structure｜1️⃣ 三级笔记、思想框架

《AI 最烧钱的战场：数据中心的真实账单》三级笔记

一句话主旨：以美国银行 2026/10/15 报告为基准，逐条拆解 1GW AI 数据中心的成本结构（IT 设备、冷却、供电、工程建设）、不同机构千亿美元级预算差的由来、电力瓶颈逼出的隐形支出与太空数据中心，以及巨头明知泡沫质疑仍疯狂涌入的内在逻辑——「缺席」的代价，远高于「投资错误」的代价。

一、看懂万亿投资：数据中心的钱流向哪里？

计算单位统一到「每 GW」；以美国银行（BofA）2026/10/15 报告为基准。

• 1 GW 数据中心总支出 ≈ 516 亿美元，其中 IT 设备占 84%；推算 OpenAI 10GW Stargate ≈ 5160 亿，与官方宣称的 5000 亿投资非常接近
• 四大支出类别：IT 类设备、冷却设备、供电设备、工程建设

1.1 IT 类设备：431.5 亿 / GW（占 84%，绝对大头）

• 服务器 375 亿 / GW：含 CPU、GPU、内存、主板
  • ODM（原始设计制造商，如工业富联）从英伟达、AMD 拿设计标准，制成整机，直供 Oracle、Meta、亚马逊等超大规模客户
  • ODM 占服务器市场 46% 份额；中小企业走 OEM（Dell、Super Micro、HP）
• 网络设备 37.5 亿 / GW：玩家 Arista、Cisco、华为、英伟达
  • 英伟达份额仅 5%，但 InfiniBand（网络通信标准）虽贵，凭低延迟、无丢包风险更适合 AI 数据中心
• 存储（硬盘）19 亿 / GW：三星、SK、美光（Micron）、希捷（Seagate）

1.2 冷却系统：14.75 亿 / GW（占比约 3%，但地位关键）

• 警示故事：2018 年亚特兰大数据中心遭网络攻击，黑客侵入冷却系统，环境温度骤升至 100°F（约 37.8°C），大量芯片受损，勒索 51000 美元比特币
• 液冷已成必需品：传统风冷难以支撑高密度 AI 算力；对英伟达 GPU 而言，散热能力本身就是制约算力的核心瓶颈
• 液冷系统支出拆解（每 GW）：冷却塔 0.9 亿 + 冷水机组 3.6 亿 + CDU（冷却分配单元）4.5 亿 + CRAH（机房空气处理机组）5.75 亿 = 14.75 亿
• 主要供应商：维谛（Vertiv）、江森（Johnson Controls）、世图兹（Stulz）、施耐德（Schneider）

1.3 供电设备：27 亿 / GW（仅为 IT 设备的 1/13，却是真正的瓶颈）

• 柴油应急发电机 8 亿 / GW：每 MW ≈ 80 万美元（发电机 40–55 万 + 燃料箱/泵/安装 35–50 万）

  • 关键点——冗余性：

    如果你的 IT 设备功耗达到 1GW，往往要配不止 1GW 的柴油发电机……可靠性高的数据中心，柴油发电机量可能是算力量的两倍。 —— Ethan Xu，前微软能源战略经理

  • 主要玩家：卡特彼勒（Caterpillar）、康明斯（Cummins）、罗尔斯·罗伊斯（Rolls Royce）

• 开关设备 6.15 亿 + UPS（不间断电源）9.85 亿 + 配电设备 3 亿：三大玩家施耐德、维谛、伊顿
• 看似便宜，但供电正是美国很多数据中心的核心瓶颈（详见第三部分）

1.4 工程建设：42.8 亿 / GW

• 含建筑成本、安装成本、总承包商费用等

二、计算分歧：千亿预算差从何而来？

就 Stargate 而言，不同机构估算出的总预算差出了 2000 亿美元。

2.1 主要报告对比

• 美国银行（BofA，10/15）：1GW ≈ 516 亿，IT 设备占 84%（基于 2026 年底上市的 Rubin 架构）
• Bernstein（11/1）：1GW ≈ 350 亿，IT 相关（GPU/网络/CPU/存储）占 56%（基于 2024/3 的 Blackwell）
• Barclays（10 月底）：1GW ≈ 500–600 亿，计算 + 网络占 65–70%
• Morgan Stanley（8 月）：1GW ≈ 335 亿，计算设备占 41%，剩余 59% 为电力、冷却等基建（基于 Blackwell）
• 黄氏数学（Jensen's Math）：1GW ≈ 600–800 亿，其中「计算成本」即英伟达潜在收入 400–500 亿

2.2 差距的两大来源

• 芯片代际不同：Rubin vs Blackwell，GPU 成本差出 200+ 亿 / GW

  Bernstein 的 GPU 成本是 136.5 亿美元，BofA 未来数据中心的 GPU 成本是 375 亿美元，就光这个就差了 200 多亿每 GW。 —— Ethan Xu

  • 侧面印证：老黄的下一代芯片又要涨价

• 计算范围不同：

  • BofA 算的是数据中心 building（房子里）的成本，含备用柴油发电机
  • Bernstein 算的是整个数据中心园区的成本，把园区配电系统和 gas turbines（天然气涡轮自发电机）也包了进去

• 综合判断：对巨头未来要建的数据中心，BofA 的预算更接近真实（本文估算以 BofA 为准）

三、隐形支出：巨头亲自下场建电厂

3.1 电力已成数据中心瓶颈

• 一年半前讲过的「AI 用电荒 + 美国缺电」至今未改善
• 巨头不得不亲自下场建发电机、发电站、变电站、配网设施，甚至短距输电线

3.2 电力投资是账本之外的隐形大头

给 10GW 数据中心配上一个发电厂，可能要再加 120~200 亿美元成本。 —— Ethan Xu

• 被称为「夕阳产业」的电力股 GEV 因此翻红，燃气轮机订单排到 3 年后
• 分析师认为 GE 等具备溢价能力，1GW 涡轮发电机 CapEx 约 20–25 亿美元

3.3 实际案例

• 谷歌斥资 30 亿美元改造宾州 2 座水电厂，换 3000MW 电力 → 每 GW 仅改造费就 10 亿
• 马斯克为 Colossus2 项目收购了一家发电厂

3.4 为什么不直接用现有的柴油应急发电机供电？

• 柴油发电机：为「高功率、短时爆发」优化，作为备用电源，无法承载 7×24 运行
• 天然气涡轮发电机：设计就是一年 365 天、几乎每小时运行
• 成本差：柴油发同一度电的成本，是天然气发电机的 3–8 倍（柴油本身贵 + 天然气可通过管道输送）

3.5 被「逼」上太空

• 电网供不上 + 涡轮发电机买不到 → 燃料电池兴起，巨头甚至把目光投向太空
• 谷歌计划 2027 年把数据中心送上太空：
  • 太空太阳能发电效率可达地球 8 倍，且解决夜晚无太阳能问题，「免费且无限」
  • 真空中可用辐射散热，降低冷却系统需求
• 微软、亚马逊、SpaceX 均已启动探索
• LinkedIn 预测：1MW 太空数据中心（含发射费）≈ 3550 万美元 → 1GW ≈ 355 亿，与地面接近

四、狂潮下的理性：过度投资也有退路

市场纷纷质疑泡沫，但基建热潮只增不减。嘉宾给出两大原因。

4.1 第一原因：投资不足的风险，远大于过度投资

Under investment is riskier than over investment. —— Ethan Xu

• 谁先拿到最好的 AI 模型或 AGI，谁就会占据巨大市场份额，其他公司的生存空间会迅速缩小
• 反过来，过度投资的风险有封顶：买多的地、电、房子可自用提效、对外出租，或转卖给他人

4.2 第二原因：只要有算力，科技公司总有办法用掉

Bill will always eat Andy. —— 硅谷老话，王辰晟引用

• Infra + Hardware 一就位，Server 端总能想办法消化
• OCP 会议案例：Meta 表示当前 GPU 光用来给 Instagram/Facebook 做违禁内容筛查就已经很吃算力；闲置部分还可以用于内部降本

4.3 万亿美元的钱从哪里来？

引用自 Bruce Liu（Esoterica Capital 济容投资）

• Hyper scaler 自生现金：自己赚的钱、欠的钱再投回去
• 公开市场债券：美国 investment grade（投资级）、high yield grade（高收益级）
• 「美国影子银行」private credit（私募信贷）：近年新兴的大融资渠道
• 历史并非没见过类似量级的基建周期；只要 AI 是全球增长的 driver，融资端不必过度担心

五、核心论点回望

• 结构性真相：1GW 数据中心账面里，IT 设备（尤其 GPU）吃掉 80%+ 成本，是「最烧钱」的真正主角
• 估算分歧：芯片代际（Rubin vs Blackwell）+ 统计口径（建筑 vs 园区）足以解释千亿美元级预算差
• 隐形成本：供电并不便宜——账面 27 亿 / GW 之外，巨头还得自建电厂、追涡轮机，甚至送数据中心上太空
• 投资逻辑：AGI 竞赛下，「缺席成本」≫「投错成本」；算力供给具备天然消化能力；融资渠道成熟
• 本质判断：这是一场关于「谁先抵达未来」的豪赌，风险大，但对巨头而言，缺席更贵

concepts｜2️⃣ 关键概念、概念网络

agentic reading｜3️⃣ 费曼 x3