云服务器如何用

引言， 11月份，科技股经历了持续抛售潮，被华尔街称为DeepSeek冲击以来最大的动能回撤。

市场信息显示，电力瓶颈可能拖慢美国与中国AI竞赛中的步伐，大空头burry集中做空Palantir和英伟达，对AI日益增长的怀疑-支出太多、收益太少、顶级机构抛售英伟达、美联储12月降息概率下降等导致科技股遭大幅抛售。任何被认为存在商业模式瑕疵或估值过高的股票都承受巨大抛压。

本轮抛售主要从11月初启动，纳斯达克指数回落约5-10%，美股七巨头整体市值蒸发超1万亿美元，许多AI概念股如Palantir进入修正区，跌幅超10%。

整个过程并非线性崩溃，而是间歇性波动，类似于过山车，伴随高成交量和杠杆清算。

本轮抛售更像是估值修正而非系统性崩盘，类似于2022年科技熊市，但恢复更快。12月以来的反弹显示，逢低买入者入场。

在2025年11月的科技股抛售潮中，谷歌反而脱颖而出，成为少数逆势上扬的亮点，这也印证了市场并非盲目恐慌抛售，而是投资者在审慎评估后，更青睐那些有坚实业绩预期和AI商业化潜力的公司。11月24日，谷歌股价大涨超6%，创下历史新高。

Burry做空报告本轮科技股抛售潮中扮演了催化剂。11月4日，Michael Burry旗下的Scion基金提前两周公布的13F文件证实，约80%仓位集中做空Palantir和英伟达。他针对Palantir的看跌期权名义价值高达9.12亿美元（相当于500万股），针对英伟达的看跌期权名义价值达1.87亿美元。

在AI热潮的当下，这无疑是一石激起千层浪，CNBC的一条报道标题：Michael Burry持有价值9.12亿美元的Palantir看跌期权。

后来Burry在社交平台X回应道：我买了5万份看跌期权，每份价格1.84美元。每份合约对应100股股票。总共只花了920万美元，不是9.12亿美元。每个合约能够让我在2027年以50美元价格卖出PLTR。

发布形式不是类似机构单纯的报告，而是结合SEC备案和公开声明的形式，类似于他2008年预测次贷危机的风格。伯里作为大空头原型的传奇色彩，他的声誉使这些观点迅速传播，媒体大肆报道，引发AI泡沫搜索量激增。当他将矛头对准散户信仰极高、估值极贵的Palantir时，市场解读为聪明钱认为AI炒作已见顶。

Michael Burry的做空报告和相关警告在本轮2025年11月科技股抛售潮中扮演了催化剂角色，虽然并非唯一或主导因素，但他的影响力通过媒体放大和市场情绪传导，显著加剧了投资者对AI泡沫的担忧，导致部分卖盘加速。

Michael Burry-《大空头》原型，对Nvidia的空头观点，核心论点之一是，超大规模云服务商（如微软、谷歌）通过延长AI数据中心资产的使用寿命来低估折旧费用，从而人为提升盈利。

具体来说，他的核心论据包括以下几个关键数据点。

Burry指出，在2020年左右，谷歌、微软、Meta等科技巨头对于服务器和网络设备的预估使用寿命通常设定为3年。2024/2025年将这一会计估计逐步延长到了5年甚至6年；

谷歌: 从2020年的3年延长至6年。

微软: 从2020年的3年延长至6年。

Meta: 从3年延长至5.5年。

甲骨文: 从5年延长至6年。

Burry 认为这存在巨大的逻辑漏洞，目前的 AI 基础设施，主要是 Nvidia 的 GPU 和相关服务器技术迭代极快，产品周期实际上只有 2-3年，因为新一代芯片算力提升巨大，旧芯片快速贬值。

物理上这些设备只能保持领先2-3年，但会计账目上却按6年折旧。这种错配使得每年计入报表的折旧费用大幅减少，从而凭空增加了当前的净利润。

基于上述数据，Burry 估算这种会计处理将在 2026年至2028年 期间导致全行业少计提约1760亿美元的折旧费用。换句话说，他认为科技巨头透支了未来的利润，现在的财报显得比实际经营情况好看太多。

我们把过去的云计算黄金时代（2015-2020年）和现在的AI军备竞赛时代（2023-2025年）做一个数据对比。

当年觉得云计算投入很大，但和现在为了AI砸的钱相比，是小巫见大巫。正是因为现在砸钱的规模太恐怖了，所以折旧政策才变得如此敏感。

我们可以选取三家最具代表性的云巨头（微软, 谷歌, Meta）来看看资本开支的暴涨。

云计算时代 (2016 - 2019)，这个时候，云服务刚刚普及，巨头们主要买地、盖机房、买通用服务器（CPU）。虽然也在增长，但基数相对可控。

微软: 这一时期的年均 资本开支大约在 100亿 - 150亿美元 左右。

谷歌: 大约在 150亿 - 230亿美元 之间。

Meta: 还没全力搞元宇宙和AI，年均在 100亿 - 150亿美元。

当时这笔钱里，很大一部分是房子建筑设备和土体（数据中心外壳），折旧年限长达20-30年；服务器虽然是3-4年折旧，但CPU相对便宜，几千美元一颗。所以折旧对利润的侵蚀虽然有，但不致命。

疯狂的AI军备竞赛 (2024 – 2025)，现在的情况完全变了。现在的资本支出主要是用来买极其昂贵的GPU，单价3-4万美元和配套的高端网络设施。

硅谷四大巨头(微软、谷歌、Meta、亚马逊)资本支出总和，2024年约2460亿美元，2025年预计在3500亿至4000亿美元之间；

具体到硅谷各大科技巨头2025年度资本支出：

微软约 900亿美元，用于 Azure 云服务和 AI 基础设施 ，具体就是购买 Nvidia GPU、建设数据中心。

亚马逊超 1000 亿美元，用于支持 AWS 的 AI 基础设施扩张，包括自研 Trainium 芯片。 |

谷歌约 850 亿美元 ，用于扩大 AI 算力容量，特别是用于其 Gemini 系列模型和 Google Cloud 的 TPU集群。

Meta 约600 亿至 690 亿美元 ，购买 GPU 和建设数据中心，以支持其 Llama 模型和内部产品中的 AI 需求。

短短5年间，资本开支规模翻了几倍。折旧期限不太敏感在那个百亿规模的时代是成立的，但现在不行了。这背后是一道数学题。

云计算时代，你有300亿的服务器资产。按3年折旧，每年折旧费 100亿。按5年折旧，每年折旧费 60亿。差别是40亿，虽然不少，但对于巨头几百亿的利润来说，还能忍受。

AI时代，随着疯狂投入，你的服务器资产累积到了1000亿，甚至更多。按3年折旧，每年折旧费 333亿。按5年折旧，每年折旧费 200亿。

差别高达133亿！这直接就是一百多亿美元的净利润凭空消失或产生。这也解释了为什么巨头们最近两年都在修改会计准则。

AI时代，数据资产核心是GPU。一台NVL72机柜可能价值几百万美元。而土建房子物理成本占比在下降。

这意味着，几百亿砸下去，买回来的大部分是需要快速折旧的电子产品，而不是可以折旧30年的房子。 这让财务报表的折旧压力陡增。这就是为什么资本市场现在紧盯着巨头的服务器折旧年限调整，因为那往往是利润表中最大的水分来源。

科技巨头延长折旧政策，一个原因点是AI军备竞赛太烧钱了，烧到连巨头都感到财务报表兜不住了。

如果继续维持以前3年折旧的会计政策，面对现在每年动辄数百亿美元的资本开支，巨头的财报，特别是净利润会变得非常难看，甚至可能引发股价崩盘。这就是典型的财务工程手段。

如果不延长折旧年限，巨头的每股收益会因为巨额投入而大幅下滑，华尔街的算法会自动给它们降级，导致股价大跌。为了维持高增长、高利润的人设，同时还能疯狂买显卡，延长折旧是两全其美的办法。

延长折旧等于算力过剩？ Burry做空英伟达的核心逻辑，折旧延长等于算力过剩的信号。如果算力真的极度紧缺，巨头们应该恨不得把旧卡立刻淘汰，换上能效比更高的新卡，以腾出宝贵的电力和机柜空间给更强的算力。

现在的情况，他们选择延长旧卡的使用时间。潜台词说明旧卡，比如 A100 甚至更早的型号虽然不是最强的，但完全够用。当够用成为常态，对最强、最新芯片（Blackwell/Rubin）的边际需求就会下降。这确实预示着算力过剩的早期迹象。

我们可以把这个逻辑细化为以下几个分析点：

1.推理并不需要核武器，目前的 AI 叙事正在从训练转向推理，即用户实际大规模使用场景。

训练需要最强的卡，因为要拼速度和效率。推理很多时候不需要那么强。用旧的 H100，甚至更老的 A100卡跑微调后的模型，成本反而更低。

这里做空逻辑点， 巨头手里囤积的海量旧卡，如果延长寿命转做推理，就会直接挤占购买新卡的预算。英伟达原本指望的更新换代潮会被推迟。

2.资本回报率问题，软件收入跟不上硬件投入。这是最致命的。巨头们花几百亿买卡，延长折旧是为了让账面好看，掩盖高昂的硬件成本无法通过 AI 软件服务赚回来的尴尬事实。

如果应用端没有爆发，没有人买单，巨头们最终会发现手里的算力是严重过剩的。

历史教训，2000 年互联网泡沫破裂前，思科也是卖铲子的。当光纤铺设过剩，而互联网应用还没跟上时，思科的股价就崩盘了。

既然科技巨头算力过剩，为啥巨头还在疯狂投资数据中心。硬币的另一面，做空在这个逻辑下面临的风险。

虽然你的逻辑在经济学上完全站得住脚，但在博弈论层面，做空英伟达目前还有一个巨大的风险，这可能是 Burry 也会犹豫的地方。

囚徒困境导致的非理性繁荣，即使谷歌知道自己算力过剩了，它敢不买最新的卡吗？

如果微软买了最新 Blackwell，而谷歌还在用 H100，万一谷歌训练出了 GPT-6，而谷歌只有 Gemini 2.5，谷歌就可能直接在这个时代出局。

现在的买卡逻辑不是基于需求，而是基于恐惧和防御。 这种非理性需求可能会让泡沫持续的时间比理性分析预测的要长得多。

巨头为什么要延长折旧，还有一个是算力利用最大化策略。科技巨头正在构建一个金字塔式的算力结构。

塔尖训练必须买最新的。这部分资金是无底洞，比如科技巨头疯狂下单最新的B200，训练最新大模型需要最先进的生产力工具，这部分是英伟达的增量，

推理可以用旧的。既然新卡那么贵且都要拿去搞训练，那么用户端的日常对话、搜索摘要等脏活累活，就由这些折旧完的旧卡来扛。这部分就是那些被延长折旧的 H100/A100。

延长旧卡折旧并不意味着不买新卡。相反，正是因为要花大钱买新卡，资本支出压力大，才更需要把旧卡多用几年，把综合成本降下来。巨头不是在收缩，而是在精打细算地扩张。

云服务器运行环境

对英伟达其实是利好，说明客户是理性的，而不是盲目的。

巨头们敢于修改会计准则，还有底层商业逻辑，科技巨头赌未来需求爆炸式增长，任何一张通电的卡，都不会浪费，能产生收益。

这是科技巨头与 Michael Burry 等做空者最大的分歧点。

AI 市场将从训练转向规模化推理。如果这个逻辑成立，那么看似过时的显卡确实能通过以下三种方式变成黄金。

训练阶段，确实需要 B200，因为大模型训练需要大规模集群同步计算，短板效应明显，必须用最强卡。

推理阶段，当模型训练好之后，部署给全球几十亿用户使用，比如你问 ChatGPT 一个问题，这其实是海量的碎片化需求。这时候不需要昂贵的B200，大量库存的H100就可以了。

一张 H100 甚至更老的 A100，虽然训练 GPT-5 费劲，但用来运行推理GPT-4 或更小的模型完全绰绰有余。

只要未来的需求是万物皆 AI，比如手机助手、智能家居、自动客服，那么对于低延迟、低成本的中低端算力需求将是天文数字。

巨头做的是云租赁生意，而不是卖显卡。在亚马逊 或谷歌云上，你会发现至今还能租到 5-6 年前的 CPU 或 GPU 实例。巨头会把最新的 B200 定高价，卖给财大气粗的头部创业公司；把折旧完的 H100/A100 降价租给价格敏感的中小企业、大学实验室或个人开发者。

一旦前 3 年把硬件成本收回来了，后面 3 年哪怕租金打折，因为硬件成本已归零，剩下的收入扣除电费后，全是纯现金流。

还有一个很现实的因素，产能瓶颈。台积电的 CoWoS 封装产能有限，英伟达的 B200 产量在未来几年可能都无法满足所有人的需求。这就造成了有卡总比没卡好。

当客户排队买不到 B200 时，他们别无选择，只能去租用巨头手里大量的 H100 存货。这种稀缺性强行延长了旧设备的经济寿命。

这里的最大风险点，这个逻辑听起来很完美，旧卡降级做推理，榨干每一滴价值，但它有一个前提条件，经济成本正收益。

如果未来的推理技术进化得太快，比如出现了专门的 ASIC 芯片，它们做推理的能效比是 H100 的 100 倍。这时，用 H100 做推理就不是有收益了，而是连电费都赚不回来。

这就好比现在虽然比特币大涨，但没人会用 2015 年的显卡去挖矿，因为挖出来的币还不够交电费。

巨头的这个赌局其实是在赌，未来的AI应用大爆发带来的收入，能覆盖掉旧设备低效运行带来的额外电费成本。

历史经验表明， 当一项战略级技术遇到瓶颈时，巨头的第一反应往往不是放弃，而是加大剂量。

如果 GPT-5 并没有像预期那样涌现出颠覆性能力，说明现在的暴力堆算力遇到了边际效应递减。

悲观者（burry）会说： 路走不通了，别投钱了，抛售英伟达。

乐观者（硅谷）会说： 这是因为当下的算力还不够大，或者数据还不够多！

过往历史经验，巨头的第一反应往往不是放弃，而是加大剂量。既然 10 万张卡训练不出来，那就上 50 万张。既然 Transformer 架构有瓶颈，那就用算力去把新的架构试出来。所以，技术瓶颈往往会导致研发军备竞赛的进一步升级。 为了突破那个临界点，大家反而会更疯狂地购买最先进的英伟达显卡。

当方向是正确的时候，路上的坎坷只会刺激更多的投入，而不会导致撤退。这是一种典型的长期技术决定论的视角，也是硅谷最硬核的信仰派的逻辑。

从历史的经验思考算力规模需求，当下反复和2000年互联网泡沫比较一个点就是投资太过超前和激进。因为光缆铺设太多，没人用。正是因为有了那些过剩的光缆，才承载了后来 2005 年 YouTube 的视频爆发和 2010 年移动互联网的崛起。

现在的 AI 也是一样。如果能做到 赋能万千行业，现在的算力基础设施其实是远远不够的。

就像电力工业发展，电力工业诞生在19世纪，现在规模还在发展。

现在的算力只够几亿人聊聊天。如果 AI 能像电一样，接管自动驾驶、控制机器人、设计新药，目前的算力规模还需要扩大 100 倍甚至 1000 倍。

在这个宏大的愿景面前，GPT-5 是否惊艳不重要，人类向硅基智能迁徙才是大趋势。

Burry 做空的是股价的波动。如果 GPT-5 不及预期，英伟达的股价可能会因为情绪崩盘，回调 30%-50%，在金融市场上叫杀估值。

只要通往 AGI 的路径没有被证伪，科技巨头的资本开支就不会停，因为谁也不敢在这一轮工业革命中掉队。只要巨头还在买卡，英伟达的基本面就是稳的。

Burry 的风险，站在了科学规律的对立面，用消费品逻辑分析生产力工具。如果 AI 的发展真的像当年的摩尔定律一样，每 18 个月能力翻倍，那么 Burry 的做空逻辑就会失效。

Burry用消费品逻辑分析ai需求。这里burry把GPU需求类比手机，大家都觉得手机够用了，所以销量下滑。

当下AI 逻辑，现在的模型还很笨，还会产生幻觉，还不能完全替代程序员，不满足感依然极强。只要模型还不够完美，对更强算力的渴望就不会停止。

只有一种情况能让 Burry 赢，那就是缩放定律突然失效了。比如，大家发现用了 B200 训练出来的 GPT-5，相比 GPT-4 并没有本质的智力提升，只是语速快了一点。那一刻，才是真正的算力过剩到来之时，也是英伟达崩盘之时。

这实际上演变成了一场速度与耐力的赌局。市场多头逻辑， 赌的是缩放定律还能继续生效 3-5 年，算力需求是无底洞。市场空头逻辑（burry）， 赌的是边际效用递减，或者巨头的现金流撑不到模型产生质变的那一天。

从产业周期看，burry赌的周期波动。AI 产业目前最特殊的属性，它还处在能力爆发期，而不是功能饱和期。

ai巨头赌的是进化，burry赌的是周期。科技巨头买最新的卡因为训练需求，大模型也在迭代，更先进的卡也是生产力工具，能迭代出新的模型，这个不像手机，几年前的都满足基本需求，根据自己需求换...

Ai数据中心是生产力工具逻辑，只要 OpenAI 的缩放定律还没失效，即算力越大，模型越智能，那么对最强算力的需求就是刚性的，甚至是无限的。

H100 跑不出来的模型，B200 能跑出来；B200 跑不出来的，下一代 Rubin 能跑出来。这是性能匮乏，所以必须买最新的。

这不同于消费品逻辑，比如手机，iPhone 17 比 iPhone 12 强，但用来刷微信没区别。这是性能过剩，所以用户换机动力不足。

在训练端，不存在性能过剩。如果扎克伯格想训练 Llama 4，他必须用 10 万张 H100 或者 3 万张 B200。用老旧的 A100 是物理上跑不通的，应为时间太长、显存不够、通信太慢。

军备竞赛的本质，不是为了维持现有业务，而是为了解锁新能力。有了 B200，才能解锁视频生成。有了下一代芯片，才能解锁全自动驾驶或生物制药研发。谁停下买最新卡，谁就失去了通往下一个时代的门票。

所以，只要技术还在指数级突破，英伟达最新一代显卡的订单就永远不会断。Burry 赌的是周期，但 AI 巨头赌的是进化。

burry认为云计算巨头延长折旧，高估利润，没有做空云计算巨头，反手做空英伟达，是因为云计算巨头基本面比较好，即使回撤幅度也不大，做空风险高

Burry 之所以把枪口对准英伟达，而不是那些正在做假账，延长折旧的云巨头。背后是博弈论的角度。

1.云巨头VS英伟达：谁的风险高，这是最关键的逻辑链条。

云巨头它们是多元化的。如果 AI 赌输了，谷歌还有搜索广告，微软还有 Office 和 Windows，亚马逊还有电商。这些核心业务每年产生千亿现金流，构成了极厚的安全垫。就算 AI 这一块归零，它们的股价顶多跌个 20%-30%，很难腰斩。

英伟达营收高度集中。目前英伟达 40%-50% 的收入来自那 4-5 家云巨头。

如果云巨头发现 AI 不赚钱，这正是它们延长折旧试图掩盖的事实，它们的第一反应是砍单。

只要巨头稍微削减 10% 的资本开支，英伟达的增长故事就会瞬间崩塌，营收可能直接负增长。

云巨头只是少赚点，英伟达却是整条命都在这上面。做空英伟达的赔率要高得多。

2.估值问题，做空最怕的是估值本来就低。

云巨头在三季度前后，谷歌的 PE 只有 20 倍左右，微软 30 倍出头。这在历史上都属于合理区间。做空一群 PE 20 倍、垄断全球的赚钱机器，简直是自杀行为。

英伟达市盈率和市销率都在历史高位。它被定价为永续高增长。市场对英伟达的预期是完美的。只要有一点点瑕疵，比如增速从 200% 降到 100%，股价就会发生杀估值。

Burry 的算盘，做空谷歌，你得指望它破产；做空英伟达，你只需要指望它不再完美。

3. 延长折旧恰恰是英伟达的利空信号

这一点最微妙。Burry 认为云巨头延长折旧这个行为本身，就是对英伟达最大的利空。

为什么要延长折旧？因为巨头们觉得买新卡的成本太高了，或者新卡带来的回报率太低了，所以必须强行留着旧卡多用几年。

延长折旧 = 减少换新频率。如果谷歌宣布服务器要用 6 年而不是 3 年，这意味着未来的复购率会大幅拉长。这直接导致英伟达未来的潜在订单减少。

所以，巨头的会计魔术，实际上是为了掩盖它们买不起或不想买更多英伟达显卡的窘境。这一刀，最终是捅在英伟达身上的。

Burry 并没有被表面的会计数字迷惑，他看穿了产业链的传导机制：云巨头是庄家，手里有无数张牌可以打，就算 AI 这一局输了，还能靠别的回血。

英伟达是卖铲子的，但现在所有人都赊账买铲子，一旦大家发现金矿是假的，第一个死的就是卖铲子的。这就看市场相信金矿是不是真的。

云服务器如何用

谷歌云服务器 注册