从约4年延长至8年甚至更久。
哪些技术因素帮助英伟达保持算力资产的长期高效运行？
依靠软件可编程技术与全生命周期持续优化，确保算力资产长期高效运行。
马斯克为何认为早期GPU如H100的租金可能超过新品？
因AI模型进步使每瓦计算能力产出更多有用智能，推高算力单位价值，旧GPU当前租金甚至超过新品上市期水平。
加文·贝克观察到的GPU租赁成本变化趋势是什么？
随着词元价格下跌，计算资源被组合使用，单位GPU小时租赁成本反而大幅上涨。
该结论不适用于哪些计算场景或行业？
不适用于静态计算任务、传统图形渲染领域，以及受政策限制或面临技术路线更迭风险的特定行业。
来源：IT之家