伯恩斯坦：1GW AI算力资本支出350亿至400亿美元，各架构成本拆分详解
nashnova research
伯恩斯坦最新测算显示，建设1GW AI数据中心的资本支出在350亿至400亿美元之间，不同芯片架构每瓦成本仅差不到5美元——钱的大头不在电费和人工，而是服务器、存储和网络硬件本身。
1GW数据中心要花多少钱？各家架构差多少？
伯恩斯坦通过供应链调研给出区间：从OpenAI Jalapeno的约350亿美元/GW，到英伟达Vera Rubin NVL72的约400亿美元/GW，每瓦支出在34.6至39.5美元之间。
这意味着→ 不管选哪家芯片，建同样规模的算力工厂，总账差距不到15%——架构选型影响的是成本结构，而非量级。
机柜以外的配套成本（电力、散热、土建等）比此前120亿至150亿美元的估计更接近下端，整体支出高度集中在服务器、存储和网络设备上。
英伟达Vera Rubin一个机柜要花多少钱？钱花在哪？
伯恩斯坦将Vera Rubin NVL72每机柜成本从此前的910万美元下调至750万美元，与供应链传出的700万至800万美元区间吻合。下调原因：NAND（闪存）配置量降低、HBM 4（高带宽内存）价格预期更保守、网络和散热估计修订。
计算部分占了近一半：每颗GPU约5.5万美元，一个机柜72颗，合计396万美元。Vera CPU每颗约5,000美元，36颗合计18万美元。
内存与存储约180万美元：HBM 4价格从48美元/GB下调至30.6美元/GB，叠加英伟达10%加价，每机柜HBM价值约69.7万美元；NAND按每颗GPU约8TB配置，CPU DRAM维持54TB。网络部分约120万美元，纵向扩展、横向扩展和前端各占约60万、50万和8万美元。
AMD和OpenAI的方案有什么不同？
AMD MI455X每机柜成本约730万美元，与Vera Rubin接近。但钱的流向不同：AMD GPU利润率较低，计算部分价值量低于英伟达；但每颗GPU配备最多3张网卡，网络部分价值量明显更高；AMD CPU价值则高于英伟达Vera。
OpenAI Jalapeno每个pod约500万美元，是四种架构中最低的。用大白话说＝ Jalapeno不是英伟达方案的"便宜版"，而是设计思路根本不同——OpenAI想把数据尽量留在本地HBM和DRAM里，减少对横向扩展网络和NAND的依赖。
谷歌TPU v7 Ironwood每pod最佳估计约270万美元，但谷歌披露信息不足，伯恩斯坦对这一数字把握有限，表示将随谷歌对外销售推进而大幅修订。
运营一座1GW数据中心，日常开销占多大比重？
即使电价达到0.15美元/kWh（较高水平），运营1GW数据中心一年电费仅约13亿美元；人员成本更低——据报道最大型数据中心仅需8至10名员工。
这意味着→ 与Vera Rubin按6年折旧对应的每年约66亿美元折旧相比，电费和人工几乎可以忽略。每小时经济性的大头是硬件折旧，不是水电人工。
这反映出AI数据中心的成本结构与传统基础设施截然不同：硬件折旧年限短、更新换代快，供应链话语权集中在服务器、存储和网络环节，而非电力和运维。
未来两年算力会建到多大规模？
伯恩斯坦预计2026年全球出货容量36GW，2027年增至43GW——明显高于其对美国新增容量的预测（2026年18GW、2027年26GW）。
差异来自国际项目的加速：美国在运营、电力和政策方面的延迟越来越普遍，AI实验室正转向海外——例如OpenAI与Firmus达成交易，获取澳大利亚、新加坡、印度尼西亚和马来西亚的数据中心容量。
用大白话说＝ 算力建设的瓶颈不再只是芯片供应，而是"在哪里能通电、能审批、能落地"——谁先解决这些问题，谁就先拿到算力。随着Vera Rubin周期推进和AI专用芯片更广泛采用，可用算力将进一步跃升。
市场有风险，内容仅供研究参考，不构成投资建议。