GPU租金全线走强，算力资产化逻辑获市场验证

根据Silicon Data的最新市场追踪，在非超大规模云服务商市场中，主流AI算力硬件的租赁价格呈现出普涨态势。具体来看，A100、H100、H200及B200的每小时单GPU租金分别约为1.65美元、2.72美元、3.29美元和5.61美元。其中，H100的租金自去年年底的2美元水平已出现明显反弹，而新发布的B200和H200也同步展现出强劲的租赁需求。

更有指标意义的是基于远期租金曲线估算的设备残值。模型显示，H100的36个月后残值预估已从去年10月的约1.4万美元，攀升至目前的2万美元左右。需要明确的是，此残值为基于租金收益的金融模型估值，而非当前二手市场的实际成交价格。这一上升曲线，为英伟达首席执行官黄仁勋近期频繁阐述的“算力资产化”理念提供了初步的市场脚注。

从飞机船舶到GPU：稳定现金流撬动万亿级融资

黄仁勋的核心逻辑在于，当GPU集群能够像飞机、远洋船舶那样，持续稳定地产生推理算力租金收入时，它便具备了成为优质融资抵押品的核心条件——可预测的未来现金流。据行业消息，英伟达正联合Apollo、BlackRock等顶级金融机构，积极推动一个规模可能超过5000亿美元的AI基础设施专项融资计划。

该模式的创新之处在于，部分贷款将直接以AI计算设备本身作为抵押物。为了增强金融机构的信心并降低融资成本，英伟达可能考虑为这些抵押设备提供基于其残值估值的担保，据传担保比例最高可达25%。若这一模式成功跑通，将大幅降低新兴AI云服务商的资金门槛，其获取的廉价资金反过来又会形成对英伟达GPU的持续采购需求，形成一个潜在的增长飞轮。

繁荣背后的隐忧：技术折旧是估值“终极考官”

然而，在算力资产化的宏大叙事下，冷静的数据揭示了另一面。Silicon Data自身的二手市场数据显示，使用约三年的H100显卡，当前挂牌价仅为其巅峰时期新品价格的20%至30%。这赤裸裸地表明，在快速迭代的AI硬件领域，技术性折旧依然猛烈且真实。

另一方面，发布于更早的A100显卡，其长达六年的租金价格保持相对稳定。这或许只能证明，在推理、模型微调等对绝对算力峰值要求不高的成本敏感型场景中，老一代硬件依然有其生存空间和经济价值。

关键判断：经济寿命与融资安全的再平衡

综合来看，一个更准确的行业判断可能是：AI GPU的经济使用寿命，或许比市场此前普遍假设的2-3年要更长。强劲且持续增长的推理需求，正在部分抵消因技术迭代带来的绝对性能折旧。这个判断至关重要，因为它直接关系到那5000亿美元融资计划的核心——抵押品的长期价值是否稳固。

未来，AI算力市场的金融化能走多远，不仅取决于租金曲线的斜率，更取决于技术折旧曲线与现金流创造能力之间这场旷日持久的拉锯战。金融机构必须在拥抱创新与坚守风控之间，找到那个微妙的平衡点。