发帖
雷达卡
5000亿美元，这个数字足以支撑NASA完成人类首次登陆火星的壮举，可以收购1.36个阿里巴巴（估值3670亿美元），或3.5个NBA联盟（总价值约1400亿美元），能建造100座Apple Park（每座50亿美元），甚至能购买140 billion杯咖啡（按每杯3.5美元计算）。然而，这笔巨款却仅够OpenAI打造一座名为Stargate的AI数据中心。
但这可能仅仅是序幕。业内分析指出，OpenAI的实际野心或许是这一预算规模的十倍之多。随着xAI、Meta等科技巨头纷纷加码投入AI数据中心建设，全球正掀起一场前所未有的基础设施投资热潮，争相押注这场有望达到万亿级别的技术革命。然而，在这场资本狂潮的背后，一个值得深思的问题浮现：如此庞大的资金，究竟流向了哪些环节？
本文将深入剖析AI数据中心背后的资本构成——它由哪些核心部分组成？上下游有哪些关键企业参与？巨额支出具体用在何处？有趣的是，我们在查阅大量行业报告后发现，不同机构对成本的估算差异巨大，谁的数据更接近真实？更有甚者，一些数据中心已被“逼”向太空部署，背后原因何在？而在AI泡沫争议不断的当下，为何资本依旧前赴后继、持续涌入？
01 拆解万亿投资：AI数据中心的钱到底花在哪？
以美国银行于今年10月15日发布的下一代AI数据中心成本分析为基础，我们将整个数据中心的资本支出划分为四大模块：IT类设备、供电系统、冷却系统和工程建设。为便于横向比较，所有数据均统一换算为“每GW算力容量”的单位支出。
Chapter 1.1 IT类设备：计算的核心支柱
IT设备是数据中心最核心的成本构成，主要包括服务器、网络设备与存储系统三大部分，其中服务器占据绝对主导地位，每GW算力所需投入高达375亿美元。
服务器内部集成了CPU、GPU、内存、主板等关键组件，通常由ODM（原始设计制造商）直接供应。例如工业富联这类厂商，会依据英伟达、AMD等芯片设计公司的技术规范进行整机制造，并批量交付给Oracle、Meta、亚马逊等超大规模客户。
目前，ODM模式已占据全球服务器市场约46%的份额。而对于中小企业而言，则更多依赖戴尔（Dell）、超微（Super Micro）、惠普（HP）等OEM（原始设备制造商）采购标准化产品。
在网络设备方面，每GW需配置约37.5亿美元的相关硬件，主要供应商包括Arista、Cisco、华为以及英伟达等。尽管英伟达在网络市场的占有率仅为5%，但其InfiniBand通信协议因具备低延迟、无丢包等优势，被广泛认为更适合高密度AI训练场景，因而备受青睐。
至于存储部分，即硬盘及相关设备，每GW约需19亿美元的投资。该领域的主要参与者有三星、SK海力士、美光（Micron）、希捷（Seagate）等国际大厂。
综合以上三项，IT类设备每GW的总支出约为431.5亿美元，构成了数据中心整体投入的最大比重。
Chapter 1.2 冷却系统：从边缘配角到不可或缺
2018年，亚特兰大一处数据中心遭遇网络攻击，不仅法院、警察局、机场等多个市政系统瘫痪，攻击者还采取了一项非常规手段——入侵冷却控制系统。
一旦冷却系统失灵，机房温度迅速飙升至100华氏度（约37.8摄氏度）以上，导致大量芯片过热损坏。黑客甚至将服务器与冷却系统的控制权限作为“人质”，索要5.1万美元比特币赎金。
此类事件揭示了一个长期被忽视的事实：冷却系统虽仅占建设成本的3%，却是保障数据中心稳定运行的关键命脉。随着AI算力需求呈指数级增长，传统风冷技术已难以应对高密度GPU集群的散热压力。尤其对于英伟达的高端GPU来说，散热能力已成为制约性能释放的重要瓶颈。
因此，液冷技术已从“可选项”转变为AI数据中心的“必选项”。
配备液冷的数据中心，其冷却系统主要包括冷却塔、冷水机组、CDU（冷却分配单元）及CRAH（机房空气处理机组）。为支持1GW的散热负荷，各部分所需投入分别为0.9亿、3.6亿、4.5亿和5.75亿美元，合计达14.75亿美元。
该产业链涉及多个细分环节，供应商分布广泛。其中较为突出的企业包括维谛（Vertiv）、江森自控（Johnson Controls）、世图兹（Stulz）以及施耐德电气（Schneider Electric）等。
Chapter 1.3 供电设备：电力保障的生命线
作为数据中心的能源中枢，供电系统的稳定性直接决定整体可用性。其主要组成部分包括：应急供电用的柴油发电机、配电控制开关设备、保障不间断运行的UPS（不间断电源系统），以及为机柜供电的母线槽和其他配电装置。
根据美国银行的测算，典型的柴油发电机每兆瓦（MW）造价在40万至55万美元之间，加上燃料箱、泵组及安装费用，总计约为每MW 80万美元。若要满足1GW的应急供电需求，则需投入约8亿美元用于发电机建设。
然而，我们的嘉宾徐熠兴（Ethan Xu）指出，这一数字并未完全反映实际成本，因其未充分计入“冗余设计”的影响。
在构建大型AI数据中心的过程中，电力供应的冗余设计是关键考量之一。前微软能源战略经理、前突破能源科研总监徐熠兴指出：当IT设备的功耗达到1GW时，通常需要配置超过1GW的柴油发电能力，核心目的在于保障系统可靠性。
对于高可用性要求的数据中心而言，柴油发电机的总容量甚至可能达到数据中心算力需求的两倍。例如，一个1GW的IT负载数据中心，可能会配备高达2GW的柴油发电机组，以确保在主电源失效时仍能持续运行。
目前在全球柴油发电机市场中，主要供应商包括卡特彼勒（Caterpillar）、康明斯（Cummins）以及罗尔斯·罗伊斯（Rolls Royce），三者处于竞争均衡状态。
除了发电设备外，1GW数据中心还需投入约6.15亿美元用于开关设备，9.85亿美元用于UPS（不间断电源）系统，以及3亿美元用于配电装置。这些电气基础设施的主要提供商为施耐德、维谛和伊顿。
综合计算，每GW数据中心的供电设施总成本约为27亿美元，仅为IT设备成本的1/13左右。从数字上看似乎并不高昂，但在美国，电力供给反而成为制约数据中心扩张的核心瓶颈之一——这一点将在后续内容中进一步探讨。接下来我们继续完善整体支出结构，重点关注工程建设部分。
Chapter 1.4 工程建设
工程建设费用涵盖建筑施工、设备安装、总承包商管理等多项开支，预计每GW需投入约42.8亿美元。
将各项成本汇总后可得，建设一座1GW规模的数据中心总支出约为516亿美元。其中，IT设备占比最高，达到总成本的84%。基于此估算，OpenAI规划中的10GW Stargate项目总投资将达到5160亿美元，与官方公布的5000亿美元预算高度吻合。
然而，在查阅不同研究机构报告时我们发现，各机构对同类项目的成本预测存在显著差异。以Stargate为例，不同分析模型之间的预算估算差距竟高达2000亿美元。这种分歧从何而来？又该如何理解？
02 计算分歧：千亿级预算差异的根源
以下是几家主流机构对AI数据中心每GW建设成本的预测：
- Bernstein（11月1日报告）：每GW成本约为350亿美元。其中GPU、网络、CPU、存储等IT相关支出合计占56%，明显低于美国银行所估的84%。
- Barclays Bank（10月底报告）：每GW支出介于500至600亿美元之间，其中65%～70%用于计算与网络设备。
- Morgan Stanley（8月研究模型）：每GW成本为335亿美元，计算设备占比41%，其余59%分配给电力、冷却等基础设施。
为何预测结果相差如此悬殊？主要原因有两点：
一、采用的芯片架构假设不同
美国银行的测算基于英伟达将于2026年底发布的Rubin架构芯片；而Bernstein与Morgan Stanley则依据2024年3月推出的Blackwell架构进行估算。
徐熠兴（Ethan Xu），前微软能源战略经理、前突破能源科研总监表示：
“Bernstein估算的GPU成本为136.5亿美元，而美国银行对未来数据中心的GPU支出预估高达375亿美元——单这一项就相差超过200亿美元/GW。这是我观察到的最大差异点。”
由此可见，各机构预测金额的巨大差距，主要源于对核心芯片价格的不同假设，仅GPU一项即可造成每GW超200亿美元的成本差。相比之下，供电、冷却等配套系统的成本估算则相对接近。
这也间接反映出一个趋势：新一代英伟达芯片或将迎来大幅涨价。
当前业内流行的“黄氏数学”（Jensen’s Math）提出，一座1GW的AI数据中心总成本可能在600～800亿美元之间，高于多数机构的预测水平。其中，“计算成本”即英伟达潜在收入部分，预计可达400～500亿美元。
徐熠兴补充道：
“我认为老黄的说法可能更贴近真实情况，毕竟他自己清楚想定什么价格。他会根据能耗、性能和市场预期来综合评估，并精确计算出他希望实现的利润空间。”
二、成本覆盖范围不一致
不同机构在建模时所包含的成本边界也有所不同。
徐熠兴解释：
“美国银行（BofA）的模型主要聚焦于数据中心建筑本身，也就是‘房子里面’的投入。而Bernstein的计算不仅包含建筑，还纳入了整个园区级别的基础设施，比如区域配电系统和燃气涡轮发电机（Gas turbines）。”
值得注意的是，美国银行所指的发电机多为备用性质的柴油发电机组，而Bernstein纳入的是具备自供电能力的燃气涡轮发电机，两者功能定位不同，成本自然也有差异。
综合来看，我们的专家认为，对于科技巨头未来实际部署的数据中心项目，美国银行的成本模型更贴近现实情况。因此本期内容的成本估算体系，亦主要参考其研究报告进行整理与呈现。
随着AI技术的迅猛发展，电力已成为制约数据中心扩张的关键瓶颈。这也解释了为何在相关动画演示中，无论是数据中心内部还是周边区域，都能看到大量发电机的身影。实际上，在电力供应方面，科技企业正面临一项常被忽视的巨大开销——电力基础设施的投资。
近年来，由于AI计算需求激增，电力短缺问题日益严重，尤其是在美国，这一现象已持续一年多仍未缓解。为了确保稳定供电，大型科技公司不得不亲自下场，直接参与发电设施的建设。
徐熠兴（Ethan Xu）
前微软能源战略经理，前突破能源科研总监：
像OpenAI或其合作伙伴Oracle这样的机构，必须设法在电网中创造新的供电容量。如今许多科技企业需要自行建造发电机、发电站、变电站以及部分配电网络，甚至包括短距离输电线路，以满足自身庞大的用电需求。
如果要为一个10GW规模的数据中心配套建设专属电厂，整体成本可能高达120至200亿美元。
这种由AI驱动的大规模基建热潮，甚至带动了一些传统能源企业的复苏。例如，通用电气旗下的GEV股价上涨，其燃气轮机订单已排期至三年后，成为市场关注焦点。
谷歌曾投入30亿美元改造宾夕法尼亚州的两座水电站，旨在获取总计3000MW的稳定电力资源——相当于每获得1GW电力需花费约10亿美元，而这仅是改造费用。此外，马斯克也为推进Colossus2项目，收购了一家现成的发电厂。
徐熠兴（Ethan Xu）
前微软能源战略经理，前突破能源科研总监：
当前数据中心对电力的竞争异常激烈。有分析指出，像GE这类设备供应商因此具备了较强的议价能力。采购1GW发电机组的成本可能达到25亿美元，我个人认为20亿左右更为合理，这属于典型的资本支出（CapEx）范围。
有人可能会问：既然数据中心本就配备应急发电机，为何不能直接用于日常供电？
对此，专家给出了明确解释：
徐熠兴（Ethan Xu）
前微软能源战略经理，前突破能源科研总监：
应急柴油发电机与大型天然气涡轮机存在本质区别。前者设计初衷是作为备用电源，所有组件都围绕高功率、短时间爆发运行进行优化，无法支持全年无休的连续运转。
而天然气涡轮机则专为长期稳定运行设计，可实现一年365天、每天24小时不间断工作。此外，燃料成本差异显著：柴油属于高价燃料，相比之下，天然气可通过管道输送，发电成本更低。相同电量输出下，柴油发电机的运行成本可能是天然气机组的3到8倍。
由此可见，现有应急电源难以替代主供电源。而在地面建厂又受限于电网承载能力和设备供应紧张，企业开始探索新型供电方案。
燃料电池的应用逐渐兴起，同时，一些巨头甚至将目光投向太空。
据最新消息，谷歌计划于2027年将数据中心部署至太空轨道。主要原因在于，太空中太阳能板的发电效率可达地球表面的8倍，并能避免夜间断电问题，实现近乎免费且无限的能源供给。同时，太空中的真空环境可通过辐射方式高效散热，大幅降低冷却系统的能耗和复杂度。
除谷歌外，微软、亚马逊以及马斯克的SpaceX也已在该领域展开研究与布局。
那么，建设太空数据中心的成本究竟如何？LinkedIn上有业内人士估算：
目前建成一座1MW级别的太空数据中心，计入发射成本后，总投入约为3550万美元；若扩展至1GW，则总成本将达到约355亿美元。这一数字看似惊人，但与地球上同等规模的基础设施投资相比，并未明显超出预期。
关于太空数据中心的技术可行性、潜在挑战与未来机遇，我们将在后续专题中深入探讨。
04 狂潮背后的理性：过度投资也有退路
面对如此高昂的建设成本，加之市场普遍担忧泡沫风险，为何AI数据中心的建设热潮仍持续升温？受访嘉宾指出，核心原因主要有两点。
第一，投资不足的风险远高于过度投资。
徐熠兴（Ethan Xu）
前微软能源战略经理，前突破能源科研总监：
目前大多数企业已经认识到，“Under investment is riskier than over investment”——即投资不足所带来的风险，远远超过过度投资的风险。原因在于，谁能率先掌握最先进的AI模型，甚至实现AGI（通用人工智能），谁就有可能占据主导市场份额，而其他竞争者则可能迅速失去生存空间。
反观过度投资的风险，则相对可控：
你最多不过是多买了土地、电力资源和建筑空间。即便最终发现需求低于预期，这些资产仍可用于企业内部效率提升，或出租给第三方，亦可转售给其他公司。总体而言，过度投资的风险是有限且可回收的。
第二，只要有算力，科技公司总有办法将其充分利用。
王辰晟
前特斯拉供应链总监：
在硅谷流传着这样一句话：Bill will always eat Andy。这句话的含义是，无论硬件性能如何提升，软件和应用总会迅速消耗掉这些新增的算力。只要有基础设施、硬件设备或服务器资源存在，总能找到方式将其充分利用。
正如本周早些时候来自OCP Meta的分享所提到的，目前他们拥有的GPU算力，仅用于支持Instagram、Facebook等内部AI应用——比如内容审核与过滤不适宜信息——就已经需要庞大的计算资源。即便存在部分闲置算力，也会被优先投入到内部降本增效的项目中。因此，当前主流科技公司普遍并不担忧所谓的“过度投资”问题。
尽管市场上不断有人质疑AI领域是否存在资本过热的现象，但大型企业仍在持续加码投入。那么，面对上万亿美元级别的基础设施需求，这笔巨额资金究竟从何而来？
Bruce Liu，美国Esoterica Capital（济容投资）的首席执行官兼首席投资官指出，这一轮AI基建热潮的资金来源主要依赖于几大渠道：首先是超大规模云服务商（hyper scaler）自身的盈利再投资，包括自有现金流以及通过债务融资获得的资金；其次则是依靠公开市场，特别是美国的投资级（investment grade）和高收益级（high yield grade）债券市场。
此外，近年来兴起的一股新力量也正扮演越来越重要的角色——即所谓的“影子银行”，也就是私募信贷（private credit）。将这些资金来源逐一拆解后可以发现，正是它们共同构成了支撑整个AI基础设施扩张的核心融资体系。
这种由技术驱动的大规模资本投入，在美国历史上并非首次出现。AI的发展更应被视为一场全球性的基础设施建设周期。只要AI能够持续创造价值，成为全球经济增长的实际驱动力，资金供给的问题便无需过度忧虑。
这场看似激进甚至疯狂的投资浪潮，本质上是一场关于“谁先抵达未来”的战略博弈。尽管前行之路充满不确定性与风险，但对于行业巨头而言，错失机遇的代价远高于试错的成本。
京公网安备 11010802022788号
