生成AIの普及によって、米国の巨大IT企業による設備投資が急速に拡大しています。その中心にあるのが、AIの学習や推論に使用される画像処理半導体であるGPUです。
ところが、このGPUを何年間で減価償却するべきなのかという問題が、企業の決算や株式市場で大きな論点になっています。
減価償却期間を長くすれば、毎年の費用が減少して利益は増加します。反対に、期間を短くすれば費用が増えて利益は減少します。
つまり、同じ設備投資を行っていても、耐用年数の設定によって企業の利益が大きく変わるのです。
特に、数十兆円規模の設備投資を続けるハイパースケーラーにとって、減価償却の会計処理は企業価値を左右する重要な経営判断になっています。
今回は、GPUの耐用年数を巡る議論を整理し、会計基準、企業利益、キャッシュフロー、金融機関の融資判断という観点から考えてみます。
GPUの減価償却が重要になった背景
GPUは、もともと画像処理を高速化するために開発された半導体です。
しかし、生成AIの登場によって、大量の計算を並列処理できるGPUの重要性が飛躍的に高まりました。
米エヌビディアのGPUは、AI開発に欠かせない設備として世界中のデータセンターに導入されています。
マイクロソフト、アマゾン、グーグル、メタなどのハイパースケーラーは、AI関連設備への投資を競っています。
2026年の米ハイパースケーラーによるデータセンターを中心とした設備投資額は、8,000億ドルに達するとの見方もあります。
仮に1ドル155円で換算すれば、約124兆円という巨額の投資です。
これほど大きな設備投資が行われると、減価償却期間を1年変更するだけでも、年間利益に数千億円規模の影響が生じる可能性があります。
従来は会計上の技術的な論点と考えられていた耐用年数が、投資家にとって重要な分析項目になっているのです。
減価償却期間を延長すると利益が増える仕組み
減価償却とは、設備の取得価額を使用する期間にわたって費用配分する会計処理です。
例えば、企業が1,000億円のGPU関連設備を購入したとします。
残存価額をゼロとし、定額法で減価償却する場合を考えます。
耐用年数が4年なら、年間減価償却費は250億円です。
5年なら200億円、6年なら約167億円、10年なら100億円になります。
4年から5年に延長するだけで、年間50億円の費用が減少します。
10年に延長すれば、年間費用は150億円も減少します。
営業利益は、その分だけ増加することになります。
ただし、減価償却期間を変更しても、設備を購入するために支払った現金が戻ってくるわけではありません。
会計上の利益が増えても、企業の現金創出力が改善したとは限らないのです。
この違いを理解することが、AI関連企業の決算を分析するうえで重要になります。
メタは耐用年数の延長で利益を押し上げた
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従来の4年から5年程度だったものから、5年半に変更しました。
この変更によって、2025年の減価償却費は29億2,000万ドル減少しました。
純利益は25億9,000万ドル増加し、約4%の利益押し上げ効果があったとされています。
1ドル155円で換算すると、減価償却費の減少額は約4,526億円、純利益の増加額は約4,015億円です。
注目すべき点は、設備の稼働状況や売上高が変わらなくても、耐用年数の変更によって利益が増加することです。
もちろん、耐用年数の延長が直ちに不適切な会計処理を意味するわけではありません。
実際に設備を長期間使用できる見通しが合理的に認められるのであれば、耐用年数の見直しは必要な会計処理です。
問題は、その判断に十分な客観的根拠があるかどうかです。
投資家は、利益の増加が事業の成長によるものなのか、会計上の見積り変更によるものなのかを区別する必要があります。
アマゾンは逆に耐用年数を短縮した
興味深いのは、同じハイパースケーラーでも判断が異なることです。
米アマゾンは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や機械学習の技術開発が加速していることを挙げています。
新しいGPUが次々に登場すれば、既存設備の技術的な競争力が低下する可能性があります。
物理的には使用できても、電力効率や計算能力で新製品に劣れば、経済的な価値は早期に減少します。
これを会計上は、技術的陳腐化と考えます。
例えば、旧型GPUが5年間稼働できたとしても、3年後に登場した新型GPUの電力効率が大幅に改善すれば、旧型GPUを使い続ける経済合理性が低下することがあります。
つまり、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は必ずしも一致しません。
アマゾンの判断は、AI技術の進歩が速いことを重視したものと考えられます。
エヌビディアが主張する10年の耐用年数
一方、GPUメーカーであるエヌビディアは、GPUの経済的価値が長期間維持されると主張しています。
2026年9月下旬の投資家向け説明会では、GPUの実際の価値が一般的な減価償却の想定を上回るとの考えを示しました。
耐用年数は約10年という立場です。
この主張には一定の合理性があります。
最新GPUが最先端のAIモデルの学習に使用される一方、旧型GPUも比較的小規模なAIモデルの推論や一般的な計算処理に利用できるからです。
新製品が登場したからといって、旧製品の価値が直ちにゼロになるわけではありません。
ただし、エヌビディアはGPUを販売する立場にあります。
GPUの経済的寿命が長いと評価されれば、購入企業は投資採算を説明しやすくなります。
その結果、GPUへの投資需要を支える効果も期待できます。
したがって、メーカー側の主張についても、実際の稼働実績や中古市場価格などを踏まえた検証が必要です。
会計上の耐用年数は税法上の耐用年数とは異なる
ここで重要なのが、会計上の耐用年数と税法上の耐用年数の違いです。
会計上の耐用年数は、企業がその資産を経済的に使用すると見込む期間を基礎として判断します。
一方、税法上の耐用年数は、課税の公平性や事務処理の統一性を確保するため、資産の種類や用途に応じて法令で定められています。
日本では、一般的なサーバーについて、税法上は電子計算機の区分に該当し、用途によって4年または5年となる場合があります。
ただし、GPUを搭載した設備の税務上の分類は、具体的な構成や用途によって判断する必要があります。
税法上の耐用年数が4年だからといって、財務会計上も必ず4年で償却しなければならないわけではありません。
反対に、財務会計上の耐用年数を10年としたからといって、税務上も10年で償却するとは限りません。
両者に差異が生じれば、税効果会計などの検討が必要になります。
米国企業についても、財務報告上の減価償却と税務上の償却は区別して考える必要があります。
投資家が注目すべきなのは、税務上の年数そのものではなく、企業が公表する会計上の耐用年数に合理性があるかどうかです。
耐用年数の変更は会計上の見積りの変更
GPUの耐用年数を変更することは、一般的には会計上の見積りの変更に該当します。
会計上の見積りとは、将来の不確実な事象について、利用可能な情報を基に合理的な金額や期間を判断することです。
設備の使用可能期間は、取得時点で完全に予測できるものではありません。
そのため、技術革新、稼働状況、保守体制、更新計画などに変化が生じれば、耐用年数を見直す必要があります。
通常、見積りの変更は過去の決算を遡って修正するのではなく、変更時点以降の会計期間に反映します。
例えば、当初5年と見込んでいた設備について、使用開始から2年後に残りの使用期間を延長すると判断した場合、その時点の帳簿価額を見直し後の残存使用期間にわたって費用配分することになります。
したがって、単純に取得価額を新しい耐用年数で割り直すわけではありません。
また、減価償却期間の延長によって一時的に利益が増えても、償却対象額そのものが消滅するわけではありません。
残存価額などの前提が同じであれば、費用を認識する時期が将来に移ることになります。
このため、耐用年数の延長による利益改善は、将来の費用負担との関係で評価する必要があります。
GPUの担保価値と金融機関の融資判断
GPUの耐用年数を巡る問題は、会計処理だけではありません。
AI関連企業の資金調達にも影響しています。
近年、GPUを担保として金融機関などから融資を受ける事例が増えています。
特に、AI向けクラウドサービスを提供するネオクラウド企業では、GPUの取得資金を外部から調達することが重要な経営課題です。
米コアウィーブは、GPUの耐用年数を6年としています。
一方、金融機関はGPUの担保評価において、3年から4年程度の短い経済的寿命を想定する場合があるとされています。
この違いは、融資可能額に大きく影響します。
例えば、取得価額1,000億円のGPUについて、企業が6年間使用できると見込んでいても、金融機関が3年後の価値を低く評価すれば、担保として認められる金額は小さくなります。
さらに、担保評価には中古市場での売却可能性、技術革新、価格下落、設備の移設費用なども影響します。
会計上の帳簿価額が高いことと、担保として高く評価されることは同じではありません。
GPUの経済的価値を巡る認識の違いは、AI業界全体の資金循環を左右する可能性があります。
投資家は利益よりキャッシュフローを重視すべき
GPUの耐用年数が企業によって異なる場合、営業利益や純利益だけを比較すると、実態を見誤る可能性があります。
例えば、同じ1,000億円の設備を取得した2社があったとします。
一方が4年償却、もう一方が10年償却であれば、年間減価償却費には150億円の差が生じます。
仮に売上高やその他の費用が同じであっても、営業利益には150億円の差が生まれます。
しかし、設備取得時の現金支出が同額であれば、その時点の投資キャッシュフローは基本的に同じです。
そこで重要になるのが、営業キャッシュフローと設備投資額です。
営業キャッシュフローから設備投資額を差し引いたフリーキャッシュフローは、企業が投資を続けながらどれだけ現金を生み出しているかを判断するための重要な指標です。
ただし、フリーキャッシュフローにも注意点があります。
成長段階の企業は、将来の収益拡大を目的として積極的に設備投資を行うため、一時的にフリーキャッシュフローがマイナスになることがあります。
したがって、単年度の数値だけでなく、投資額、設備稼働率、収益成長率、更新投資の必要性などを総合的に分析する必要があります。
AI関連企業の評価では、会計上の利益と実際の現金収支を区別することが欠かせません。
AI投資の採算性を判断する新しい視点
GPUの減価償却問題は、AI投資の採算性を考えるうえでも重要です。
企業が巨額の設備投資を行う目的は、将来の収益を拡大することです。
しかし、GPUの性能が急速に向上する環境では、投資回収前に設備の競争力が低下する可能性があります。
例えば、1,000億円の設備投資によって年間300億円の営業キャッシュフローを生み出すと仮定します。
単純計算では、約3年4カ月で投資額を回収できます。
ところが、技術革新によって3年後に設備更新が必要になれば、当初想定した投資収益率を実現できない可能性があります。
反対に、旧型GPUを推論用途などに転用し、長期間収益を生み出せるのであれば、投資採算は改善します。
重要なのは、会計上の減価償却期間ではなく、設備が実際にどれだけの収益とキャッシュフローを生み出すかという点です。
AI投資の評価では、設備の取得価額だけでなく、電力費、冷却費、保守費、更新費用、稼働率などを含めたライフサイクル全体の収益性を確認する必要があります。
結論
GPUの減価償却期間を何年に設定するべきかという問題に、すべての企業に共通する唯一の正解はありません。
4年が合理的な場合もあれば、6年が適切な場合もあります。
利用目的や技術的な条件によっては、さらに長期間使用できる可能性もあります。
重要なのは、企業が耐用年数を合理的な根拠に基づいて設定し、その判断を継続的に検証しているかどうかです。
特に、AI投資が急拡大する現在、耐用年数の延長によって利益が押し上げられる場合には、その影響を投資家に分かりやすく開示することが求められます。
監査法人にも、経営者の見積りを形式的に受け入れるのではなく、実際の設備利用状況や技術的陳腐化の可能性を踏まえた検証が期待されます。
そして投資家は、減価償却期間の違いを調整した利益比較に加えて、設備投資額、営業キャッシュフロー、フリーキャッシュフロー、投資収益率を確認する必要があります。
今後、AI関連設備への投資額がさらに膨らめば、耐用年数の設定が企業利益や株価に与える影響も大きくなります。
GPUの減価償却問題は、単なる会計処理の問題ではありません。
AI企業の利益の質、設備投資の採算性、金融機関の融資判断、さらにはAI産業全体の持続可能性を問う問題です。
AI時代の企業価値を判断するうえで重要なのは、会計上の利益の大きさだけでなく、その利益を生み出す設備が実際にどれだけ長く経済的価値を維持できるかという視点です。
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」