文章核心观点 - 针对市场关于人工智能行业因GPU快速折旧而存在巨大泡沫的担忧，文章提出反驳观点，认为GPU的实际经济使用寿命远长于市场预期，当前云计算厂商的折旧会计处理是合理的 [1][2] GPU折旧会计处理的合理性 - 伯恩斯坦顶级芯片分析师指出，GPU的盈利运行周期约为6年，大多数大型超大规模云计算厂商的折旧会计处理是合理的 [2] - 即便每一代GPU的性价比有显著提升，厂商使用已推出5年的英伟达A100芯片仍能获得可观利润，这意味着5到6年的折旧年限是合理的 [3] GPU的实际使用寿命与经济价值 - 人工智能云计算提供商Lambda的高管表示，GPU的实际使用寿命可延长至7到8年，尽管会计折旧周期通常为6年 [5] - 硬件质保合同通常为期5年，如GPU故障可提供换新服务，从而延长整个GPU集群的使用寿命，早期型号GPU的实际使用年限均远超6年 [5] - 旧款GPU的采购成本更低，综合考量所有成本后，其运行成本往往比新款GPU更具优势 [10] GPU的生命周期迁移与多样化应用 - GPU存在生命周期迁移路径，可从尖端的AI模型训练任务，逐步过渡到要求较低的推理工作负载 [6] - 有数千种不同的高价值AI工作负载可在旧款GPU上顺畅运行，许多已使用多年的GPU仍在积极服役并创造利润 [6] - 免费增值版AI服务可采用在性能较低、价格更便宜的旧硬件上运行的模型进行推理，付费版服务再启用需要新型GPU支持的更强大模型 [7] 开源模型与旧款GPU的协同效应 - 部分AI服务可基于开源模型运行，例如语音转文字服务，这些模型可在旧GPU上运行并创造价值 [8] - 随着越来越多初创企业采用成本更低的开源模型，旧款GPU的使用率可能会进一步提升 [8]