对AI算力输出公司来说会计5-6年折旧只是他们选出来的一个规则，通常是直线折旧，从物理寿命看，服务器可以跑5年以上。但他们的经济折旧前沿训练用的硬件可能只有1-2年黄金期，要做最前沿的模型训练，确实需要最新一代的芯片，上一代 GPU 在高端训练场景中可能在1-2年内就变得缺乏竞争力。所以在估值里不能直接假设这些 GPU能以前沿训练价格稳定跑满 5-6 ,但把经济寿命1-2 年用在所有GPU上显得太极端，至少有两个缓冲因素：
(1)推理与降级使用会拉长实际使用期
即使一块GPU不再适合做前沿训练，它仍然可以跑现有模型的推理（inference），做微调（fine-tuning）、RAG、传统机器学习等工作负载。因此，经济上的分层过程大致第0-2年顶级训练/高溢价定价，第2-4年推理/中档工作负载，价格与毛利率下降，第 4-6 年长尾需求/利用率走低，或者卖去二手市场，接近残值。这和1-2 年后几乎一文不值是两回事。
(2)需求爆发期会暂时掩盖技术折旧
如果AI需求持续爆发即使是旧一代芯片，也可能长期处于高利用率,老卡的租赁价格不会像纯技术曲线那样暴跌，因为有不少客户只是需要有GPU用，不一定执着于最新最强。所以在高需求环境下，经济折旧会显得比较慢。一旦进入需求走弱环境，经济折旧会突然变快，这正是这个行业风险高的原因。
由于上面的难预测性，会计上是个灰色地带，会计事务所大部分情况会听从客户意见。
那么从折旧角度真正的大风险在哪一层？
风险最高：纯算力输出/独立GPU出租商是“折旧错配”的重灾区。为了保持竞争力，必须不断买最新一代GPU，因此资本开支极其沉重，一旦需求不及预期，价格下行，它们的资产负债表会直接中弹。账面5-6 年使用寿命，现实如果第2-3年价格崩了，就不得不考虑减值/资产重估，比如Coreweave.
相对风险更低：Hyperscalers。对于AWS/Azure/GCP等GPU投入只是一个更大平台的一部分。他们还拥有云计算、存储、网络、软件、生态系统，如果某一代GPU过快被淘汰，他们可以把这些卡调配到更广泛的需求池。这层仍然有风险，但没那么严重。
风险最低：真正有护城河的AI软件/应用层。如果一家公司能做到自己掌控模型、产品与客户关系，对底层算力供应商保持可替换性，那它就能在享受AI浪潮的同时，不用自己扛硬件资产的折旧雷，比如PLTR。
最后重点来了。其实大家不要太纠结于折旧，而是要看现金流将来会怎么样？拿hyperscalers来说，他们由于数据中心和应用层面的未来现金流巨大，完全可以抵消资本支出，那么就不用担心。还有一点现在语言模型群雄逐鹿，不知道哪个会胜出，因为有可能是winner takes all，所以他们都在拼命更新各自模型。微软在diversify，和Anthropic合作是完全正确的做法，OpenAI风险太大。我对GOOGLE比较看好（唯一垂直整合公司）。
还有一点和折旧没关系的是怎么看英伟达。英伟达对需求减少/CAPEX收缩的敏感度高于hyperscalers。NVIDIA本身因为轻资产+高毛利+净现金，不是会被折旧压死的公司，更像AI的高beta周期股。一旦AI CAPEX周期掉头，盈利和估值会被放大杀跌。
薄帅说会不会玩会计花样，大致会出现哪些警讯可以这么看:
应收账款/收入占比，及DSO是否突然拉长，目前看Q3末应收/收入占比59% vs Q2的57%，DSO53天，比上一季54天还略好一点。
有没有大额客户融资/关联方应收。这块在附注会有，还没仔细看。
经营现金流vs净利润，目前没有太大变化.如果哪天开始变成净利润看上去很美，但经营现金流大幅低于净利润，就要考虑是不是有提早确认收入和推迟收款的问题。
存货异常增加。有上升，但是可以理解在备货Blackwel未来架构。目前市场更多担心的是客户那边存货/负债（存货和电力短缺有关，一旦电力跟上，跑起来会很快），而不是NVIDIA自己。
一家之言，肯定有错漏之处，我文采没有晓炎好，见笑了。
