当英伟达的Vera Rubin NVL72机柜开始成为产业讨论焦点，一个核心问题随之浮出水面：建一座GW级AI数据中心，究竟需要多少钱？
市面上流传的信息是“一台NVL72机柜成本约800万美元”，但基于对供应链的深度调研和与行业专家的系统性交流，这个数字已经过时，真实成本更接近910万美元，二者的差距主要在于一个核心变量：内存价格。
§ 01
910万美元：Vera Rubin时代的钱都流向了哪里？
要理解Vera Rubin NVL72 910万美元的机柜成本，需要将其拆开来看。
图表 1：英伟达数据中心 GPU 机柜资本开支拆分（按架构）
单位：千美元/机柜。来源：专家访谈、公司披露、文献检索、渠道调研、Bernstein 测算与分析。
算力是最大的单项支出。 每颗Rubin GPU售价为5.5万美元，每台NVL72机柜配置72颗，仅GPU成本就达396万美元，接近机柜总价的一半。同时，Vera CPU每颗约5000美元，每机柜配备36颗，合计约18万美元。算力部分合计约414万美元，构成成本的绝对核心。
内存与存储是最大的变量，也是最容易被低估的部分。据测算，内存与存储成本将达320万美元/机柜，约占机柜总成本的35%。这一数字显著高于按历史价格隐含的约200万美元。
具体拆分来看：
HBM4（高带宽内存）：Vera Rubin规格列示20.7TB的HBM4。若按历史参考价约16.63美元/GB计算，这部分成本约34.4万美元，与800万美元的说法基本吻合。但问题在于，到2027年Vera Rubin批量出货时，HBM4价格预计将升至48美元/GB；叠加英伟达可能向客户转嫁约10%加价，实际支付价格将达53美元/GB。这意味着，HBM成本贡献将从34.4万美元暴增至约110万美元。
图表 2：英伟达公布规格与 Bernstein 测算规格
蓝色为官方公布数据，红色为 Bernstein 测算。来源：英伟达官网、Bernstein 测算与分析。
CPU DRAM：Vera Rubin规格包含54TB的LPDDR5X CPU内存，是上一代GB200的约3.4倍。调研显示，英伟达的SOCAMM架构相较于移动端DRAM价格存在约30%溢价，对应CPU DRAM价值量约80.2万美元/机柜。值得注意的是，LPDDR潜在短缺也可能成为限制Vera Rubin出货量的隐性瓶颈。
直连存储（Direct-attached storage）：据配置测算，Vera Rubin每机柜NAND总容量约3.5PB，按TLC NAND约0.37美元/GB（含30%溢价）计，存储价值量约130万美元/机柜。
图表 3：5 月 NAND 价格企稳，但波动率仍高于历史趋势
NAND 晶圆（3D TLC 512Gb）现货与合约价，单位：美元。来源：DRAMeXchange、Bernstein 分析。
网络是第三大成本块，占机柜成本约13%。其中scale-up占 8%、scale-out 占5%。值得注意的是，超大规模客户以第三方交换机替换SpectrumX机顶交换机，是偏离英伟达参考架构最常见的做法之一，这也意味着实际网络成本存在较大配置弹性。
散热与供电加起来约31万美元，看似占比不高，但代际变化极为显著。据测算，电源价值量从GB200的约5万美元/机柜跃升至Vera Rubin的约15万美元，背后是更高的功率负载（从130kW升至220kW/机柜）与800VDC方案的早期采用。散热约16万美元，同样随功率密度提升持续抬升。
图表 4：AI 服务器电源组件 TAM（潜在市场规模）
来源：Bernstein 测算与分析。
其他。据测算，机柜机箱（chassis）成本约10万美元，另有约10万美元的其他机柜内容，最终落在910万美元的BOM。
§ 02
从机柜到GW级数据中心：470亿美元如何被“烧”出来？
将机柜成本放大到数据中心整体，数字将更为震撼。
鉴于Vera Rubin NVL72机柜额定功率为220kW，机柜约占数据中心总功率负载的78%（基于假设 PUE 为 1.15、服务器机柜占 IT 设备总功率的 90%），这意味着，每台机柜对应的数据中心总功耗约281kW，即一座GW级数据中心可容纳约3,557台Vera Rubin机柜，机柜总成本约323亿美元。
叠加机电与土地建筑等物理基础设施成本（参照顶级新建项目约120–150亿美元/GW的行业水平），得出一个结论：AI数据中心资本开支约为470亿美元/GW，高于GB200时代的405亿与H100时代的370亿。
图表 5 & 图表 6：数据中心基础设施资本开支拆分 / 机柜级性价比
来源：Omdia、专家访谈、渠道调研、公司披露、英伟达规格、Bernstein 测算与分析。
值得关注的是，虽然绝对资本开支在上升，但每美元对应的算力产出在加速提升。 Vera Rubin NVL72机柜的FP8稀疏算力达2,520 PFLOPS，是GB200（720 PFLOPS）的3.5倍。换算到每十亿美元资本开支可获得的FP16稀疏算力：H100为84.2 EFLOPS，GB200为105.5 EFLOPS，Vera Rubin跃升至189.3 EFLOPS——每美元算力效率较H100提升约2.25倍。
这正是AI推理单位成本持续下行的底层逻辑：绝对造价贵了，但买到的算力更多了，Token的边际成本仍在快速降低。
§ 03
当折旧超过电费：AI基础设施的真实成本结构
现金资本开支视角可能遮蔽了一些重要信息。
即便按0.15美元/kWh的偏高电价计算，运行一座GW级数据中心一年的电费约13亿美元；据报道，即便最大规模的数据中心也仅需8–10人运营，人力成本每人约3–8万美元/年。但若按6年折旧周期计算，资本开支对应的年度折旧约达79亿美元，是电费的6倍，是整个运营成本的绝对主导项。
图表 7：超大规模厂商对相关资产类别折旧年限的披露
来源：公司财报披露、Bernstein 分析。
各类资产的折旧年限差异显著。服务器与网络设备普遍为4–6年（各主要超大规模厂商均在此区间），机电设备多为8–25年，土地与建筑则长达7–40年。由于占资本开支最大头的IT硬件折旧最快，真实的总拥有成本（TCO）经济学比现金支出所隐含的更进一步向服务器、存储与网络倾斜。
这对算力资产的金融化具有实质意义：折旧周期越短，take-or-pay结构中的回收期压力越大，残值假设的容错空间越小。
§ 04
算力闸门打开之后：AI应用的下一轮跃迁
从需求侧看，市场对超大规模厂商资本开支的一致预期在持续上涨：七家主要超大规模厂商（亚马逊、谷歌、微软、Meta、甲骨文、CoreWeave、NBIS）合计资本开支从2024年约2500亿美元，到2026年同比增长约69%，2027年再增约13%，且当前预期几乎全面高于半年前的市场共识。
图表 8：一致预期超大规模厂商 2026 年总 capex 同比 +69%、2027 年再增 13%
较 2025 年 11 月的预期显著上修。来源：公司报告、Bloomberg（预测）、Bernstein 分析。
从应用侧看，2026年终端用户的渗透有加速迹象。Anthropic报告其年化营收由2025年底的90亿美元增至2026年5月的470亿美元，且这一增长是在算力受限的背景下实现的：算力约束已迫使该公司宁愿放弃部分客户与收入，也不愿在算力上过度透支。
这意味着，Rubin周期推动可用算力进一步跃升之后，被压抑的应用需求存在显著的释放空间。算力供给的扩张，是AI应用渗透加速的先决条件，而非滞后结果。
图表 9：AI 服务器供应链全景图
注：Bernstein 覆盖广达、台达、欣兴、致茂、台积电、三星、SK 海力士、美光、英伟达、AMD、博通、DISCO、揖斐电、BE Semi。来源：英伟达、SK 海力士、Bernstein 分析。
从供给侧看，支撑这一轮算力跃升的，是一条高度分工、环环吻合的全球供应链。
上游，英伟达、AMD等Fabless设计公司与谷歌、亚马逊、Meta等互联网巨头的自研ASIC，经由博通、Alchip等设计服务商，汇入台积电的晶圆代工与先进封装体系，再由Amkor、日月光完成封装，京元电负责最终测试；最后，SK海力士、三星等内存企业与揖斐电、欣兴等载板企业在封装环节并入，构成芯片级的核心价值。
下游，GPU模组由FII主导，经主板/基板（广达/英业达/美超微）、服务器、再到整机柜，形成从芯片到交付的完整制造链路；台达、光宝负责电源，台达、AVC负责散热，欣兴、沪电等覆盖高速PCB与网络互联。
图表 10：AI 供应链公司汇总
注：Bernstein 覆盖 Dell、SuperMicro、HPE、广达、立讯（Luxshare）、台达。来源：Bernstein 测算与分析。
从AI供应链公司的财务数据来看，成长性最强的是光收发环节：中际旭创营收2025–2027年复合增速达92%、EPS复合增速102%，新易盛、天孚亦在60–78%，光模块已成为AI网络scale-out扩张最直接的弹性标的，但对应估值也最高（P/E 35–87倍）。
ODM环节（鸿海/广达/纬颖/纬创）营收增速虽达24–52%，但毛利率普遍仅6–8%，是典型的“大营收、薄利润”代工模式。电源与散热环节（台达/Vertiv/AVC）则兼具30–45倍估值与38–66%的EPS增速，景气与盈利质量俱佳，呼应 Exhibit 4 的电源 TAM 主题。
供应链的每一个环节，既是算力扩张的支撑，也是成本传导的通路。理解谁在这条链上“拿走了价值量”，是判断GW级数据中心投资回报的前提之一。
§ 05
结语：谁将定义GW级Token工厂时代？
从910万美元的Vera Rubin NVL72机柜，到470亿美元的GW级数据中心，这套数字背后是一个正在快速演进、充满不确定性的产业现实。
内存价格的剧烈波动、功率密度的持续跃升、折旧周期带来的财务压力、以及算力供需之间的动态博弈，这些问题，既是投资分析的核心变量，也是产业实践者每天需要面对的经营挑战。
GW级Token工厂之问：是产业趋势，还是一场高杠杆豪赌？可交付的电是不是建立Token工厂的第一瓶颈？液冷、HVDC与模块化如何支撑GW级Token产能？这门生意的商业逻辑究竟该怎么跑通？
这些问题，将在2026中国智算产业生态发展年会的高端圆桌对话中，由电力企业、算力基础设施提供商、算力服务商、数据中心运营商、大模型企业等行业专家共同正面回答。
