舊 GPU 為什麼不跌反漲？一個正在重塑 AI 競爭格局的反常現象

科技產品有一條鐵律：越舊越不值錢。

一台 iPhone 出廠後就開始折舊，三年後轉賣的價格通常是原價的三到四成。一顆 Intel CPU 的二手市場行情，會隨著下一代晶片的到來穩定下滑。整個消費電子業的商業模式，幾乎都建立在這條折舊曲線之上。

然而 AI 算力正在打破這條規律。

在 SemiAnalysis 創辦人 Dylan Patel 與播客主持人 Dwarkesh Patel 的對話中，有一個判斷讓人停下來想了很久：「一顆 H100，今天的價值比三年前更高。」

這句話乍聽之下相當不合理。H100 早在 2022 年就開始量產，那是 NVIDIA 的上一代旗艦 GPU。同系列之後有 Blackwell，再過去還有 Rubin。按照傳統邏輯，H100 應該早就被新一代晶片壓著賠錢。

但 Dylan 說的不是錯誤，是一個正在重寫 AI 基礎設施估值邏輯的現實。

折舊邏輯為什麼失靈了？

批評者的邏輯其實很合理。NVIDIA 每隔兩年就會推出新一代晶片，效能大約是前一代的三到四倍，而價格只增加了五成到一倍。按這個節奏，一顆 2023 年的 H100，到了 2025 年 Blackwell 大量量產的時候，理論上每小時的租用價格應該從 2 美元跌到 1 美元，到了 2027 年 Rubin 上市後，可能進一步跌到 0.7 美元。

投資人 Michael Burry 就用這個邏輯做空 AI 算力股，主張 GPU 的折舊週期只有三年、甚至更短，讓雲端業者帳面上的資本支出比市場預期的高得多。

問題在於，這套定價邏輯有一個前提假設：你隨時想買新晶片就買得到。

• 延伸閱讀：那些 NVIDIA 新聞稿中沒說的事情：老黃如何回應「AI 泡沫說」？

現實是，買不到

台積電產能早已分配殆盡，Blackwell 的新產能在上市後幾個月內即告售罄，Rubin 還沒開始量產就已接到大量訂單。AI 算力的需求成長速度，遠超供應鏈能夠響應的速度，導致一個根本性的結構性轉變：市場對 GPU 的定價，不再是「這顆晶片跟最新一代相比值多少？」，而是「我能用這顆晶片今天創造多少價值？」

一旦改成這個問法，H100 的答案就完全不同了。

定價的關鍵：token（詞元）的商業價值

要理解這個邏輯，要先從模型本身說起。

2023 年的 GPT-4 是當年的旗艦模型，每顆 H100 可以服務一定量的 token（詞元）輸出，對應的商業市場大概在幾十億美元的量級。

到了 2026 年的 GPT-5.4，情況完全改變。這個模型比 GPT-4 更好、更聰明，但每個詞元的運算成本反而更低（GPT-5.4 是更稀疏的混合專家架構，活躍參數比 GPT-4 少），代表一顆 H100 能夠服務更多詞元，而這些詞元現在對應的商業市場已經從幾十億美元擴大到超過一千億美元。

同一顆晶片，在 GPT-5.4 的世界裡，比在 GPT-4 的世界裡產出更多高價值的詞元。

Dylan 把這個邏輯說得很直接：「H100 能產出更多 GPT-5.4 的詞元，而 GPT-5.4 的詞元比 GPT-4 的詞元更有價值。這兩件事同時成真，讓 H100 的價值在過去三年裡是上升的，不是下降的。」

這是算力經濟學裡相當反直覺的一面：當 AI 模型變得更有用、商業滲透率提高，承載這些模型的舊硬體，並不會因為有更新的硬體存在就自動貶值，因為市場根本沒有足夠的新硬體可以替代它。

租金從 2 美元漲到 2.4 美元

這不只是理論。

租用價格的實際走勢已經印證了這套邏輯。

從 TCO（總持有成本）的角度看，在 Hopper 世代剛量產時，以五年折舊計算，每小時部署成本大約是 1.40 美元。雲端業者如果以每小時 2 美元的價格簽五年合約，毛利大約在 35%，這是合理的基建生意。

現在市場上出現了新的交易：部分 AI 實驗室正在以每小時 2.40 美元的價格，簽訂兩到三年的 H100 長約。

在一顆晶片已使用兩年的情況下，還能以高出原始定價近 20% 的價格拿到新合約，這在傳統硬體市場幾乎不可能發生，但在 AI 算力市場正在發生。原因只有一個：賣方知道買方對算力的需求是真實的，而市場上根本沒有足夠的替代供給。

簽得起 2.40 美元的機構，可以用更高的出租價格，把算力市場上的小型雲端供應商一一擠出去。那些以較短期合約持有 H100 的業者，在這個競價場景裡沒有優勢。

長約就是護城河

這引出了算力競爭裡另一個關鍵洞察：誰早一步鎖定算力、以什麼價格鎖定，決定了往後幾年的成本結構。

OpenAI 的做法，是從相對早期就大量簽訂五年長約，涵蓋 Microsoft、Amazon、Google，同時也簽了 CoreWeave、Oracle 等第二線供應商，甚至包括從未建過資料中心的 SoftBank Energy。

當時這個策略讓不少市場觀察者皺眉，因為 OpenAI 的財務狀況還沒有穩定到支撐這些承諾的程度。有幾個月，供應商甚至私下討論是否要拒絕再簽新約，擔心這個最大買家付不出錢。

但後來的劇情是：OpenAI 完成了一輪又一輪的融資，1100 億美元的募資規模讓市場暫時打消疑慮，算力供應商重新確信這個客戶可以履約，而 OpenAI 在合約談判上的積極策略，最終讓它鎖定的算力量遠超競爭對手。

三到五年前談定的合約，現在比市場現貨便宜。這個早期承諾，在算力升值的環境下，轉化為結構性的成本優勢。

Alchian-Allen 效應：越貴越選最好的

Dylan 在訪談中提到一個有意思的經濟學概念，值得我們在這裡展開討論。

Alchian-Allen 效應描述的是：當對兩個不同品質的商品同時施加一個固定成本，人們會傾向選擇品質更高的那個。

一個經典的案例是蘋果進口稅，假設好蘋果原本 2 美元、普通蘋果 1 美元，加了 1 美元的固定稅之後，變成 3 比 2，好蘋果的相對溢價從 100% 降到了 50%，理性消費者因此更傾向選好蘋果。

那麼，當我們套用到 AI 算力：當 GPU 的成本持續上升，企業付出的算力租金不論用哪個模型都差不多，那為什麼不多付一點、確保用的是最好的模型？這部分解釋了為什麼 Anthropic 的 Claude Opus、OpenAI 的高階版本，在算力成本高漲的環境下，客戶依然願意選擇溢價方案。

所有的收入都集中在最頂級的模型，算力市場上的每一分錢，也都在往最有效率的算力集中。這種集中效應，進一步強化了大型 AI 實驗室之間的競爭差距。

Anthropic 的保守主義代價

Anthropic 是 AI 模型能力上的強者，其 Claude 3.5 Sonnet 在整個 2025 年都是公認最強的商業模型之一，連 Google 都把自己的 TPU v7（Ironwood）賣給 Anthropic。

但在算力策略上，Anthropic 的執行長 Dario Amodei 選擇了保守路線。

Dario 的理由有其邏輯：算力合約一旦簽了就是幾年的財務承諾，如果模型收入的成長速度比預期慢，或者遇到融資困難，過度押注算力可能把公司搞垮。「我不想走向破產，」他公開說過，「我希望我們的規模化是負責任的。」

業界甚至有一個關於 Anthropic 的迷因，笑稱他們在算力供應商的選擇上有「承諾恐懼症（commitment issues）」，態度就像是「多重伴侶關係（polyamorous）」。因為他們不願像競爭對手那樣及早簽訂長達 5 年的長期算力合約。

這個判斷，在 2026 年 1 月至 2 月的現實面前，已經造成了具體的代價。

Anthropic 的年化收入（ARR）在 2026 年 1 月單月增加了 40 億美元，2 月（一個比較短的月份）再增加 60 億美元。

按這個速度推算，Anthropic 未來十個月可能新增 600 億美元的收入，對應的推論運算支出需要約 400 億美元，換算成算力需求，是額外的 4 個百萬瓩（GW）推論容量，單純為了支撐收入成長就需要這麼多，還不包括訓練用的算力。

問題是，Anthropic 現在才想補這個缺口，只能以更高的價格、向次級供應商購買現貨算力，或者接受 Amazon Bedrock、Google Vertex、Microsoft Foundry 的分潤模式，讓這三家雲端巨頭拿走一定比例的收入，換取算力的快速調度。

Dylan 說得很乾脆：「Anthropic 為他們的保守主義付出了代價。他們現在有的選項，都比兩年前那些合約貴。」

當時 OpenAI 看起來像是在「亂簽合約」，但現在的局面卻是：OpenAI 到今年底的算力量，會比 Anthropic 多，而且平均成本更低。算力以及其所帶來的巨大毛利優勢，現在是 OpenAI 的護城河之一。

供應鏈是一場信仰考試

從另一個角度看這個故事，會更清楚。

Dylan 指出，整個 AI 算力供應鏈，本質上是一場「你信不信 AGI 時間線」的信仰考試。越相信 AI 會在三到五年內帶來決定性的商業轉型，你簽的合約就越大膽，鎖定的時間就越長。

NVIDIA 的黃仁勳在這條光譜上比大多數人更靠近相信的那端，比 Google 或 Amazon 更早認定算力需求會爆發，提前去台積電和 SK Hynix 鎖定了未來數年的產能。NVIDIA 目前手上有 900 億美元的長期採購合約，同時正在與記憶體廠商談三年期的鎖量協議。

OpenAI 和 Anthropic 都說自己相信 AI 時間線，但只有 OpenAI 用行動完整地表達了這個信念。

這不是要說 Anthropic 判斷錯了，只是要說：在算力市場裡，信念必須轉化成合約，否則信念只是一個想法。等到市場印證了你的判斷，最好的算力可能已經被別人鎖走了。

H100 越用越值錢，這件事說的是整個 AI 算力市場正在從「硬體折舊曲線」切換到「商業價值驅動」的定價邏輯。但要從這個邏輯裡獲益，你必須在別人還沒完全想清楚之前，先把合約簽了。

責任編輯：Sisley
核稿編輯：Mia

加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！

延伸閱讀：

• 【NVIDIA GTC 2026】黃仁勳：推論時代來臨，全球對 AI 基礎設施需求將達 1 兆美元
• 【NVIDIA GTC 2026】推論時代來臨！NVIDIA 正式推出 Vera Rubin、Vera CPU 以及全新「推論加速器」