北京時間10月30日，英偉達正式成為了全球首家市值達到5萬億美元的公司，它為何能如此值錢？《商業內幕》通過對AI數據中心的分析，揭示了英偉達在AI投資支出中所占據的龐大份額。

隨著AI進入工業化階段，全球最先進的數據中心衡量規模的方式已經不再是占地面積或服務器數量，而是以衡量算力的吉瓦為單位。華爾街也開始以“每吉瓦成本”來衡量這些數據中心，并預測哪些公司將從這場投資狂潮中獲益。

投行TD Cowen分析師本周在最新研究報告中給出了直觀對比：1吉瓦大約相當于一座核反應堆的發電量。這已成為新一代AI數據中心的新基準，包括xAI在孟菲斯的Colossus 2數據中心、Meta在俄亥俄州的“普羅米修斯”數據中心、在路易斯安那州的Hyperion數據中心、以及OpenAI的“星際之門”，亞馬遜在印第安納州的雷尼爾山項目。

這些“龐然大物”消耗海量電力，結合資本投入與芯片算力，不斷產出智能。整個過程成本高昂。

根據伯恩斯坦研究的最新分析，1吉瓦AI數據中心容量的建設成本約為350億美元。聽起來可能很夸張，但這實際上代表了AI的新經濟基石。每1吉瓦的數據中心容量，不僅是電力的衡量單位，更是一個新興工業生態系統的指標，它涵蓋了半導體、網絡設備、電力系統、建筑以及能源發電等領域。

根據伯恩斯坦和TD Cowen本周的估算，下面這張圖展示了1吉瓦350億美元數據中心容量的成本構成，以及哪些公司可能從中受益。

GPU是數據中心成本大頭

GPU成本最高

AI數據中心的最大單一成本在于計算芯片本身。伯恩斯坦指出，大約39%的總支出用于GPU，其中以英偉達的GB200及其即將推出的AI芯片(如Rubin系列)為主。

憑借高達70%的毛利率，英偉達將整個AI數據中心總支出的30%轉化為了利潤。難怪這家公司市值能達到5萬億美元。

TD Cowen的數據顯示，每1吉瓦算力需配備超過100萬顆GPU裸芯片(未經封裝的芯片)，這些正是AI芯片的核心運算單元。分析師估算，臺積電在為英偉達制造芯片過程中，每1吉瓦可創收13億美元。

盡管AMD、英特爾等芯片制造商正奮力追趕，谷歌、亞馬遜、微軟等超大規模企業也在投資能降低系統總成本的AI專用芯片與定制加速器，但伯恩斯坦與TD Cowen分析師強調，GPU仍是整個產業鏈的價值核心。

網絡設備

緊隨GPU之后的就是讓這些GPU實現互聯的“動脈”：網絡設備。伯恩斯坦估算，約13%的數據中心成本用于高速交換機和光互連等網絡設備。

作為交換機供應商和芯片設計商，Arista Networks、博通和Marvell將從中受益。由于利潤率高，Arista占據的利潤份額要高于收入份額。

伯恩斯坦分析師指出，安費諾、立訊精密等組件制造商可從電纜和連接器中獲益。中際旭創、新易盛、Coherent等光收發器企業也將在這輪浪潮中獲利。

電力與冷卻基礎設施

計算機機架的周邊物理基礎設施，包括發電機、變壓器和不間斷電源，構成了1吉瓦AI數據中心的另一大成本板塊。伯恩斯坦的數據顯示，僅配電系統就占據總支出的近10%。

電源管理公司伊頓、施耐德電氣、ABB及維諦技術是該領域的主要供應商。維諦技術在熱管理領域同樣面臨機遇，這部分約占總支出的4%，分布在風冷和液冷系統之間。

土地、電力與人力

土地和建筑約占前期投入成本的10%。不過，一旦數據中心投入運行，運營成本出乎意料地低。伯恩斯坦估算，運行一座1吉瓦AI數據中心一年的電費約為13億美元。人員成本同樣微不足道，大型數據中心通常僅需8到10名員工，每人年薪約為3萬到8萬美元。

然而，行業瓶頸正在轉向電力供應。隨著超大規模企業爭相鎖定穩定的大規模電力，西門子能源、GE Vernova及三菱重工近期均報告渦輪機與電網基礎設施訂單激增。