物理寿命：硬件本身比想象中耐用
一块数据中心GPU在物理层面能用多久？答案可能比多数人预期的更长。按照行业经验，大多数GPU至少可以运行五年，有些甚至远超这个年限。
与机械系统不同，GPU没有运动部件。数据中心GPU通常采用被动散热，系统风扇安装在机箱而非板卡上，因此卡级层面不存在自然磨损。但这并不意味着不会出故障。
热应力和散热不足是主要杀手。持续高温和热循环会加速焊点疲劳，进而影响高带宽内存和显存。供电质量问题同样致命——电压波动和瞬态冲击可能损伤GPU，这类问题可能来自设施供电，也可能源于机箱或服务器级的电源故障。灰尘、湿度和污染在过滤和监控不到位时会显著增加故障风险。
在实际运营中，配合强力散热、清洁供电和完善监控，许多运营商观察到GPU可服务多年。但保修和支持窗口往往成为实际使用年限的天花板——通常为三年，即便硬件本身仍在正常工作。
经济寿命：为什么GPU比物理上“死”得更早
如果从经济角度衡量，GPU的寿命要短得多。
专注于投资回报的组织需要判断：保留现有设备多久，才会让更换新硬件的财务账变得划算。这个计算涉及多重因素——已在现有GPU上投入的资本、下一代硬件的价格、新旧设备之间的性能差距、以及性能功耗比的改善幅度。
基于近期的产品迭代节奏，GPU的平均经济寿命大约在2到4年之间。这个数字的核心驱动力不是硬件磨损，而是算力需求的快速膨胀和每一代新品的性能跃升。
多位分析师给出了更激进的判断。大空头Michael Burry认为GPU的真实经济寿命只有2到3年，而超大规模企业却按5到6年折旧，导致折旧费用被严重低估。Uncovered Alpha分析师Richard Jarc的判断更为激进，认为GPU真正的经济寿命接近1到2年。
但实际数据并不完全支持这种悲观判断。截至2026年初，AWS尚未退役任何一台A100服务器，且A100供应完全售罄。CoreWeave甚至签署了运行至2029年的A100合约——对于一款2020年5月推出的GPU，这意味着实际经济寿命接近9年。
折旧争议：会计数字背后的真金白银
GPU折旧年限已成为AI基础设施融资中最具争议的会计议题之一。
各家的折旧策略差异明显。谷歌将服务器折旧年限从6年延长至8年，微软和Meta维持6年，亚马逊对GPU采用6年、对服务器采用5年。亚马逊曾在2024年将部分服务器寿命从5年延长至6年，为营业收入增加了32亿美元。但随后又因AI技术迭代加速，将部分服务器寿命从6年缩回5年，计提约9.2亿美元加速折旧。
高盛的敏感性分析量化了这一争议的财务量级：将芯片使用寿命从5年缩短到3年，2026至2031年间的隐含年度折旧总额将从约3万亿美元跳升至近4万亿美元。反之，延长到7年则会大幅降低年度折旧负担。
但一个更深层的问题在于时间尺度的错配。数据中心是按20年工业基础设施来建设的，而里面的GPU的物理有用寿命只有五到七年。英伟达试图通过动员超过5000亿美元的第三方资本来弥合这一差距，其核心机制之一是承诺在GPU处置时价格低于账面预期的情况下，补足最多25%的差额。
延长经济寿命的策略
面对经济寿命与物理寿命之间的落差，运营商正在采取多种策略来最大化GPU的价值。
二手转售是最直接的路径。一块使用了三年的GPU仍能在二手市场卖出原价10%到20%的价格。对于仍能满足推理等不那么苛刻工作负载需求的老款GPU，其经济价值往往远高于账面残值。
算力即服务模式提供了另一种思路。GPU-as-a-Service允许运营商将闲置或逐步淘汰的算力对外出租，而不是简单地让资产闲置等待折旧归零。A100的六年租金保持稳定，说明老款GPU在推理场景中仍有真实需求。
此外，同一代的GPU可以通过调整工作负载分配来延长其服务周期。最新的GPU承担训练等高性能任务，上一代GPU则负责推理和微调，再老一代的GPU处理批量推理和数据分析任务。这种分层使用策略让每一代GPU都能在适合其能力的岗位上继续产生价值。
二手市场的真实图景
二手GPU市场的价格走势，提供了理解GPU经济寿命的另一个视角。
根据Silicon Data的数据，基于36个月远期租金曲线估算，H100的残值已从2025年10月的约14,000美元回升至目前的约20,000美元。但这是一种模型估值，并非实际成交价。其二手市场数据显示，一块三年左右的H100挂牌价仅为峰值新品的20%到30%，技术折旧依然显著。
BlockSpace的分析则指出一个反直觉现象：2026年H100服务器价格同比上涨超过10%，前代芯片在远期合约中仍有需求。该分析将当前GPU资产的会计处理比作“告诉航空公司其波音飞机五年后一文不值”——暗示市场对GPU残值的低估可能比高估更为普遍。
但贷款方的行为揭示了另一种判断。在以GPU为抵押品的融资结构中，贷款方通常要求在3到5年内全额偿还，背后的假设正是芯片在此之后的残值可能已所剩无几。GPU终究不同于房地产或商用飞机，在承租人违约后缺乏稳定成熟的二手市场。
结论
GPU的物理寿命和经济寿命之间存在一个结构性缺口——硬件至少能用五年，但算力需求和技术迭代可能让它在两到四年内就失去经济吸引力。这个缺口正在制造会计上的争议、融资结构上的风险，以及运营商策略上的分化。
对于正在部署AI基础设施的企业而言，关键问题或许不是“GPU能用多久”，而是“在它被新一代硬件超越之前，我能从中榨取多少价值”。二手转售、算力租赁、分层负载分配——这些策略的核心逻辑都是同一个：在物理寿命耗尽之前，让GPU的经济寿命尽可能延长。
（ 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。