越用越贵的GPU，撕碎了折旧表

开过车的人都知道，新车落地打八折。但 英伟达 的 B200 把这个常识撕了——出货约一年，二手价格不跌反涨，冲到首发价的 158%。

这不是段子，是数据分析公司 Silicon Data 今年 9 月给出的实测数字。当一块芯片的「二手车」比新车还贵，说明它的定价逻辑已经脱离了消费电子，进入了另一种资产的叙事。这篇文章，我们把残值、租金、推理成本三条线拆开，看看 AI 算力的真实温度计到底指在哪。

📈 二手比新车贵 58%，消费电子剧本作废

金句先放在这：当折旧曲线开始往上走，市场在告诉你一件事——缺货。

先看场景。按惯常剧本，一块 GPU 出厂后应该走这样一条线：首发定价、渠道铺货、逐年贬值、五年退役。会计上这叫直线折旧——一台 1,000 美元的设备按 5 年摊销，每年计提 200 美元，第二年的账面残值是 600 美元。你的笔记本电脑、数据中心里的大部分服务器，都活在这个剧本里。

但 B200 拒绝演出。

Silicon Data 的数据显示，这款 Blackwell 架构旗舰在出货约一年后，二手交易价格已较 MSRP 溢价约 58%，残值率 158%。更早的 A100 和 H100 同样「不服老」——Silicon Data 明确指出，它们的残值远超按 3 年或 5 年直线折旧计划所应有的水平。

产业逻辑很简单：二手价是供需最诚实的投票。首发价里含着定价权和渠道溢价，而二手市场的成交价，是真金白银的出价人用钱包堆出来的。残值率超过 100%，意味着市场上的买家愿意为一台「用过一年」的设备，支付比官方新机更高的价格——因为他们等不到新机，或者说，等到的确定性太低。

💸 租金才是硬通货：半年涨了五到八成

残值可以被炒作，租金很难。如果说二手价是情绪，租金就是基本面。

Silicon Data 同步给出了租赁市场的数据：B200 在今年 1 月的每小时租用价格略低于 5 美元，到 8 月已升至 5.50 至 5.80 美元区间，涨幅约 50% 至 80%。其中，非超大规模云市场的 B200 时租价格约为 5.61 美元。

这个数据有两个值得咀嚼的细节。

第一，租金上涨发生在算力供应持续放量的年份。按常识，新一代卡 B200 大规模上量后，应该对旧卡租金形成压制——新的越多，旧的越便宜。但现实是新旧一起涨，A100、H100 的残值同步远超折旧水平。这说明需求曲线右移的速度，快过了所有新卡爬坡的速度。

第二，「非超大规模云市场」这个定语很关键。超大规模云厂有自己的采购议价权和长期合约，而非超大规模市场——那些中型云、AI 创业公司自建集群、行业算力服务商——是纯粹按市场价抢卡的群体。他们给出的 5.61 美元时租，可以理解为中小玩家对算力的边际出价。这条价格线还在往上走，说明入场的中小需求者仍在增加。

用一条时间线看这半年的租金走势：

租赁价格与资产残值之间有一条隐形的锚链：租金是 GPU 这个资产的「利息」，残值是「本金」的市场报价。租金涨，本金跟着涨，这正是 B200 二手价飙升的底层动力。对持有 GPU 的玩家来说，这块卡同时是一台生产设备和一份看涨资产——这种双重属性，在 IT 硬件历史上极为罕见。

🧮 折旧表为什么失效：算力是「印钞机」不是「耐用品」

折旧的本质是什么？是资产价值随使用和时间递减的会计假设。这个假设成立的前提是：资产会被更好的替代品贬值，且自身产出能力随时间衰减。

但 AI 加速器打破了这个前提的另一半——它的产出能力太值钱了，值钱到折旧速度追不上需求增长。

SemiAnalysis 的基准测试给出了微观证据：B200 运行 DeepSeek-R1 时，在每用户 76 词元每秒的交互速度下，每百万词元推理成本仅为 0.20 美元，仍是当前效率最高的推理硬件之一。

把这个数字翻译成人话：一块 B200 不是一台「会贬值的电脑」，而是一台按词元计费的印钞机。推理成本越低，意味着在同样的市场牌价下，卡主拿到的毛利空间越大。当一块卡每天能创造的推理收入，折算到小时后与 5.5 美元上下的时租形成正向价差，这块卡的「估值」自然水涨船高。

这里藏着对云厂商和 AI 公司财务模型的一个严肃提醒。过去几年，不少机构按 5 年直线折旧 GPU，这本账在 A100、H100 时代就已经偏保守——Silicon Data 的原话是，它们的残值「远超按 3 年或 5 年直线折旧计划所应有的水平」，直线折旧在 AI 加速器市场已明显失效。折旧年限的设定直接影响利润表的节奏：折旧计提太快，账面利润被压缩；计提太慢，一旦某天算力真的过剩，巨额减值会一次性砸穿报表。

据多位接近云厂商的人士私下透露，不少财务团队如今最头疼的不是采购预算，而是折旧政策的口径——同一块卡，会计上是费用，市场上是资产，两本账对不上。

⚠️ 呼吁放缓的CEO，与用钱包投票的市场

最有戏剧张力的一幕是：嘴上喊刹车的人，和市场上抢卡的人，可能是同一批生态里的。

Anthropic 的 达里奥·阿莫代伊 和 OpenAI 的 萨姆·奥尔特曼 近期均曾公开呼吁放缓 AI 模型开发速度。但从 GPU 残值和租赁价格看，AI 算力需求仍在持续上行——这个错位本身就是一条重要的产业信号。

如何理解这种错位？一种冷静的解读是：头部模型厂商呼吁的是「前沿模型训练节奏」的克制，属于对安全与竞争节奏的表态；而推高 GPU 价格的主力，是更广阔的推理与应用侧需求——部署、微调、行业落地，这些动作不遵循头部厂商的呼吁，只遵循投入产出比。训练需求或许有脉冲式的波动，推理需求是复利式的爬坡。

pie title 算力市场的三重拉动力

"推理与应用部署的持续需求" : 40

"二手与租赁市场溢价承接" : 30

"新卡供应爬坡不及预期" : 30

（注：上图为逻辑示意，非精确份额数据。）

对产业观察者而言，残值和租金是比任何发布会都诚实的先行指标。它们提示两件事：其一，算力供需的紧平衡短期内难以缓解，英伟达 的定价权依然牢固；其二，市场已经开始把 GPU 当作一种类基础设施资产来定价，其估值锚从「硬件性能」迁移到了「单位算力的现金流」。

当然，也要留一分清醒。残值溢价建立在「缺货持续」的预期上，而预期是会变的。一旦供应爬坡到位、或者下游应用变现不及预期，租金曲线的斜率放缓，资产溢价也会随之重估。到那时，今天按 158% 残值入账的玩家，就要重新算一笔账了。

小结

B200 二手价达首发价 158%，租金半年涨五到八成，A100、H100 残值远超折旧应有水平——三条数据线指向同一个结论：直线折旧的旧地图，已经画不下 AI 算力的新大陆。

对从业者，这意味着 GPU 采购决策要从「设备投资」切换到「资产配置」思维，盯紧租金与推理成本的价差；对观察者，残值曲线是比任何宏大叙事都可靠的需求温度计。这块越用越贵的芯片提醒我们：当一项技术的边际收益压过物理折旧，所有旧模型都值得重新推一遍。下一个值得盯的指标，是 B200 租金的斜率何时走平——那将是从「缺货叙事」切换到「效率叙事」的信号枪。