伯恩斯坦：1GW AI算力資本支出350億至400億美元，各架構成本拆分詳解
nashnova research
伯恩斯坦最新測算顯示，建設1GW AI數據中心的資本支出在350億至400億美元之間，不同晶片架構每瓦成本僅差不到5美元——錢的大頭不在電費和人工，而是伺服器、存儲和網絡硬件本身。
1GW數據中心要花多少錢？各家架構差多少？
伯恩斯坦通過供應鏈調研給出區間：從OpenAI Jalapeno的約350億美元/GW，到英偉達Vera Rubin NVL72的約400億美元/GW，每瓦支出在34.6至39.5美元之間。
這意味著→ 無論選哪家晶片，建同樣規模的算力工廠，總賬差距不到15%——架構選型影響的是成本結構，而非量級。
機櫃以外的配套成本（電力、散熱、土建等）比此前120億至150億美元的估計更接近下端，整體支出高度集中在伺服器、存儲和網絡設備上。
英偉達Vera Rubin一個機櫃要花多少錢？錢花在哪？
伯恩斯坦將Vera Rubin NVL72每機櫃成本從此前的910萬美元下調至750萬美元，與供應鏈傳出的700萬至800萬美元區間吻合。下調原因：NAND（快閃記憶體）配置量降低、HBM 4（高頻寬記憶體）價格預期更保守、網絡和散熱估計修訂。
計算部分佔了近一半：每顆GPU約5.5萬美元，一個機櫃72顆，合計396萬美元。Vera CPU每顆約5,000美元，36顆合計18萬美元。
記憶體與存儲約180萬美元：HBM 4價格從48美元/GB下調至30.6美元/GB，疊加英偉達10%加價，每機櫃HBM價值約69.7萬美元；NAND按每顆GPU約8TB配置，CPU DRAM維持54TB。網絡部分約120萬美元，縱向擴展、橫向擴展和前端各佔約60萬、50萬和8萬美元。
AMD和OpenAI的方案有甚麼不同？
AMD MI455X每機櫃成本約730萬美元，與Vera Rubin接近。但錢的流向不同：AMD GPU利潤率較低，計算部分價值量低於英偉達；但每顆GPU配備最多3張網卡，網絡部分價值量明顯更高；AMD CPU價值則高於英偉達Vera。
OpenAI Jalapeno每個pod約500萬美元，是四種架構中最低的。簡單來說＝ Jalapeno不是英偉達方案的「平價版」，而是設計思路根本不同——OpenAI想把數據盡量留在本地HBM和DRAM裡，減少對橫向擴展網絡和NAND的依賴。
谷歌TPU v7 Ironwood每pod最佳估計約270萬美元，但谷歌披露信息不足，伯恩斯坦對這一數字把握有限，表示將隨谷歌對外銷售推進而大幅修訂。
運營一座1GW數據中心，日常開銷佔多大比重？
即使電價達到0.15美元/kWh（較高水平），運營1GW數據中心一年電費僅約13億美元；人員成本更低——據報道最大型數據中心僅需8至10名員工。
這意味著→ 與Vera Rubin按6年折舊對應的每年約66億美元折舊相比，電費和人工幾乎可以忽略。每小時經濟性的大頭是硬件折舊，不是水電人工。
這反映出AI數據中心的成本結構與傳統基礎設施截然不同：硬件折舊年限短、更新換代快，供應鏈話語權集中在伺服器、存儲和網絡環節，而非電力和運維。
未來兩年算力會建到多大規模？
伯恩斯坦預計2026年全球出貨容量36GW，2027年增至43GW——明顯高於其對美國新增容量的預測（2026年18GW、2027年26GW）。
差異來自國際項目的加速：美國在運營、電力和政策方面的延遲越來越普遍，AI實驗室正轉向海外——例如OpenAI與Firmus達成交易，獲取澳洲、新加坡、印尼和馬來西亞的數據中心容量。
簡單來說＝ 算力建設的瓶頸不再只是晶片供應，而是「在哪裡能通電、能審批、能落地」——誰先解決這些問題，誰就先拿到算力。隨著Vera Rubin周期推進和AI專用晶片更廣泛採用，可用算力將進一步躍升。
市场有风险，内容仅供研究参考，不构成投资建议。