得益于其并行计算的强大能力，GPU 在处理海量数据的 AI 运算中效率远超传统 CPU，使其成为 AI 时代的“新引擎”。 对于任何持有或管理高性能 GPU 资产的实体而言，理解其价值随时间变化的规律——即折旧——是进行财务规划和投资决策的关键。本文将系统介绍 GPU 折旧的方法，并结合英伟达高性能加速卡进行案例分析。
01 GPU 价值的决定因素
GPU 的价值衰减主要由技术迭代和由此产生的经济寿命决定，而非简单的物理磨损。
跨越式架构迭代： 行业领导者（如英伟达）通常每两年推出一个全新架构。这种迭代带来的性能提升是巨大的：
- 专为 AI 设计的核心： 例如，引入 Transformer Engine 等。这是专为加速大型 AI 模型计算而设计的核心处理单元，它能显著提高训练和推理速度。
- 互联技术升级： 升级多张 GPU 之间的数据传输方式，确保大规模集群的效率更高。
- 经济寿命短促： 技术更新速度快，导致上一代 GPU 的竞争力迅速下降。通常它们的经济寿命只有 1.5 到 2.5 年，远远短于其物理寿命。
- 市场溢价加速折旧： 高端 AI 加速卡由于供不应求，其初始采购价格往往包含高额溢价。这部分“溢价”随着新产品的发布会迅速消失，加速了首年的价值衰减。
02 GPU 折旧的计算方法
在会计实务中，对于 GPU 这类技术淘汰快、价值高的资产，应优先选择能够反映早期价值迅速下降的方法。
残值（Salvage Value），也称净残值或预计残值，是指一项固定资产（如 GPU）在预计使用寿命结束时，企业估计能从该资产处置中获得的净收入。简单来说，就是这张 GPU 报废时，企业认为它还能卖多少钱（作为二手卡、零件或废料）。
03 案例分析
云计算巨头是英伟达 H100/A100 加速卡的最大客户。他们的折旧策略展现了财务会计目标与技术竞争现实之间的巨大权衡。
➡️ 云计算企业的“长折旧年限”策略
- 策略： 多数云服务商为 GPU 设定了较长的预计使用寿命（通常为 4 到 6 年），且多采用直线法。
- 为何采用直线法？ 这种做法主要是出于财务报表的考量：它能将资产成本在更长周期内摊销，从而平滑利润曲线、提升短期盈利能力，符合上市公司稳定增长的预期。
- 可能存在的长远风险： 这种策略与 GPU 的快速贬值规律是矛盾的。 过长的折旧期限可能导致企业不能及时反映资产的实际贬值，从而在财务报表上形成“虚高”的资产价值和利润数字。这种做法虽然减少了短期费用，但长期来看，企业可能面临巨大的技术过时损失，一旦竞争对手率先部署新卡，旧卡将迅速被淘汰。
➡️ 高性能卡的市场价值与折旧演示
高性能 GPU 的市场价值波动大，但其预估经济寿命通常较短：
➡️ DDB 模拟折旧案例演示
为演示双倍余额递减法的原理，我们使用模拟数据进行计算。
假设一张高性能 GPU 的购买原值为 $40,000，并设定其经济寿命为 4 年（DDB 年折旧率 50%，预计残值 $2,000，对于高科技硬件和机器设备，预计残值通常设定为原值的一个百分比，以覆盖其作为二手零部件、废料或进入低端市场的价值。这个百分比通常在 3%到 10%之间）：
总结： 这一计算过程表明，GPU 的技术更新速度远超传统资产的折旧规律。 采用 DDB 法意味着，在 GPU 投入使用后的前两年，其价值已经损失了 75%。企业必须考虑到更短的经济寿命，以应对技术过时带来的资产风险。
04 GPU 折旧方法总结
GPU 折旧管理必须基于对技术趋势的深刻理解。合理的折旧方案是平衡技术竞争力和财务健康的桥梁：
- 以经济寿命为核心制定规划： GPU 的经济寿命通常远短于其物理寿命，企业应根据 2-3 年的经济寿命制定更新计划，以确保计算能力保持领先。
- 选用递减法： 优先采用双倍余额递减法，确保早期价值的快速下降被合理计入成本。
- 关注市场残值： 二手市场的实际交易价格是衡量 GPU 真实折旧率的最终指标，应作为调整折旧政策的重要参考。
