10 月 21 日，在德国柏林的 GTC 大会上，英伟达 CEO 黄仁勋表示，随着软件持续更新和 AI 应用需求扩大，GPU 的实际使用寿命已经从过去普遍认为的约 4 年，延长到 8 年甚至更久。在他看来，这一变化不只是硬件可靠性的提升，而是 AI 正在改写服务器资产折旧的底层规则。
从四年到八年
黄仁勋给出的解释分三层。英伟达的计算系统应用面极广，性能优化做得足够好，能长时间保持高效运行，这已经是公司的重要优势之一。更关键的是软件可编程技术，英伟达在资产的整个生命周期里不断改进软件、持续更新，因此能确保长期高效运行。他说，人们发现以前认为的四年生命周期，实际上可能是八年甚至更久。
他补充了一个容易被忽略的变量：使用者基数足够大，这让算力既高效又具备可替代性，同时经久耐用。这条逻辑对英伟达之外的算力运营商同样成立，英伟达在 AI 算力争夺战中的位置也因此不只取决于芯片参数。
马斯克给出同向判断
在 SpaceX 2026 年第三季度财报电话会上，马斯克提出几乎一致的看法：AI 模型越强，同样一度电所能产出的有用智能就越多，因此每瓦计算能力的价值会随时间上升而不是下降。随着软件改进、模型优化，每瓦计算能力能提供的有用智能会越来越多，计算能力的价值与每瓦的有用智能成正比。这就是为什么连 H100 这样的老 GPU，现在的租金也比新机器时期更高。
词元降价，GPU 小时却在涨价
半导体供应链分析师加文·贝克在同一个大会上补充了市场侧的数据。他观察到词元价格在下行，词元组合也在转向价格更低的档位，但单位 GPU 小时的租赁成本却大幅上涨。原因在于给定的 GPU 小时内获得的词元越多，这个 GPU 小时的价值就越高，所以随着词元价格下降，客户实际支付的账单反而在往上走。
三条判断指向同一个结论：算力资产的账面折旧周期正在变长，而每单位算力的商业价值在变高，两者叠加会持续改变云厂商和模型公司的成本结构。
延伸阅读
- Databricks AI Runtime 正式可用，训练周期压到48小时5 小时前
- 英伟达否认 RTX 5090 停产传闻，承认供应链产能受限5 天前
- 台积电Q3净利润同比暴涨65%背后：AI芯片需求如何重塑全球半导体格局1 周前
- NVIDIA下代Groq LPU放弃SRAM：3D堆叠DRAM能解决大模型推理的存储墙吗1 天前
继续读
同一批更新里这几篇值得一看：
- Databricks AI Runtime 正式可用，训练周期压到48小时2026-10-22
- 诺基亚联手T-Mobile和英伟达完成全球首次AI-RAN通话2026-10-22
- 美光 G11 NAND 堆叠超400层，存储密度翻倍2026-10-22