Aravolta: GPU-afschrijving varieert 30-45% op basis van werkelijke workload, waardoor sectorgemiddelden voor kredietverstrekkers achterhaald zijn
Analyse gepubliceerd op 13 november 2025
De markt voor GPU-financiering prijst risico's op basis van fictieve cijfers. Volgens een gedetailleerde analyse van Aravolta wijst telemetriedata uit mid-market GPU-implementaties uit dat identieke hardware in uiteenlopend tempo kan verouderen, afhankelijk van het feitelijke gebruik. De afschrijvingscurves variëren met 30-45% per klant, ondanks het gebruik van dezelfde GPU-modellen. Dit gat tussen de aannames bij acceptatie en de realiteit creëert aanzienlijke risico's voor kredietverstrekkers die blijven vasthouden aan uniforme afschrijvingsschema's.
De gebrekkige consensus in de sector over de levensduur van GPU's
De huidige markt opereert op basis van tegenstrijdige aannames die een fundamenteel gebrek aan consensus blootleggen. CoreWeave hanteert bij de financiering van GPU-assets een verwachte economische levensduur van ongeveer 6 jaar, terwijl Nebius uitgaat van bijna 4 jaar. Sommige analisten waarschuwen dat intensief gebruik het reële cijfer kan verlagen naar 3 jaar of minder. Het probleem is dat men discussieert over een gemiddelde dat in de praktijk niet bestaat. Zoals de analyse van Aravolta aantoont, zou de vraag niet moeten zijn hoe lang een H100 in het algemeen meegaat, maar hoe een specifieke GPU gedurende zijn levensduur daadwerkelijk is gebruikt.
Het huidige financieringsmodel behandelt GPU's als vrachtwagens of boorinstallaties met een voorspelbare lineaire afschrijving. Deze aanpak faalt catastrofaal wanneer deze wordt toegepast op compute-infrastructuur, omdat identieke GPU-hardware zeer verschillend veroudert afhankelijk van de intensiteit van de workload, thermisch beheer en gebruikspatronen. Een GPU die draait op constante inferentie-workloads met een bezettingsgraad van 60-70% onder gematigde temperaturen kan meer dan 5 jaar economisch levensvatbaar blijven, terwijl een identieke eenheid die wordt onderworpen aan onregelmatige trainingsworkloads met dagelijkse pieken naar 95-100% bezetting, in 3 jaar of minder economisch achterhaald kan zijn.
Data uit de praktijk legt een gat van twee jaar in de verwachte levensduur bloot
Het onderzoek van Aravolta bij een mid-market kredietverstrekker die GPU-implementaties in de range van 0-50MW financiert, legde de omvang van het probleem bloot. Bij de oorspronkelijke acceptatie werd uitgegaan van 80% constante bezetting, een economische levensduur van 5,5 jaar en geen noemenswaardige variatie tussen klanten of typen workloads. De werkelijke telemetrie vertelde een totaal ander verhaal.
Pieken in workloadintensiteit naar 95-100% waren geen incidenten zoals aangenomen, maar vonden dagelijks plaats, wat leidde tot versnelde belasting van componenten. Thermische overschrijdingen die in geen enkel model waren opgenomen, kwamen veelvuldig voor tijdens trainingspieken, waarbij veel GPU's regelmatig boven de aanbevolen temperatuurlimieten draaiden. Onderhoudscycli lieten verhoogde behoeften zien bij workloads met een hoge variabiliteit; ventilatoren, koelpasta en andere componenten vereisten eerder aandacht dan verwacht. Cruciaal is dat economische veroudering voor sommige workloads 18 tot 30 maanden eerder intrad dan voor andere, wat betekent dat de GPU's economisch onrendabel werden lang voordat ze fysiek defect raakten.
Het resultaat was opvallend. Een cohort GPU's waarvan een levensduur van 5,5 jaar werd verwacht, bleek onder de werkelijke inzetomstandigheden af te stevenen op slechts 3,7 jaar. Dit gat van bijna twee jaar tussen verwachting en realiteit heeft cascade-effecten op aannames over restwaarde, triggers in leningconvenanten en de gehele berekening van vreemd versus eigen vermogen. Voor kredietverstrekkers betekent dit het verschil tussen een renderende lening en een ondergedekte blootstelling die zonder waarschuwing aan het licht komt.
De fysica van GPU-degradatie
De analyse identificeert thermische stress als de voornaamste drijfveer van versnelde veroudering. Voor elke 10 graden Celsius stijging in bedrijfstemperatuur wordt de levensduur van elektronische componenten ruwweg gehalveerd. Aanhoudend hoge bezetting op 98% belasting versnelt de slijtage van componenten; sectorgegevens wijzen uit dat top-GPU's voor datacenters, zelfs bij een gemiddelde bezetting van 60-70%, slechts 1-3 jaar meegaan. Stroompieken belasten spanningsregelaars en condensatoren, waarbij high-end GPU's pieken van boven de 500 watt bereiken, wat op termijn leidt tot schade door elektromigratie.
Thermische cycli door variabele workloads creëren extra stress die bij een constante 24/7-operatie niet optreedt. Herhaaldelijk opwarmen en afkoelen zorgt ervoor dat materialen uitzetten en krimpen, wat soldeerverbindingen op een manier belast die bij een constante temperatuur wordt vermeden. Gebrekkig onderhoud verergert deze problemen; GPU-ventilatoren zijn ontworpen voor ongeveer 5 jaar, maar begeven het sneller bij continu hoog toerental. De analyse beveelt aan om tweemaal per jaar onderhoud uit te voeren, inclusief reiniging, vervanging van ventilatoren en het vernieuwen van koelpasta.
Wat dit betekent voor GPU-financiering
Kredietverstrekkers die GPU's financieren zonder telemetrie-gebaseerde monitoring op asset-niveau, lopen meerdere risico's die traditionele acceptatie niet kan ondervangen. Ze riskeren verlies van hoofdsom zonder waarschuwing wanneer kredietnemers hun GPU's uitputten met constante maximale bezetting en hoge temperaturen, waardoor een vloot die voor 5-6 jaar is gefinancierd, in de praktijk slechts 2-3 jaar economische levensduur heeft. Ze prijzen deals te hoog voor goede exploitanten die hun GPU's conservatief beheren, waardoor kwalitatieve kredietnemers worden verdreven naar goedkoper kapitaal. Tegelijkertijd prijzen ze deals te laag waarbij GPU's tot het uiterste worden gedreven, waardoor ze verborgen risico's nemen die pas aan het licht komen wanneer afboekingen noodzakelijk worden.
Het gebrek aan granulaire data dwingt kredietverstrekkers bovendien in conservatieve, inflexibele voorwaarden, terwijl creatieve structuren zoals sale-leasebacks met prestatie-triggers of gebruiksafhankelijke financiering risico en rendement beter op elkaar zouden kunnen afstemmen. Zonder werkelijke gebruiksdata blijven deze structuren theoretisch.
Aravolta stelt dat de volgende generatie compute-financiering real-time monitoring van GPU-vloten op hardware-signaalniveau vereist om afschrijvingscurves te genereren die zijn toegesneden op elke workload en omgeving. Het bedrijf werkt samen met mid-market exploitanten in het segment van 1-100MW om structuren zoals sale-leasebacks, gebruiksafhankelijke leases en doorlopende GPU-kredietlijnen te ondersteunen, gebaseerd op werkelijke prestatiedata in plaats van sectorfolklore.
De oude wereld van GPU-financiering draait op gemiddelden. De nieuwe wereld, aldus Aravolta, draait op telemetrie. Voor een assetklasse waarbij identieke hardware met 30-45% variërende tarieven kan afschrijven, afhankelijk van het daadwerkelijke gebruik, is dat onderscheid niet louter academisch. Het is het verschil tussen het correct prijzen van risico en vliegen in het duister.