AI最烧钱的战场
英伟达英伟达(US:NVDA) 投资界·2025-12-28 08:47

文章核心观点 - 全球科技巨头正掀起一场以AI数据中心为核心的万亿级基建狂潮,以争夺未来AI和AGI的领先地位 [2][3] - 建设下一代AI数据中心成本极高,以OpenAI的Stargate项目为例,单座10GW数据中心的预估投资高达5000亿美元,且业内认为其最终野心可能是此数据的十倍 [2][3] - 尽管市场对AI投资泡沫存在质疑,但巨头们认为投资不足的风险远大于过度投资,因此资本仍在疯狂涌入 [27][30][31] AI数据中心的成本构成(基于美国银行模型) - 建设一个1GW的AI数据中心总成本约为516亿美元,其中IT设备占比最高,达到84% [3][11] - IT类设备:每GW支出431.5亿美元,是成本大头 [3][6] - 服务器:每GW需375亿美元,包含CPU、GPU、内存等,主要由ODM(如工业富联)和OEM(如戴尔、超微)厂商供货 [4] - 网络设备:每GW需37.5亿美元,主要玩家包括Arista、Cisco、华为、英伟达等 [4] - 存储设备:每GW需19亿美元,主要玩家包括三星、SK、美光、希捷等 [6] - 冷却系统:每GW支出14.75亿美元,占总成本约3%,但随着算力密度提升,液冷已成为必需品 [7][8] - 主要设备包括冷却塔、冷水机组、CDU和CRAH [8] - 主要供应商包括维谛、江森、世图兹、施耐德等 [8] - 供电设备:每GW支出27亿美元,约为IT设备成本的1/13 [10] - 包括备用柴油发电机、开关设备、UPS和配电设备 [9][10] - 柴油发电机需考虑冗余,实际配置量可能达数据中心算力的两倍 [10] - 主要玩家:卡特彼勒、康明斯、罗尔斯·罗伊斯(发电机);施耐德、维谛、伊顿(电气设备)[10] - 工程建设:每GW支出约42.8亿美元,包含建筑、安装及承包商费用 [11] 不同机构成本预测的分歧与原因 - 不同机构对AI数据中心(如Stargate)的预算估算差异巨大,可达2000亿美元 [11] - 主要分歧原因一:假设使用的芯片不同 [12][13] - 美国银行以英伟达2026年上市的Rubin架构芯片为计算对象,GPU成本为每GW 375亿美元 [13] - Bernstein和摩根士丹利以2024年发布的Blackwell架构为对象,Bernstein的GPU成本为每GW 136.5亿美元 [13] - 仅芯片成本一项,不同预测就相差超过200亿美元每GW [13] - 英伟达CEO黄仁勋提出的“黄氏数学”认为1GW数据中心总成本为600-800亿美元,其中计算成本(英伟达潜在收入)为400-500亿美元 [14][15] - 主要分歧原因二:计算范围不同 [16] - 美国银行计算的是数据中心建筑内部的成本 [16] - Bernstein的计算包括了整个数据中心园区的成本,如配电系统和涡轮发电机等 [16] - 综合来看,对于未来巨头建设的数据中心,美国银行的预算可能更接近真实情况 [16] 电力成为核心瓶颈与隐形支出 - 在美国,电力供应已成为建设数据中心的核心瓶颈 [10][17] - 为获取稳定电力,科技巨头不得不亲自下场投资建设发电厂等设施,这是一项巨大的隐形支出 [18] - 为一个10GW的数据中心配套发电厂,可能额外增加120-200亿美元成本 [18] - 例如,谷歌曾斥资30亿美元改造两座水力发电厂,以换取3000MW电力,相当于获取每GW电力花费10亿美元 [19] - 燃气轮机需求激增,GE的订单已排到三年后,分析师认为其有溢价能力,购买1GW发电机成本可能在20-25亿美元 [19][21] - 应急柴油发电机因设计用途和燃料成本高(发电成本是天然气的3-8倍),无法替代专用的天然气涡轮发电机进行7x24小时持续供电 [21][22] 创新的电力与冷却解决方案 - 太空数据中心:被视为解决能源和散热问题的潜在方案 [22][24] - 在太空中,太阳能发电效率可达地球上的8倍,且能提供近乎无限的能源 [22] - 太空的真空环境可利用辐射散热,降低冷却需求 [22] - 谷歌、微软、亚马逊、SpaceX均已开始探索 [24] - 目前估算建设1GW太空数据中心(含发射费)的成本约为355亿美元 [24] 资本持续涌入的驱动逻辑 - 风险认知:行业普遍认为,在AI竞赛中,投资不足的风险远大于过度投资的风险 [27] - 最先获得最佳AI模型或AGI的公司将占据巨大市场份额,其他公司的生存空间会迅速缩小 [27] - 资产处置:过度投资的风险有上限,多余的算力、土地、电力等基础设施可用于内部降本增效、出租或出售给其他公司 [28] - 算力消化:硅谷有“只要有基础设施和硬件,总会有办法被用掉”的理念,例如Meta已将大量GPU算力用于内容审核等内部工作 [29][30] - 资金来源:支撑万亿投资的资金主要来自超大规云服务商的自有资金再投资、公开债券市场(投资级或高收益级)以及新兴的私募信贷等渠道 [30][31]