把 AI 热潮类比成 2000 年的互联网泡沫，是最省事的叙事，也最容易掩盖真正的差异。Hacker News 上一条讨论给出了一个具体切口：光纤能撑几十年，GPU 三年就过时。

发生了什么

这条讨论的核心论点很朴素：两轮热潮的底层资产寿命完全不同。dot-com 时代大规模铺设的光纤，物理寿命以十年计，即便运营商破产、带宽闲置，资产本身仍在，后来被下一波云计算的流量重新填满。而当前 AI 数据中心里最贵的部件是 GPU，它同时承受物理损耗和更致命的技术性折旧——新一代架构一出，旧卡的单位算力性价比迅速塌陷。讨论由此推论：AI 基础设施的资本开支，更像是在为一条不断缩短的折旧周期付费，而不是在沉淀可长期复用的资产。

为什么重要

这个差异改变的是风险的性质，而不只是程度。光纤时代的错误是「铺得太多、需求来得太晚」，属于时间错配，熬过去就有机会回本；GPU 时代的错误可能是「买得太贵、还没回本就已落后」，属于资产贬值，熬不过去。

对提供算力的一方来说，这意味着必须尽快把折旧摊到收入里，租赁和云服务的定价压力会持续存在；对采购方来说，自建集群的账要按更短的周期来算，而不是按传统数据中心十年的视角。讨论中隐含的判断是：如果需求增速放缓，最先暴露的不是「闲置的带宽」，而是「还没折旧完的卡」。

需要克制的是，这只是一个结构性观察，不是对泡沫与否的定论。GPU 折旧快，同样也意味着供给可以更快调整，行业不会像光纤那样被沉没资产拖住十年。

影响与看点

对行业而言，值得盯的是算力租赁的价格曲线和二手 GPU 市场的流动性——这两项最能反映折旧压力是否已经开始传导。对开发者而言，硬件迭代加速意味着针对特定卡型做深度优化的收益窗口在变短，把优化放在框架和模型层面比押注某一代硬件更稳。对企业采购而言，租还是买、签多长的约，正在从财务问题变成技术战略问题。

一个独立判断：这轮 AI 热潮真正的分水岭，可能不是模型能力是否见顶，而是第一批大规模采购的 GPU 集体进入折旧尾期时，账面数字会有多难看。