英伟达数据中心成本大涨，这笔账对科技巨头还划算吗?

搭载英伟达最新一代Vera Rubin架构的AI数据中心，造价正远超市场此前预期。伯恩斯坦研究的最新测算显示，单个Vera Rubin NVL72机架成本已高达约910万美元。换算到整体数据中心层面，每吉瓦的资本支出更是攀升至约470亿美元。不过，算力性价比的持续提升，让这笔愈发庞大的投入对科技巨头而言，在经济账上仍然说得通。

市场此前流传的“约800万美元每机架”报价，被伯恩斯坦分析师Stacy A. Rasgon等人明确指出来源有误。问题核心出在高带宽内存（HBM）上：当前HBM 4价格约为每GB 16.6美元，但等到2027年Vera Rubin大规模出货时，这个数字预计将飙升至每GB约53美元。更关键的是，英伟达很可能会通过动态定价机制，将这部分成本压力转嫁给终端客户。

成本不断上涨，但并没有动摇伯恩斯坦对英伟达的看多立场。该机构维持了英伟达“跑赢大市”的评级，目标价仍锁定在315美元。支撑这一判断的核心逻辑在于性能的飞跃：Vera Rubin NVL72机架的FP8算力高达每秒2520拍次浮点运算（PFLOPS），而上一代Blackwell仅为720 PFLOPS。换算下来，无论是每吉瓦还是每美元所能获得的算力，都出现了显著提升——这才是AI应用能继续大规模普及的底气所在。

机架成本：910万美元的底层逻辑

伯恩斯坦采用自下而上的拆解方法，对Vera Rubin NVL72机架进行了逐项核算，最终给出了约910万美元的成本估算。

GPU依旧是最大头的支出。Rubin GPU单颗售价约5.5万美元，每个机架需要72颗，光这一项成本就达到了396万美元，几乎占总成本的一半。此外，每机架配备的36颗Vera CPU，合计贡献了约18万美元。

真正让这份账单显得“刺眼”的，是内存与存储成本的大幅抬升——这也是市场预期与伯恩斯坦测算产生分歧的主要来源。该项成本预计约为320万美元，远高于按历史价格估算的约200万美元。其中，HBM 4贡献了约109万美元，CPU DRAM（LPDDR5X）约80万美元，直连存储则占了约128万美元。一个值得警惕的信号是，内存与存储的价格波动异常剧烈：NAND价格自2024年4月的低点，到2026年5月已累计上涨了11.3倍，年化涨幅高达115%。这意味着，要想保持预测的准确性，就必须持续跟踪这些关键材料的价格变化。

网络、冷却与供电合计贡献了约200万美元。网络部分成本最高，约127万美元，其中包括NVLink交换机约25万美元、线缆约24万美元、背板及其他规模扩展组件约38万美元，以及SpectrumX交换机约20万美元。冷却系统约16万美元，供电约15万美元。

每吉瓦470亿美元：全栈数据中心的真实账单

从单机架成本推算到整个数据中心的资本支出，数字变得更加惊人。

Vera Rubin NVL72机架额定功耗为220千瓦，按照机架耗电约占数据中心总用电量78%的比例推算，每吉瓦容量大约可以容纳3557个机架。单是这些机架的成本，就已经达到了约323亿美元。如果再叠加每吉瓦约150亿美元的物理基础设施成本——包括机械电气设备、土地和建筑——那么全栈AI数据中心的资本支出大约是每吉瓦473亿美元。这个数字，比上一代Blackwell周期的约405亿美元，又提升了大约17%。

运营成本结构同样值得关注。即便按每千瓦时0.15美元的较高电价计算，每年运营一个吉瓦的数据中心，电费大约是13亿美元。相比之下，人力成本几乎可以忽略不计——规模最大的数据中心也只需要8到10名员工。真正的大头是折旧：按6年折旧周期计算，年均折旧成本高达约79亿美元，这才是运营成本中最核心的组成部分。这里有一个关键点需要留意：由于IT硬件（服务器、网络设备）的折旧年限（4至6年）远短于机械电气设备和土地建筑，因此在真实经济成本中，服务器和网络的权重实际上比现金资本支出所呈现的比例更高。

算力跃升：成本上涨的对冲逻辑

尽管每吉瓦的资本支出在持续攀升，但算力性价比的显著改善，为这笔巨额投入提供了坚实的经济依据。

伯恩斯坦的数据显示，Vera Rubin NVL72机架的FP8算力为每秒2520拍次浮点运算，是Blackwell（720 PFLOPS）的3.5倍。换算到每吉瓦的维度，Vera Rubin可提供约8960 EFLOPS的FP16稀疏算力，相比Blackwell的4269 EFLOPS实现翻倍。更直观的是，每十亿美元资本支出所能换取的算力，从105.5 EFLOPS提升至了189.3 EFLOPS。这才是“钱花得值”的核心所在。

在算力高度紧张的市场环境下，数据中心运营商会倾向于尽可能延长现有GPU的使用寿命，同时优先将新建产能用于部署新一代GPU。报告也指出，如果受限于电力或物理基础设施而无法新建数据中心，运营商可能不得不考虑下线旧GPU，以腾出空间来部署新芯片。

AI需求端的加速爆发，也为持续投入提供了有力支撑。一个极具说服力的数据是：Anthropic的年化营收已从2025年底的90亿美元飙升至2026年5月的470亿美元。该公司明确表示，由于受算力限制，他们甚至不得不主动放弃部分客户和收入。这背后的潜台词很明显：不是需求不够，是算力跟不上。

供应链影响：谁是赢家，谁承压？

成本结构的变化，正在悄然重塑AI供应链中的受益格局。

内存是最大的结构性受益者。CPU DRAM的规格较上一代提升了320%（以TB计），增幅远超HBM和NAND约50%的水平。此外，用于KV缓存的CXL内存应用正在增加，如果供应端能够跟上，DRAM有望获得超比例的增长红利。

供电组件的需求也在持续扩张。供电内容占机架成本的比例，已从上一代的约1.0%提升至约1.6%，800VDC方案的早期采用进一步推动了这一趋势。伯恩斯坦对Delta Electronics维持“跑赢大市”评级，目标价新台币2620元，将其视为供电内容增长的主要受益者之一。

基板方面，ABF基板的需求被看好将持续增长，伯恩斯坦对Ibiden和Unimicron持正面看法，后者目标价新台币990元。

相比之下，伯恩斯坦对CoreWea ve的态度较为谨慎，维持“跑输大市”评级，目标价67美元；对Quanta同样维持“跑输大市”，目标价新台币250元。

成本仍将上行，电力需求滞后于资本支出

展望未来，伯恩斯坦预计每吉瓦成本将继续上升，但电力需求的增长节奏会滞后于超大规模云厂商资本支出的扩张步伐。

具体来看，Rubin周期每吉瓦成本增幅约为9%，略高于Blackwell周期的8%。市场一致预期显示，超大规模云厂商及新兴云服务商的资本支出将在2026年同比增长69%，到2027年增速放缓至约13%。这意味着，即便只增加相对平稳的电力容量，也足以支撑持续增长。在这组数据背后，或许恰恰说明市场对超大规模资本支出的预期，仍存在一定的上行空间。

最后需要警惕的一个潜在风险是，LPDDR内存的供应短缺可能对Vera Rubin及独立Vera CPU的出货构成制约。作为应对方案，英伟达可能会选择以较低的默认内存配置出货，允许客户后续自行扩容。这样一来，客户就可以根据最新的内存价格，灵活决定最优的配置方案。