兩年前，輝達 (NVDA-US) H100 GPU 是全球科技業最炙手可熱的「數位黃金」，單片售價曾飆升至 40,000 美元且一卡難求。然而，近期金融部落客與二手電商平台 eBay 的數據顯示，這款昔日的算力王者成交價已跌至約 6,000 美元，跌幅高達 85%。這種「斷崖式」的貶值，究竟預示著 AI 泡沫的破裂，還是產業迭代的必然？
經濟學家 David McWilliams 指出，大規模投資 GPU 存在隱憂，因為它們就像「數位生菜」（Digital Lettuce），一旦新一代產品問世，舊型號就會迅速「枯萎」貶值。
H100 跌價的核心原因並非性能絕對值的退化，而是單位推理成本的淘汰。根據數據分析：
- 成本差異： 使用 H100 進行模型推理的成本，約是新一代 Blackwell (B300/B200) 架構的 11 倍。
- 效能跨度： 在 FP4 性能表現上，GB200 NVL72 甚至能提供高達 98 倍的提升。
對於算力服務商而言，持有 H100 意味著營運成本遠高於採用新硬體的競爭對手，「跑一秒虧一秒」的現實迫使存量算力加速流入二手市場。
財務報表下的「掩蓋」與「伏筆」
儘管市場價已崩盤，但科技巨頭如微軟 (MSFT-US) 、谷歌 (GOOGL-US) 、Meta(META-US) 等，目前多採取將 GPU 折舊年限延長至 5-6 年的會計策略。此舉雖然在短期內美化了財報上的淨利，卻掩蓋了資產真實貶值的慘狀。
隨著輝達維持「一年一更新」的瘋狂節奏（從 Blackwell 到即將到來的 Rubin 架構），H100 的帳面價值與市場價值之間已形成巨大的鴻溝。這預示著在不久的未來，全球科技巨頭恐將面臨巨額的資產減損壓力。
為何巨頭依然「買新不買舊」？
既然貶值速度如此驚人，為何巨頭們仍瘋狂下訂 B200 甚至是尚未面世的 Rubin？原因有三：
- 時間即硬通貨： 在大模型競賽中，取得算力的時間差決定了生存權，晚半年拿到貨可能意味著徹底掉隊。
- 基建慣性： 現代資料中心的電力與液冷設施多為超前規劃，只能兼容特定世代的硬體。
- 「投名狀」機制： 持續採購當下產品，是確保未來下一代（如 Rubin/Feynman）優先供應權的必要籌碼。
H100 的跌價並非象徵 AI 產業的崩潰，反而可能是 AI 應用爆發 的訊號。當頂級晶片從「奢侈品」降級為「通用物資」，二三線雲端服務商將面臨殘酷洗牌，但對中小企業與學術界卻是極大利多。
正如過去的「大船貨」硬體，幾年後這些曾經高不可攀的 AI 心臟，將以極低廉的價格走入民間，成為個人開發者與家庭算力伺服器的標配，推動 AI 真正走向普及化。
