SK Securities提出旧GPU还能长期稳定赚租金

SK Securities：算力认知转变引发的内存重新估值

算力认知：从消耗品变为资产

AI算力并非消耗品。它不是一种会快速贬值的技术商品，反而可以成为可跨代重新部署、持续产生现金流的基础设施资产。

从这个角度来看，AI资本支出不仅仅是周期性成本，更是一个积累算力储备的过程，这些储备未来可以多次变现。CoreWeave最新的财报就证明了这种可能性。

哪怕是发布六年的A100相关资源，目前仍签下了持续到2029年的长期合同，老旧GPU的价格也维持在可观水平。

这不一定单纯是供应短缺导致的。客户会根据自身工作负载需要的性能来选择成本，而非一味追求最快的GPU。最新的GPU负责前沿训练和高性能推理，而现有的H100/A100可以转去做通用推理、微调、批量工作负载这类任务。

这就是算力分层的概念，类似内存分层。一旦人们对算力的认知改变，看待AI基础设施扩张融资的视角也会改变。

如果GPU这类AI基础设施能在初始合同结束后通过重新签约持续产生收入，它就会变成可融资的基础设施资产，而非仅仅是一件电子设备。

投资回报平衡点出现在三年内，之后的时期可能就是真正的利润区

同样的逻辑也适用于超大规模企业的自由现金流。亚马逊表示，其在服务器和网络设备上的投资平均不到三年就能达到收支平衡点。

这意味着，如果包括GPU在内的算力资产经济寿命超过三年，后续的使用周期可能不只是简单收回本金，而是产生额外利润的区间。新GPU的收入和现有算力储备的二次生命周期收入会同时产生。

如果像A100一样，资产到第九年仍然能用，那就意味着在市场担心的回收期和实际经济寿命之间，打开了一个可观、高利润的超额回报区间。

内存地位的改变是结构性现象，是必须接受的变化

一旦对AI资本支出的认知改变，内存地位发生变化就完全顺理成章。AI是重资产行业，现实世界里的物理供应能力约束是无法改变的。

为什么会签下约束力强的五年长期协议，原因也变得清晰。内存对客户的「真实」利润区有着重大影响。如果内存不赚钱，需求就永远得不到满足，无法 secured 出货量，只有价格上涨，未来的收入曲线也会向下修正。

内存赚大钱是结构性的，是必须接受的变化。