建一座 1 吉瓦的 AI 数据中心要花多少钱？伯恩斯坦和高盛的账本导读

写在前面：这是一篇自己写的导读。起因是看到视频号「壹渥投资」的一期节目（链接见文末），但视频只能在微信里看，我们没有看过它的内容，所以本文不是视频的整理。伯恩斯坦（Bernstein）和高盛（Goldman Sachs）的研报原文要付费，文中所有数字都来自公开的媒体报道和机构公开文章，每个数字后面都附了出处链接。标注「本站计算」的是我们自己按公开数字做的简单算术，假设写在旁边。不同媒体转述同一份报告时偶有出入，遇到这种情况我们会把几个数字都列出来。

一、先把「1 吉瓦」换成人话

1 吉瓦（GW）等于 100 万千瓦。一座 1 GW 的数据中心如果全年满负荷运转，一年要用掉大约 87.6 亿度电（本站计算：100 万千瓦 × 8760 小时）。

这 1 GW 并不全给芯片用。伯恩斯坦假设，装着 GPU 的服务器机柜大约只占整座数据中心用电的 78%，剩下的给了制冷、配电损耗、网络等设备（网易科技/新浪财经）。按 10 月的新报告，这个比例来自两个假设：PUE（总用电 ÷ IT 设备用电）取 1.15，服务器机柜占 IT 用电的 90%（腾讯新闻/一财有看投）。

所以「1 吉瓦」说的是电，不是钱。造价要看这 1 GW 的电能装下多少机柜、每个机柜多贵，再加上机柜外面的楼、电和冷。

二、到底要多少钱？几家的数字摆在一起

数字差了将近一倍，主要有三个原因：

1. 算的是哪一代芯片。 英伟达的数字偏高，伯恩斯坦认为它可能是在「展望未来的 GPU 世代」（Investing.com）。
2. 内存价格怎么假设。 伯恩斯坦 6 月按 2027 年 HBM4 涨到每 GB 约 53 美元来算，一个 Vera Rubin 机柜要 910 万美元（新浪财经）。10 月它把 HBM4 单价假设从每 GB 48 美元降到 30.6 美元，又把机柜外的闪存从机柜成本里剥离出去，机柜价就降到约 750 万美元，每 GW 总价也从 470 多亿降到约 395 亿（腾讯新闻）。
3. 口径不同。 高盛的 420 亿是把英伟达、AMD、博通各自给出的「每 GW 收入机会」综合后得出的平均值，其中约 70% 算力、30% 机房壳体（华尔街见闻）。

比较稳妥的读法是：按 2026 年的公开估算，一座 1 GW 的 AI 数据中心大约是 350 亿到 470 亿美元量级，具体取决于芯片代际和内存价格。

三、五种架构：单柜差几倍，每 GW 却差不多

伯恩斯坦 10 月初的报告把五种系统放在同一个框架里比较（以下均据鉅亨号与腾讯新闻转述）：

最便宜的 TPU 机柜不到 Rubin 的四成，但换算到 1 GW 后，两者只差 5 亿美元。原因有两个。

第一，便宜的机柜往往也更省电。 报告的说法是，TPU 系统本身便宜，单套功耗也低，凑满 1 GW 要买更多套，总价并没有低多少（鉅亨号）。本站粗算：把每 GW 总价减去机柜外约 120 亿–127 亿美元的固定投入，再除以单柜价格，Rubin 大约需要 3,600 个机柜，TPU 大约需要 1 万个。这只是用四舍五入后的公开数字倒推，仅供感受量级。

第二，机柜外面的钱省不掉。 伯恩斯坦估计，每 GW 的供电、制冷等机电设施约需 75 亿–82 亿美元，土地和建筑约 45 亿美元（鉅亨号）。不管用谁家的芯片，变电站、配电、液冷和厂房都得建。

四、机柜里面：钱主要流向谁

以 750 万美元的 Vera Rubin 机柜为例（腾讯新闻）：

• GPU 约 396 万美元：72 颗，每颗约 5.5 万美元，接近机柜成本的一半。
• 内存和存储合计约 180 万美元：其中 20.7 TB 的 HBM4 按每 GB 30.6 美元、英伟达加价 10% 计，约 69.7 万美元。
• 网络约 117 万–120 万美元（两份转述略有出入）：包括机柜内高速互联（scale-up）、机柜之间互联（scale-out）和前端网络。
• 散热和供电合计约 40 万美元。

不同架构的钱流向不一样。AMD 的 GPU 每颗约 3.5 万美元，比 Rubin 便宜，但它配了约 31.1 TB 的 HBM（Rubin 是 20.7 TB），网络约 147 万美元，也高于 Rubin 的 117 万美元（鉅亨号）。省下的 GPU 钱，一部分转到了内存和网络上。谷歌 TPU 由博通参与设计，伯恩斯坦按博通约 55% 的利润率（英伟达约 70%）推算，每颗 ASIC 约 2.2 万美元（腾讯新闻）。

利润率差别有多大？伯恩斯坦在 GB200 时代算过：GPU 占数据中心总投资的 39%，按英伟达约 70% 的毛利率，英伟达的毛利约占整座 AI 数据中心总支出的 29%（Investing.com）。这也是大厂愿意自研芯片的一个重要原因。

五、机柜外面：电和冷

同样在 GB200 时代的拆分里，机电系统接近总投资的三分之一，其中发电机和燃气轮机约 6%，变压器约 5%，不间断电源（UPS）约 4%，风冷加液冷约 4%（Investing.com）。

高盛全球研究院也提到，传统云数据中心每兆瓦造价约 1000 万美元，而据市场说法，新一代 AI 数据中心已经到每兆瓦 1500 万–2000 万美元，并且还有上行风险（Goldman Sachs）。功率密度越高，供电和散热就越复杂、越贵。

六、一次性的钱变成每年的钱：折旧远大于电费

很多人以为 AI 算力最大的成本是电费，公开估算并不支持这个看法。

电费。 伯恩斯坦按每度电 0.15 美元算，1 GW 数据中心一年电费约 13 亿美元（Investing.com）。本站验算：87.6 亿度 × 0.15 美元 ≈ 13.1 亿美元，对得上。如果电价是每度 0.08 美元，一年约 7 亿美元（本站计算）。

折旧。 按 6 年折旧，伯恩斯坦 6 月版本的年折旧约 79 亿美元（Investing.com），10 月版本降到约 66 亿美元（鉅亨号）。本站验算：473 ÷ 6 ≈ 79，395 ÷ 6 ≈ 66，说明这是把每 GW 总投资全部按 6 年平摊。实际上楼宇和机电设备的寿命更长，所以这个算法偏保守。

高盛的口径不同：算力资产按 5 年、机房壳体按 15 年折旧，运营和维护成本（电力、人力等）每 GW 每年约 8.36 亿美元（华尔街见闻）。本站按这个口径算：420 亿 × 70% ÷ 5 + 420 亿 × 30% ÷ 15 ≈ 67 亿美元/年，和伯恩斯坦的 66 亿差不多。

折旧大约是电费的 5 倍（本站计算：66 ÷ 13）。人力成本则小到可以忽略（Investing.com）。

换算到每颗加速器每小时：在 40% 利用率、每度 0.15 美元的假设下，Rubin 每颗 GPU 每小时总成本约 3.19 美元，其中折旧约 2.58 美元，电费只有约 0.52 美元（腾讯新闻）。同一口径下，GB200 约 1.77 美元，TPU v7 约 1.29 美元（鉅亨号）。不过各芯片性能不同，这些数字不能直接用来比较性价比。

所以关键在于让昂贵的硬件一直有活干。本站推算：利用率从 40% 提到 80%，每个有效工作小时分摊的折旧就减半；电价打对折，只能省下一小部分。

七、「贵」和「缺」不是一回事

前面算的都是成本，也就是建一座数据中心要花多少钱。现实里还有一个更难的问题：有钱也未必买得到、建得起来。以下是我们自己的归纳。

• 电和电网接入。 公用事业级的电力已经成为关键瓶颈，西门子能源、GE Vernova 等厂商都在扩大燃气轮机产能（Investing.com）。高盛全球研究院也列出了电网接入排队、审批、技工短缺，以及变压器、开关设备、燃气轮机的长交货期（Goldman Sachs）。
• 装得下的地方。 伯恩斯坦按芯片出货推算，2026 年和 2027 年全球隐含约 36 GW 和 43 GW 的新增算力用电，而它的美国数据中心模型只预计新增 18 GW 和 26 GW。差额的一部分正流向海外，原因包括美国项目因电力等问题延期（腾讯新闻）。
• 内存。 NAND 价格从 2023 年 4 月的低点到 2026 年 5 月涨了 11.3 倍（新浪财经）。伯恩斯坦只是调整了内存和闪存的价格与容量假设，一个 Rubin 机柜的估价就从 910 万降到了 750 万美元（见第二节）。

稀缺会推高价格，但更大的影响是时间：芯片已经买好，电和楼迟迟不到位，昂贵的硬件就只能闲着折旧。

这笔钱最终要靠收入赚回来。高盛测算，要让 2026–2027 年的这轮投资达到 15% 的投资资本回报率，平均每 GW 每年要产生约 116 亿美元收入（华尔街见闻）。

八、小结

1. 按 2026 年的公开估算，一座 1 GW 的 AI 数据中心大约要 350 亿–470 亿美元，英伟达自己的说法是 500 亿–600 亿。
2. 不同架构的单柜价格差好几倍，但每 GW 总投资都在 350 亿–400 亿美元左右，因为功率密度不同，机柜外面约 120 亿美元的楼、电和冷也省不掉。
3. 按年算，折旧大约是电费的 5 倍，利用率比电价更重要。
4. 「贵」是造价问题，「缺」是电力、设备和内存的供给问题。后者决定了算力什么时候能真正上线。

本文仅为科普整理，不构成投资建议。研报数字经媒体二次转述，可能存在转述误差，以原报告为准。

参考资料

伯恩斯坦（媒体转述）

• Investing.com，How much does a GW of data center capacity actually cost（2025-11-01）
• Investing.com，What it costs to deploy 1GW of Nvidia Vera Rubin infrastructure?（2026-06-13）
• 网易科技/新浪财经，英伟达数据中心成本大涨，这笔账对科技巨头还划算吗?（2026-06-08）
• 一财有看投/腾讯新闻，AI价值链1GW的AI ASIC数据中心容量实际成本测算（2026-10-06）
• 鉅亨号（转载自「傅里叶的猫」），一座1GW的AI資料中心，到底要花多少錢？（2026-10-07）

高盛

• 华尔街见闻，AI资本开支冲向1.7万亿美元，回报要达到什么水平才算合理？高盛算了一笔账（2026-09-25）
• 21 经济网/金融界，高盛测算AI算力豪赌：六大巨头2028-2030年需多赚1.42万亿美元（2026-09-25）
• Goldman Sachs Global Institute，Tracking Trillions: The Assumptions Shaping the Scale of the AI Build-Out（2026-05-01）

本文的灵感来源

本文题目受视频号「壹渥投资」2026 年 10 月 8 日的节目《伯恩斯坦：建一座1吉瓦的AI数据中心，到底贵在哪里？》启发。视频只能在微信内观看，本站没有看过视频内容，正文为根据公开资料重新撰写。视频链接：https://weixin.qq.com/sph/AGak3WwkCH