AI算力中心如何评估回本周期

评估 AI 算力中心的回本周期，不能只用“总投资÷年度租金收入”。这类项目同时包含寿命较长的土地、电力与机电设施，以及技术淘汰更快的 GPU/NPU。前者折旧期可达 15—20 年，后者的技术淘汰周期可能只有 3—4 年。若把两类资产混在一张静态收益表中，往往会高估远期收入、低估设备更新和再融资压力。

分层计算现金流

更可靠的方法是建立三层模型。基础设施层计算土地、电力接入、变电站、冷却与网络设施的建设成本和残值；算力设备层计算采购、折旧、更新及退出价值；运营层则纳入上架率、算力单价、利用率、电费、运维费、利息和税费。回本点应以累计自由现金流转正为准，而不是会计利润转正。

收入预测至少要设置基准、乐观和压力三种情景。关键变量不是名义机柜数量，而是可持续交付的有效算力：上架率不足、集群利用率下降、电力无法满载或客户压价，都会显著拉长回本周期。美国项目若采用 SPV、私募信贷、REITs 或 GPU 租赁证券化，还需单独测试利率上升、再融资失败及债务偿付覆盖不足的情形。

检查资产是否可迁移

2028 年投产的项目可能无法承担最前沿模型训练，但并不等于资产归零。评估时应判断供电容量、建筑承重、液冷管道和网络拓扑能否支持下一代设备，以及旧设备能否转向推理、企业微调或通用云服务。具备升级条件的项目，可以依靠基础设施残值和长尾收入缩短经济回收期；缺乏改造能力的项目，则更容易形成闲置资产。

最终决策不应只看单一内部收益指标，而应同时观察硬件黄金期内能否覆盖设备成本、长期现金流能否覆盖债务，以及压力情景下是否仍有可出售、可升级的电力与场地资产。真正决定回本周期的，通常不是算力需求是否增长，而是收入兑现速度能否跑赢硬件贬值和融资成本。