生成AIへの巨額投資が続くなか、米国の巨大IT企業の間で、サーバーやネットワーク機器の耐用年数に対する判断が分かれています。
米メタは2025年1月から、大半のサーバーやネットワーク機器の耐用年数を5年半に延長しました。
一方、米アマゾンは同じ時期に、一部の設備の耐用年数を6年から5年に短縮しました。
アマゾンが理由として挙げたのは、人工知能（AI）や機械学習の技術開発が加速していることです。
同じAI関連設備への投資を拡大している企業でありながら、メタは耐用年数を延長し、アマゾンは短縮するという異なる判断をしたのです。
この違いは、単なる会計方針の違いではありません。
AI技術の進歩によって、設備の経済的価値がどのように変化するのかという問題に関係しています。
今回は、アマゾンの耐用年数短縮を手掛かりに、技術的陳腐化と減価償却の関係を考えてみます。
アマゾンが耐用年数を短縮した背景
アマゾンは、世界最大級のクラウドサービス事業であるAmazon Web Services（AWS）を展開しています。
AWSは、企業や政府機関などに対して、サーバー、データベース、ストレージ、AI関連の計算能力などを提供しています。
生成AIの普及によって、AWSでもAIモデルの学習や推論に対応する設備投資が拡大しています。
こうした事業では、サーバーやネットワーク機器の性能が競争力を左右します。
新しい設備ほど処理能力が高く、電力効率にも優れている場合があります。
アマゾンは2025年、一部のサーバーやネットワーク機器の耐用年数を6年から5年に短縮しました。
その理由として、AIや機械学習に関する技術開発の加速を挙げています。
これは、設備が物理的に使用できなくなるという意味ではありません。
技術革新によって、従来の設備を経済的に使用できる期間が短くなる可能性を考慮した判断です。
設備の経済的寿命を考えるうえで、重要な事例といえます。
技術的陳腐化とは何か
固定資産の価値が低下する原因には、大きく分けて物理的な劣化と技術的な陳腐化があります。
物理的な劣化とは、設備を使用することによって部品が摩耗したり、故障が発生したりすることです。
例えば、製造設備の部品が摩耗し、修理費用が増加する場合などが該当します。
一方、技術的陳腐化とは、設備そのものは正常に稼働していても、新しい技術の登場によって経済的価値が低下することです。
例えば、5年前に導入したサーバーが現在も正常に稼働しているとします。
しかし、新型サーバーが同じ電力消費量で2倍の計算処理を行えるようになれば、旧型サーバーの競争力は低下します。
企業は、旧型設備を使い続けるより、新型設備へ更新した方が経済的に有利になる可能性があります。
この場合、設備の物理的寿命が残っていても、経済的寿命は短くなります。
AI関連設備では、この技術的陳腐化の影響が特に重要になります。
GPUの性能向上が設備更新を早める
AIの学習や推論には、大量の計算処理が必要です。
GPUは、多数の演算を並列処理できるため、AIの計算基盤として広く利用されています。
GPUメーカーは、処理能力やメモリー性能、電力効率を改善した新製品を継続的に投入しています。
新型GPUの性能が向上すれば、同じ計算処理を短時間で実行できる可能性があります。
また、単位当たりの計算処理に必要な電力が減少する場合もあります。
データセンターでは、GPU本体の取得費用だけでなく、電力料金や冷却設備の運用費用も大きな負担になります。
したがって、設備更新の判断では、購入価格だけでなく、運用期間全体の費用を比較する必要があります。
例えば、旧型GPUを使用し続ける場合の年間運用費用が100億円、新型GPUへ更新した場合の年間運用費用が60億円になると仮定します。
この場合、年間40億円の運用費用を削減できます。
ただし、新型GPUの取得費用が大きければ、更新投資を回収するまでに時間がかかります。
企業は、設備の取得費用、運用費用、処理能力、将来の需要を総合的に判断して更新時期を決定する必要があります。
設備の物理的寿命と経済的寿命は一致しない
一般的な設備投資では、機械が何年間使用できるかという物理的な耐久性が重要な判断材料になります。
しかし、AI関連設備では、物理的に使用できる期間と経済的に使用することが合理的な期間が異なる場合があります。
例えば、あるGPUが8年間正常に稼働すると仮定します。
しかし、4年後に新型GPUの性能が大幅に向上し、旧型GPUでは顧客が求める処理速度を満たせなくなったとします。
この場合、旧型GPUは物理的には使用できても、事業上の利用価値が低下します。
反対に、旧型GPUを比較的小規模なAIモデルの推論や研究用途に転用できれば、経済的価値を維持できる可能性があります。
つまり、GPUの経済的寿命は、技術革新の速度だけでなく、設備の利用目的や転用可能性によっても変わります。
アマゾンの耐用年数短縮は、こうした技術革新による設備価値の変化を重視したものと考えられます。
耐用年数を短縮すると減価償却費は増加する
耐用年数を短縮すると、原則として年間の減価償却費は増加します。
例えば、取得価額600億円の設備を6年間で償却する場合を考えます。
残存価額をゼロとし、定額法で償却すれば、年間減価償却費は100億円です。
同じ設備を取得時点から5年間で償却する場合、年間減価償却費は120億円になります。
年間費用は20億円増加します。
その結果、他の条件が同じであれば、営業利益は20億円減少します。
ただし、使用途中で耐用年数を変更する場合には、変更時点の帳簿価額と残存使用期間を基に計算します。
例えば、取得価額600億円、当初耐用年数6年の設備を2年間使用した場合、帳簿価額は400億円です。
この時点で残存使用期間を3年に短縮したとします。
変更前の年間減価償却費は100億円ですが、変更後は約133億円になります。
年間費用は約33億円増加します。
耐用年数の短縮は、企業の当期利益を押し下げる可能性があるのです。
利益が減少しても現金支出が増えるわけではない
耐用年数の短縮によって減価償却費が増加しても、それだけで現金支出が増えるわけではありません。
減価償却費は、設備の取得原価を会計上の使用期間に配分する費用だからです。
設備を購入した時点で支払った現金は、耐用年数を変更しても変わりません。
例えば、減価償却費が年間30億円増加した場合、他の条件が同じであれば営業利益は30億円減少します。
しかし、税金などの影響を除けば、営業キャッシュフローは変わりません。
一方、実際に設備更新を前倒しする場合には、新たな設備投資のための現金支出が発生します。
ここで重要なのは、会計上の耐用年数短縮と、実際の設備更新による現金支出を区別することです。
耐用年数の短縮そのものは会計上の費用配分の変更ですが、設備更新の頻度が高まれば、企業の資金負担も大きくなります。
設備更新の経済合理性をどう判断するか
企業が旧型GPUを新型GPUへ更新する場合、単に性能が高いという理由だけで投資を決定することは適切ではありません。
更新によって得られる経済的便益と、新たに必要となる費用を比較する必要があります。
例えば、新型GPUへの更新投資が300億円必要になるとします。
更新によって年間80億円の運用費用を削減できる場合、単純な投資回収期間は3年9カ月です。
ただし、実際の投資判断では、将来のキャッシュフローを現在価値に割り引いて評価する必要があります。
また、設備更新によって処理能力が向上し、追加の売上高を獲得できる可能性もあります。
反対に、旧型設備の撤去費用や新型設備への移行費用が発生する場合もあります。
こうした要素を含めて投資採算性を判断することが重要です。
AI関連設備では、技術革新の速度が速いため、設備更新の経済合理性を継続的に検証する必要があります。
減価償却と減損会計の違い
技術的陳腐化を考える際には、減価償却と減損会計の違いも重要です。
減価償却は、固定資産の取得原価を使用期間にわたって計画的に費用配分する処理です。
一方、減損会計は、資産の収益性が低下した場合に、帳簿価額を回収可能な金額まで減額することを検討する会計処理です。
例えば、取得価額1,000億円のGPU関連設備について、減価償却後の帳簿価額が600億円残っているとします。
しかし、技術革新によって設備の収益性が大幅に低下し、回収可能額が400億円になったと仮定します。
適用される会計基準の減損認識要件を満たす場合には、帳簿価額を減額し、減損損失を計上する必要があります。
ただし、日本基準と米国会計基準では、減損損失の認識や測定の方法が異なります。
また、減損判定は通常、個々のGPUの市場価格だけで決まるものではありません。
資産の利用方法や、他の資産と組み合わせて生み出すキャッシュフローなども考慮されます。
重要なのは、減価償却期間を短縮することと、減損損失を計上することは異なる会計処理だという点です。
技術革新が速い企業ほど見積りの検証が重要
AI関連設備の耐用年数は、取得時点で完全に予測できるものではありません。
新しいGPUの登場、AIモデルの進化、電力料金の変化、顧客需要の変動などによって、設備の経済的寿命は変化します。
そのため、企業は耐用年数を設定した後も、継続的に合理性を検証する必要があります。
例えば、当初6年間使用する予定だった設備について、3年後に更新する方針へ変更した場合には、耐用年数の見直しを検討する必要があります。
反対に、設備の転用先が確保され、長期間使用できる見通しが明確になれば、耐用年数を延長する合理性が生じる場合もあります。
重要なのは、利益を増やしたいか減らしたいかという経営上の都合ではなく、設備の使用実態と将来の経済的便益に基づいて判断することです。
会計上の見積りには経営者の判断が必要ですが、その判断には客観的な根拠が求められます。
投資家が注目すべき設備更新リスク
AI関連企業を評価する投資家にとって、耐用年数の短縮は必ずしも悪い情報とは限りません。
技術革新の実態を適切に反映した結果であれば、むしろ会計情報の信頼性を高める可能性があります。
一方、耐用年数を長く設定して利益を高く見せていても、実際には短期間で設備更新が必要になる企業には注意が必要です。
例えば、減価償却期間を6年としている企業が、実際には3年ごとにGPUを更新している場合、会計上の見積りと設備利用の実態が整合しているかを確認する必要があります。
ただし、更新後も旧型GPUを別の用途で使用している場合には、長い耐用年数が合理的となる可能性があります。
投資家は、耐用年数の数字だけでなく、設備の更新頻度、稼働率、設備投資額、将来のキャッシュフローを総合的に分析することが重要です。
AI企業の競争力は、最新GPUを大量に保有していることだけでは決まりません。
設備投資によって、どれだけ持続的な収益とキャッシュフローを生み出せるかが重要になります。
結論
アマゾンが一部のサーバーやネットワーク機器の耐用年数を6年から5年に短縮したことは、AI時代の設備投資における技術的陳腐化の重要性を示しています。
設備が物理的に使用できることと、経済的に使用する価値があることは同じではありません。
新型GPUの性能向上や電力効率の改善によって、旧型設備の経済的寿命が短くなる可能性があります。
一方、旧型GPUを別の用途に転用できれば、長期間にわたって経済的価値を維持することも考えられます。
したがって、GPUの耐用年数を判断する際には、設備の物理的な耐久性だけでなく、技術革新、利用目的、更新計画、将来の収益性などを総合的に評価する必要があります。
また、耐用年数の短縮によって減価償却費が増加し、利益が減少しても、それだけで企業の現金創出力が悪化したとは限りません。
重要なのは、実際の設備更新にどれだけの資金が必要となり、その投資を回収できるかという点です。
AI関連企業への投資では、利益の増減だけでなく、設備の経済的寿命と更新投資の負担に注目する必要があります。
技術革新が速い時代ほど、固定資産の価値を過去の取得価額や物理的な耐久性だけで判断するのではなく、将来どれだけの経済的便益を生み出せるかという視点が重要になります。
参考
日本経済新聞 2026年10月27日朝刊「GPUは何年で減価償却すべきか ハイパースケーラーの利益左右」
Amazon.com 2025年 Form 10-K Annual Report