Silicon Data 9 月 17 日发布行业分析：当前 AI 基建最大卡点已从单纯「拿卡」转向 GPU 融资难题。

数据中心建设资本开支巨大、融资成本高；根源在资本市场沿用传统硬件逻辑——把 GPU 定义为快速贬值资产、普遍采用 3 年直线折旧法评估残值，直接限制算力服务商融资能力。

投资人视角：残值定价体系一旦被资金接受，资本开支天花板或上移；反之则压制算力扩张。

一、AI 基建最大卡点：芯片供给 + 金融估值

                  AI 基建最大卡点            
                        │                    
              ┌─────────┴─────────┐          
              ▼                   ▼          
           芯片供给             金融估值     
              │                   │          
              ▼                   ▼          
         资本开支巨大        直线折旧假设残值
          数据中心建设        限制融资能力   
              │                   │          
              └─────────┬─────────┘          
                        ▼                    
               压力传导至下游 AI 客户        
               → 倒逼长约 + 高预付

GPU 被简单套用「3 年直线折旧」残值假设，资本市场不认可其长期价值，融资能力被直接卡死。

二、传统折旧失效：残值溢价于采购价

  传统 3 年直线折旧             实际残值表现          
  ──────────────────           ──────────────         
  A100 残值 < 33% 采购价        A100 保值显著高于测算 
  H100 残值 < 33% 采购价        H100 保值显著高于测算 
  B200 残值 < 33% 采购价        B200 当前残值 > 采购价
                               （供给紧缺溢价）

Silicon Data 颠覆性结论：GPU 真实残值远超传统假设。A100、H100 实际保值能力显著高于 3 年 / 5 年直线折旧测算残值；供给紧缺的 B200 当前市场残值甚至超过原始采购价。

三、残值定价体系落地节奏

  2025 ──┬── CME × Silicon Data 合作     
         │                      │        
         │                      ▼        
         │                  筹备算力期货 
         │                               
  2026 ──┼── H100 / B200 算力租赁期货筹备
         │                      │        
         │                      ▼        
         │              残值定价概念落地 
         │                               
  2027 ──┼── 期货上线 + 价格指数推广     
         │                      │        
         │                      ▼        
         │                  融资条款放松 
         │                               
  2028 ──┴── 残值定价体系被资金广泛接受  
            算力行业资本开支天花板或上移

CME 芝商所已与 Silicon Data 合作筹备 H100、B200 算力租赁期货——这正是新定价体系的早期落地载体。

四、双向风险与跟踪变量

        利好                          利空         
┌───────────────────┐         ┌───────────────────┐
│• GPU 残值溢价     │         │• AI 需求放缓      │
│• 期货定价工具落地 │         │• 芯片迭代加速     │
│• 融资条款放松     │    ⚖    │• 残值定价体系未   │
│• 算力 CAPEX 上移  │         │  被资金接受       │
└───────────────────┘         └───────────────────┘

残值定价体系能否被资金接受，取决于两个反向变量：AI 需求是否持续、芯片迭代节奏是否稳定。

风险提示

若 AI 需求放缓、新一代芯片迭代加速，GPU 残值可能快速下行；CME 期货筹备进度不及预期也会拖累新定价体系的落地节奏。以上所提观点仅做学习交流，所涉标的不作为推荐依据。

一句话总结

AI 算力矛盾一半在芯片供给、一半在金融估值。3 年直线折旧模型把 GPU 资产价值低估，压制算力扩张；一旦残值定价体系被资金接受，算力行业资本开支天花板有望上移。