折舊定時炸彈：
一個會計估計，值一兆美元
如果本報告只能挑一個數字來代表整個 AI 泡沫的脆弱程度，那不會是資本支出、不會是估值、不會是循環交易的金額——而是一個安靜地躺在會計政策附註裡、從來不上法說會的估計：GPU 的耐用年限。因為它是唯一一個「不需要任何事情發生」，就能讓整個產業的獲利數字改變上兆美元的變數。
同樣一批輝達 GPU，在 2025 年：亞馬遜把部分伺服器的耐用年限從 6 年縮短為 5 年，認列 9.2 億美元的加速折舊損失；Meta把伺服器年限延長至 5.5 年，認列 29 億美元的折舊費用減省；微軟把年限從 4 年延長到 6 年。
同一批硬體、同一個年度、完全相反的會計結論。這不是誰在作弊——這證明了耐用年限在本質上是一項判斷，而判斷可以被誘因影響。
SECTION 05.1爭議的兩端：2–3 年 vs 5–6 年
空方（以 Michael Burry 為代表）：經濟年限僅 2–3 年
- 產品節奏：Hopper（2022）→ Blackwell（2024）→ Rubin（2026）→ Rubin Ultra（2027），輝達已轉為年度產品節奏。每一代不是漸進改良，而是數量級的效率躍升。
- 經濟淘汰的定義：不是「能不能跑」，而是「跑划不划算」。當新一代的每 token 成本降低一半，舊 GPU 即使仍能運轉，其邊際產出價值已歸零。
- 物理耗損：訓練負載下的熱應力與電應力，使重載 GPU 的實際壽命顯著短於閒置推論 GPU。
- 量化主張：Burry 估計 2026–2028 年間，五大超大規模雲端商因年限過長而少提折舊、虛增利潤約 $1,760 億。
多方（以輝達與雲端商為代表）：會計年限 5–6 年合理
- 級聯使用模型（Cascade Model）：新晶片先用於最吃力的前沿訓練（1–2 年）→ 降級至生產推論（3–4 年）→ 再降級至批次與分析（5–6 年）→ 甚至基本雲端渲染。整個週期都在創造經濟價值。
- 二級市場價格證據：2022 年的 H100 至今保留近 80% 原始價值；2020 年的 A100（六年機齡）保留大部分價值。CoreWeave 執行長舉證：一批 2022 年 H100 在合約到期後，以原價 95% 立即轉租。
- 租金價格上漲：H100 的年化租金由 2025 年 10 月約 $1.70/GPU-小時升至 2026 年 3 月約 $2.35（+38%），顯示需求而非過剩。
- 輝達官方立場：黃仁勳主張 A100 上市六年仍在商轉，經濟壽命接近 十年；輝達並就部分專案提供最高 25% 的「殘值支持」。
第三方的裁決：非常接近，而且非常危險
最有價值的第三方研究來自 Azeem Azhar 的深度報告：2026 年第一季，全球（不含中國）AI 算力收入為 250 億美元，而同期產業認列的折舊成本為 210 億美元。也就是說，AI 產業的收入「剛好越過折舊門檻」——收入比折舊多 19%，但這還沒有扣除融資成本。
——Azeem Azhar，2026 年 這句話是本章最好的註腳：一個需要「零容錯」才能成立的商業模式，本身就是風險定義。
SECTION 05.2一兆美元的敏感度：耐用年限的政治經濟學
讓我們把這個估計量化。2026 年 AI 資本支出約 $7,500 億，其中約 60% 為伺服器與 GPU（其餘為土建、機電、電力設備、土地，耐用年限 15–25 年）。因此受耐用年限影響的資產為 $4,500 億（單年）。
單年情境：對 2026 年損益的即時影響
| 耐用年限 | 年折舊費用 | 相對 5 年 基準之差異 | 稅後淨利影響 | 對合併淨利 （$749B）影響 | 對市值影響 （31x） |
|---|---|---|---|---|---|
| 3 年 | 150.0 | +60.0 | −49.2 | −6.6% | −$1.53T |
| 4 年 | 112.5 | +22.5 | −18.5 | −2.5% | −$0.57T |
| 5 年（基準） | 90.0 | — | — | — | — |
| 6 年 | 75.0 | −15.0 | +12.3 | +1.6% | +$0.38T |
| 7 年 | 64.3 | −25.7 | +21.1 | +2.8% | +$0.65T |
上表僅計算 2026 年新增資產的單年影響。若同時追溯適用於 2023–2025 年購入、仍在折舊中的資產，影響約為上表的 2.5–3 倍（因為資產基數累積）。換言之，「全面改為 3 年」的衝擊約為 −$1,200 億至 −$1,500 億稅後淨利，相當於合併淨利的 16–20%。
SECTION 05.3各家政策對照：相同的硬體，不同的答案
| 公司 | 現行年限 | 近期變動 | 財務影響 | 方向 | 揭露理由 |
|---|---|---|---|---|---|
| Amazon | 5 年（部分） | 2025 年 1 月起，部分伺服器與網路設備由 6 年縮短為 5 年 | +$9.2 億 加速折舊 | 保守 | 「技術發展速度加快」 |
| Meta | 5.5 年 | 2025 年延長伺服器耐用年限 | −$29 億 折舊減省 | 寬鬆 | 資產使用效益提升 |
| Microsoft | 6 年 | 由 4 年延長至 6 年 | 未揭露 | 寬鬆 | 硬體耐久性提升 |
| Alphabet | 5–6 年 | 未於近期揭露重大變動 | — | 中性 | — |
| Oracle | 5–6 年 | 未揭露重大變動 | — | 中性 | — |
| CoreWeave | 未明確揭露 （估 5–6 年） | — | — | — | — |
| Nebius | 4 年 | — | — | 最保守 | — |
| Lambda | 5 年 | — | — | 中性 | — |
| Nvidia（賣方立場）：黃仁勳主張 A100 六年仍在商轉、經濟壽命接近十年；並對部分專案提供最高 25% 之殘值支持（Residual Value Support）。輝達另曾發布正式備忘錄反駁空方論點。 | |||||
耐用年限屬於「會計估計變動」（Change in Accounting Estimate），依 ASC 250 採推延適用（prospective），不需要重編前期報表，也不需要追溯調整。這表示：一家公司可以在某一年延長年限、立即增加當期獲利，而無須承認這項改變對未來減損風險的影響。審計準則（PCAOB AS 2501）要求查核人員評估管理階層估計之合理性，包括是否存在管理階層偏誤（management bias）。當同一產業內的公司對同一項資產做出方向相反的估計時，審計人員至少應要求更具體的、可驗證的技術證據。本報告建議投資人與審計委員會將此列為 2026 年財報季的重點提問。
SECTION 05.4二級市場：會計判斷與市場價格的對質
如果耐用年限是一項判斷，那麼最好的外部驗證就是二手 GPU 的市場價格——它直接反映了舊晶片的剩餘經濟價值。這個市場的證據是混雜的，而且正在惡化。
這張圖說明了三件事：
- 「H100 保留 80% 價值」與「H100 跌 85%」這兩個說法，可能同時為真——因為它們比較的基準不同（原始定價 vs 2024 年稀缺期的高點）。這正是這場辯論難有定論的原因，也是資訊品質的問題。
- 租金價格的波動幅度（60 → 138 → 100）遠大於硬體價格。這意味著風險最高的不是硬體的殘值，而是現金流的波動性。以 GPU 為抵押品的貸款，其還款來源是租金，而租金的波動性是硬體價格的兩倍以上。
- 整新品（refurbished）與一般二手品的價差（80–90% vs 65–75%）揭示了一件事：價值的主要減損來源不是「時間」，而是「使用強度」。重載訓練後退下來的卡，價值遠低於輕度使用的同齡卡。這直接支持空方「熱應力造成實質耗損」的論點，也意味著單一耐用年限本身可能就是錯誤的模型——正確的做法是按使用小時數（類似飛機的飛行小時）折舊。
現行实务按時間對 GPU 提列折舊，但 GPU 的經濟耗損主要由使用強度驅動。會計上並非沒有先例：航空業對發動機按飛行小時（hours-based depreciation）提折舊、礦業按產量提折耗（depletion）。本報告建議監管機構與審計準則制定者考慮要求 AI 算力資產揭露使用率調整後之折舊，或至少揭露累計使用小時數與利用率。這項揭露的成本極低（資料本來就在調度系統裡），但對投資人的價值極高。
SECTION 05.5抵押品的蒸發：為什麼折舊年限是信貸問題
折舊年限的爭議不只是股權投資人的問題，它同時是一個信貸問題，而且是更嚴重的那個。原因在於 neocloud 的融資結構：
| 項目 | 典型數值 | 風險含意 |
|---|---|---|
| 貸款成數（LTV） | 60–70% | 資產價值下跌 30–40% 即觸及抵押品不足 |
| 貸款期限 | 12–36 個月（資產抵押） 最長至 2049 年（Meta 結構債） | 長期債對上短壽命資產＝結構性錯配 |
| 會計耐用年限 | 4–6 年 | 貸款期限短於會計年限時尚屬安全 |
| 經濟耐用年限（空方估） | 2–3 年 | 若成立，3 年期貸款的抵押品在到期前即已蒸發 |
| 擔保結構 | SPV 隔離、無追索權（non-recourse） | 貸款人只能就硬體求償，不能追索母公司 |
| 結論：這正是標準的「抵押品與債務期限錯配」。2007 年的次貸危機，本質上是房屋價值下跌速度快於貸款攤還；2026 年的版本，是 GPU 價值下跌速度可能快於貸款攤還。差別只在於：房屋的下跌是可觀測的（有房價指數），而 GPU 的下跌沒有任何可信的價格指數。 | ||
值得注意的是，貸方並非沒有意識到這一點。輝達為部分專案提供最高 25% 的殘值支持，本質上就是賣方對抵押品價值的保險。但這引入了一個更危險的結構：保險人（輝達）就是當初賣出這些資產的人，而導致資產貶值的主因（新一代產品上市）也完全由保險人控制。在信用風險管理上，這叫做「錯誤方向風險」（Wrong-Way Risk）的極端形式——風險的來源與風險的承擔者是同一個人。
SECTION 05.6減損：比折舊更突然的那一刀
折舊是漸進的，減損是突發的。兩者的關係是：耐用年限設得越長，未來一次性減損的機率與金額就越大。這是本章最重要的第二層含意。
依 ASC 360-10-35 與 IAS 36，企業須於有減損跡象時評估資產之可回收金額。對 AI 算力資產而言，可能觸發減損測試的「跡象」包括：
技術性觸發
- 新一代 GPU 上市，使每 token 成本在 12 個月內下降 50% 以上（Rubin 世代已具此特徵）
- 演算法效率突破（如稀疏注意力使長上下文運算量減少 73–90%），使既有算力需求下降
- 客戶合約提前終止或重整（照付不議合約的違約）
經濟性觸發
- 算力單位價格持續下跌，使現金產生單位（CGU）之預期現金流低於帳面值
- 電力成本上升（PJM 批發電價年增 75.5%）擠壓邊際毛利
- 市場利率上升，使計算使用價值（value in use）之折現率提高
把這個數字放在 context 裡看：$790 億的稅後減損，相當於 Mag 7 單年合併淨利的 10.6%。而它只是一次、一個資產類別、一個情境。2001–2002 年電信泡沫中，業者提列的資產減損合計超過 $2,000 億（WorldCom、Lucent、Nortel、Global Crossing、Qwest 等），而當年的電信資本支出規模遠小於今日的 AI 支出。按比例放大，本輪週期的減損金額可能達到 $3,000 億至 $5,000 億的量級。
SECTION 05.7會計教授的結論：三條不可迴避的命題
工程師無法告訴你一顆 GPU 能用幾年，正如精算師無法告訴你一個人能活幾年——但精算師有死亡率表，而 GPU 沒有「耗損率表」。我們有的是：二手價格（波動極大、樣本稀少、且受供需而非技術驅動）、租金曲線（領先指標，但也受短期容量吃緊扭曲）、以及管理階層的聲明（有誘因）。
在這種情況下，會計的保守性原則（Prudence / Conservatism）要求：當不確定性很大時，應選擇較不樂觀的估計。目前產業的主流選擇是 5–6 年，而這恰好是區間中偏樂觀的一端。這不是舞弊，但它是有方向的判斷。分析的責任不是指控，而是把這個方向量化——而我們量化出來的方向，是每年 $150–600 億的獲利差異。
管理階層在 2026 年面臨的壓力是具體的：資本支出屢創新高、自由現金流瀕臨轉負、股價對獲利品質的敏感度急升。在這個環境下延長耐用年限，可以在不改變任何現金流的情況下增加帳面獲利——這是所有會計工具中最誘人的一種。
Meta 的案例特別值得課堂討論：該公司在同一年將伺服器年限延長至 5.5 年，認列 29 億美元的折舊減省；而 2026 年第二季，其資本支出季增 59%、自由現金流季減 87%（$132 億 → $17 億）。會計上，這家公司當季的獲利因折舊政策而改善；現金上，它的狀況急速惡化。投資人如果只看損益表，會得到完全相反的結論。
必須強調：沒有證據顯示任何一家公司違反準則。準則允許這項判斷，而判斷受到誘因影響是人性的常態，不是犯罪。分析師的工作是識別誘因的方向，然後調整自己的解讀——不是等待監管的介入。
真正的問題不在於年限設幾年，而在於投資人無從檢驗。目前財報中關於 AI 算力資產的揭露，通常只有一行會計政策聲明（「伺服器與網路設備按 5 年直線法折舊」），加上附註中的資本支出數字。投資人無法得知：
- 各代 GPU（Hopper / Blackwell / Rubin）的分年代帳面值
- 累計使用小時數與利用率（這才是真正的耗損指標）
- 管理階層在設定年限時所依賴的具體技術證據
- 對耐用年限所做的敏感度分析（若改為 3 年，淨利會是多少）
本報告建議：SEC 與 FASB 應考慮要求 AI 算力資產之分層揭露（by generation）與耐用年限敏感度揭露。這兩項揭露的合規成本極低，但能讓市場自行完成原本無法進行的定價。在缺乏強制揭露的情況下，投資人可自行推估——本報告在表 5-1 提供的敏感度表，即可直接套用於任何一家公司的財報。
- Burry 之 $1,760 億估計：2025 年 11 月首次提出，指五大超大規模雲端商於 2026–2028 年間因耐用年限過長（5–6 年 vs 經濟年限 2–3 年）而少提之折舊。輝達曾發布正式備忘錄反駁。
- 高盛（2026 年 5 月）敏感度分析：耐用年限為影響 2031 年前累計資本需求之最大單一變數；5 年改為 3 年，2026–2031 累計折舊由約 $3 兆升至約 $4 兆。
- Amazon 2025 年 1 月縮短年限（6→5 年），認列 $9.2 億（部分報導為 $7 億）加速折舊；Meta 延長至 5.5 年，認列 $29 億折舊減省；Microsoft 由 4 年延長至 6 年；Nebius 4 年、Lambda 5 年（Luminix 產業分析，2026）。
- Azeem Azhar 報告：2026 年第一季全球（不含中國）AI 算力收入 $250 億、產業折舊成本 $210 億；其結論為「經濟上勉強成立，但容錯空間極窄」。該數據不含融資成本。
- 二手 H100 價格 $18,000–22,000（2026 年初），部分案例自峰值下跌達 85%；整新品維持同期新品價格 80–90%、一般二手品 65–75%；H100 年化租金 2025/10 $1.70/GPU-hr → 2026/03 $2.35，2026 年 5 月起走軟。
- 輝達殘值支持最高 25%、黃仁勳主張 A100 經濟壽命接近十年（Computenotes，2026/08/10）。
- 2001–2002 年電信業資產減損合計超過 $2,000 億（WorldCom、Lucent、Nortel、Global Crossing、Qwest 等，見第 15 章）。