Jensen Huang: starsze H100 to infrastruktura przynosząca przychody, nie sprzęt do szybkiego odpisu

Jensen Huang przedstawia argument nie tylko technologiczny, lecz także finansowy: GPU nie musi być traktowane wyłącznie jak urządzenie, które wraz z wiekiem traci wartość. Jeżeli można je elastycznie przydzielać różnym klientom, utrzymywać wysokie wykorzystanie i stale uzyskiwać z niego przychód z najmu, może działać bardziej jak produktywna infrastruktura.

Punktem odniesienia jest H100 — wcześniejsza generacja układów AI Nvidii. Dane rzeczywiście wskazują, że starsza moc obliczeniowa wciąż ma wartość rynkową. Same w sobie nie odpowiadają jednak na trudniejsze pytanie: jak długo H100 będzie generować atrakcyjne przepływy pieniężne, gdy nowsze systemy staną się powszechnie dostępne.

Na czym polega argument Nvidii

Huang określił moc obliczeniową Nvidii jako „zamienną, trwałą i wysoce podatną na wynajem”, a zarazem jako „produktywne aktywo generujące przychody”. 16 W praktyce ta teza opiera się na trzech założeniach:

• Zamienność: zasoby można przenosić między klientami i zadaniami, zamiast przypisywać je jednemu nabywcy lub zastosowaniu.
• Trwałość: użyteczność biznesowa GPU może utrzymywać się także po premierze kolejnej architektury.
• Możliwość wynajmu: operatorzy mogą zamieniać sprzęt w powtarzalny przychód dzięki usługom chmurowym oraz kontraktom na moc obliczeniową.

To inne spojrzenie niż klasyczny model częstej wymiany serwerów. Aktywo może być amortyzowane księgowo, a jednocześnie nadal przynosić istotny dochód operacyjny. Dla operatorów chmur i dostawców infrastruktury AI najważniejsze jest więc to, czy przychody z najmu, wykorzystanie zasobów i marże uzasadniają poniesione nakłady w całym okresie ekonomicznej użyteczności sprzętu.

Co mówią dane o cenach najmu H100

Bezpośrednim impulsem dla komentarza Huanga był indeks cen Ornn Exchange. Według niego najem około trzyletniego H100 kosztował 3,28 USD za GPU-godzinę po wzroście o 22% w skali miesiąca. 16 To sygnał, że klienci nadal wyceniają moc obliczeniową generacji Hopper, mimo że Nvidia sprzedaje nowsze produkty.

Wcześniejsze dane z 2026 r. dla dłuższych kontraktów wskazywały podobny kierunek. SemiAnalysis podało, że cena rocznych umów najmu H100 wzrosła z 1,70 USD za GPU-godzinę w październiku 2025 r. do 2,35 USD w marcu 2026 r. — czyli o niemal 40%. 61

Nie należy jednak uznawać tych liczb za jedną uniwersalną cenę H100. Publikowane stawki na żądanie w 2026 r. mieściły się mniej więcej w przedziale od 2 do 12 USD za GPU-godzinę. Tańsza bywa pojemność przerywalna, a konfiguracje klasy hyperscalerów mogą kosztować wyraźnie więcej. 49 Rozpiętość odzwierciedla różnice w długości umowy, gwarancjach dostępności, lokalizacji, sieci, wsparciu oraz w tym, czy klient wynajmuje pojedynczy układ, dedykowany węzeł czy większy klaster.

Dlaczego stawki najmu są ważne dla ekonomiki infrastruktury

Flota GPU staje się łatwiejsza do sfinansowania, gdy operator może z większą pewnością prognozować generowaną przez nią gotówkę. Wyższe stawki i wysokie wykorzystanie mogą pozwolić odzyskać koszt kapitałowy w większej liczbie rentownych lat działania. Na tym polega ekonomiczna logika traktowania mocy obliczeniowej jako infrastruktury, a nie jednorazowego zakupu sprzętu.

Cena najmu jest jednak tylko jednym elementem układanki. Trwała teza infrastrukturalna wymaga dowodów, że floty GPU potrafią utrzymać:

1. wysokie wykorzystanie w różnych cyklach gospodarczych i segmentach klientów;
2. odnowienia kontraktów, a nie wyłącznie przejściowy popyt wywołany niedoborem;
3. zdrowe marże po uwzględnieniu energii, sieci, operacji i amortyzacji;
4. wartość rezydualną po szerokim wdrożeniu nowszych generacji GPU.

H100 może pozostać technicznie sprawny, a mimo to ulec ekonomicznemu starzeniu się, jeśli nowszy akcelerator zaoferuje klientom wyraźnie lepszą wydajność za dolara lub za token.

Nvidia buduje też finansowe uzasadnienie tej tezy

Strategia Nvidii wykracza poza komunikowanie stawek najmu. W sierpniu firma ogłosiła partnerstwa z Apollo, BlackRock, Blackstone, Brookfield, Goldman Sachs i KKR w celu uruchomienia platform finansowania mocy obliczeniowej. Mają one mobilizować ponad 500 mld USD kapitału zewnętrznego na infrastrukturę AI. 33

Sformułowanie ma znaczenie: inicjatywa ma mobilizować kapitał w czasie, a nie oznacza, że 500 mld USD zostało już zainwestowane lub zagwarantowane. Pokazuje jednak ambicję Nvidii, by ujmować moc obliczeniową, centra danych i powiązane systemy jako aktywa zdolne wspierać długoterminowe finansowanie oparte na wykorzystaniu.

Nvidia uzgodniła również przejęcie Hugging Face za 12,93 mld USD, rozszerzając swoją obecność na platformę otwartych modeli i narzędzi dla deweloperów. 31 Ta transakcja nie dowodzi, że konkretna generacja GPU utrzyma wartość, lecz może wzmocnić pozycję Nvidii w ekosystemie tworzącym popyt na obliczenia AI.

Ryzyka, które musi pokonać argument Huanga

Najmocniejsza kontrteza nie brzmi, że H100 są bezużyteczne — popyt na nie wyraźnie istnieje. Chodzi o to, że dzisiejszy rynek najmu może nie przewidywać jutrzejszych zwrotów.

Tezę infrastrukturalną mogą osłabić między innymi:

• wyparcie przez wydajniejsze układy: nowe architektury mogą wyraźnie poprawić koszt generowania tokenu lub wydajność treningu, obniżając stawkę akceptowaną przez klientów za H100;
• normalizacja podaży: większa dostępność GPU i mocy w centrach danych może obniżyć ceny zarówno na rynku bieżącym, jak i kontraktowym;
• alternatywne akceleratory: własne układy dużych firm oraz konkurencyjne akceleratory AI mogą ograniczyć popyt na sprzęt Nvidii w części zastosowań;
• przejściowe wąskie gardła: wzrost cen może odzwierciedlać krótkotrwały niedobór, a nie trwałą poprawę wartości aktywa;
• presja kosztów operacyjnych: energia, sieć i koszty centrów danych mogą zmniejszać zwrot nawet wtedy, gdy nominalne stawki najmu pozostają wysokie.

Dlatego miesięczny wzrost o 22% najlepiej traktować jako istotny punkt danych o popycie, a nie ostateczne rozstrzygnięcie debaty o amortyzacji.

Wniosek

Teza Huanga jest wiarygodna w ważnym, lecz ograniczonym sensie: starsze GPU AI mogą nadal generować znaczące przychody z najmu, a ostatnie ceny H100 pokazują, że klienci wciąż cenią tę moc obliczeniową. 1661 Partnerstwa finansowe Nvidii pokazują dodatkowo próbę przełożenia tej rzeczywistości operacyjnej na model infrastruktury dostępny dla inwestorów. 33

Prawdziwy test nadejdzie wraz ze skalowaniem nowszych systemów. Kluczowe będzie to, czy floty H100 zachowają wykorzystanie, będą odnawiać kontrakty i wypracują wystarczające przepływy pieniężne netto po uwzględnieniu kosztów działania. Trwała użyteczność techniczna jest konieczna, ale to trwałe wyniki ekonomiczne będą dowodem, którego oczekują inwestorzy i kredytodawcy finansujący infrastrukturę.