北京时间10月30日，英伟达正式成为了全球首家市值达到5万亿美元的公司，它为何能如此值钱？《商业内幕》通过对AI数据中心的分析，揭示了英伟达在AI投资支出中所占据的庞大份额。
随着AI进入工业化阶段，全球最先进的数据中心衡量规模的方式已经不再是占地面积或服务器数量，而是以衡量算力的吉瓦为单位。华尔街也开始以“每吉瓦成本”来衡量这些数据中心，并预测哪些公司将从这场投资狂潮中获益。
投行TD Cowen分析师本周在最新研究报告中给出了直观对比：1吉瓦大约相当于一座核反应堆的发电量。这已成为新一代AI数据中心的新基准，包括xAI在孟菲斯的Colossus 2数据中心、Meta在俄亥俄州的“普罗米修斯”数据中心、在路易斯安那州的Hyperion数据中心、以及OpenAI的“星际之门”，亚马逊在印第安纳州的雷尼尔山项目。
这些“庞然大物”消耗海量电力，结合资本投入与芯片算力，不断产出智能。整个过程成本高昂。
根据伯恩斯坦研究的最新分析，1吉瓦AI数据中心容量的建设成本约为350亿美元。听起来可能很夸张，但这实际上代表了AI的新经济基石。每1吉瓦的数据中心容量，不仅是电力的衡量单位，更是一个新兴工业生态系统的指标，它涵盖了半导体、网络设备、电力系统、建筑以及能源发电等领域。
根据伯恩斯坦和TD Cowen本周的估算，下面这张图展示了1吉瓦350亿美元数据中心容量的成本构成，以及哪些公司可能从中受益。
GPU是数据中心成本大头
GPU成本最高
AI数据中心的最大单一成本在于计算芯片本身。伯恩斯坦指出，大约39%的总支出用于GPU，其中以英伟达的GB200及其即将推出的AI芯片(如Rubin系列)为主。
凭借高达70%的毛利率，英伟达将整个AI数据中心总支出的30%转化为了利润。难怪这家公司市值能达到5万亿美元。
TD Cowen的数据显示，每1吉瓦算力需配备超过100万颗GPU裸芯片(未经封装的芯片)，这些正是AI芯片的核心运算单元。分析师估算，台积电在为英伟达制造芯片过程中，每1吉瓦可创收13亿美元。
尽管AMD、英特尔等芯片制造商正奋力追赶，谷歌、亚马逊、微软等超大规模企业也在投资能降低系统总成本的AI专用芯片与定制加速器，但伯恩斯坦与TD Cowen分析师强调，GPU仍是整个产业链的价值核心。
网络设备
紧随GPU之后的就是让这些GPU实现互联的“动脉”：网络设备。伯恩斯坦估算，约13%的数据中心成本用于高速交换机和光互连等网络设备。
作为交换机供应商和芯片设计商，Arista Networks、博通和Marvell将从中受益。由于利润率高，Arista占据的利润份额要高于收入份额。
伯恩斯坦分析师指出，安费诺、立讯精密等组件制造商可从电缆和连接器中获益。中际旭创、新易盛、Coherent等光收发器企业也将在这轮浪潮中获利。
电力与冷却基础设施
计算机机架的周边物理基础设施，包括发电机、变压器和不间断电源，构成了1吉瓦AI数据中心的另一大成本板块。伯恩斯坦的数据显示，仅配电系统就占据总支出的近10%。
电源管理公司伊顿、施耐德电气、ABB及维谛技术是该领域的主要供应商。维谛技术在热管理领域同样面临机遇，这部分约占总支出的4%，分布在风冷和液冷系统之间。
土地、电力与人力
土地和建筑约占前期投入成本的10%。不过，一旦数据中心投入运行，运营成本出乎意料地低。伯恩斯坦估算，运行一座1吉瓦AI数据中心一年的电费约为13亿美元。人员成本同样微不足道，大型数据中心通常仅需8到10名员工，每人年薪约为3万到8万美元。
然而，行业瓶颈正在转向电力供应。随着超大规模企业争相锁定稳定的大规模电力，西门子能源、GE Vernova及三菱重工近期均报告涡轮机与电网基础设施订单激增。