今天买一台Nvidia H100服务器，价格大概在25万到40万美元之间。现在问一个简单的问题：这台服务器应该用多少年才会变得一文不值？
哪怕把这个数字估错一两年，你都可能让一家公司的报告利润上下摆动数亿美元——而且没有一分钱现金真正易手。这不是假设，而是眼下正在"新云"（neocloud）行业里真实上演的一幕：这波为了满足AI热潮而涌现的GPU租赁公司，各自给出的答案，正悄悄成为美国企业界最举足轻重的会计决策之一。
新云到底是什么
新云是这样一类公司：它们大量购入GPU服务器机队——往往靠以硬件本身和已签约客户收入为抵押的债务来融资——然后按小时把这些算力租给不想自购芯片的AI实验室、初创公司和企业客户。
这个商业模式听起来很简单：买硬件、租出去、赚差价。但背后的会计处理一点都不简单，因为它完全取决于一个假设——这些硬件在需要更换之前，能保持多久的可用性。
同一台服务器，三种不同答案
有意思的地方就在这里。三家最知名的新云公司，对"一台GPU服务器能用多久"分别给出了不同答案：
- CoreWeave 将其GPU设备的折旧年限定为6年
- Lambda 采用5年折旧计划
- Nebius 采用更保守的4年折旧计划
同一类硬件，用的是同一批Nvidia芯片，却有三种不同的使用年限估算——每一种都会得出实质性不同的利润表。
以一台价值30万美元的服务器为例算一算：
- 按6年直线折旧，每年折旧费用约为5万美元
- 按4年折旧，每年折旧费用约为7.5万美元
每台服务器2.5万美元的差距听起来不算什么，但一旦规模化就完全不同了。放到一支拥有1万块GPU的机队上，保守折旧计划和激进折旧计划之间的差距，大约相当于每年3000万美元的报告费用差异——而这背后是完全相同的硬件，做着完全相同的工作。一家公司的利润表可能比另一家多出数千万美元的利润，纯粹是因为一项记账估算，而不是因为这家公司的业务实际表现更好。
折旧到底是怎么算的：快速复习
如果你自大学基础课之后就再没碰过会计学，这里给你一个简版复习。企业购入一项长期使用的资产——一台服务器、一辆货车、一台商用烤箱——通常不能在购买当年就把全部购买价款一次性计入费用。相反，成本会按资产预计的可使用年限分摊，通过定期的折旧费用来体现。有两个变量决定每期折旧费用的大小：
- 使用年限——资产预计能保持生产力的年数（或产出单位数）
- 残值（处置价值）——资产在使用年限结束时预计还值多少钱，这部分会从可折旧基数中扣除
最简单的方法是直线折旧法，就是把（成本减去残值）平均分摊到整个使用年限里。一台假设残值为零的30万美元服务器，如果按6年直线折旧，每年费用是5万美元；按4年折旧，则是7.5万美元。有些公司采用加速折旧法，把更多费用提前计入早期年份，理由是新技术往往在早期迅速贬值、后期贬值放缓——对于GPU硬件这种更新换代极快的东西来说，这或许是更贴近现实的模型。
关键在于，折旧是一项非现金费用。现金早在购买服务器时就已经流出了（或者如果是贷款购买，随着分期还款陆续流出）。折旧只是一种会计手段，用来把这笔支出分摊到多个会计期间，而不是一次性砸进某一年的利润表里。这正是它容易被激进假设利用的原因：这个月没有人真的要为"折旧"开一张支票，所以更长的使用年限估算今天不花一分钱成本，却能悄悄地在未来数年里虚增报告利润。
为什么这不只是一个会计脚注
这件事之所以重要，是因为折旧计划并不是中立的。更长的折旧计划把成本摊得更薄，让近期利润看起来更大；更短的折旧计划把费用提前计入，看起来更保守，但会在早期年份拉低报告盈利。
CoreWeave很能说明"业务运转良好"和"业务盈利"之间的差距能有多大。在其最近一个财年，CoreWeave报告的调整后EBITDA利润率约为60%——确实相当强劲——但与此同时，其净亏损约为11.7亿美元。这两个数字之间的落差，包括约24.5亿美元的折旧（一项非现金费用）和约12亿美元的利息支出（用于购买硬件的债务所产生的、非常真实的现金费用）。营收约为51亿美元，而债务约为214亿美元，其中三分之二的营收来自单一客户。
这并不意味着折旧数字本身"有问题"，而是说明使用年限估算在决定这些公司所谓"盈利"到底意味着什么这件事上，承担了极其巨大的分量。
1760亿美元的问题
围绕GPU使用年限的争论在2025年末升级：因在2008年抵押贷款危机中提前预警而闻名的投资人迈克尔·伯里（Michael Burry）公开指出，包括Meta、亚马逊、微软、谷歌和甲骨文在内的主要人工智能基础设施投入者，把它们的Nvidia GPU按五到六年折旧，而实际经济寿命更接近两到三年。他估计，2026年到2028年间，整个行业被低估的折旧、也就是被高估的利润，大约达到1760亿美元。他特别指出，到2028年，甲骨文和Meta的利润可能分别被高估约27%和21%。
来自这些公司自身的反驳是：GPU的使用寿命并不会在它不再快到足以支撑前沿模型训练时就结束。相反，它会"梯度下沉"——老化的硬件从要求最高的工作负载（训练前沿模型）逐步转移到不那么光鲜、但仍然高度盈利的工作（推理、较小模型、批处理任务）上。一块用了四年、已经无法胜任下一代前沿模型训练的GPU，之后仍能靠跑推理任务持续赚钱很多年。
谁对谁错，对每一位阅读这些公司财务报表的人来说都至关重要，因为这决定了报告利润反映的究竟是真实的经济表现，还是一场被包装成会计政策的乐观赌注。
给每一位企业主的教训，不只是AI巨头
你不需要拥有一支GPU机队，也会遇到一模一样的问题。任何购置设备的企业——面包店的烤箱、园艺公司的卡车、牙医诊所的成像设备、软件公司的服务器——都面临同一个问题：这项资产该定多少年的使用年限？这个选择又会如何改变账本上反映出的盈利状况？
来看一个具体例子。假设一家小型网络代理公司花4万美元买了一整机架服务器，用来运行客户网站和内部工具。按5年折旧，年费用是8000美元；按3年折旧——考虑到服务器硬件确实老化得很快，这也是一个说得过去的选择——年费用则跳到约13333美元。第一年，这两种方案的报告利润相差约5300美元，纯粹来自一项估算，而实际花费的现金和实际交付的工作完全没有差别。如果这家代理公司正在申请贷款、争取投资人，或者只是想弄清楚上个季度到底算不算一个好季度，他们选择的折旧计划正在悄悄左右这个答案。
这也恰恰是一类会与税法产生交互的决策，而不只是影响财务报告。在美国，企业通常可以在两种做法之间做选择：一方面按财务"账面"使用年限对资产折旧，用于自身的管理报表；另一方面，出于税务目的采用美国国税局规定的MACRS折旧表（或Section 179费用化、加速折旧等更快的选项）。这两套折旧计划经常是有意分开的——一家企业可能在内部账本上按5年为一台服务器折旧，而在税务上把它折旧得快得多，这完全合法，但也意味着你账本上的"利润"和纳税申报表上的"应税所得"永远不会是同一个数字。理解这种差距，而不是每年四月才被它吓一跳，正是干净的账务记录能带来的一项不太起眼的好处。
从新云这个故事里，有几点值得内化：
- 折旧是一项估算，不是一个事实。 两个诚实、理性的人看着同一项资产，完全可以选出不同的使用年限。这不是舞弊，而是判断。但这也意味着你应该理解为什么你的折旧计划是这样设定的，而不是照单全收一个默认值。
- EBITDA和净利润讲的本来就是两个不同的故事。 一家企业可以现金流健康（EBITDA强劲），却因为债务驱动增长带来的沉重折旧和利息，而报告净亏损。单看任何一个数字都无法给你完整的图景——两个都需要看。
- 贬值快的资产该配更短的折旧计划；耐用的资产该配更长的折旧计划。 如果你购置的技术很快就会过时，采用激进（更短）的折旧计划反而更诚实，哪怕这会让今年的数字看起来更差。
- 利用率和残值的重要性不亚于折旧计划本身。 一块闲置的GPU，无论是否在创造收入，账面上的折旧都是一样的。真正的健康检查指标不是折旧那一行，而是这项资产实际创造的现金，是否足以证明当初的花费是值得的。
让你的折旧计划保持诚实、透明
无论你经营的是一辆餐车，还是一家正在扩张的软件公司，折旧计划背后的假设都会直接决定财务报表如何反映业务的真实经营状况——而含糊或前后不一致的记账方式，会让这些假设变得无从核查，甚至连你自己都查不清楚。Beancount.io为你提供纯文本会计方式，让每一项资产、每一笔折旧分录，以及其背后的每一个假设，都存在于一份透明、受版本控制的账本里，而不是一个黑箱之中。免费开始使用，亲眼看看你的数字是如何一步步加总起来的，不需要任何猜测。