伯恩斯坦：Vera Rubin NVL72机架成本达910万美元
Alina Collins
伯恩斯坦将英伟达下一代Vera Rubin NVL72机架成本估算上修至910万美元，比此前媒体广泛引用的800万美元高出近14%，核心差异来自对HBM内存价格的重新定价——这意味着AI算力的真实造价正被内存成本重新改写。
910万美元从哪来——为什么比之前的报价贵了110万？
此前媒体引用的约800万美元，用的是HBM历史价格约16.6美元/GB；伯恩斯坦预计到2027年大规模出货时，HBM4价格将升至53美元/GB（含英伟达约10%加价转嫁）。
这意味着→ 仅内存/存储一项成本就从约200万美元跳升至约320万美元，几乎翻了一倍。
用大白话说＝ 芯片还是那些芯片，但"喂"给芯片的内存涨价了，整台机架就跟着贵了。
一台机架里的钱花在哪——四大块怎么分？
GPU是最大头：Rubin GPU单颗约5.5万美元，72颗合计约396万美元，占机架成本的四成以上。
内存/存储紧随其后：约320万美元，包括HBM4、CPU DRAM（LPDDR5X，54TB，约80.2万美元，较移动DRAM合约价溢价约30%）和直连NAND存储（约3.5PB，约130万美元）。
网络约120万美元：NVLink交换机约25万、线缆约24万、背板及纵向扩展约38万、SpectrumX交换机约20万；冷却与供电各约15至16万美元，较上一代Blackwell明显提升。
建一座1GW的AI数据中心要花多少钱？
每台机架额定功率220kW，机架消耗约80%的数据中心电力；伯恩斯坦由此推算每GW约需3,600个机架，机架成本合计约320亿美元。
叠加每GW约150亿美元的物理基础设施（土建、电力、制冷等），全口径资本开支约为每GW 470亿美元。
这意味着→ 电费不是大头——即使电价高达0.15美元/kWh，1GW数据中心年电费约13亿美元，而年度折旧约72亿美元。用大白话说＝ 真正烧钱的不是电，而是服务器和网络设备的快速贬值。
内存价格为什么是最大变量？
NAND价格自2023年4月低点至2026年5月已累计上涨11.3倍（年复合增长率115%），与2019至2023年间-20%的年复合趋势形成鲜明反转。
伯恩斯坦认为英伟达可能具备动态定价机制，将内存成本波动转嫁给终端客户而非自行吸收。
这意味着→ 投资者需要持续跟踪DRAM和NAND价格走势——机架成本拆分本身会随内存价格快速过时。
贵了这么多——算力效率到底提升了吗？
Vera Rubin NVL72机架性能为2,520 PFLOPS，远高于Blackwell的720 PFLOPS，提升约3.5倍。
这意味着→ 无论按每GW还是按每美元计算，算力容量均显著加速，FP8每美元性能继续提升。
伯恩斯坦预计未来每GW成本将持续上升，电力需求增速将滞后于超大规模厂商资本开支增速。这反映出一个关键问题：算力供给越来越猛，但AI采用需求能否同步释放，将是验证整条投资逻辑的关键节点。
Content is for reference only, not financial advice.