H200获批出口中国，英伟达GPU：迎来新争议

根据 Kakashii 在 X 上分享的分析，自 Blackwell 发布以来，英伟达报告的 1110 亿美元数据中心收入似乎与该出货量不符。

即使考虑到英伟达在 2024 年第四季度 Blackwell 营收中披露的超过 100 亿美元的收入，该帖子认为这些数字仅代表大约 400 万台设备，留下了数十万到数百万台 GPU 的潜在缺口。

以下为该博主的原文摘译：

由于 Blackwell 推出，英伟达报告 GPU 数据中心收入达到 1110亿美元。如果简单计算，自 Blackwell 开始出货以来，数据中心报告的 1110 亿美元收入中 600 万块 Blackwell GPU 并不匹配，因为这只代表 250 万到 350 万颗 Blackwell 芯片。

让我们试着帮英伟达，把他们 2024 年第四季度报告的“Blackwell 收入超过 100 亿”加起来。这使得总收入超过 1210 亿美元。超过 100亿 的芯片数量大约是 25 万到 33 万，理想情况下，这让我们拥有近 400 万块 Blackwell GPU，但还是不匹配。

好，我们再试一次计算。我们再假设黄仁勋说的是实话，他指的是所有细分市场中Blackwell 芯片的总销量。这意味着 250 万到 350 万块 Blackwell 芯片收入归入 1110亿，而剩余的 350 万到 250 万块则用于游戏及其他细分领域。因为我们相信 Jensen，并且试图找出我的计算不符的地方，我假设他指的是所有细分市场，也就是所有出货 GPU 的 20%，而另外 80%用于数据中心。这意味着即使我们把英伟达在 Blackwell 的第四季度收入算进去，假设 80%流向数据中心，我们还有 50 万到 80 万块 GPU 的差距。但还是不匹配。

为了印证这个说法，Kakashii又从能源方面进行了说明。如他所说，黄仁勋曾表示，自 2025 年 1 月以来，英伟达已经出货了 600 万块 Blackwell GPU。大约 65%到 70%的 GPU 会送到美国的数据中心。要为这 600 万 GPU 中 65%到 70%（约 390 万到 420 万 GPU）供电，你需要大约 85吉瓦（gigawatts ：GW)） 到 11 吉瓦的数据中心容量。（供参考，这个发电量大致相当于新加坡的总发电能力，或大约十座标准核反应堆。）

2024年至2025年间，美国在2024年建成了3.8至4.2吉瓦，2025年估计为4.5至5.0吉瓦，合计8.5吉瓦（先不考虑因电力延迟，实际交付的约一半在日历年内完成）。

所以我们充其量只有 8.5 GW的大量，这大致是为美国所有 Blackwell 芯片供电的最低限度。只有当我们假设美国只有配备 Nvidia 芯片的数据中心（不包括 AMD、TPU 及其他没有 Nvidia 的数据中心），并且只有 Blackwell 在 2024 年建成的数据中心中安装过，并且他们是在等待 2025 年 Blackwell 芯片运行时，数学才是相符的。

根据联邦能源监管委员会（FERC）的数据，美国在 2025 年 1 月至 8 月间安装了近 26 吉瓦的新发电容量，略高于去年同期的约 23 吉瓦。在26吉瓦中，3吉瓦为风能，3.7吉瓦天然气，20吉瓦太阳能，0吉瓦核能。

我会相信Jensen，因为在这篇文章里，我们只是相信Jensen的话：未来6到7年，我们将看到一堆小型核反应堆，我们都会成为发电厂，就像某个人的农场一样。所以我假设他指的是从2026年1月开始，因为到目前为止，美国在2025年部署的核能是0吉瓦的。

这意味着，如果所有已建成、部署并计划今年年底完工的数据中心都按时完工，那么仅从数字上（简单计算，我不清楚实际分配情况）来看，今年所有建成的天然气都分配给了数据中心消费，其中约80%的风能或约25%的太阳能。

大空头Burry 的出击

上周末，因预测 2008 年房地产崩盘而名声大噪的投资者迈克尔·伯里（Michael Burry）要求提供英伟达公司囤积GPU 的证据。

其实早在2023年和2024年，伯里就曾警告投资者不要对科技行业过度乐观。这些警告并未点名批评英伟达，而是以评论估值、利率和投机等话题的形式在市场上广泛传播。公众仍然将他与宏观经济的悲观论调联系在一起，而不是与人工智能经济学联系起来。

到2024年底，形势开始转变。海外监管文件显示，Michael Burry主导的Scion Asset Management买入了大量与英伟达和Palantir挂钩的看跌期权。这笔交易低调、规模异常，而且出手较早。他当时并未与英伟达发生冲突，而是押注人工智能的发展将会遭遇阻力。

2025年11月，伯里详细阐述了他认为目前对人工智能热潮理解方式存在的根本性缺陷。他的论点涵盖了会计选择、成本假设、企业激励机制以及高资本支出技术周期的心理因素。这些缺陷并非仅限于英伟达，但该公司处于风口浪尖，因为它提供了推动这场竞赛的硬件。他的担忧很快引起了英伟达的重视并做出了回应。

伯里观点的核心在于人工智能硬件的使用寿命。购买先进GPU的公司通常会将这些资产按年折旧。这种折旧方式可以将成本分摊到不同时期，从而降低短期支出并提高账面收益。伯里认为这种做法掩盖了经济真相。他认为人工智能硬件的更新换代速度太快，不值得采用如此长的折旧周期。他估计，更合理的使用寿命可能接近三年。

这种差异至关重要，因为这些芯片价格昂贵。较长的折旧期会降低每个季度的账面成本。较短的折旧期则会降低许多人工智能采用者的收益，并缩小其人工智能投资的表面回报。如果这些公司指望使用寿命只有一半的资产来获得六年的生产力，那么它们的实际利润率可能远低于表面值。

这并非欺诈指控，而是关于发展速度的争论。人工智能硬件发展日新月异，今天发布的芯片很快就会与后续产品展开竞争。如果折旧计划与这一现实不符，最终会导致资产减值或新采购热情下降。伯里的分析认为，这种差距可能在2026年至2028年期间显现。对于一家依赖客户快速积极采购的公司而言，增长放缓的影响可能非常显著。

一些最具争议的评论涉及供应商融资或循环融资的概念。像吉姆·查诺斯这样的分析师也表达了类似的担忧，即人工智能生态系统中可能存在一些激励机制或融资结构，会人为地制造需求。

在这种观点看来，受益于人工智能基础设施增长的公司可能以某种方式帮助买家抬高了当前的销售额。英伟达对此予以坚决否认。该公司声明，它不会参与此类行为，其需求源于真实、独立的购买决策。

这场争论持续不断，是因为供应商融资模式在其他行业早已存在。当需求激增时，一些公司会为客户提供支持以维持增长势头。人工智能领域是否存在类似模式仍不确定。在没有证据的情况下，这场争论仍然停留在怀疑与否认的层面。未来任何证实都将产生重大影响。目前，这仍然是更广泛讨论中一个悬而未决的问题。

投资者现在都在密切关注各种迹象。超大规模数据中心运营商在设备使用寿命和减值方面的决策至关重要。人工智能资本支出的速度至关重要。是否存在任何融资安排也至关重要。问题不在于人工智能是否会继续成为技术领域的核心，而在于当前的支出速度是否与长期价值创造相匹配。

人工智能芯片折旧速度引发的会计风波

在今天，华尔街日报也发布了一个文章，探讨了人工智能芯片折旧速度引发的会计风波。

WSJ表示，关于英伟达的会计处理方式，一场争论正在激烈进行。他们指出，科技公司正在斥巨资研发芯片和其他设备。这一次，一些人工智能公司的批评者可能有些言过其实了。

投资者很少会对固定资产的合理折旧时间表这样看似平淡无奇的话题如此关注。但当少数几家全球最大的公司在人工智能基础设施上的投入高达数千亿美元时，市场自然会密切关注。

在2015年电影《大空头》中由克里斯蒂安·贝尔饰演的著名投资经理迈克尔·伯里，最近又火上浇油。他在上个月的一篇文章中写道：“延长资产使用寿命可以减少折旧费用，增加表面利润。这是现代最常见的欺诈手段之一，会导致资产估值过高和利润虚增。”

“无论这种批评是否合理，我们都需要从不同的角度看待它。”WSJ表示。

例如，今年Meta Platforms公司将其大部分服务器和网络资产的预计使用寿命延长至5.5年。此前，该公司曾表示其预计使用寿命为4至5年。而就在2020年，Meta还表示其预计使用寿命最短仅为3年。

Meta公司表示，最新延期使其2025年前九个月的折旧费用减少了23亿美元。这笔金额不小。但为了更直观地理解其规模，该公司此前的折旧总费用接近130亿美元，而税前利润则超过600亿美元。

Alphabet、微软以及亚马逊等公司对类似资产的使用寿命也比五年前更长。Alphabet 和微软的使用寿命均为六年，高于 2020 年的三年。亚马逊在 2020 年采用的是四年，并计划到 2024 年延长至六年，但今年将部分服务器和网络设备的使用寿命缩短至五年。

华尔街日报指出，公司将折旧费用计入损益，是因为其固定资产最终会损耗或过时。这种做法确保资本投资成本能够随着时间的推移在财务报表中得到确认。管理层的任务是选择一个年限，逐步将这些折旧费用摊销出去。

多年来，大型科技公司延长其正在折旧的资产的使用寿命，一直备受投资者关注。这不难理解，因为这样做可以将费用转移到未来，从而提高当期收益。管理层仅仅通过修改会计估算，就能轻而易举地将年度收益增加数十亿美元，这种做法即便称得上大胆，也显得过于激进。

但归根结底，更重要的问题或许不在于合适的折旧年限，而在于合适的折旧方法。目前普遍采用的是直线法，即对同一笔购置的资产，每年的折旧费用都相同。

然而，某些类型的资产价值在早期会急剧下降，然后趋于稳定，并沿着可预测的曲线缓慢下降。例如，据追踪英伟达芯片价格的Silicon Data公司称，最近一台使用三年的H100系统的平均转售价格约为全新H100价格的45%。

在这种情况下，所谓的加速折旧法可能比直线折旧法更能反映经济现实。采用六年折旧期，折旧费用在经济效益消耗较快的初期会较高，而在后期则会较低。

不过，在这种情况下，差别不会太大。如果采用直线折旧法，第三年的累计折旧额将不到购买价格的一半。如果采用加速折旧法，累计折旧额会略高于一半。而大型人工智能超大规模数据中心的投资者们也深知，任何对当前投资高回报的预期都需数年之后才能实现。

从根本上讲，公司财务报表中的大多数数字都是基于估计、猜测和假设。折旧这项费用也是一种人为构建的概念，就像会计中的许多其他概念一样。

精确性是罕见的。没有人能够确切地知道一家公司的固定资产每年贬值多少。公司管理层可能并不清楚特定资产的使用寿命，尤其是一些高需求的技术设备。

如果资产价值严重受损，管理层理应计提更大额的减值准备。但通常情况下，减值准备只有在公司股价暴跌之后才会进行，而“七侠荡寇志”显然并非如此。

如果投资者将来认为大量人工智能投资被浪费了，那并非因为企业选择的折旧方法。尽管人们有充分的理由质疑科技巨头如何为其人工智能投资进行会计核算，但折旧之争并不会改变最终结果。