自大语言模型时代开启以来，英伟达GPU的残值便成了衡量当前AI超级周期健康程度的晴雨表。而如果Silicon Data的最新数据可信，那么这一上行周期从未如此强劲——尽管Anthropic的达里奥·阿莫代伊和OpenAI的山姆·阿尔特曼（Sam Altman）等人都在呼吁放缓AI模型的开发节奏。
英伟达（NVIDIA）的B200 GPU目前残值已达原发行价的158%，而这时距离该GPU大规模上市已过去约一年。GPU融资已成为AI基础设施的核心痛点。AI初创公司反映，他们不再被要求预留一年的算力，而是越来越多地被要求预留三年，并预付30%至40%的款项。算力供应商并非随意施加这些苛刻条件……
据Silicon Data称，英伟达较老的A100和H100 GPU目前的残值“远超3年或5年直线折旧模型所对应的水平”。所谓直线折旧，就是将设备的原始成本（此处即英伟达GPU）除以其预计使用寿命。例如，某设备成本为1,000美元，预计使用寿命为5年，则每年折旧额为200美元。而残值的计算方式，就是用原始成本减去累计折旧。按此例，设备在第二年后的残值为600美元（原始成本1,000美元减去前两年累计折旧400美元）。
回到正题，Silicon Data还发现，英伟达的B200 GPU目前残值达到原始成本的158%。换言之，该GPU的交易价格较发行价溢价58%。这主要源于其相对稀缺性和源源不断的需求。引人注目的是，在B200 GPU大规模上市约一年后，这种态势依然延续。至于背后的原因，不妨考虑一个事实：B200在推理工作负载方面仍然效率惊人——据SemiAnalysis估算，在DeepSeek R1上以每用户每秒76个token的速度运行时，每100万token的成本仅为0.20美元。
与此同时，早在8月，我们就曾通过Silicon Data编制的GPU租赁价格展示了同样的态势。1月份时，英伟达B200 GPU的每小时租金略低于5美元的门槛，而到了8月，这一价格已徘徊在5.50美元至5.80美元之间，涨幅在50%至80%之间。
