核心观点 - 知名投资者迈克尔·伯里认为当前人工智能热潮存在泡沫风险 其核心论据并非否认AI技术的合法性 而是质疑支撑AI算力的硬件资产（如英伟达GPU）的实际使用寿命和会计处理方式 可能夸大了相关科技巨头的盈利能力 并埋下了未来资产减值和资本开支放缓的风险 [2] - 科技巨头通过延长服务器硬件的折旧年限来降低年度费用并提升净利润 但这种会计调整可能无法反映AI GPU在严苛工作负载下的实际物理损耗和快速技术淘汰 若硬件实际寿命或经济寿命短于会计假设 可能导致未来大规模的资产减记 并动摇当前AI投资的盈利叙事 [2][4] - 英伟达及其支持者则认为AI需求将持续增长 旧芯片可沿价值链降级使用（如从训练转向推理或边缘计算）从而产生多层需求 这与伯里将AI类比为2000年思科路由器泡沫的有限市场观点形成对立 [8][9] 行业会计实践与潜在风险 - 折旧年限延长成为普遍做法：微软自2022年起将服务器/网络设备折旧期从4年延长至6年 谷歌在2023年从约4年改为6年 而Meta则采取更渐进的方式 到2025年初从4年延长至五年半 [4] - 延长折旧的财务影响：将昂贵设备（如价值约3万美元的英伟达H100 GPU）的成本分摊到更长的年限 降低了年度折旧费用 从而提高了报告的净收入 [4] - 巨额资本开支计划：最大的AI投资方预计在未来12个月内将其合计资本支出增加到约4600亿美元 [4] AI GPU的技术与经济寿命挑战 - 物理损耗风险：AI GPU在数据中心作为主力负载运行 经历热循环（满载时加热至80摄氏度以上然后反复冷却） 导致焊料膨胀和收缩 最终可能引发物理故障 若芯片在第4年发生物理损坏或电压调节器“烧毁” 则第5年和第6年账面上数十亿美元的“价值”将瞬间消失 [5] - 技术淘汰风险：英伟达目前每18个月推出速度显著更快的新芯片 今年第一季度推出的Blackwell架构较现有的Hopper（H100）系列有显著能效提升 下一代Rubin芯片预计在2026年上半年推出 若新芯片能以相同能耗产生五倍的AI tokens 那么旧芯片将变成负担 更换新硬件在经济上更划算 [6] - 经济寿命短于会计寿命：伯里假设 硬件可能在2030年之前就遭遇经济性淘汰 超大规模云厂商最终可能被迫承认其囤积的H100芯片在经济上已无价值 从而引发数十亿美元的资产减记 足以粉碎当前AI交易的盈利表象 [6] 对英伟达及行业资本开支的潜在影响 - 真正的风险：资本开支放缓：若超大规模云厂商认为这些昂贵GPU的最佳回报期仅有几年 压力将体现在未来的资本支出上 当芯片如此昂贵且峰值效能迅速下降时 企业更新集群将更加谨慎 因为完整的投资回报窗口比预期更窄 [7] - 寻求替代方案：这可能促使企业更积极地研究替代方案 例如谷歌、亚马逊和Meta的自研芯片 或能有效处理多种工作负载的低成本推理加速器 加上软件层面的快速优化 AI资本支出的增长可能比市场预期更早趋于平稳 这对英伟达估值构成的风险比任何正式的资产减记都更实质性 [7] 可能引发行业重新评估的催化剂 - 竞争压力：竞争对手云服务提供商成功实施更短（3-4年）、更谨慎的折旧时间表 以赢得信任并彰显效率 [14][15] - 审计师监督：外部审计师基于积累的物理或经济故障证据 要求加速折旧 [14][15] - CEO承认：若这些公司的领导人公开承认AI创新或芯片老化的加速速度需要缩短使用寿命 这可能引发行业内的重新评估 导致资产减记 并影响整个行业的净利润和账面价值 [14][15] 公司财务与市场表现 - 英伟达业绩：英伟达报告第三季度营收为570亿美元 同比增长62% [2]