一张显卡，咋就理起财了？

一张显卡，咋就理起财了？

一张上市一年的GPU，二手价格比新卡还贵58%——这不是段子，是调研机构Silicon Data刚发布的实锤数据。

按传统半导体行业的剧本，GPU是标准的消耗品：新一代架构发布、老卡降价、二手机跳水，三年折旧到底。但英伟达B200硬是把剧本撕了。上市大规模供应约一年后，其二手残值达到首发价格的158%，溢价58%交易。

这不只是价格的异动，而是整个算力定价逻辑的转向：当GPU从生产资料变成稀缺资产，它的定价方式就不再像芯片，而像黄金。 这篇文章想讲清楚三件事：残值为什么倒挂、钱流向了哪里、这场游戏什么时候会停。

📈 残值倒挂：GPU第一次像黄金一样交易

先看数据有多反常识。

Silicon Data的报告显示，B200在上市大规模供应约一年后，二手市场残值达到首发价格的158%。注意关键词——不是'保值'，是'溢价'。买过的客户如果今天把卡转手，能净赚58%。

更耐人寻味的是老卡。即便是上一代的A100和H100，目前的市场残值也远高于财报中通用的3年或5年期直线折旧法所预期的价值。换句话说，财务部门账上写着'这批资产只剩40%价值'，市场上却有人愿意按七成甚至更高价格接货。

为什么会这样？产业逻辑其实很朴素：二手价格反映的是市场对未来算力现金流的贴现。当买卡意味着能立刻承接AI推理订单、且订单价格还在涨，二手卡的定价自然脱离折旧表，向'产能期货'靠拢。

资产的价格，从来不由它的制造成本决定，而由它未来能赚多少钱决定。 这条金融学常识，第一次被如此赤裸裸地套在了一张GPU上。

💡 推理效率：B200凭什么撑住高溢价

残值不是吹出来的，是真金白银的效率撑起来的。

根据SemiAnalysis的测算，在运行DeepSeek R1等大模型时，B200每百万Token的处理成本仅为0.20美元，约合人民币1.42元；同时每秒可为每个用户提供76个Token。

这两个数字拆开看才有味道。

第一，0.20美元的百万Token成本，意味着推理服务商的毛利率有了扎实的底。推理是当下AI商业化的主战场——训练市场终究有限，推理需求却随应用铺开而指数级增长。谁的单位推理成本低，谁就能在价格战中活到最后。

第二，76 Token/秒的响应速度，落在用户体验的舒适区间。终端用户对'卡顿'的容忍度极低，推理速度直接决定产品留存。

于是链条闭合了：效率高→需求向B200集中→新卡供应跟不上→客户转向二手市场抢货→残值被顶上去。

推理效率，正在成为这一代GPU唯一硬通货的定价锚。 英伟达每一代架构迭代的核心卖点，从Hopper到Blackwell，本质上就是把'每美元买多少Token'这条曲线不断往左下压。曲线压得越狠，老卡的替代压力反而越小——因为新增需求永远比新增供给跑得快。

🔥 租赁市场：算力成了8月还在涨价的硬通货

如果说二手残值是资产端的信号，租赁价格就是现金流端的实况——而这条曲线同样在向上走。

时间线很清晰：

• 2025年1月：B200每小时租赁价格尚在5美元以下（约人民币35.5元）
• 2025年8月：价格攀升至5.50美元至5.80美元之间（约人民币39元至41.2元）
• 涨幅：超过10%

按照消费电子和一般IT设备的惯性，新卡大规模铺货一年后，租赁单价应该是往下走的——供给上来了嘛。但B200反向而行，8月还在涨价超10%。这在GPU租赁市场历史上极为罕见。

把三组数据串起来看，一个自洽的定价体系浮现了：月租5.8美元×24小时×30天，一张卡满租月收入超过4000美元；二手溢价58%意味着市场认为这头'现金奶牛'还能稳定产奶很久。租赁价格是分子，残值是市场对分子持续性的投票。

据多位接近算力租赁业务的人士私下透露，眼下稀缺的不是客户，是卡——大客户签长约锁定机时，中小玩家只能抢现货，价格自然被顶住。

当一种生产资料的租赁回报率跑赢绝大多数实体生意，它的资产属性就必然压过消耗属性。

⚠️ 折旧法失效：CFO们的报表开始说谎

这场盛宴里，最尴尬的不是买不起卡的中小企业，而是手里握着几万张卡的云厂商财务部门。

行业通用的3年或5年直线折旧法，建立在'算力资产逐年贬值'的历史经验之上。这套模型过去几十年都运转良好——GPU每两年一代，老卡性能相对贬值，账面计提合理反映了经济现实。

但现在，A100、H100的实际残值远高于折旧模型预期，B200更是直接溢价。这意味着两件事：

其一，账面价值系统性低估了真实资产价值。手握大算力资产的公司，其真实家底可能被财报显著低估——这是一个历史罕见的'隐形资产'现象。

其二，折旧节奏与现金流节奏脱钩。折旧提完了，卡还在满负荷赚钱；财务上的'零成本资产'持续产出真金白银，会放大报表利润的波动，也让跨公司比较变得困难。

pie title 二手残值与折旧预期的错位

"B200市场残值 达首发价158%" : 158

"传统折旧模型预期值" : 33

有业内财务人士私下感慨：'我们第一次要为一堆显卡重新设计折旧政策，审计师都比以前紧张。'

更深一层看，折旧法失效本身就是一个时代信号——它说明AI算力在当前阶段不是普通的IT设备，而是像油田、矿山一样处于'供给赶不上需求'状态的稀缺资源。报表模型是工业时代的尺子，量不了AI时代的矿。

🔭 前瞻：硬件理财化能走多远

冷静下来，也要看到硬币的另一面。

残值溢价的前提是'更高效的替代方案出现之前'——这句话本身就把风险写明白了。GPU残值的本质是对未来推理现金流的贴现，而推理价格长期是趋向下降的：效率提升、竞争加剧、应用端对成本极度敏感。今天的0.20美元/百万Token，明天一定有人用更低成本去打。

同时，业内对AI超级周期的可持续性本就存在争论。一旦下游应用端的收入增长不及预期，或者下一代架构供给放量，租赁价格与二手残值的正反馈随时可能反转成负反馈——届时折旧法的失效会以另一种方式重现：账面还觉得值钱，市场已经不认了。

但至少当下，Silicon Data的判断是：B200的市场稀缺状态预计还将持续一段时间，在更高效的替代方案出现之前，'硬件理财化'现象恐难在短期内消失。

对于产业链上的玩家，这个信号值得认真对待：云厂商要重估自己的资产底牌，租赁商的定价模型该更新了，而投资者看AI硬件公司时，资产负债表里的GPU科目，恐怕不能再按老黄历打折。

算力即黄金，这句口号正在从比喻变成报价单。 黄金不会折旧，但它也从不承诺永远上涨——这一点，持有算力的人最好也记在心上。

小结

B200二手残值达首发价158%，租赁价格逆势上涨超10%，A100、H100残值全面跑赢折旧模型——三组数据共同宣告：在AI推理需求爆发期，GPU首次以'稀缺资产'而非'消耗设备'的逻辑定价。支撑这一切的是实打实的推理效率：0.20美元/百万Token、76 Token/秒。但硬件理财化的保质期，取决于下一代更高效率方案何时到来。盛宴仍在继续，聪明钱已经开始研究退场的门在哪。