在淘金熱裡，真正賺錢的是賣鏟子的人。 高盛在四月的報告裡說，歷史上每一次技術突破，從蒸汽機、鐵路到網路，都有大量資本衝進去蓋基礎建設，最後報酬都很低，真正受益的是搭便車的公司。
花了大錢，不代表產能在增加
AI 資料中心也可能走上同樣的路。Research Affiliates 的 Chris Brightman 發了一篇報告，他認為投資人看到資本支出很高就很興奮，但沒有區分維持性資本支出和擴張性資本支出，資料中心廠商投入巨額資本支出，這可以維持企業的競爭優勢，但無法為投資人創造價值。
當我們看到 6,500 億美元的資本支出，要分辨哪些是「擴張性支出」，哪些是「維持性支出」。擴張性支出是成長潛力，但維持性支出只是維持競爭位置，花再多，賺到的錢也不會因此更多。
H100 換成 B200，算力確實提高了。但整個行業同時都在升級，算力供給全面增加，租金跟著跌，賺得錢不會變多。從這筆支出受益的，是賣晶片的 Nvidia 和台積電，不是買晶片的資料中心業者。
怎麼區分這些資本支出是維持還是擴張？看折舊。
他從 H100 的租賃市場資料來判斷，AI 晶片實際經濟壽命大概有幾年。Nvidia 迭代 AI 晶片速度很快，每一代算力都超越前一代。舊晶片會提前失去競爭力，在電力受限的環境裡，佔著插座反而是負擔。
H100 租金從 2024 年每小時 8 美元跌到今年初的 1 美元以下。在這個租金，一張 GPU 一年的收入已不夠抵銷折舊和營運成本。H100 2022 到 2023 年開始大量部署，到 2025 年剛好三年，這三年租金高、報酬高，之後就開始虧損。財報折舊用 5 到 6 年，但真正有經濟回報的時間大概只有前三年。這樣算下來，6,500 億的資本支出裡，光是維持現有產能每年就要替換三分之一的設備，實際淨資本形成大約只有 2,150 億，不到三分之一。
6,500 億裡有將近三分之二只是既有產能，真正在擴張的產能其實很有限。這表示未來的營收成長，沒有大家想的樂觀。
租金價格的矛盾
有趣的是，SemiAnalysis 在這個月也寫了一篇報告，但它的數據與 Research Affiliates 完全相反。
SemiAnalysis 說 H100 一年期合約租金從 2025 年 10 月的低點 1.70 美元，回升到 2026 年 3 月的 2.35 美元，漲幅 40%。目前所有型號的 GPU 產能全都滿租，部分 H100 合約甚至以原租金續約到 2028 年。GB300 的新產能，2026 年 8 到 9 月啟用的部分也被預訂一空。
Research Affiliates 說 H100 到第三年就在經濟上報廢，但現在有人願意以原租金把合約續到 2028 年，顯然舊晶片顯然還有人要，壽命比三年長。
這邊原因有幾個
- 開源 AI 模型大規模採用帶來第一波推論需求
- DRAM 和 NAND 暴漲讓 AI 伺服器重新定價，部分業者延後部署，供給反而更緊
- Agent 工作流程出現，帶動推論 token 消耗指數成長
要理解為什麼兩篇文章的數字差這麼多，需要先知道 GPU 租賃市場有三種。
- 短期（on-demand / spot / 三個月以下）：定價固定，重點是利用率。價格只有在利用率碰到極端時才調整，通常長時間不動。Research Affiliates 引用的租金報價是這個。
- 中期（三個月到三年）：主要租賃的方式，一年期合約最能反映邊際需求的變化。SemiAnalysis 看的是這個。
- 長期（四到五年）：AI lab 為主，跟前兩個市場邏輯不同。
兩個數字在講不同市場。至於這波中期合約租金的漲勢是不是短暫現象，老實說不確定。DRAM 和 NAND 漲價造成的供給扣留可能是部分原因，GB300 大量上線之後會不會有變化也還不知道。
兩種情境，同一個結論
兩個人的差異在硬體壽命。但其實對結論沒什麼差。
Research Affiliates 也算了折舊五年和七年的情境，淨資本形成分別約為 50% 和 59%。仍然有大量資本支出是維持性的。
從投資的角度看，這兩種情境最後指向同一個方向，就是買爆 AI 硬體供應鏈。
- 如果租金持續上升，代表供不應求，算力業者必須不斷買進新設備，AI 硬體供應鏈直接受益。
- 如果租金三年就會低於營運成本，代表硬體經濟壽命很短，業者每年都需要替換大量設備做維持性支出，對供應鏈而言同樣是長期穩定的需求。採購週期縮短、替換需求持續存在。
來源： AI as Infrastructure、When Will AI Be Both Powerful and Profitable、The Great GPU Shortage - SemiAnalysis