Anthropic CEO对AI行业泡沫与风险的看法 - 公司CEO拒绝简单回答AI行业是否存在泡沫 认为情况复杂 看好技术潜力但警告部分参与者可能犯时机错误或在经济回报方面遇到糟糕情况 [2] - 指出主要风险在于AI经济价值增长速度的不确定性 以及如何与数据中心建设的滞后时间正确对应 部分参与者没有很好管理风险 正在承担不明智的风险 [2] - 暗示批评未具名竞争对手 指其以“YOLO”方式将风险拨盘调得太高 并特别提到对抗来自中国的威胁时公司必须承担风险竞争 [2][4] AI芯片折旧与行业经济挑战 - AI芯片折旧时间表是热点话题 问题不在于芯片使用寿命 而在于新芯片推出更快更便宜导致旧芯片价值下降 [3] - 公司对此做出保守假设 为不确定的未来做准备 [3] - AI公司规划算力与数据中心投资面临两难 投资过少无法服务客户 投资过多则难以跟上成本 最坏情况下可能破产 [4] Anthropic的收入增长与规划 - 公司收入过去三年每年增长10倍 从零增长至2023年1亿美元 2024年达到10亿美元 预计今年年底将达到80-100亿美元 [3][7] - CEO表示假设这种增长模式会继续是愚蠢行为 未来收入非常不确定 公司尝试保守规划并为较低的一面做准备 [3] 行业竞争与风险扩张案例 - 提及竞争对手OpenAI陷入公关危机 其首席财务官曾表示希望美国政府“支持”基础设施贷款 后在引发轩然大波后收回言论 [4] - 警告那些承担更多风险的人可能会过度扩张 特别是本质上想要“YOLO”或只是喜欢大数字的人 这明显暗指OpenAI CEO [4] - 公司认为在基本上所有情况下都会没事 但不能代表其他公司发言 [4]

文章核心观点 - 知名投资者迈克尔·伯里指出，AI行业可能存在通过延长芯片折旧年限来人为美化利润的会计操作，并预测该操作可能导致行业在2026至2028年间低估约1760亿美元的折旧支出 [1] - AI芯片折旧期的合理性存在巨大分歧，核心矛盾在于技术快速迭代导致的短物理/经济寿命与巨头们基于“价值级联”模式主张的长折旧年限之间的冲突 [3][6][10][12] - 此问题关乎万亿美元市值，若折旧假设过于乐观，可能对科技巨头的利润和估值产生重大影响 [2][6] 芯片折旧的会计影响与行业现状 - 折旧是将固定资产成本分摊到预期使用寿命的会计做法，折旧年限设定具有极大财务杠杆效应：年限越长，每年折旧费用越低，当期净利润越好看 [3] - 多家科技巨头在过去两年延长了服务器资产的折旧年限：微软从4年延至6年[4]，谷歌延至6年[5]，甲骨文从5年延至6年[6]，Meta从5年延至5.5年，后者估算此项调整将使其2025年折旧费用减少29亿美元 [6] - 亚马逊是例外，其在2024年将服务器年限从5年延至6年后，今年又将部分设备年限从6年缩短至5年，原因是观察到AI/ML领域技术发展加速 [6] - 分析指出，若五大云巨头的服务器在3年内而非其假设年限内失去价值，其年度税前利润总和将减少260亿美元（占去年总利润8%），总市值可能缩水7800亿美元；若折旧期设为2年，缩水规模将升至1.6万亿美元 [6] 支持较短折旧期的论据（物理损耗、技术淘汰与经济性） - 高强度物理损耗：数据中心GPU在60%-70%高利用率下，寿命可能被缩短至1-2年，最多3年 [7] - Meta研究数据侧面印证GPU的脆弱性：在训练Llama 3模型时，GPU相关故障（包括GPU本身、HBM3内存等）占总训练中断的47.3%，高利用率下故障率可能显著增加 [9] - 技术迭代加速淘汰：英伟达产品迭代周期已缩短至1年，新一代芯片（如Blackwell）的推出使旧芯片（如Hopper）迅速过时 [10] - 经济寿命受能效比驱动：新一代芯片能效比显著提升（如H100推理能效据称比Blackwell低25倍），继续运行高功耗旧芯片会产生巨大机会成本，可能迫使企业在物理寿命结束前提前退役硬件 [11] - 投资回报测算显示，随着算力租赁价格下滑，按5年折旧期计算，H100服务器可能无法覆盖总成本导致亏损，凸显经济寿命的缩短 [11] 支持较长折旧期的论据（价值级联模式与订单支撑） - “价值级联”模式拉长经济寿命：科技巨头利用工作负载多样性，将最新芯片用于AI模型训练，而将完全折旧的旧芯片（如A100）用于对成本敏感、实时性要求不高的大规模推理任务（如批处理作业），从而延长硬件使用周期 [12] - 历史数据支持长周期：微软采用Nvidia K80、P100 GPU的虚拟机系列实际服役时间长达7-9年，V100系列服役时间也接近7.5年 [13] - 巨额资本支出有强劲订单支撑：在2022年二季度至2025年二季度间，五大科技巨头的剩余履约义务（RPO）增速达90.7%，超过同期资本支出增速（约64%），表明AI算力供不应求，微软和亚马逊AWS分别有近4000亿和2000亿美元的积压订单 [13] - 乐观观点认为，面对史无前例的CapEx高峰，采用更长折旧年限是将成本平滑化、避免当期利润产生灾难性波动的合理财务策略 [13] 结论与评估视角的转变 - AI芯片折旧问题本质是技术加速迭代与资产管理模式的错配 [14] - 评估AI巨头真实能力的指标应回归到不受会计估计显著影响的“经营性现金流”（CFO），而非单纯依赖净利润 [14] - 只有能通过真实业务需求消化算力并产生强劲现金流覆盖资本支出的企业，才能验证其商业模式的有效性 [15] - 科技巨头认为算力投资是确保未来竞争力的必要举措，即使面临提前建设资源的风险 [15]

文章核心观点 - AI数据中心建设投资巨大，未来五年全球科技巨头计划投入1万亿美元 [1] - GPU折旧年限的会计问题成为影响企业利润和投资回报的核心焦点 [1] - 市场对AI过度投资存在担忧，部分公司股价已出现显著下跌 [1] GPU折旧的行业现状与分歧 - 科技巨头对服务器使用寿命的估算存在差异，谷歌、甲骨文和微软预计可达六年，但微软给出的区间为二至六年 [1] - 折旧期限长短直接影响企业财务表现，较长的保值时间可将折旧成本分摊至更多年份，减轻对利润的冲击 [1] - AI GPU作为新兴资产类别，缺乏充分的历史数据支撑，为投资者和贷款机构带来不确定性 [1] GPU折旧估算面临的挑战 - AI芯片折旧评估缺乏足够的使用寿命记录，英伟达首批数据中心AI处理器于2018年前后推出 [4] - 与企业使用数十年的重型设备相比，GPU缺乏可比的使用寿命记录 [4] - 折旧是将硬资产成本分摊到预期使用寿命的会计做法，对采购数十万块GPU的企业至关重要 [4] 市场对GPU使用寿命的不同观点 - CoreWeave自2023年起对其基础设施采用六年折旧周期，其CEO表示数据驱动评估显示基础设施保持价值 [5] - CoreWeave的英伟达A100芯片已全部预订满，一批2022年的H100芯片以原价95%的价格被迅速预订 [5] - 做空者Michael Burry认为科技公司高估了AI芯片使用寿命，服务器设备实际使用寿命约为二至三年，公司因此夸大收益 [5] 技术迭代对折旧的影响 - AI芯片可能在六年内折旧的原因包括磨损损坏或新GPU发布导致过时，经济性大幅下降 [6] - 英伟达CEO黄仁勋暗示，新一代Blackwell芯片大量出货后，前代产品Hopper的价值将下降 [6] - 英伟达现在每年发布新AI芯片，而此前为两年周期，其竞争对手AMD也采取了同样做法 [7] 科技巨头的应对策略与考量因素 - 微软CEO表示公司正试图分散AI芯片采购，避免过度投资于单一代处理器，并关注英伟达的迁移步伐加快 [8] - 折旧是管理层的财务估计，快速发展行业的进展可能改变最初预测 [8] - 折旧估计需考虑技术过时、维护、类似设备历史寿命和内部工程分析等假设，并需说服审计师 [8]