生成AIの急速な普及によって、企業の設備投資のあり方が大きく変わっています。
米国の巨大IT企業は、AIの開発や運用に必要なデータセンターの建設を進め、大量の画像処理半導体（GPU）を導入しています。
ところが、こうした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注目されています。
従来のサーバー設備では、4年から6年程度の耐用年数を設定する企業が多く見られました。
一方、GPUメーカーのエヌビディアは、GPUの経済的価値が10年程度維持される可能性を主張しています。
4年と10年では、年間の減価償却費に大きな違いが生じます。
企業が計上する利益も変わるため、耐用年数の設定は単なる会計処理の問題ではありません。
AI投資の採算性や企業価値を判断するうえで、重要な経営課題になっているのです。
GPUの耐用年数が注目される理由
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。
現在では、大量の計算を同時に処理できる特性を生かし、生成AIの学習や推論に広く利用されています。
AIモデルの高度化に伴い、GPUに対する需要は急速に拡大しています。
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。
その結果、データセンターの設備投資額は巨額になり、減価償却費も企業の損益に大きな影響を与えるようになりました。
例えば、1兆円の設備投資を行い、残存価額をゼロとして定額法で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2,500億円です。
5年なら2,000億円、6年なら約1,667億円になります。
10年なら1,000億円です。
4年と10年では、年間減価償却費に1,500億円の差が生じます。
同じ設備を購入しても、耐用年数の設定によって営業利益が大きく変わることになります。
ただし、これは取得時点から異なる耐用年数を設定した場合の単純な比較です。
使用途中で耐用年数を変更する場合には、その時点の帳簿価額と残存使用期間を基に計算するため、結果は異なります。
物理的寿命と経済的寿命の違い
GPUの耐用年数を考えるうえで重要なのが、物理的寿命と経済的寿命の違いです。
物理的寿命とは、設備が故障せず、技術的に使用できる期間を意味します。
適切な冷却設備や保守管理が行われていれば、GPUは長期間稼働する可能性があります。
しかし、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。
経済的寿命とは、その設備を使用することによって、合理的な費用で収益や経済的便益を生み出せる期間です。
例えば、購入から5年が経過したGPUが正常に稼働していたとします。
しかし、新型GPUの処理能力が大幅に向上し、消費電力も少なくなっていれば、旧型GPUを使い続けることが経済的に不利になる場合があります。
電気料金や冷却費用が高くなり、同じ計算処理を行うためのコストが新型GPUより大きくなるためです。
この場合、物理的寿命が残っていても、経済的寿命は短くなる可能性があります。
会計上の耐用年数を判断する際には、こうした経済的な使用可能期間を考慮する必要があります。
技術革新がGPUの経済的寿命を短くする
AI分野では、技術革新の速度が非常に速くなっています。
GPUの性能向上に加えて、AIモデルの構造や計算方法も変化しています。
その結果、数年前に導入したGPUが、最新のAI開発では十分な性能を発揮できなくなる可能性があります。
特に、大規模なAIモデルの学習では、高い計算能力と大量のメモリーが必要です。
旧型GPUでは処理に時間がかかり、電力消費も増える場合があります。
企業が競争力を維持するためには、まだ使用できるGPUであっても、新型GPUへの更新を選択することがあります。
このような現象を技術的陳腐化と呼びます。
技術的陳腐化は、設備の故障とは異なります。
正常に稼働する設備であっても、新技術の登場によって経済的価値が低下することです。
従来の製造設備でも技術的陳腐化は問題になってきましたが、AI関連設備では、その影響が特に大きくなる可能性があります。
旧型GPUにも経済的価値が残る可能性
一方で、新型GPUが登場したからといって、旧型GPUの価値が直ちになくなるわけではありません。
AIの利用目的によって、必要とされる計算能力は異なるためです。
例えば、最先端の大規模AIモデルを開発する場合には、高性能なGPUが必要になります。
しかし、既に学習済みのAIモデルを利用して回答を生成する推論処理では、必ずしも最新のGPUが必要とは限りません。
比較的小規模なAIモデルや、特定の業務に限定したAIシステムであれば、旧型GPUでも十分に対応できる場合があります。
また、科学技術計算、画像解析、研究開発など、AI以外の用途に転用できる可能性もあります。
こうした用途が存在すれば、旧型GPUは長期間にわたって経済的価値を維持できます。
重要なのは、GPUの性能だけでなく、その性能を必要とする市場が存在するかどうかです。
需要が継続し、運用コストを上回る収益を確保できれば、設備の経済的寿命は長くなります。
逆に、需要が減少すれば、物理的に使用可能でも経済的価値は低下します。
企業によって耐用年数が異なる理由
GPUやサーバー設備の耐用年数は、企業によって異なります。
例えば、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、アマゾンは同じ時期に、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。
アマゾンは、AIや機械学習の技術開発が加速していることを理由に挙げています。
同じAI関連設備を保有する企業であっても、耐用年数に対する判断が異なるのです。
この違いには、設備の利用目的や運用方法が関係しています。
自社のサービス提供に長期間使用する企業と、顧客に計算能力を貸し出す企業では、設備の更新方針が異なる可能性があります。
また、設備の保守体制、電力調達コスト、顧客需要、技術更新の計画なども判断材料になります。
なお、各社が公表している耐用年数は、一般にサーバーやネットワーク機器などの資産区分に対するものです。
個々のGPUについて、すべて同じ耐用年数を設定していることを意味するわけではありません。
会計上の耐用年数に唯一の正解はない
減価償却は、固定資産の取得原価を使用期間にわたって合理的に費用配分するための会計処理です。
したがって、耐用年数は企業の実際の使用状況や将来の利用見通しを踏まえて設定する必要があります。
例えば、ある企業がGPUを4年間使用した後に売却する計画を立てている場合、4年という耐用年数には合理性があると考えられます。
一方、別の企業が旧型GPUを推論用途に転用し、8年間使用する計画を持っている場合には、より長い耐用年数が合理的となる可能性があります。
ただし、長期間使用するという経営計画があるだけでは十分ではありません。
実際の稼働実績、保守費用、技術的な制約、将来の需要などによって、その計画が裏付けられる必要があります。
会計上の耐用年数は、経営者が自由に利益を調整するための数字ではありません。
利用可能な情報に基づいて、合理的に見積もるべきものです。
耐用年数の設定に求められる客観的な根拠
GPUの耐用年数を合理的に判断するためには、複数の情報を組み合わせることが重要です。
まず、過去に導入したGPUの実際の使用期間を確認する必要があります。
同じ種類の設備が平均して何年間稼働しているのか、故障率はどの程度なのかを把握します。
次に、技術革新の影響を検討します。
新型GPUの性能向上によって、既存設備の利用価値がどの程度低下するのかを評価します。
さらに、設備の更新計画も重要です。
企業が3年後に新型GPUへ更新する予定であれば、既存設備をその後も使用する合理的な根拠が必要になります。
中古市場の価格や、旧型GPUのレンタル需要も参考になります。
ただし、中古市場価格が高いことだけで、長い耐用年数が正当化されるわけではありません。
設備を継続使用することによる経済的便益と、売却による回収可能額は区別して考える必要があります。
こうした情報を総合的に分析することで、耐用年数の合理性を高めることができます。
耐用年数の延長が利益操作と疑われる理由
耐用年数の延長は、年間の減価償却費を減少させるため、利益を押し上げる効果があります。
このため、投資家からは、企業が利益を良く見せるために耐用年数を延長しているのではないかという疑問が生じます。
特に、業績が市場予想を下回りそうな企業が耐用年数を延長した場合、その判断の合理性が厳しく問われることになります。
しかし、耐用年数を延長したことだけで、利益操作と判断することは適切ではありません。
設備の使用実態が変化し、従来より長期間使用できる合理的な根拠があれば、見積りを変更することは会計上必要な対応です。
問題となるのは、合理的な根拠がないにもかかわらず、利益を増やす目的で耐用年数を延長する場合です。
そのため、企業には耐用年数を変更した理由や、財務諸表への影響を適切に説明することが求められます。
投資家も、耐用年数の変更という事実だけでなく、その背景にある経済的な合理性を確認する必要があります。
AI時代に求められる減価償却の考え方
従来の設備投資では、機械や建物の物理的な使用可能期間が耐用年数を判断する重要な要素でした。
しかし、AI関連設備では、技術革新による経済的価値の変化が一段と重要になります。
GPUが故障せずに10年間稼働できたとしても、その期間を通じて十分な経済的便益を生み出せるとは限りません。
反対に、最先端のAI開発には使用できなくなっても、別の用途で長期間収益を生み出す可能性があります。
したがって、AI時代の減価償却では、設備の物理的な耐久性だけでなく、用途転換の可能性、技術革新の速度、電力効率、顧客需要などを総合的に評価する必要があります。
また、設備の種類や利用目的に応じて、耐用年数を適切に区分することも重要です。
企業が保有するすべてのGPUを一律に同じ年数で評価することが、必ずしも合理的とは限りません。
今後、AI関連設備への投資が拡大するほど、こうした会計上の判断の重要性は高まっていくと考えられます。
結論
GPUの耐用年数は4年が正しいのか、それとも10年が適切なのかという問題に、すべての企業に共通する唯一の答えはありません。
物理的に使用できる期間と、経済的な価値を生み出せる期間は異なるためです。
技術革新が速く、設備更新を頻繁に行う企業では、短い耐用年数が合理的になる可能性があります。
一方、旧型GPUを別の用途に転用し、長期間収益を生み出せる企業では、より長い耐用年数が合理的になる場合もあります。
重要なのは、企業が耐用年数をどのような根拠で設定しているかという点です。
会計上の耐用年数は、企業利益に大きな影響を与える見積りです。
そのため、経営者には合理的な判断と十分な説明が求められます。
投資家も、企業が公表する利益の数字だけでなく、その利益を生み出す会計上の前提条件に注目する必要があります。
AI時代の企業価値を正しく評価するためには、GPUが何年間使用できるかという問題を、技術、経済、会計の3つの視点から考えることが欠かせません。
減価償却の合理性を判断する基準は、企業が何年間で費用を計上したいかではなく、その設備が何年間にわたって経済的便益を生み出せるかという点にあります。
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」
Meta Platforms 2025年 Form 10-K Annual Report
Amazon.com 2025年 Form 10-K Annual Report