B200 GPU 估值超 7 万美元，硬件折旧为什么失灵？

B200 显卡的估值被 Silicon Data 标到约 7.1 万美元。这个数字并不是二手成交价，而是按它继续运行、出租能带来的收益推算出来的。玩家买显卡关心还能跑多少帧，算力买家则会多问一句：它还能挣多少钱？

显存够大，还得喂得够快

B200 是 Blackwell 架构的数据中心 GPU。一次 DeepSeek-R1 对话背后，服务器要读取模型参数、进行大量矩阵运算，再逐步生成回答，B200 就能承担这些工作。

它通常在多卡服务器里协同运行。按 8 卡 DGX B200 的官方规格均摊，每颗 GPU 有 180 GB HBM3e 显存、8 TB/s 显存带宽。对比 H100 SXM 的 80 GB 和 3.35 TB/s，容量是 2.25 倍，带宽约 2.4 倍。

这两项提升，都关系到推理服务能接多少活。显存里要放模型参数，还要留出空间保存对话缓存。用户一起涌进来，或者一次塞进长文档，缓存需求都会增加。容量更大，部署模型和容纳并发请求就多了一些余地。

带宽则影响数据送到计算单元的速度。生成回答时需要反复读取数据，计算单元等得久，出字也会被拖累。不过，显存容量和带宽增加，并不意味着回答速度同比提升，实际表现仍取决于模型、软件和负载。

我更在意这些规格最后能换来多少有效产出。同一小时里，让更多用户以可接受的速度拿到答案，才有机会摊薄每次推理的成本，也给运营者支付更高租金留出空间。

七万美元，算的是未来的活

有了产出，才能往下算设备值多少钱。现金流折现的做法，是估算 GPU 剩余使用寿命内的租金收入，扣掉电力、机位、人工等运营成本，再考虑利用率随时间的衰减，以及资金的时间价值，折算成今天的金额。

这也解释了硬件老化与估值上涨为什么可能同时发生。假如租金预期提高，新增收益可以抵过老化带来的价值损耗。估值模型里，设备的剩余赚钱能力发生了变化。

会计折旧仍会照常计算，但用了几年的账面价值，未必能代表设备现在还能带来多少收益。

卡能到货，还得能开工

未来收入要落地，先得把 B200 用起来。

家用 GeForce 也能跑模型，B200 这类设备则需要服务器和机房配套。DGX B200 里的 8 颗 GPU 通过 NVLink 高速互联，整机最大功耗约 14.3 千瓦，供电与散热都要按整套系统安排。电力和散热没到位，GPU 再贵也只能待岗。

交付时间同样有价。假如新服务器还要等，二手设备却能更早交付、接入现有机房并承担订单，那么多付的钱，就可以与提前开工带来的收益一起算。

租用也得看何时可用、租多久。同样写着 B200，需要提前预留与立即可用，对赶上线的团队价值不同。

新卡进门，旧卡未必退休

即使顺利开工，今天的收入预期也不会一直固定。任务减少、利用率下降，或者电力与机位成本上升，都会压低未来收益。更高效的新硬件出现，也可能让客户用更少的钱完成同样的工作，影响 B200 的租金和估值。

不过，新卡上市并不会让所有旧卡同时失去用途。A100、H100 仍能承担较小模型推理、语音识别等任务。在机房里，资历老不等于能提前退休。只要既有设备做这些工作仍然划算，运营者就有理由继续用。

我会把稳定的任务量放在买卡之前。已经有活排着队，提前开工值得算账；项目还在试水，先租能少背一笔闲置成本。7.1 万美元的估值里，真正昂贵的，是那些被预期会持续到来的订单。

如果项目急着上线，你会为能立即开工的二手设备多付钱，还是先租算力等新机？