30 秒看重點
- 事件：AI 科技巨頭對 GPU 伺服器與資料中心硬體的折舊年限計算標準分歧。
- 意義：折舊估算多一年，就能為科技巨頭省下數十億美元，美化帳面獲利。
- 影響：這將干擾台灣 AI 概念股與伺服器代工業者的硬體更替與出貨節奏。
當微軟、Google、Meta 等科技巨頭大舉採購 NVIDIA 晶片的同時，背後正上演一場「會計魔術戰」。這場關於 AI 伺服器到底能用幾年、折舊如何計算的爭論，不僅關係到巨頭們的財報數字好不好看，更是台灣 AI 供應鏈未來拉貨動能的重要風向球。
買了百億元的 GPU，到底能用幾年？
科技巨頭們對「AI 設備能活多久」這件事，現在每個人心裡打的算盤都不一樣。過去，傳統的通用伺服器壽命大約是 4 到 6 年，各大巨頭也習慣以此來攤提成本；然而，到了生成式 AI 時代，動輒數十萬美元的一台 AI 伺服器，其核心 GPU（如 NVIDIA H100、Blackwell）迭代速度極快。如果按照舊標準攤提，一旦技術兩年就落伍，企業就必須面臨資產減損的提列；但如果把折舊年限寫得太短，每年的帳面成本就會暴增，直接重創 EPS。
這導致了科技巨頭在財務策略上的莫衷一是。部分廠商為了向華爾街交出漂亮的獲利成績單，傾向於延長折舊年限，把高昂的硬體成本往未來的年份推遲，這在財務上被視為一種「延後痛苦」的策略。然而，這種做法的風險在於，當新一代更強大的 AI 晶片推出時，舊設備可能在尚未折舊完畢前就失去商業競爭力，淪為資料中心裡的「昂貴電子垃圾」。
- 2020-2022 年：雲端巨頭（Hyperscalers）普遍將一般伺服器折舊年限從 3-4 年延長至 5-6 年，成功為當季省下數十億美元成本。
- 2023-2024 年：生成式 AI 爆發，昂貴的 GPU 投資比重飆升，原有的折舊估算模型面臨技術快速迭代的挑戰。
- 近期：各大巨頭在財報中對 AI 資料中心設備的實際耐用期限說法不一，財務透明度引發華爾街與審計機構高度關注。
台灣怎麼看這件事？
台灣作為全球 AI 伺服器代工與零組件的絕對重鎮，這場折舊大戰將直接影響台廠的接單能見度。如果美系雲端巨頭決定延長 AI 伺服器的折舊年限，意味著他們在財務上不急著把舊設備淘汰，這可能會拉長下一代伺服器的採購週期，對廣達、緯穎、鴻海等代工廠的短期出貨量造成壓制。反之，若巨頭們被迫縮短折舊年限，這將倒逼他們加快硬體汰換速度，台灣供應鏈則會迎來更密集、規模更大的換代商機。因此，投資人在觀察台灣 AI 概念股時，不能只看巨頭的資本支出（CapEx），更要看他們的折舊政策變化。
編輯觀點
折舊年限堪稱是科技巨頭財報上最合法的「遮羞布」。當微軟、Google 豪氣宣布要繼續砸大錢建資料中心的同時，他們也正透過會計手段來粉飾高昂的研發與硬體代價。如果 AI 的實際變現速度跟不上折舊的速度，這場由會計遊戲支撐的繁榮，終究會在幾年後因為「資產減損提列」而露出馬腳。對於台灣業者來說，保持技術彈性、不單押特定一代產品，才是應對客戶隨時可能調整採購節奏的王道。
常見問題
- 什麼是資料中心的「折舊」？
- 折舊是一種會計方法，將購買高昂設備（如伺服器）的成本，分攤到該設備預期可使用的數年壽命內，而非在購買當下一次性認列所有費用。
- 為什麼 AI 伺服器的折舊比傳統伺服器難算？
- 因為 AI 技術迭代太快。NVIDIA 幾乎每年都推出新晶片，這讓舊款 GPU 雖然硬體沒壞，但在效能與耗電比上迅速落伍，實際商業壽命大打折扣。
- 延長折舊年限對科技巨頭有什麼好處？
- 可以減少當期的「折舊費用」，從而在不改變實際業務的情況下，讓當季與當年的帳面「淨利」與「EPS」看起來更漂亮。
- 這對台灣 AI 供應鏈（如廣達、緯穎）是利多還是利空？
- 若巨頭延長折舊，可能導致換機週期拉長，對台廠短期出貨是隱形利空；若縮短折舊促使快速換機，則是利多。
- 一般投資人該如何防範這種財報陷阱？
- 投資人應避開只看淨利的盲區，多關注企業的「自由現金流（Free Cash Flow）」以及財報附註中關於「伺服器估計使用壽命」是否有突然改動的說明。
名詞小教室
- 折舊（Depreciation）
- 就像你買了一台 5 萬元的最新 iPhone，預計用 5 年，這 5 年內你每年心裡默默扣除 1 萬元當作手機的「老化成本」，這 1 萬元就是折舊。如果手機用 2 年就摔爛必須換新，你就必須一次性把剩下的 3 萬元當作虧損認列。