英伟达市值缘何能达5万亿美元？关键或许藏在AI数据中心之中

北京时间10月30日，英伟达正式成为全球首家市值突破5万亿美元的公司，它为何能拥有如此高的估值？《商业内幕》借助对AI数据中心的剖析，展现了英伟达在AI投资支出里占据的巨大份额。

随着AI迈入工业化阶段，全球顶尖数据中心的规模衡量标准已不再局限于占地面积或服务器数量，而是转向以算力为核心的吉瓦单位。华尔街也开始采用“每吉瓦成本”这一指标来评估数据中心，并据此预测哪些企业能在这场投资热潮中分得一杯羹。

投行TD Cowen的分析师在本周发布的最新研究报告里进行了直观对比：1吉瓦的发电量大致等同于一座核反应堆的发电规模。这一标准如今已成为新一代AI数据中心的新基准，像xAI位于孟菲斯的Colossus 2数据中心、Meta在俄亥俄州的“普罗米修斯”数据中心、地处路易斯安那州的Hyperion数据中心、OpenAI的“星际之门”，以及亚马逊在印第安纳州的雷尼尔山项目，均以此为参照。

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。这一数字或许令人咋舌，但它实则构成了AI新经济的基石。每1吉瓦的数据中心容量，并非单纯的电力计量单位，更是新兴工业生态系统的重要标识，其覆盖范围包括半导体、网络设备、电力系统、建筑以及能源发电等多个领域。

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数据中心最大的单一成本是计算芯片本身。伯恩斯坦研究显示，总支出中约39%用于GPU，这部分主要由英伟达的GB200以及其即将发布的Rubin系列等AI芯片构成。

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。

根据TD Cowen的数据，每1吉瓦的算力需要配备超100万颗GPU裸芯片（即未经封装的芯片），而这些裸芯片正是AI芯片的核心运算单元。分析师还估算，台积电在为英伟达代工芯片时，每1吉瓦算力对应的芯片制造业务可带来13亿美元的收入。

尽管AMD、英特尔等芯片厂商正全力追赶，谷歌、亚马逊、微软等超大型企业也在投入资源研发可降低系统整体成本的AI专用芯片及定制加速器，不过伯恩斯坦与TD Cowen的分析师指出，GPU依旧是整个产业链的价值核心所在。

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

土地与建筑方面的支出大概占前期投入成本的10%。但数据中心投入运营后，其运营成本却低得出乎意料。据伯恩斯坦测算，一座1吉瓦的AI数据中心一年的电费大约是13亿美元。人员成本也同样不高，大型数据中心一般只需要8至10名员工，每位员工的年薪在3万到8万美元之间。

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。