每GW算力烧掉395亿美元：AI基建成本账单曝光

如果现在有人告诉你，只要买下最顶级的英伟达显卡就能开启人工智能创业梦，那么海外研究机构伯恩斯坦（Research＠Bernstein）刚刚发布的一份报告会给这个梦想泼下一盆透心凉的冷水。

2026年10月5日，伯恩斯坦发布深度研报，首次将视角从单个服务器的价格拉升至整个数据中心的维度。他们得出了一个令所有入局者沉默的核心结论：尽管各架构单机柜价格天差地别，但在折算到同等供电规模（即1GW IT负载容量）后，全球主要AI基础设施建设的端到端总造价差距已显著收窄，死死卡在 346亿至395亿美元 之间。

这意味着，要在现实世界中构建一座能够全速运转的顶级AI超级大脑，你的入场券不仅仅是一张巨额支票，而是必须准备好至少350亿美元的现金流。这不仅是一场关于算力的军备竞赛，更是一次对所有参与者资产负债表极致的压力测试。

解构天价账单：冰山之下的“隐形成本”

要理解为何一个数据中心的造价能达到令人咋舌的近400亿美元，我们必须打破大众认知的误区：很多人认为，搞AI基建就是不停地采购GPU或者ASIC芯片。

事实并非如此。伯恩斯坦通过严密的数学建模发现，在整个1GW数据中心的投资大盘子里，硬件投入确实是最大的单项支出，约占到了268亿美元。但这仅仅是一半的真相。剩下的约127亿美元，被统称为“非IT基建”，它们是那些看不见、摸不着，却直接决定你能否通电启动的硬约束。

我们将这127亿美元掰开揉碎来看，会发现这更像是在建设一座微型重工业城市。其中，建筑与场地改造占了大头，需要45亿美元；为了支撑庞杂的网络拓扑和海量数据传输，机电设施配套需要投入32亿美元；电网配电系统升级需要32亿美元；至于近年来备受瞩目的液冷冷却系统，则需要18亿美元的投入。

换句话说，当你向服务器机架上插入第一颗高性能计算芯片时，你已经为周围那些庞大的变压器、冷却塔、地下管网和钢结构支付了超过三分之一的成本。

这就是为什么在宏观层面上，不同的技术路线虽然看似激烈竞争，但实际上都被困在了同样的物理围墙之内。无论你选择多么昂贵的封闭生态，还是开源的硬件平台，那些为了散热、供电和承重所支付的刚性费用并不会因此消失。

殊途同归的395亿：芯片路线之争掩盖不了基建壁垒

在这个高达近400亿美元的价格区间内，不同科技巨头的具体选择呈现出有趣的博弈。

根据测算，目前算力霸主英伟达的下一代 Rubin 架构，其单机柜的预期造价最高，折合每GW投资额达到了惊人的395亿美元。紧随其后的是谷歌自研的 TPU v7 架构，约为390亿美元。而选择了定制化ASIC路线的OpenAI，凭借自研的Jalapeno架构，勉强将成本压到了最低的346亿美元。

三者在整体造价上的差额仅为50亿美元左右。这充分说明了前文提到的“基建刚性”定律：哪怕你在芯片选型上做到了极致的性价比，在动辄几十亿美元的土地、电力审批和冷却系统建设面前，这点省下的钱也只是杯水车薪。

不过，这也给市场带来了一个积极的信号——降本的脚步并没有停止。

伯恩斯坦指出，受高带宽内存（HBM）及NAND闪存存储预期价格调整的影响，英伟达 Rubin 时代的单柜成本预期已经从之前的910万美元下调至752万美元，降幅达到了17％。对于一个单价如此高昂的设备来说，17％的削减幅度相当可观。

但这种边际成本的递减，并不足以改变整体的行业格局。当单机柜的成本已经被压缩到极致，再想通过硬件规模的扩张来获得超额的成本优势，难度正在呈指数级上升。这也解释了为什么如今所有的目光都开始从单纯的算力比拼，转向了对能源效率的追求。

每年近80亿美元的持有成本：AI基建的本质是什么？

对于科技巨头而言，除了最初的一次性投入（CAPEX），长期的运营成本（OPEX）同样是一头吞金巨兽。

以这座1GW的AI数据中心为例，我们继续深挖它的年度账单。首先是大额的资产折旧，按照常规的数据中心服役周期计算，每年会产生约66亿美元的折旧费用。其次，为了让数以百万计的晶体管不知疲倦地运转，每年所需的电力支出高达13亿美元。

把这两项加起来，这座虚拟的工厂每年一睁眼就需要面对近80亿美元的成本支出。

这个数字极其惊人。作为对比，很多市值数千亿美元的上市公司，其年度净利润也往往在这个量级徘徊。这就带来了一个残酷的现实：当你建造了一座AI数据中心，你就相当于主动背上了一个大型国企级别的财务包袱。

这也从根本上改变了AI产业的竞争逻辑。过去，人们谈论AI是谈论代码的优劣、算法的先进与否；现在，AI的竞争已经彻底回归到了制造业和公用事业的内核——你有多少稳定的电力配额？你能以多低的利率拿到长达数十年的贷款来覆盖这些重资产？你能否在几年内通过服务收入将每年80亿美元的成本摊薄？

在这种模式下，没有资金实力、无法获得廉价绿电的大型云服务提供商（如微软Azure、谷歌Cloud、亚马逊AWS），几乎不可能独立完成这种规模的闭环。

未来三年的电力饥渴与资本开支潮

成本的高筑，并没有阻挡科技巨头们疯狂加杠杆的脚步。相反，由于知道现在的产能跟不上大模型迭代的渴望，他们不得不提前透支未来的预算。

伯恩斯坦的报告给出了一个令人不安的趋势：全球AI设备的出货功率规模正处于剧烈膨胀期。预计从2025年的27GW，猛增至2026年的35．5GW，并在2027年进一步飙升至43．3GW。

三年时间，装机功率接近翻倍。这意味着在接下来的一段时间内，全球范围内将出现数百吉瓦级别的电力缺口。每一个新上架的数据中心，都可能需要额外的变电站、输电缆甚至独立的发电机组来配合。

对于资本市场而言，这既是巨大的风险，也是确定的机会。确定在于，像提供变电设备、精密液体冷却管路、高端电源模块的上游供应商，将长期受益于这股基建狂潮。而风险在于，一旦地方电网的扩容速度赶不上科技巨头的订单下发速度，或者融资环境的突然收紧，那些堆积在山野之间却无法接电的庞大混凝土建筑，将成为悬在科技公司财报上最沉重的砝码。

对于普通投资者和行业观察者来说，看懂这份395亿美元的账单至关重要。它告诉我们，在喧嚣的大模型概念之下，真正的护城河并非某一款爆款产品，而是对实体世界中稀缺资源——土地、能源与资本的深度掌控。这场由硅基芯片引发的风暴，最终将以混凝土和铜线的形式，重塑整个传统基础设施行业的版图。

在接下来的两年里，谁能够率先解决“电”和“钱”的来源问题，谁才能在这场烧钱游戏中笑到最后。