曾经，投资者和做空机构普遍认为，英伟达每两年推出新一代芯片，会让上一代产品在两三年内价值归零。但这一假设正被CoreWeave的一份合同彻底颠覆。这家AI云服务巨头近日宣布，已将2020年发布的A100 GPU的租赁期限延长至2029年——这意味着，在芯片上市约九年后，企业依然愿意为这枚“老将”付费。这一事件不仅让市场重新审视人工智能硬件的折旧周期，更揭示了AI基础设施投资中一个被长期忽视的真相：旧芯片的价值远未被榨干。
从“三年报废”到“九年服役”：A100的经济寿命何以被低估
当英伟达在2020年推出A100时，谁也没想到它会在2029年依然被塞进服务器的机柜里。CoreWeave首席财务官Nitin Agrawal在分析电话会议上透露，公司最近签署了一份将A100 GPU出租至2029年的合同，且“价格很有吸引力”。这一消息直接推动了CoreWeave股价当日飙升20%，也让围绕AI芯片折旧的争论有了新的注脚。
过去两年，市场普遍用消费电子产品的逻辑来套用AI芯片：手机芯片两年一换，GPU也该如此。但GPU的“经济寿命”和“物理寿命”是两回事。物理上，A100的设计寿命本就超过五年，加上英伟达提供的五年保修期，芯片一旦故障可免费更换，实际集群的生命周期远长于单颗芯片。更重要的是，经济寿命取决于“有没有人愿意为它付费”，而不是“它还能不能跑”。
CoreWeave的合同证明，至少到2029年，A100在特定场景下仍能产生足够高的投资回报率。这背后是AI工作负载的多样化——不是所有任务都需要最新一代的H100或B200。当大模型训练需要极致算力时，A100确实力不从心；但推理任务、模型微调、数据预处理等场景，A100的性价比反而更高。
旧芯片的“第二春”：推理与边缘计算如何延续A100生命
如果说训练是“大力出奇迹”，那么推理就是“精打细算”。最新一代芯片在训练最先进的AI模型时不可或缺，但模型训练完成后，企业还需要处理大量“不那么先进”的计算任务——比如部署一个对话机器人、运行一个图片分类器、或者生成一张海报。这些任务对算力的敏感度远低于对成本的控制。
A100凭借其成熟的生态系统和充裕的供应，成为推理场景的“黄金选择”。AI图片生成这类应用，一次推理仅需几秒钟，A100完全能够胜任，而H100的成本却高出数倍。更关键的是，许多企业并不需要租用整块GPU，而是通过云服务商按需分配算力。此时，AI工具导航可以帮助开发者快速找到适合旧芯片的优化方案，进一步延长硬件的经济寿命。
此外，边缘计算设备也正在成为A100的“新战场”。虽然A100功耗较高，但在工业园区、医院、自动驾驶测试场等场景中，企业更看重本地推理的实时性和数据安全性，而非绝对算力。AI Agent技术在边缘端的部署，往往需要牺牲部分性能以换取低延迟，A100正好满足这一平衡。
租赁市场的数据佐证：A100租金为何在2026年反弹？
GPU租赁市场的数据同样支持CoreWeave的判断。追踪GPU价格的Silicon Data指出，A100的租赁价格在2026年经历了一轮强劲反弹，之后依然保持良好。这让市场大跌眼镜——按照传统电子产品的折旧曲线，四年后的GPU应该接近免费才对。
Silicon Data在X平台上表示：“关于GPU的经济使用寿命，我们仍在不断学习。目前来看，它显然不像一些人想当然认为的那样，只有两三年。”这句话点出了核心矛盾：GPU的折旧不是线性的，而是在不同阶段切换不同的“角色”。
初期，A100作为训练主力，价格高企；中期，H100/B200登场，A100转向推理，价格下跌但用户基数扩大；后期，当AI应用普及到中小企业和传统行业时，A100的“廉价算力”属性反而成为稀缺资源。这一曲线与企业数字化转型的节奏高度吻合——当数字化深入各行各业，对算力的需求不是“一台顶十台”，而是“十台各司其职”。
保修合同与折旧迷雾：被忽视的“隐形延寿器”
GPU折旧问题之所以让投资者焦虑，很大程度上源于对“硬件报废”的恐惧。但Lambda高管Matt Rowe曾指出，那些担心GPU贬值的人经常忽视了保修合同的作用。英伟达的GPU保修期通常为五年，这意味着如果芯片在五年内发生故障，可以直接更换成新的GPU，从而延长整个集群的物理寿命。
实际运营中，云服务商会将大量GPU组成集群，并预留一定比例的备用芯片。一旦某颗芯片故障，备用芯片立即补位，故障芯片送去保修。这种“滚动替换”机制使得集群的有效寿命接近保修期的两倍——因为保修期结束后，故障芯片被替换的“新芯片”实际上又获得了新的保修期。
CoreWeave的案例中，A100从2020年服役到2029年，正好跨越了两次保修周期：2020-2025年第一批芯片保修，2025年后替换的芯片继续享受保修。再加上英伟达对旧芯片的AI技术支持持续多年，驱动软件不断优化，A100在2029年依然可以运行最新的AI框架。
5000亿美元投资的底气：AI基础设施的长周期价值验证
本周，英伟达宣布与Apollo、BlackRock、Blackstone、Brookfield、Goldman Sachs和KKR等机构合作，计划在未来几年调动超过5000亿美元资金投入AI基础设施。这些投资能否成立的底层逻辑，正是AI硬件能否在多年时间里保持价值。
如果GPU真的像批评者所说“三年就贬值90%”，那么所有投建数据中心的企业就必须在极短时间内完成折旧，这会导致利润被严重拖累，融资成本剧增。但CoreWeave的九年租约，给了华尔街一个全新的参照系：AI芯片的经济寿命可能长达七到十年，这意味着投资回报周期可以拉长，资本成本显著降低。
CoreWeave上市后股价持续上涨，其商业模式本身就建立在“算力租赁”基础上。如果芯片贬值速度过快，其租赁收入将无法覆盖折旧。但该公司用实际合同证明，只要找到合适的客户群体，旧芯片依然能创造现金流。这为其他AI基础设施公司提供了可复制的路径——不再盲目追求“最新最强”，而是通过AI工具箱整合不同代的芯片，构建分层算力池。
未来展望：AI技术迭代加速下，旧芯片的价值护城河
随着英伟达B200和下一代芯片的发布，A100的“技术光环”无疑会进一步褪色。但值得注意的是，AI芯片的“代际差异”正在缩小。对于大多数AI应用而言，今天A100的性能已经足够，未来几年内的性能提升更多体现在单位功耗和成本优化上，而非绝对算力的飞跃。
这意味着，A100的经济寿命不会因为新芯片的推出而戛然而止，而是会平稳过渡到“长尾需求”阶段。类似的情况在CPU领域已经发生：英特尔至强处理器在数据中心服役七八年并不罕见。GPU作为通用加速器，其生命周期只会更长。
当然，芯片物理故障不可避免，保修合同到期后，集群维护成本会上升。但AI基础设施的“平台效应”正在显现：一旦客户将工作负载迁移到某个GPU集群，迁移成本极高，即使硬件老旧，客户也倾向于续租而非更换。文生图平台就是典型例子——用户习惯了一款工具后，即使底层芯片降级，只要生成质量可接受，用户就不会离开。
最终，A100的故事给整个AI行业上了一课：不要用消费电子思维看待企业级硬件。人工智能的商业化不是一场“百米冲刺”，而是一场“马拉松”。旧芯片跑完前半程，换上新鞋（推理优化），照样能跑后半程。而最新科技的发展，恰恰需要这种“新旧互补”的生态，才能支撑起万亿级的基础设施投资。