ตลาดรอง GPU: การซื้อและขายฮาร์ดแวร์ AI มือสอง

อัปเดต 11 ธันวาคม 2025

อัปเดตธันวาคม 2025: H100 ของ CoreWeave จากสัญญาปี 2022 ที่หมดอายุกำลังถูกจองใหม่ที่ 95% ของราคาเดิม Hyperscaler ขยายการคิดค่าเสื่อมราคาเป็น 6 ปี ประหยัดได้ ~18 พันล้านดอลลาร์ต่อปีจาก CapEx กว่า 300 พันล้านดอลลาร์ ลำดับมูลค่า: ปีที่ 1-2 สำหรับการเทรน Frontier ปีที่ 3-4 สำหรับ inference ปีที่ 5-6 สำหรับงาน batch Jensen Huang พูดติดตลกว่า "เมื่อ Blackwell ส่งมอบ คุณจะแจก Hopper ฟรีไม่ออก" แต่ความต้องการ inference ทำให้ฮาร์ดแวร์รุ่นก่อนยังคงมีค่า

H100 GPU ของ CoreWeave จากสัญญาปี 2022 ที่หมดอายุถูกจองใหม่ทันทีที่ 95% ของราคาเดิม¹ ข้อมูลนี้เผยให้เห็นสิ่งที่ตรงข้ามกับสัญชาตญาณ: AI accelerator ยังคงรักษามูลค่าได้มากแม้ว่า NVIDIA จะปล่อยรุ่นใหม่ออกมา ตลาดรองที่เติบโตเต็มที่ได้เกิดขึ้นสำหรับฮาร์ดแวร์ GPU ระดับองค์กร สร้างโอกาสให้องค์กรได้รับความสามารถในการประมวลผลในราคาส่วนลดมาก ขณะเดียวกันก็ช่วยให้ผู้ขายสามารถกู้คืนเงินทุนจากการอัปเกรดโครงสร้างพื้นฐาน

คำถามมูลค่าล้านล้านดอลลาร์ที่ลอยอยู่เหนือการลงทุนโครงสร้างพื้นฐาน AI—GPU เสื่อมราคาเร็วแค่ไหนจริงๆ—กำหนดกลยุทธ์การจัดซื้อ การวางแผนการเงิน และการตัดสินใจวงจรชีวิตโครงสร้างพื้นฐาน การเข้าใจพลวัตตลาดรองช่วยให้องค์กรปรับปรุงการจัดซื้อ GPU จับจังหวะรอบการรีเฟรชฮาร์ดแวร์ และเพิ่มผลตอบแทนสูงสุดจากการลงทุนโครงสร้างพื้นฐาน AI

การถกเถียงเรื่องค่าเสื่อมราคา

Hyperscaler และผู้ให้บริการ GPU cloud มีความเห็นต่างกันอย่างพื้นฐานว่า AI accelerator รักษามูลค่าทางเศรษฐกิจได้นานแค่ไหน:

ค่าเสื่อมราคาขยาย (6 ปี): Amazon, Microsoft และ Google ทั้งหมดขยายสมมติฐานอายุการใช้งานเซิร์ฟเวอร์จาก 3-4 ปี เป็น 6 ปี ภายในปี 2023² CoreWeave ใช้รอบค่าเสื่อมราคา 6 ปี การบัญชีนี้ลดค่าใช้จ่ายค่าเสื่อมราคาประจำปีอย่างมีนัยสำคัญ—การประมาณการชี้ว่าการเปลี่ยนแปลงนี้ช่วย hyperscaler ประหยัดได้ 18 พันล้านดอลลาร์ในปี 2024 เพียงปีเดียวจาก CapEx รวมกว่า 300 พันล้านดอลลาร์³

ค่าเสื่อมราคาเร่ง (2-3 ปี): นักวิจารณ์โต้แย้งว่าฮาร์ดแวร์ AI ก้าวหน้าเร็วเกินไปสำหรับสมมติฐาน 6 ปี NVIDIA ปล่อยสถาปัตยกรรมใหม่ทุก 2 ปี (A100 ในปี 2020, H100 ในปี 2022, B200 ในปี 2024) โดยแต่ละรุ่นให้ประสิทธิภาพเพิ่มขึ้น 2-3 เท่า Jensen Huang เองพูดติดตลกว่า "เมื่อ Blackwell เริ่มส่งมอบในปริมาณมาก คุณจะแจก Hopper ฟรีไม่ออก"⁴

โมเดลลำดับมูลค่า: มุมมองที่ละเอียดกว่าตระหนักว่า GPU รองรับงานที่แตกต่างกันเมื่อมันเก่าลง:⁵ - ปีที่ 1-2: การเทรนโมเดล Frontier ที่ต้องการประสิทธิภาพสูงสุด - ปีที่ 3-4: Inference แบบเรียลไทม์มูลค่าสูงที่ฮาร์ดแวร์รุ่นก่อนเพียงพอ - ปีที่ 5-6: งาน batch inference และ analytics

กรอบลำดับอธิบายประสบการณ์ของ CoreWeave: A100 GPU ยังคงถูกจองเต็มเพราะงาน inference ไม่ต้องการซิลิคอนล่าสุด องค์กรที่เทรนโมเดล Frontier ต้องการ B200 แต่องค์กรที่ให้บริการ inference ในการผลิตมักไม่ต้องการ

ราคาตลาดปัจจุบัน

ราคา GPU ในตลาดรองสะท้อนปฏิสัมพันธ์ระหว่างอุปทานฮาร์ดแวร์ใหม่ ความต้องการ inference และการเปลี่ยนผ่านรุ่น:

ราคา H100 (2025)

ใหม่/ขายปลีก: - ราคาพื้นฐาน: $25,000-$28,000 - การกำหนดค่าแบบรวมเซิร์ฟเวอร์: $35,000-$40,000+ - ช่วงอุปทานจำกัด: ราคาเพิ่ม 40-60%⁶

ตลาดรอง: - ใช้งานน้อย (1-2 ปี): 70-85% ของราคาใหม่ - ใช้งานปานกลาง (2-3 ปี): 50-70% ของราคาใหม่ - ตลาดเทา/eBay: ส่วนลด 20-40% แต่มีความเสี่ยงเรื่องการรับประกัน/การสนับสนุน

บริบทการเช่า Cloud: - Hyperscaler on-demand: $3-4/ชั่วโมง (ลดลง 44% จากปี 2024) - ผู้ให้บริการราคาประหยัด: $1.80-2.50/ชั่วโมง - ผู้ให้บริการใหม่กว่า 300 รายเข้าสู่ตลาดในปี 2025⁷

พลวัตราคา A100

ราคา A100 ลดลงมากกว่า H100 ในการปรับตัวกลางปี 2025 สะท้อนตำแหน่งของ GPU ในตลาดรองที่กว้างขวางและมีสภาพคล่องมากขึ้น⁸ A100 รองรับงานหลากหลายรวมถึง inference การเทรนระดับกลาง และการติดตั้ง edge—งานเหล่านี้คือที่ที่ฮาร์ดแวร์มือสองได้ชีวิตใหม่

ราคาตลาดรอง A100 ปัจจุบัน: - รุ่น 40GB: $8,000-12,000 (จาก $15,000+ ใหม่) - รุ่น 80GB: $12,000-18,000 (จาก $25,000+ ใหม่) - ชุดเซิร์ฟเวอร์ (8x A100): ส่วนลดปริมาณมาก

ผลกระทบการเปลี่ยนผ่าน B200

การพร้อมใช้งานทั่วไปของ B200 จาก NVIDIA (คาดว่า Q1 2026) จะกดดันมูลค่าตลาดรองของ H100 รูปแบบในอดีตชี้ว่ามีการลดราคา 10-20% สำหรับฮาร์ดแวร์รุ่นก่อนเมื่อองค์กรอัปเกรด⁹ องค์กรที่วางแผนซื้อ H100 ควรคำนึงถึงจังหวะการเปลี่ยนผ่านในการตัดสินใจจัดซื้อ

กลยุทธ์การจัดซื้อ

การซื้อ GPU มือสอง

โปรแกรม certified refurbished: ผู้ขายรายใหญ่ (Dell, HPE, Supermicro) เสนอเซิร์ฟเวอร์ GPU refurbished ที่ได้รับการรับรองพร้อมการรับประกัน ราคาโดยทั่วไปต่ำกว่าของใหม่ 30-40% พร้อมการรับประกัน 1-2 ปี แนวทางนี้สร้างสมดุลระหว่างการประหยัดต้นทุนกับการรับประกันการสนับสนุน

ส่วนเกินจาก Hyperscaler: เมื่อผู้ให้บริการ cloud รีเฟรชโครงสร้างพื้นฐาน สินค้าคงคลัง GPU จำนวนมากเข้าสู่ตลาด การจับจังหวะการซื้อรอบรอบการอัปเกรดที่ทราบ (AWS โดยทั่วไปรีเฟรช 3-4 ปีหลังเปิดตัว) สามารถให้ราคาที่ดี ช่องทาง remarketing ระดับองค์กรจัดการปริมาณส่วนใหญ่

เครือข่ายนายหน้า: บริษัท IT asset disposition (ITAD) เฉพาะทางรวบรวมสินค้าคงคลัง GPU จากผู้ขายหลายราย นายหน้าที่มีชื่อเสียงตรวจสอบที่มาของฮาร์ดแวร์ ทดสอบการทำงาน และให้การรับประกันจำกัด คาดหวังประหยัดได้ 20-30% เทียบกับ certified refurbished

การซื้อตรงจากองค์กร: องค์กรที่อัปเกรดโครงสร้างพื้นฐานบางครั้งขายตรงให้กับผู้ซื้อที่รู้จัก โดยเฉพาะในเครือข่ายอุตสาหกรรม การทำธุรกรรมตรงหลีกเลี่ยงค่านายหน้าแต่ต้องการการตรวจสอบสภาพฮาร์ดแวร์และที่มา

ความเสี่ยงตลาดเทา: eBay, Alibaba และแพลตฟอร์มที่คล้ายกันเสนอส่วนลดลึกที่สุดแต่มีความเสี่ยงมาก: - การรับประกันจำกัดหรือไม่มีเลย - ข้อจำกัด firmware หรือ region lock ที่อาจเกิดขึ้น - ฮาร์ดแวร์ปลอมหรือที่ถูกนำเสนอผิด - ไม่มีการสนับสนุนสำหรับการอัปเดต driver/firmware

การซื้อจากตลาดเทาเหมาะกับองค์กรที่มีความเชี่ยวชาญด้านฮาร์ดแวร์และทนต่อความเสี่ยงสำหรับงานที่ไม่สำคัญ

รายการตรวจสอบ due diligence

ก่อนซื้อ GPU ในตลาดรอง:

1. ตรวจสอบที่มา: ขอเอกสารการซื้อเดิม โดยเฉพาะสำหรับ H100 มูลค่าสูง ผู้ขายที่ถูกต้องให้ใบแจ้งหนี้ที่แสดงช่องทางจัดจำหน่ายที่ได้รับอนุญาต

2. ตรวจสอบสถานะการรับประกัน: การรับประกันจากผู้ผลิตบางส่วนโอนไปยังเจ้าของคนต่อไป บางส่วนไม่โอน ตรวจสอบการครอบคลุมการรับประกันก่อนสันนิษฐานว่าโอนได้

3. ทดสอบการทำงาน: Stress-test GPU ภายใต้งานที่เป็นตัวแทนก่อนตัดสินใจซื้อ ข้อผิดพลาดหน่วยความจำ thermal throttling และการลดลงของประสิทธิภาพอาจไม่ปรากฏในการตรวจสอบพื้นฐาน

4. ยืนยันความเข้ากันได้ของ firmware/driver: ตรวจสอบให้แน่ใจว่า GPU สามารถรับการอัปเดต firmware ปัจจุบันได้ บางหน่วยในตลาดเทามีการเข้าถึง firmware ที่จำกัด

5. ประเมินสภาพทางกายภาพ: ตรวจสอบการเสื่อมสภาพของ thermal paste การสึกหรอของพัดลม และความเสียหายทางกายภาพ GPU จากศูนย์ข้อมูลโดยทั่วไปมีสภาพดีกว่าหน่วยผู้บริโภคเนื่องจากสภาพแวดล้อมที่ควบคุม

กลยุทธ์การขาย

จังหวะการรีเฟรชฮาร์ดแวร์

จังหวะการขายที่เหมาะสมสร้างสมดุลหลายปัจจัย:

ความต้องการประสิทธิภาพ: ขายเมื่อฮาร์ดแวร์ไม่ตอบสนองความต้องการงานหลักอีกต่อไป ไม่ใช่เมื่อมันล้าสมัยสมบูรณ์ GPU ที่รองรับความต้องการการเทรนของเมื่อวานยังคงรองรับงาน inference ของพรุ่งนี้

สภาวะตลาด: การเปิดตัวสถาปัตยกรรมใหม่กดดันมูลค่ารุ่นก่อนชั่วคราว การขาย 6-12 เดือนก่อนการเปิดตัวรุ่นต่อไปที่คาดหวังจะกู้คืนได้สูงสุด การขายทันทีหลังการเปิดตัวกู้คืนได้น้อยที่สุด

ข้อผูกมัดตามสัญญา: ข้อผูกพัน cloud หรือเงื่อนไขสัญญาเช่าอาจจำกัดจังหวะ คำนึงถึงข้อจำกัดเหล่านี้ในการวางแผนรีเฟรช

CEO ของ Microsoft Satya Nadella อธิบายการกระจายการซื้อชิป AI เพื่อหลีกเลี่ยง "การติดอยู่กับค่าเสื่อมราคา 4-5 ปีของรุ่นเดียว"¹⁰ แนวทางนี้แลกส่วนลดปริมาณกับความเสี่ยงล้าสมัย

ความคาดหวังการกู้คืน

การขาย GPU ระดับองค์กรโดยทั่วไปกู้คืนได้ 60-80% ของราคาซื้อเดิมขึ้นอยู่กับ:¹¹ - อายุและสภาพ - ความทันสมัยของรุ่น (มีรุ่นต่อไปกี่รุ่นที่ปล่อยออกมา) - สมดุลอุปทาน/อุปสงค์ของตลาด - ความสมบูรณ์ของแพ็คเกจ (GPU อย่างเดียว vs เซิร์ฟเวอร์)

กลยุทธ์รวมชุด: การขายเซิร์ฟเวอร์ GPU ครบชุดเป็นข้อเสนอ turnkey มักให้ผลตอบแทนดีกว่าการแยกขายชิ้นส่วน ผู้ซื้อให้ค่ากับการติดตั้งที่ง่ายขึ้น ผู้ขายลดความซับซ้อนในการทำ remarketing

ช่องทางการขาย

พันธมิตร ITAD: บริษัท IT asset disposition จัดการโลจิสติกส์ การรับรองการทำลายข้อมูล และการหาผู้ซื้อ โดยทั่วไปคิดค่าคอมมิชชัน 15-25% แต่ลดภาระผู้ขายอย่างมาก

การขายตรงระหว่างองค์กร: การขายให้ผู้ซื้อที่รู้จัก (อาจผ่านสมาคมอุตสาหกรรมหรือเครือข่ายวิชาชีพ) หลีกเลี่ยงค่านายหน้าแต่ต้องการความพยายามของผู้ขายในการหาผู้ซื้อและเจรจาเงื่อนไข

แพลตฟอร์มประมูล: การประมูลที่เน้นเทคโนโลยีรวบรวมความต้องการของผู้ซื้อแต่สร้างความไม่แน่นอนของราคา เหมาะสำหรับการเคลียร์สินค้าคงคลังเมื่อความเร็วสำคัญกว่าการเพิ่มประสิทธิภาพราคา

โปรแกรม Trade-in: ผู้ขายบางรายเสนอเครดิต trade-in เป็นส่วนลดการซื้อฮาร์ดแวร์ใหม่ แนวทางนี้ทำให้ธุรกรรมง่ายขึ้นแต่โดยทั่วไปกู้คืนได้น้อยกว่าการขายในตลาดเปิด

ข้อพิจารณาการวางแผนการเงิน

การปรับปรุงตารางค่าเสื่อมราคา

องค์กรควรปรับค่าเสื่อมราคาทางบัญชีให้สอดคล้องกับวงจรชีวิตฮาร์ดแวร์จริง:

แนวทางอนุรักษ์นิยม (3 ปี): ตรงกับช่วงการใช้งานหลักทั่วไป ค่าใช้จ่ายค่าเสื่อมราคาประจำปีสูงกว่าแต่ไม่มีการตัดจำหน่ายที่ไม่คาดคิดเมื่อฮาร์ดแวร์ล้าสมัย

แนวทางขยาย (6 ปี): ตรงกับแนวปฏิบัติของ hyperscaler ค่าใช้จ่ายประจำปีต่ำกว่าแต่ต้องมีความมั่นใจในการรักษามูลค่าในตลาดรอง

แนวทางผสม: ค่าเสื่อมราคาเร่งในปีที่ 1-2 (50-60% ของมูลค่า) ค่าเสื่อมราคาช้าลงในปีที่ 3-6 สะท้อนเศรษฐศาสตร์ลำดับมูลค่าที่การใช้งานหลักจับมูลค่าส่วนใหญ่

การปรับต้นทุนรวมการเป็นเจ้าของ

คำนึงถึงมูลค่าคงเหลือในการคำนวณ TCO:

ต้นทุนประจำปีที่แท้จริง = (ราคาซื้อ - การขายต่อที่คาดหวัง) / ปีที่ใช้งาน
                      + ต้นทุนดำเนินงานประจำปี (ไฟฟ้า, ทำความเย็น, สนับสนุน)

ตัวอย่าง เซิร์ฟเวอร์ H100: - ซื้อ: $300,000 - การขายต่อที่คาดหวัง (4 ปี): $90,000 (มูลค่าคงเหลือ 30%) - ต้นทุนดำเนินงาน: $40,000/ปี - ต้นทุนประจำปีที่แท้จริง: ($300,000 - $90,000) / 4 + $40,000 = $92,500

เทียบกับการสันนิษฐานว่ามูลค่าคงเหลือเป็นศูนย์: - ต้นทุนประจำปีที่แท้จริง: $300,000 / 4 + $40,000 = $115,000

ความแตกต่าง TCO 20% ส่งผลกระทบอย่างมากต่อการตัดสินใจสร้างเอง vs เช่า

ผลกระทบทางภาษี

ปรึกษาที่ปรึกษาภาษีเกี่ยวกับ: - การเลือกวิธีค่าเสื่อมราคา (straight-line vs เร่ง) - การหักลดหย่อน Section 179 สำหรับอุปกรณ์ที่เข้าเงื่อนไข - จังหวะการขายสำหรับการเพิ่มประสิทธิภาพกำไรจากทุน - ความเป็นไปได้ของการแลกเปลี่ยนประเภทเดียวกัน

โครงสร้างตลาดและผู้เข้าร่วม

หมวดหมู่ผู้ขาย

Hyperscaler: AWS, Azure และ GCP ปลดระวาง GPU capacity เป็นระยะ สร้างอุปทานรองจำนวนมาก โดยทั่วไปส่งผ่านพันธมิตร remarketing ที่ได้รับการรับรองแทนที่จะเป็นตลาดเปิด

ผู้ให้บริการ GPU cloud: CoreWeave, Lambda Labs และบริษัทที่คล้ายกันรีเฟรชโครงสร้างพื้นฐานในรอบที่เร็วกว่า hyperscaler การหมดอายุสัญญาสร้างอุปทานที่คาดการณ์ได้

องค์กร: องค์กรที่จบโครงการ AI หรือเปลี่ยนกลยุทธ์ขายกำลังการผลิตส่วนเกิน คุณภาพแตกต่างกันมากขึ้นอยู่กับรูปแบบการใช้งานและการบำรุงรักษา

สตาร์ทอัพที่ล้มเหลว: การล้มเหลวของบริษัท AI ปล่อยสินค้าคงคลัง GPU บางครั้งในราคา distressed Due diligence สำคัญเนื่องจากที่มาและประวัติการบำรุงรักษาที่ไม่แน่นอน

หมวดหมู่ผู้ซื้อ

องค์กรที่ใส่ใจต้นทุน: องค์กรที่มีงาน inference หรือแอปพลิเคชันวิจัยที่ฮาร์ดแวร์รุ่นก่อนเพียงพอ

ตลาดเกิดใหม่: องค์กรในภูมิภาคที่ไวต่อราคาที่จัดซื้อโครงสร้างพื้นฐานในจุดราคาที่เข้าถึงได้

สตาร์ทอัพ AI: บริษัทระยะเริ่มต้นที่ bootstrapping ความสามารถในการประมวลผลก่อนได้รับเงินทุนสำหรับฮาร์ดแวร์ใหม่

สถาบันวิจัย: องค์กรวิชาการและไม่แสวงหากำไรที่มีงบประมาณจำกัดที่ต้องการฮาร์ดแวร์ที่มีความสามารถ

พลวัตตลาดปี 2025

หลายปัจจัยกำหนดสภาวะตลาดรองปัจจุบัน:

ผลกระทบภาษีศุลกากร: นโยบายการค้าของสหรัฐฯ ที่ประกาศใช้ในปี 2025 เพิ่มต้นทุนชิ้นส่วน GPU 20-40% ส่งผลกระทบ

[เนื้อหาถูกตัดสำหรับการแปล]