文 | 硅谷101

5000億美元，是NASA預估能讓人類完成火星登陸的預算、能買下1.36個阿里（3670億美元）、3.5個NBA聯盟（1400億美元）、建設100座Apple Park（50億美元）、買1400億杯咖啡（3.5美元），卻只夠OpenAI建一座Stargate數據中心。

但這，也許只是開始，業內人士認為，OpenAI的野心甚至是這個數據的十倍。xAI、meta等科技巨頭，都開始瘋狂在AI數據中心砸錢，全球開啟了一波基建狂潮，押注新一輪的萬億級市場。但在狂潮背后，我們不禁想問：這么多錢，都花哪去了？

本篇文章我們就來扒一扒AI數據中心背后的資本支出。數據中心由哪些部分構成？上下游主要公司和玩家有哪些？到底要怎么花錢？有意思的是，我們翻遍了各大報告后，發現大家給出的預算各不相同，究竟誰才是對的？更有數據中心，被“逼”上了太空，原因是什么？在AI被質疑存在泡沫的情況下，又為什么資本依然瘋狂涌入呢？

01 看懂萬億投資，數據中心的錢流向哪里？

先來看看今年10月15日，美國銀行對于下一代AI數據中心的成本分析。

我們將數據中心的支出主要分為4大類，分別是IT類設備、供電設備、冷卻設備和工程建設。為了便于對比，我們將計算單位統一到每GW的支出。

Chapter 1.1 IT類設備

首先是與計算直接相關的IT類設備，分為服務器、網絡、存儲三塊，其中的大頭就在服務器身上，每GW大概需要375億美元。

服務器包含了CPU、GPU、內存、主板這些重要原件，通常直接由ODM（原始設計制造商）供貨，比如工業富聯等，他們會從英偉達和AMD這些芯片設計公司拿到服務器的設計標準，并制造成整機，直接向Oracle、meta、亞馬遜這類超大規模的客戶供貨。

ODM占據了服務器市場46%的份額，而其他的中小企業要購買服務器，那就得找戴爾（Dell）、超微（Super Micro）、惠普（HP）這類OEM（原始設備制造商）廠商購買。

在網絡方面，每GW需要37.5億美元的網絡設備，其中的主要玩家分別是Arista、Cisco、華為、英偉達等等。

值得一提的是，雖然英偉達在其中的市場占比只有5%，但業界有觀點會認為，盡管英偉達的InfiniBand（網絡通信標準）更貴，但憑借低延遲、無丟包風險的優勢，更適用于AI數據中心。

最后是存儲，也就是硬盤，每GW則需要19億美元的存儲設備。大玩家包括了三星、SK、美光 (Micron)、希捷 (Seagate)等玩家。我們將以上三項相加，最終得出IT類設備每GW支出為431.5億美元。這就是數據中心支出的大頭了。

Chapter 1.2 冷卻系統

2018年，亞特蘭大的一個數據中心遭受了網絡攻擊，導致法院、警察局、機場等多個城市服務機構被迫關閉。攻擊者除了用勒索軟件鎖住了數據外，還干了一件事，那就是侵入了冷卻系統。

冷卻系統被入侵后，環境溫度驟升至100華氏度（約37.8攝氏度）以上，一時間不少芯片受到損壞。黑客甚至還將服務器和冷卻系統的控制權作為“人質”，要求支付51000美元的比特幣。

后來，攻擊冷卻系統的方式越來越常見，花樣也越來越多。這個故事告訴大家，冷卻系統對于一個數據中心的重要性，雖然建造預算只占總成本的3%。

隨著全球AI算力需求的指數級提升，傳統的風冷技術已經很難滿足高密度算力設備的散熱需求了，同時對于英偉達的GPU來說，散熱能力也在一定程度上成為制約算力的核心瓶頸。因此，對于數據中心來說，液冷已從數據中心散熱備選方案變為必需品。

而對于配備液冷系統的數據中心來說，冷卻設備主要包含冷卻塔、冷水機組、CDU（冷卻分配單元）和CRAH（機房空氣處理機組）。要承擔1GW的散熱，它們分別需要支出0.9億、3.6億、4.5億、5.75億，總共14.75億美元。

主要供應商由于分散在各個環節，數量眾多，我們就不一一列舉了，但其中維諦（Vertiv）、江森（Johnson Controls），世圖茲（Stulz）和施耐德（Schneider）等等，都是這個領域的大玩家。

Chapter 1.3 供電設備

我們再來看看核心基建的電力部分。供電設備主要分為應急供電的備用柴油發電機、負責配電總控的開關設備、保障不斷電的UPS（Uninterruptible Power Supply）、給各機柜配電的母線槽及其他配電設備。

美國銀行認為，典型的柴油發電機每MW的成本為40～55萬美元，燃料箱、燃料泵和安裝費用加起來約為35～50萬美元，因此每MW的發電機成本大約為80萬美元，要提供1GW的電力，則需要8億美元的應急發電機。

但在我們的嘉賓看來，其實真實成本遠不止這些，原因就是冗余性。

在柴油發電機的市場中，最大的玩家是卡特彼勒（Caterpillar），康明斯（Cummins）和羅爾斯·羅伊斯（Rolls Royce）旗鼓相當。

除此之外，1GW數據中心還需要6.15億的開關設備、9.85億的UPS和3億美元的配電設備。這些電氣設備的三大玩家分別是施耐德、維諦和伊頓。

所以整個供電設施的花費，算下來就是每GW27億美元，只有IT設備的1/13，是不是還顯得挺便宜的？

雖然供電不花錢，但是在美國，供電卻成為了很多數據中心的核心瓶頸，這一點我們將在后面的文章中展開。我們先把這個開支的pie chart給畫全，看看最后一項支出：工程建設。

Chapter 1.4 工程建設

最后一項的工程建設費用包含了建筑成本、安裝成本、總承包商費用等等，每GW的工程預計花費約42.8億美元。

我們合計下，要建成1GW的數據中心，最后的總支出大約是516億美元，其中IT設備占比最高，成本達到了84%。這么算下來，OpenAI 10GW的Stargate項目就得5160億，與官方宣稱的5000億投資非常接近。

但與此同時，我們在翻各種研報的時候發現一個很有意思的事情，就是不同機構給出的數據差距非常大，就拿Stargate為例，不同機構估算出的總預算甚至差出了2000億美元，這是為什么？大家應該怎么去看這樣的計算分歧？

02 計算分歧，千億預算差從何而來？

我們先來看看幾個不同機構的預測：

Bernstein 11月1日的報告：每GW的AI數據中心成本約為350億美元。而且各項目的支出占比也與美國銀行的預測不同。例如IT設備相關的GPU、網絡、CPU、存儲總占比為56%，遠低于美國銀行計算的84%。

Barclays Bank 10月底的報告：AI數據中心每GW對應支出為500～600億，其中65%～70%都用在計算與網絡中。

Morgan Stanley 8月的研究模型：1GW對應的成本是335億美元，其中計算設備占比為41%，而剩下59%用于電力、冷卻等基礎設施的建設中。

為什么各家的預測數據相差會如此大呢？主要有兩個原因，第一是，假設使用的芯片不同。

美國銀行的計算對象，為英偉達在今年9月初發布的Rubin架構的芯片，將于2026年底上市；而Bernstein和Morgan Stanley的計算對象，是2024年3月發布的Blackwell架構。

所以各家計算的金額，最大的差別就在于芯片價格不同，相差了200億每GW，而像供電、冷卻等其他設施的成本相差并不大。不過這也側面說明了，老黃的下一代芯片又要漲價了。

新的“黃氏數學”（Jensen’s Math）認為一座1GW的AI數據中心，總成本是600～800億，甚至還高于了其他機構給出的預測，其中的“計算成本”，也就是英偉達的潛在收入，是400～500億。

第二個原因，就是計算范圍不同。

所以綜合看下來，我們的嘉賓認為，對于巨頭們未來建設的數據中心，可能美國銀行給出的預算會更接近真實情況，所以我們這期的預估也是根據美國銀行的報告來整理的。

前面說到，電力會成為數據中心的瓶頸，這就是為什么大家會看到在我們的動畫中，數據中心里面和外面都有發電機。其實，在電力這一塊，會有不小的一項隱形支出：電力投資。

03 隱形支出，巨頭親自下場建電廠

我們之前做過一期視頻和播客，講述了AI帶來的用電荒，以及為什么美國如此缺電。而一年半后的今天，情況依然沒有好轉。如今巨頭們為了獲取電力，不得不自己投資建廠所以我們看到，由于AI數據中心的大基建，還帶火了被認為是“夕陽產業”的電力股GEV，它的燃氣輪機訂單甚至都排到了三年后。

谷歌曾斥資30億美元，改造賓夕法尼亞州的兩座水力發電廠，為的就是換取3000MW的電力，相當于獲取1GW得花10億，這還僅僅是改造的費用。還有馬斯克為了Colossus2項目，也收購了一家發電廠。

到這里就有個問題了，數據中心不是本來就有應急發電機了嗎，為什么不直接用這些發電機來供電呢？

所以現在數據中心的建設，就卡在了獲取電力上。美國電網又無法提供足夠的功率，想買天然氣渦輪發電機又買不到，由此也催生了一些其他的方式。比如燃料電池開始變得越來越受歡迎，甚至巨頭們都被“逼”上了太空。

谷歌最近的消息說，計劃在2027年將數據中心送上太空。主要原因就在于，在太空中利用太陽能板來發電，效率可以達到地球上的8倍，還能解決晚上沒有太陽能的困擾，可以說是免費且無限的能源供應。除此之外，在太空的真空，還能利用輻射散熱方式，降低冷卻系統的需求。

除了谷歌，微軟、亞馬遜，還有馬斯克的SpaceX都開啟了這方面的探索。那么建設太空數據中心又得花多少錢呢？在linkedin有人預測，目前建設一座1MW的太空數據中心，算上發射費后，成本約為3550萬美元，如果是1GW，那將是355億。

這好像也沒比地球上貴多少，那關于太空數據中心是否可行、背后的挑戰與機遇，我們之后也會單開一期來好好聊聊。

04 狂潮下的理性，過度投資也有退路

既然建設AI數據中心耗費如此大，而且在市場紛紛懷疑充滿泡沫的情況下，為什么這股基建熱潮只增不減呢？在我們訪問的嘉賓看來，主要原因有兩點，第一是，投資不足比投資過度的風險更大。

徐熠興（Ethan Xu） 前微軟能源戰略經理，前突破能源科研總監： 大部分公司現在都意識到一點，Under investment is riskier than over investment，就是所謂的投資不夠，給你帶來的風險要遠遠大于你過度投資帶給你的風險。為什么會這樣呢？很有可能誰最先獲得最好的AI模型，或者所謂的AGI的話，這家公司就會占據比較大的一個市場份額，其他公司的生存空間就會很快地縮小。那我們再看一下過度投資會有什么樣的風險，你無非就是買了更多的地、更多的電、更多的房子，建數據中心。最后你發現，可能你買多了，無非就是你可以把它用作自己公司內部的一些使用、效率的提升，或者你可以把它租給其他人，或者就把這些地、電賣給其他公司，總體來說就是過度投資的風險，它實際上是有一個封頂的。

第二個原因就在于，只要有算力，科技公司們總會有辦法用掉。

王辰晟 前特斯拉供應鏈總監： 在硅谷有一句話就是，Bill will always eat Andy。你只要有Infra（基礎設施），你只要有Hardware（硬件），Server（服務商）總有辦法，可以想辦法把你運用掉的。這周早些時候OCP meta的人就在里面說，其實他們目前的GPU，光用來去做他們內部一些AI，比如Instagram或者Facebook，然后去篩除一些不合適的內容，他們其實也已經需要很多算力了，就算有多余閑置的算力，用來做內部的降本（cost reduction），他其實也是完全是可以用的，所以我覺得現在主流的這些公司，都不會擔心說這些會overinvest（過度投資）。

所以我們看到，哪怕現在市場紛紛質疑AI存在過度投資的情況，巨頭們依然在瘋狂涌入。那么最后一個問題是，上萬億美元的需求，錢從哪來呢？

Bruce Liu 美國Esoterica Capital（濟容投資） 首席執行官兼首席投資官： 其實就是這些hyper scaler（超大規模云服務商），它的這些自生的錢，我自己賺的錢我再投回去，我自己欠的錢我再投回去，后面其實就是要靠這些public market（公開市場），就是債券市場，美國的investment grade（投資級）或者high yield grade（高收益級）。然后還有最近新起來的，我們叫美國的影子銀行，所謂這些private credit（私募信貸），你把它break down（拆分），基本上就是這些大的融資渠道，來撐起這個整個的AI build out（基建熱潮），這在歷史，美國歷史上也不是沒有見過。我覺得AI更像全球的基建的大的周期，只要你（AI）能掙到錢，你是全球的增長的這個driver（驅動者），真的是不用特別擔心錢這個事情。

這場看似瘋狂的投入，本質上是一場關于“誰先抵達未來”的博弈。或許這條路充滿風險，但對于巨頭來說，“缺席”的代價比“投資錯誤”的代價更高。你

對這場瘋狂的AI基建投資有什么想法？歡迎在評論區和我們一起聊聊吧。