与其他任何愿意不惜一切代价将人工智能转化为颠覆性机遇的超大规模数据中心运营商一样，亚马逊也在财务和硬件方面采取了一些大胆的举措。一份新的报告称，该公司购买的GPU数量已经超过了其运行能力。
据称，亚马逊每月都在斥资数十亿美元采购英伟达的硬件机架，即便部分站点尚未做好部署准备，且目前也缺乏足够的电力来驱动这些人工智能加速器。据《商业内幕》看到的亚马逊内部邮件显示，只要能尽早获得新的硬件产能，亚马逊就愿意预先投入数十亿美元的资金。
这些信息描述了亚马逊的“提前接收机架”流程。通过该流程，AWS预计仅在8月份就将接收价值约50亿美元的英伟达GB300服务器机架，并且在可预见的未来，每月还将接收约30亿美元的机架。亚马逊在最终部署阶段之前就获得了“专为人工智能推理时代打造”的服务器。
部分位于美国的AWS数据中心电力不足，无法安装和启动服务器，这意味着这些昂贵的硬件只能暂时存放在“中间”仓库中，直到最终的数据中心建成。在邮件中，亚马逊的一个团队抱怨说，公司每月采购的GPU究竟何时才能全部安装完毕，目前尚无明确的预测。
亚马逊能源容量不足是“闲置GPU”这一日益普遍现象的一部分。数据中心和云巨头们正在尽可能地囤积硬件，但其中大部分实际上都闲置在货架上积灰，而IT行业的其他企业只能得到一些残羹剩饭。
GPU 的“暗黑”问题也给数据中心业务带来了更大的财务压力。亚马逊的滚动自由现金流在第二季度出现自 2023 年以来的首次负值，该公司预计这种情况将持续一段时间，今年的资本支出预计将达到约 2200 亿美元。
亚马逊在构建新的人工智能能力和数据中心容量方面投入的资金超过任何其他超大规模数据中心运营商，并且正在改变其传统的商业模式。在人工智能热潮兴起之前，AWS 只有在机架建造完成并交付到数据中心后才会取得所有权。而现在，这家由杰夫·贝佐斯创立的公司愿意预先投入数十亿美元，以便在供应链的早期阶段就获得更多的人工智能机架。
亚马逊发言人为这种做法辩护，称将成品货架存放在仓库是“最佳商业实践”。该公司预计，这项大规模人工智能基础设施建设最终将带来可观的财务回报，因为人工智能是任何IT公司都不能错过的千载难逢的机遇。亚马逊首席执行官安迪·杰西表示，AWS此前也经历过类似的情况。
英伟达GPU越用越值钱？连A100都在涨价
按照传统的硬件折旧逻辑，GPU从出厂的那一刻起，就应该随着使用时间增加而逐渐贬值。新一代产品性能更强、能效更高，旧款产品自然应该让出市场，租赁价格也应随之下降。
但AI算力市场正在出现一种不同寻常的现象：GPU不仅没有按照预期持续贬值，部分型号的租赁价格反而一路走高，甚至连已经推出多年的A100，也重新获得了市场需求。
风险投资机构Andreessen Horowitz（a16z）近日发布的分析，以及Wccftech对相关数据的报道，都关注到了这一变化。根据a16z引用的Ornn Data数据，2026年GPU租赁市场的表现已经明显偏离传统折旧曲线。按照六年直线折旧推算，相关GPU的租赁价格比折旧基准高出9%至143%，覆盖从A100到H200等不同型号。
这背后值得关注的，并不是GPU突然变成了不会贬值的资产，而是AI推理需求的增长，正在改变旧款GPU的使用价值和市场定价逻辑。
从a16z披露的数据来看，GPU租赁市场的变化并非只发生在最新一代产品上。
以2026年1月1日为参照，Ornn Data追踪的GPU系列中，A100、H100、H200以及RTX PRO 6000等型号的租赁价格均表现出不同程度的上涨。Wccftech对相关数据的报道还提到了B200。
其中，H200相对于六年直线折旧基准的价格溢价达到143%，B200为111%，RTX PRO 6000为73%，H100为54%，A100则为9%。
不同型号之间的差异也值得注意。H200、B200等产品的溢价更高，而A100的溢价相对有限。不过，即使是较老的A100，其租赁价格表现也没有完全按照传统折旧逻辑走低。
当然，这并不意味着所有旧款GPU的租赁价格都在持续上涨。a16z特别指出，A100和H100在较长一段时间内曾低于六年直线折旧基准，只是在2026年春季以后，市场情况发生了明显变化。
从时间走势看，2026年第一季度，部分GPU租赁价格曾经回落。H100和B200一度比年初水平低约23%，随后在4月至5月开始反弹。H200则在5月下旬出现明显上涨，短暂回落后继续走高，并延续至10月。
这说明，GPU租赁市场并非一路单边上涨，而是在经历阶段性波动后，随着需求变化重新走强。
为什么老款GPU没有像传统硬件那样迅速失去价值？
a16z给出的一个重要线索，是AI Token消耗量的变化。
根据其引用的OpenRouter数据，2026年春季以来，Token使用量出现明显增长。经历夏末短暂的平台期后，近期又重新加速。其中，开源模型和闭源模型的Token消耗量都在增长，闭源模型的份额近期还有小幅提升。
这一趋势与GPU租赁价格的变化在时间上存在一定对应关系。a16z认为，如果2026年春季以来的需求变化成为新的常态，那么即使是较早推出的GPU，也可能继续受益于AI算力需求增长。
这里的关键在于，AI基础设施的需求不只来自训练新模型。
随着模型被更多地用于实际应用，推理任务需要持续消耗算力。不同应用对硬件性能的要求并不完全相同，一些任务并不一定需要使用最新、最强的GPU。对于能够满足具体工作负载要求的旧款产品，只要仍有足够的使用价值，就可能继续留在市场中。
这也解释了为什么新一代GPU的出现，并不必然意味着旧款产品立即失去需求。硬件性能存在代际差距，但市场需求同样存在层次差异。旧款GPU未必能够胜任所有前沿任务，却仍可能在适合自己的工作负载中发挥作用。
不过，需要注意的是，a16z引用的Token消耗数据只覆盖OpenRouter所能观察到的一部分市场，不能代表整个AI行业的全部需求。租赁价格与Token消耗量之间的对应关系，也不足以单独证明价格上涨完全由推理需求驱动。
这轮变化也让GPU的折旧问题重新受到关注。
对于购买GPU并出租算力的企业来说，设备价值不仅取决于采购成本，还取决于它在未来几年能否持续产生收入。如果一款GPU的租赁需求能够维持较长时间，其经济使用寿命就可能长于最初的预期。
反过来，如果新一代产品迅速替代旧款GPU，或者租赁价格明显下跌，设备就可能更快失去经济价值。
因此，六年直线折旧只是一个用于衡量资产价值变化的基准，并不意味着GPU在六年内每年都必然按照相同幅度创造或损失价值。
a16z的数据反映出，在当前AI需求环境下，部分GPU的租赁价格表现强于传统折旧模型所暗示的水平。但这与GPU二手售价上涨、设备投资回报率提高，仍然是不同的问题。
GPU租赁价格只是收入端的一个指标。要判断一台GPU是否真正成为更有价值的资产，还需要考虑采购成本、电力、散热、运维、利用率以及未来租赁需求等因素。仅凭租赁价格高于折旧基准，还无法得出完整的投资回报结论。
同样，当前的市场表现也不能直接推导出旧款GPU未来不会贬值。随着更多算力供应进入市场、租赁需求发生变化，价格仍可能出现调整。
GPU租赁价格的变化，折射出AI基础设施市场正在经历的一个转变：硬件的经济价值，越来越取决于它能否持续承接真实的计算需求，而不只是它在产品路线图中处于什么位置。
新一代GPU性能更强，并不意味着旧款产品必须立即退出市场。只要仍有合适的应用场景，旧款GPU就可能继续产生收入；但这并不意味着所有旧款GPU都能保值，更不意味着算力租赁天然是一门稳赚不赔的生意。
真正值得关注的是，AI需求能否持续增长，以及这种增长能否转化为足够稳定的算力使用率和租赁收入。对于算力运营商而言，GPU的价值不只在于买入时的性能，更在于未来几年能够创造多少实际收益。
当AI算力从集中训练逐渐延伸到更广泛的推理应用，GPU的市场价值也可能呈现出比传统硬件更复杂的变化。至少从目前的数据看，简单地按照产品发布时间判断GPU的经济寿命，已经不足以解释当前市场的全部变化。
（来源：内容来自半导体行业观察综合）
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
