a16z 圖表：GPU 租金沒有照折舊劇本走，最老的 A100 也高於折舊線

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

租來的 GPU 照理說應該一年比一年便宜。一張卡用六年，帳面價值逐年遞減，租金跟著下滑，這是科技資產的標準劇本。美國創投 a16z 在 2026 年 10 月 23 日刊出的圖表週刊（台北時間當晚 10 時許），拿實際租金行情對上這條劇本，得到的結論很直接：追蹤的五張卡全部站在折舊線上方，連 2020 年就登場的 A100 都沒有例外。隔天（10 月 24 日），a16z 把其中一張圖單獨轉發到 X，五個數字開始在科技圈流傳：H200 高出 143%，B200 高出 111%，RTX PRO 6000 高出 73%，H100 高出 54%，A100 高出 9%。

這些百分比不是漲幅，也不是報酬率，它們衡量的是實際租金比一條假想的折舊線高出多少。要讀懂這組數字，得先知道那條線怎麼畫、數字從哪裡來，以及 a16z 自己在圖表上標了哪些但書。圖表本身標題就下得很直白：GPU Rental Rates Aren’t Depreciating On Schedule，GPU 租金沒有照排程折舊。

這期週刊的另一章談美國電力設備產能縮減，我們在 a16z 電力設備圖表 一文拆過。GPU 章節與它共用同一個問題意識：AI 資本支出一路暴增，供給面的瓶頸到底卡在哪裡。

五張卡全站上折舊線，最舊的兩張墊底

圖表把五張卡各自畫成一個面板：A100 SXM4（2020 年）、H100 SXM（2022 年）、H200（2024 年）、B200（2024 年）、RTX PRO 6000 WS（2025 年）。每個面板有一條實際租金曲線，加上一條往下斜的虛線，實線與虛線之間的綠色區域就是溢價範圍。五個面板的末端各標了一個百分比，也就是實線高於虛線的幅度。

Pin

排列的方式值得細看。最舊的兩張卡墊底：2020 年的 A100 只高出 9%，2022 年的 H100 高出 54%。衝在最前面的是兩張 2024 年的資料中心卡，H200 的 143% 與 B200 的 111%。真正的例外是 2025 年的 RTX PRO 6000 WS：它最新，溢價卻只有 73%，夾在中段。面板名稱裡的 WS 指的是工作站版，跟前面兩張資料中心取向的卡走的是不同市場，供給條件可能不一樣，溢價結構或許也跟著不同，這一點 a16z 沒有多作解釋。

但連「只高出 9%」本身就是新聞。一張六年前的顯卡，租金居然還站在自己的折舊帳面線上方，這在一般科技資產身上幾乎看不到。a16z 正文有一句講得很白：對一種理應從出貨那一刻就開始貶值的資產來說，這種走勢本來不該發生。它在正文裡寫得更具體：按 Ornn Data 的序列，包括最老的 A100 在內，每張卡的租金都比 2026 年初更貴。這是 a16z 的說法，圖表支援同樣的方向，只是逐卡「比年初貴多少」的幅度，圖表並沒有列出。

那條折舊線是假想帳面值，不是市場成交紀錄

圖表的縱軸以每張卡首次觀測到的租金為 100%，頁尾註明基準取的是序列裡最早一個完整的七日平均。虛線代表六年直線折舊下的帳面價值，從 100% 出發，每年下降約 16.7 個百分點，也就是 100 除以 6。圖例給它的名字是 book value，帳面價值，會計意義的數字，不是任何買家或賣家的實際成本。

還有一個更隱蔽的設定：折舊的時鐘從指數開始觀測那天起算，不是從顯卡發售日起算。從五個面板的橫軸看，A100 序列從 2024 年初開始，H100 從 2024 年中，H200 從 2025 年初，B200 與 RTX PRO 6000 都是 2025 年下半年才進榜。也就是說，雖然 A100 是 2020 年的卡，畫進圖裡時它的折舊線只走了不到三年，帳面值還有五成多，不是歸零邊緣的老古董。這個設定不影響方向結論，但會讓「相對於帳面值」的百分比比直覺大，讀的時候心裡要有這把尺。

溢價的計算方式，頁尾也寫了公式：最新日期的租金值，除以折舊線上同一個日期的排程值，再減一。這裡有個容易忽略的重點：分母本身一直在縮小。換個假想的例子就能看出麻煩在哪，假設某張卡的序列已經觀測了三年，折舊線會落在 50% 附近；如果實際租金指數其實只在 107% 附近徘徊，107 除以 50 再減一，Delta 就是 114%。租金幾乎沒動，相對於折舊線的差距卻可以很嚇人。

這條線對壽命假設還很敏感。同樣的租金曲線，換成四年折舊，虛線掉得更快，五個 Delta 全部放大；換成八年，Delta 全部縮小。所以百分比的大小依賴六年這個設定，比較穩的是方向：一條近乎平走的租金曲線，對上任何持續下斜的直線，差距本來就會隨時間拉開，圖表真正捕捉到的，是市場拒絕照帳面邏輯降價這件事。

所以 H200 的 143% 意思是：它目前的租金，大約是假想帳面殘值的 2.43 倍。這個數字衡量的是市場租金與會計折舊直覺之間的落差，比原價貴 143% 或持有者的獲利率，都是常見的誤讀。頁尾同時寫明資料截止日是 2026 年 10 月 19 日，比 X 上的轉發早了五天，這五天裡市場有沒有變化，圖表本身回答不了。

資料從哪來：一個每天結算的租金指數

圖表頁尾標記的來源是 Ornn Data。這不是憑空出現的名字。Ornn 經營一個叫 Ornn Compute Price Index 的產品，簡稱 OCPI，自我定位是每日結算的 GPU 租金基準，追蹤的正好就是 H100、H200、B200、A100 與 RTX PRO 6000 這五張卡，與 a16z 圖表的五個面板完全對上。

打開 Ornn 的公開首頁，看得到 H100 SXM 的結算值：10 月 24 日那一期是每 GPU 小時 3.02 美元，指數每個交易日結算一次，隔天就換上 10 月 25 日的新值。也就是說，a16z 用的不是抽樣問卷或自家估計，而是一個對外發布、每天結算的指數序列，這讓圖表的數字至少有明確的出處可以回查。

Pin

頁面上的用語是 settled，結算，隱含的是成交後的價格口徑，與只列詢價的一般比價網站不同。官方說明公開了基本結算方法：對成交租金取量加權、剔除極值後平均，每個交易日結算一次。免帳號能看到最新結算值與五張卡三個月的每日歷史，供應商樣本、小時粒度、完整歷史與 CSV 匯出要另外訂閱。指數實際向哪些雲端供應商收價、按什麼合約型態納入，公開頁面沒有揭露，想拿它推估特定供應商的報價，這一層口徑必須自己補上。

把鏡頭拉遠一點看 Ornn 這家公司，會更明白這個指數的企圖。官網導覽列上的產品線還包括按實驗室結算的 token 價格指數、按到期日發布的遠期曲線、記憶體現貨價格，以及新創雲端的資料中心站點與容量地圖。這個組合擺明是把算力市場當成金融市場來做資料基礎建設，租金指數只是其中一條產品線。

另一個訊號來自交易所層級：ICE Futures US 在 2026 年 9 月 29 日發布交易所公告，規劃以 Ornn 的 OCPI 指數為標的推出 H100 與 B200 兩檔期貨合約，10 月 5 日起先提供指數參考資料，上市時程尚未定案，還在等待美國商品期貨交易委員會的意見徵詢結果。一個指數獲交易所選為期貨標的，代表市場已經開始把 GPU 租金當成價格基準看待，而不只是研究素材。想自己長期追蹤租賃行情的讀者，我們先前介紹過的開源工具 Computable GPU Index 則是把公開報價彙成行情的另一條路。

a16z 自己標了四個但書

這張圖很容易在轉傳之間簡化成「GPU 漲了 143%」，但 a16z 在正文裡自己畫了四條界線。

最舊兩張卡的長期表現其實不好看。A100 與 H100 在更長的歷史裡，多數時間落在折舊線下方，a16z 的原話是這兩張卡長期落後於直線折舊。換句話說，把時間窗拉回序列開頭那一兩年，同一張圖講的是相反的故事，租金一度比折舊線還要便宜。現在的溢價主要是今年才打開的，只截最新的百分比，會讓人誤以為舊卡持有人一路都賺到這個差距，事實並非如此。

缺口有明確的起點。a16z 在 X 上的轉發文寫得精簡：大部分缺口是 4 月之後、token 需求起飛時才打開的。正文把租金走勢與 OpenRouter 上的 token 用量放在一起看，需求在 2026 年 4 月出現明顯的向上轉折，經過夏末一段短暫的平台期，最新讀數又再往上跳。a16z 據此在該節結尾留下一個開放問題：如果春天以後的需求就是新常態，那這個新常態對 GPU 非常友善，包括那些一般人認為已經老得學不會新把戲的卡。

OpenRouter 只是需求的一小片。a16z 自己加註，OpenRouter 只捕捉整體圖像的一小切片。開源與閉源模型的 token 消耗都在指數型路徑上，閉源模型上週還小幅增加了用量佔比，但從這個切片推不出整個產業的推理總量，這一點 a16z 說得相當誠實。

指數本身的代表性有限。對於這些指數是不是實際 token 支出與 GPU 成交價的完美代理，a16z 的回答是「當然不是」，但它隨即補上自己的立場：它們也不是什麼都沒說，而且它們說的故事並不是 FUD。這個專欄也不是頭一次用數字回應流行的悲觀論，九月中談 App 供給暴增的那一期，我們曾搭配 NBER 的開發者研究 一起拆解。這句話正好交代了整節的動機，開場白寫的就是近期時間軸上滿是 FUD，恐懼、不確定與懷疑的縮寫。a16z 是創投，投資組合深度依賴 AI 基礎設施需求，這張圖既是數字也是立場，讀的時候把兩者分開拿，數字歸數字，動機歸動機。

對租算力的人，這是方向訊號，不是報價單

這張圖對不同角色的意義並不相同。自己買卡建叢集的團隊，看到的重點是折舊假設失靈：如果租金不隨帳面價值下滑，按五、六年攤提的財務模型就得重算。純租用雲端算力的人，看到的是方向訊號，連舊卡的需求都還沒退，雲端報價短期內要大幅回落，條件看起來並不充裕。只用模型 API 或訂閱服務的人，影響最間接，租金壓力要穿過雲端成本、再穿過模型定價才會落到帳單上，時間差可能以季計。

但無論是哪種角色，實際要付多少錢，永遠取決於拿到的報價。地區、時段、合約長度、記憶體配置與使用效率都會改變價格，同一張卡的名字在不同條件下可以差出一大截。指數衡量市場，報價單才衡量你的成本，兩者不該混用。一個務實的做法是把指數值與自己每次實際成交的報價並列記下，時間拉長，就看得出指數對你的採購是領先、同步還是落後。

想持續回查，有兩個地方最省力。Ornn 的指數每天結算，公開首頁就能看到 H100 的最新值；a16z 的圖表週刊每週更新，這期的 GPU 章節，與我們先前拆過的同一期電力設備章節可以對照著看，一個談晶片本身的租金，一個談供電設備的產能，兩個瓶頸指向同一波 AI 資本支出。

還沒有答案的部分也先說清楚。各卡相對折舊線的溢價會不會收斂，OpenRouter 的用量曲線能不能外推到產業總量，Ornn 指數的取樣在雲端供應商之間怎麼加權，這些在現有公開資料裡都還看不出來。截至 10 月 19 日的資料足以說明折舊劇本暫時失靈，但下一季會不會回到劇本內，沒有人有答案。到時候值得回來對照的三個地方：Ornn 首頁的 H100 結算值、a16z 下一期週刊，以及 OpenRouter 公開排行榜上的用量走勢。