大家是否曾經思考過，當前市場上廣泛使用的 ChatGPT、Claude 或是各類企業級 AI 服務的終端成本，與其背後龐大半導體基礎設施的驚人燒錢速度之間，存在著多麼誇張的差距？
產業界存在一個鮮明的對比：採購一套主流高階的 AI 晶片伺服器（例如搭載 8 張 NVIDIA H100 的 HGX 伺服器系統），報價高達 30 萬至 46 萬美元；但企業若改向雲端服務供應商（CSP）租賃同等算力，月費可能只需約 3.7 萬美元，甚至更低。這中間巨大的資金缺口究竟從何補上？答案並非單純源於 AI 雲端巨頭（Hyperscalers）的「佛心」定價，而是一個深藏於財報附註角落的專業會計技巧。
本篇產業分析將剖析這個價值高達數百億乃至上千億美元的「會計魔術」：同一筆硬體投資，如何透過攤提方式的轉換，在財報上創造出巨大的利潤緩衝，進而支撐起當前 AI 產業的低價競爭策略。
一、從生活中比喻解碼財報魔術——「攤提年限」的邏輯
當消費者購買一輛昂貴的汽車時，若採用 3 年期貸款方案，每個月的還款壓力通常極為沉重。但若與銀行協商將年限延長至 6 年，最終支付的總支出雖然沒有減少，「每個月的帳面負擔」卻立刻減半——手頭多出的現金看似讓生活寬裕了，但這終究只是「感覺」變輕鬆，不是真的少付了錢。
將邏輯套用至企業財報中，「折舊」（Depreciation）也有類似情況。當雲端供應商或 AI 基礎設施企業斥資數百億美元採購伺服器與繪圖處理器等昂貴設備時，這筆龐大的現金在採購當下就已經流出該企業（反映於現金流量表）。然而，在損益表（Income Statement）上，公司買設備必須「分期攤提」成本。這筆鉅額支出不會在第一年全額認列，而是會根據該批設備的「預估使用年限」，分期攤提至未來的數個財政年度中。
會計核心機制
攤提年限拉長 ＝ 每年認列的成本變少 ＝ 帳面上的利潤變高
舉例來說，對於同一筆 1,000 萬美元的 AI 伺服器採購案，假設原本設定機器使用壽命為 3 年，每年必須在損益表上扣除約 333 萬美元的折舊費用；若將預估使用壽命拉長至 6 年，每年的折舊費用則驟降至約 166 萬美元。即使實際花的錢一毛沒少，但換個攤提方式，財報數字就完全不一樣。這中間釋放出的差額，便直接轉化為財報上額外增加的稅前淨利（Pre-tax Profit），為企業在殘酷的 AI 競爭中提供了極大的財務彈性。
Goldman Sachs：晶片折舊年限假設對資料中心資本支出影響的敏感度分析
下表整理 Goldman Sachs 對 2026–2031 年 AI 運算資本支出（CapEx）的預估，依不同折舊年限（3～7 年）換算出的年度隱含折舊金額（單位：十億美元）：
由 Goldman Sachs 預估的 2026–2031 CapEx 算力支出可以發現，若分為不同的折舊年限，財報上需認列的數字差異極大：假設晶片壽命短（3 年），代表 NVIDIA、Meta、Microsoft 這些購買 GPU 的公司每年要在財報上認列更高的折舊成本，晶片汰換速度快，錢燒更快，會壓低獲利、讓「AI 資本支出泡沫」的疑慮更嚴重。若假設晶片壽命長（7 年），折舊費用被攤得更薄，財報表現會好看很多，但像 Blackwell、Rubin 這種新一代架構推出速度其實迭代很快，舊卡的「經濟壽命」還能不能打得贏新卡、划不划算？可能撐不到 7 年。
二、AI 晶片的殘酷物理現實 vs. 財報上的「善意謊言」
AI 晶片（GPU）的實際「有效壽命」極短，通常僅有 1 至 3 年，主要原因有二：
- 長時間高負載運轉，硬體耗損快： 執行大型語言模型（LLM）訓練的 AI 伺服器，幾乎 24 小時全天候處於滿載狀態。例如，已於 2026 年 6 月全面量產的 NVIDIA Vera Rubin 架構，單一 GPU 功耗高達約 2,300W，極端的熱應力與電壓負載使硬體組件的老化速度遠超傳統通用型伺服器。
- 技術迭代太快，舊晶片瞬間失去競爭力： 輝達（NVIDIA）幾乎一年推出一款新架構（從 Blackwell 到下一代的 Rubin、Rubin Ultra、Feynman）。隨著 Blackwell 帶來原生 FP4 運算能力，加上 Rubin 已採用 HBM4 記憶體並提供高達 22 TB/s 頻寬，新一代晶片的訓練與推論效率呈指數級成長。當新硬體在效能功耗比上取得壓倒性優勢時，僅僅 2–3 年前採購的舊晶片便會瞬間失去商業競爭力。
NVIDIA 晶片世代與功耗趨勢<表一>
儘管物理與技術現實顯示硬體 3 年就要淘汰，主要雲端巨頭卻把折舊年限從 3–4 年一路拉長到 5–6 年，等於在財報上假裝設備能撐 6 年，掩蓋了硬體迅速貶值的真相。
主要雲端供應商折舊政策調整一覽<表二>
這個落差極其危險，也解釋了為何 Amazon 在 2025 年罕見地做出逆勢調整——坦承正是因為 AI 技術發展步伐加快，舊設備已無法支撐原本 6 年的財報預期。
三、會計年限的落差，變成了一筆「隱形補貼金」
這個會計年限上的落差，實際上在市場中化作了一筆「憑空出現」的隱形補貼金。以下以 Microsoft 的財報邏輯為例，具體算給讀者看這筆錢是怎麼冒出來的。
假設一家科技巨頭投入了 400 億美元的硬體支出：
- 若依據技術迭代的真實情況採用 3 年折舊，每年應認列的成本約為 130 億美元。
- 但若使用修改後的 6 年折舊 計算，每年只需認列 65 億美元 的成本。
中間差額非常驚人：每年多出約 65 億美元的「利潤緩衝」。這筆被隱藏起來的折舊成本去了哪裡？答案是：補貼 AI 服務、用低價搶市場、燒錢綁定用戶。
根據知名大賣空投資人 Michael Burry 的激進估算，如果 Meta、Oracle、Microsoft、Amazon 與 Alphabet 繼續維持這種延長折舊年限的作法，在 2026 年至 2028 年間，整個產業累積低估的折舊費用將高達 1,760 億美元。INDmoney 提出內部試算，若將折舊年限強制調回與硬體真實週期相符的 3 年，Meta 的每股盈餘（EPS）將面臨約 15% 的下修，Oracle 會下修約 11%，微軟與 Alphabet 也將面臨約 8% 的下修。
若改採 3 年真實攤提，對 EPS 的衝擊預估<表三>
用簡單的商業邏輯串起來：折舊年限拉長 ➜ 帳面成本變低 ➜ 允許 AI 服務定價壓得更低 ➜ 用戶覺得「AI 好便宜」 ➜ 大家越用越離不開。這筆利潤緩衝使得科技巨頭能夠在殘酷的價格戰中存活，實質上這是一種由「會計魔術」所贊助的市場掠奪策略。
四、為什麼要這樣做？——搶時間、卡住用戶
熟悉企業營運的讀者，必須深刻理解這背後的商業動機。這不是財務造假，而是一場精密的「時間差賽局」（Temporal Arbitrage）。
其核心目的，是趁著會計上還能「裝作」成本很低的這幾年窗口期，把 AI 服務深深嵌入你我的工作流程與企業 IT 架構中。科技巨頭們深知，生成式 AI 的戰場是贏者全拿的局面。一旦用戶習慣了特定的 AI 工具介面，或是企業的資料庫、API 系統整合進了特定的雲端基礎設施（如 Azure OpenAI、AWS Bedrock 或 Google Vertex AI），轉換成本（換平台的麻煩與工程代價）就會變得極高。
換句話說，補貼的終極目標不是讓你佔便宜，而是讓你離不開。
從 NVIDIA 管理層的戰略視角來看，這套邏輯同樣具有深遠的影響。NVIDIA 目前強勁的營收與積壓訂單，高度依賴這些雲端巨頭持續投入天文數字的資本支出（CapEx）。雲端巨頭之所以能毫無顧忌地大舉買進昂貴的 AI 晶片，部分底氣正是來自於他們能夠透過會計折舊展延來維持漂亮的財報數字。然而，一旦財報緩衝達到極限，或監管機構要求更嚴格的硬體年限核實，雲端巨頭資本支出的擴張速度勢必受到牽制，進而直接衝擊上游半導體晶片供應商的訂單動能。
五、便宜是有極限的——AI 泡沫警訊
了解補貼機制的運作後，必須對產業底層經濟學保持警覺：剝去財報上的粉飾，會得到一個驚人的數字——若按硬體實際 1–3 年的壽命計算真實成本，全球 AI 產業每年可能面臨高達 1.5 兆美元的資金缺口。
紅杉資本（Sequoia Capital）合夥人 David Cahn 在其產業分析中指出，若考量到全球資料中心的建置成本以及終端軟體服務商必須維持的基本毛利，AI 產業每年必須創造高達 6,000 億美元的實質營收，才能涵蓋基礎設施投資。摩根士丹利（Morgan Stanley）與摩根大通（J.P. Morgan）的分析更進一步指出，隨著 2026 年資本支出膨脹，科技業可能面臨高達 1.5 兆美元的外部融資缺口。白話來說：現在收的訂閱費，遠遠不夠付真正該付的硬體帳單。
補充一個風險場景：市場上正頻繁出現 AI 公司互相投資、互相買設備的「左手換右手」操作，這被稱為「循環融資」（Circular Financing）或「供應商融資」（Vendor Financing）。例如，晶片製造商或大型雲端供應商將大筆資金投資於新創 AI 模型公司，而這些新創公司取得資金後，絕大多數又將這筆錢用來向其「投資者」購買昂貴的硬體設備或租賃雲端算力。一旦終端用戶的 AI 應用賺不到錢，這個由內部互相支撐的循環可能瞬間斷裂。
儘管 NVIDIA 在 2025 年 11 月透過一份內部備忘錄（經 CNBC、Reuters 等媒體取得並報導）強烈反駁了 Michael Burry 的詐欺指控，強調公司的自由現金流（Q3 達 220 億美元）極為強勁，且戰略投資僅占營收極小比例；但仍要溫和提醒讀者：這不代表 AI 泡沫馬上要破，而是現在的低價可能不是常態，而是一個有時間限制的窗口。
六、結論：給半導體與 AI 產業觀察者的三個提醒
綜上所述，這場由會計折舊調整所驅動的 AI 補貼戰，對企業決策與專業投資判斷有著深遠的影響。給讀者以下幾個具體的小提醒：
- 現在享受的 AI 低價，某種程度是巨頭用財報魔術「贊助」的，這絕對不是常態價格。
- 隨著舊硬體的真實淘汰週期逼近，企業應提前為未來 AI 訂閱費用的調漲或計費模式的改變做好預算規劃。
- 如果你或公司高度依賴某個 AI 平台，要留意未來漲價或政策改變的風險。保留切換底層雲端供應商的彈性，是未來控制 IT 成本的關鍵。
- 看財報數字時，記得多問一句：「這個利潤，是真的賺到的，還是攤提年限調出來的？」將自由現金流與營業利益進行交叉比對，才能看清企業真實的財務體質，這也是評估半導體與AI供應鏈健康度不可或缺的一環。
AI 像魔法一樣很迷人，但別忘了，魔法表演的錢，永遠有人要付。
原文載自 LinkedIn電子報<DC的科技產業數據觀察> https://www.linkedin.com/build-relation/newsletter-follow?entityUrn=7428312952614748160
延伸標籤：#半導體 #產業分析 #AI晶片 #NVIDIA #資本支出 #雲端運算 #財報分析 #AI泡沫