其實我都是靠ChatGPT幫我找，但因為公司都要定期上繳 10-Q （季報）等，所以可以很快更新。例如以Oracle 為例，找出近期的10-Q報告中，會有一節是財務報表附註（Notes to Consolidated Financial Statements），可以找到有關折舊的會計原則，裡面就會寫出來有關Data center 的折舊年限為何，有這個基準才能製作出財報來。
AI 在垂直領域的應用確實存在實質需求，但關鍵要看需求方對「自動化」與「讓機器接手」的渴望是否足夠強烈。像法律界的 Harvey、診間場景中的 Abridge，或是協助企業行銷的 Clay 等，都屬於跳脫 Microsoft 或 Google 生態圈、聚焦於高專業垂直領域的產品，這類公司是有機會脫穎而出的。
但若產品本身與大廠原有生態重疊過高，例如 AI Coding 領域的 Cursor 或 Lovable，我就不太看好。因為背後有 GitHub Copilot 或 VS Code 這樣的生態基盤，當你的產品存在會造成大廠系統的「裂縫」，那往往就代表你活不久。
謝謝這個題目讓我有機會補充。回想 2023 年初，那時許多剛起步、基於 ChatGPT API 的應用瘋狂受到創投追捧，而我當時心裡只有一句話——「讓子彈再飛一會兒吧。」 果然，不到一年，熱潮便煙消雲散。
Samuel 大你好:
您文中提到GPU的折舊週期越來越短，並且尚未揭露在一些AI算力公司的財報及相對應的估值上，不曉得即使採用較久的折舊年限，未來幾年是否在財報的損益上仍可看出端倪?
另外想請教，一些雲端公司各自也自研或委外開發ASIC，這些CPU、TPU是否也同樣出現折舊週期越來越短的現象? 對接委外訂單的設計公司(ex: AVGO、MRVL、...)的影響為何?
感謝分享。
其實我都是靠ChatGPT幫我找，但因為公司都要定期上繳 10-Q （季報）等，所以可以很快更新。例如以Oracle 為例，找出近期的10-Q報告中，會有一節是財務報表附註（Notes to Consolidated Financial Statements），可以找到有關折舊的會計原則，裡面就會寫出來有關Data center 的折舊年限為何，有這個基準才能製作出財報來。
有別於絕大多數的電腦設備（包含GPU折舊年限多在 5 年以內，台灣的企業也是，我們在公司用的桌機，折舊年限應該都是 5 年），但CoreWeave 對於它最重要的資產 Nvidia GPU，折舊年限是 6 年！所謂折舊應該是使用多少年之後，其價值應該接近零，會計原則採保守原則，所以即便公司桌機使用超過5年還在用，也就是過了折舊年限，也不代表殘值為0。
但我文章提出的論點是，如同黃仁勳不斷在強調的，現在追求的是tokens per watt，他廠的晶片即便免費也會比使用Nvidia貴，同樣的邏輯：還在使用A100，即便免費也是比較貴，那不自證明年Vera Rubin 推出之後，CoreWeave 那些數萬顆才上線三年的 H100, H200 殘值都應該為零才對。
那為什麼當初CoreWeave的簽證會計師會允許 GPU 折舊年限設定為 6 年呢？關於這點，也就是 Nvidia 認為被淘汰的GPU，賣去「海外」仍是搶手貨。把資料中心的 H100 拆下來，換上嶄新的Rubin ，再賣去海外，說不定價格還是非常漂亮。可能是這樣的因素，折舊年限被調高了。但我認為GPU反而應該只有三年的壽命，過期了就不值錢。因為運轉他們，要使用電力，當電力是稀缺資源時，耗能的舊品就不值錢了，殘值應該為 0。（這一點也是需要接受大家的挑戰的）
關於 Big-4 的 ASIC ，我認為應該跟一般的 GPU 一樣，就照公司的會計原則去折舊，這不會有甚麼問題。因為CoreWeave是新公司才會有這樣的爭議。至於各家廠商要在甚麼情況使用自家的 ASIC ，如 Google TPU 或 AWS 的 Trainium等，視各大廠的內部策略與技術，我們很難直接窺視其預計要配置多少，使用在那些廠房，用在那些加速功能上。就看我們相不相信黃仁勳10天前在 bg2 的專訪的論點。他認為從 tokens per watt 來看，ASIC不值得，這點我相信，整個AI Factory 都用 Nvidia 的架構，包括電力、冷卻、網路交換、Scale-up、Scale-out等等都使用Nvidia 的方案，省心又省錢！
但大廠想的是不想被Nvidia卡脖子啊，所以ASIC是比較難的一題，裡面的策略思維太複雜了，無法單純用數學邏輯去推論。
Samuel 大你好，
請問你文中說並不看好應用層的公司，專注在賣鏟子的公司。那目前的一些細分領域，利用AI技術增進效率的公司(比如 OSCR) ，是否擁有相對優勢? 還是說你也認為在這些領域的大公司一但也全面導入AI之後，他們生存的機會也會被大幅壓縮呢?
可否請你分享你的看法? 感謝你一直以來的好文分享，大開眼界。
AI 在垂直領域的應用確實存在實質需求，但關鍵要看需求方對「自動化」與「讓機器接手」的渴望是否足夠強烈。像法律界的 Harvey、診間場景中的 Abridge，或是協助企業行銷的 Clay 等，都屬於跳脫 Microsoft 或 Google 生態圈、聚焦於高專業垂直領域的產品，這類公司是有機會脫穎而出的。
但若產品本身與大廠原有生態重疊過高，例如 AI Coding 領域的 Cursor 或 Lovable，我就不太看好。因為背後有 GitHub Copilot 或 VS Code 這樣的生態基盤，當你的產品存在會造成大廠系統的「裂縫」，那往往就代表你活不久。
謝謝這個題目讓我有機會補充。回想 2023 年初，那時許多剛起步、基於 ChatGPT API 的應用瘋狂受到創投追捧，而我當時心裡只有一句話——「讓子彈再飛一會兒吧。」 果然，不到一年，熱潮便煙消雲散。
我知道也有一些看似小眾但技術不錯的應用，例如簡報工具 Gamma，確實很有創意；然而它的天花板注定不高——早期投資或許能獲利，但要找到漂亮的出場時機，卻是另一個難題。（這題偏創投思維。）