隨著全球科技巨頭競相擴建 AI 基礎設施，AI 資料中心的建置成本正以前所未有的速度攀升。券商伯恩斯坦 (Bernstein) 最新研究報告指出，若採用輝達 (NVDA.US) 預計於 2027 年大規模部署的下一代 Vera Rubin 架構，打造 1GW(百萬瓩)AI 運算能力的資料中心，總資本支出 (CAPEX) 可能高達 470 億美元，凸顯 AI 競賽已從晶片之爭進一步演變為資本實力之爭。
報告指出，Vera Rubin NVL72 機櫃 (Rack) 的平均成本預估約 910 萬美元，高於市場普遍引用的 800 萬美元水準。主要原因在於高頻寬記憶體 (HBM) 價格預期持續上漲，加上儲存設備、網路設備及供電系統成本同步增加，使整體 AI 叢集建置成本持續墊高。
伯恩斯坦分析師認為，隨著 AI 模型規模不斷擴張，未來資料中心的成本結構將逐漸由記憶體、電力基礎設施與散熱系統主導，而非單純依賴 GPU 本身。
Vera Rubin NVL72 單一機櫃成本拆解
| 項目 |
預估成本 |
| GPU 系統 |
約 400 萬美元 |
| HBM 與儲存設備 |
約 320 萬美元 |
| 網路設備 |
約 120 萬美元 |
| 散熱系統 |
約 15 萬美元 |
| 電力供應系統 |
約 15 萬美元 |
| 合計 |
約 910 萬美元 |
根據伯恩斯坦估算，Vera Rubin NVL72 每座機櫃耗電量約 220 千瓦 (kW)。若建置 1GW 資料中心，約需配置 3,557 座機櫃。
以此計算，僅機櫃相關設備成本便達約 320 億美元。
若再加上土地、建築物、變電站、冷卻設施及其他基礎建設支出約 150 億美元，總投資額將達 470 億美元。
1GW Vera Rubin AI 資料中心成本估算
| 項目 |
金額 |
| AI 機櫃設備 |
約 320 億美元 |
| 基礎建設 |
約 150 億美元 |
| 總資本支出 |
約 470 億美元 |
| 機櫃數量 |
3,557 座 |
| 總耗電量 |
1GW |
這意味著，未來超大規模 AI 資料中心的投資規模已接近大型核電廠、高速鐵路或國家級基礎建設專案。
市場普遍認為，目前包括微軟 (MSFT.US) 、亞馬遜 (AMZN.US) 、Alphabet (GOOGL.US) 、Meta Platforms (META.US) 及 OpenAI 等業者正在推動的 AI 資料中心軍備競賽，未來幾年可能需要數千億美元資本投入。
Vera Rubin 效能大幅超越 Blackwell
儘管成本持續上升，但伯恩斯坦認為 Vera Rubin 仍具備極高投資吸引力，原因在於其運算效能提升幅度更加驚人。
根據報告，Vera Rubin NVL72 每機櫃可提供 2,520 FP8 Petaflops 運算能力，遠高於現行 Blackwell 架構的 720 FP8 Petaflops。
Vera Rubin 與 Blackwell 比較
| 指標 |
Blackwell NVL72 |
Vera Rubin NVL72 |
| FP8 運算能力 |
720 PFLOPS |
2,520 PFLOPS |
| 效能增幅 |
- |
約 250% |
| 預計量產時間 |
2025-2026 年 |
2027 年 |
分析師指出，雖然單一機櫃成本增加約 14%，但運算能力提升超過 3 倍，代表每美元投資所能換取的算力仍顯著改善。
AI 資料中心最大成本不再是電費
報告另一項重要發現，是 AI 資料中心的經濟模型正在改變。
過去市場普遍認為電力成本是資料中心最主要支出來源，但隨著 AI 硬體價格快速攀升，折舊成本已逐漸超越電費。
伯恩斯坦估算，在每度電 0.15 美元條件下，1GW AI 資料中心全年電費約 13 億美元。
然而若以 6 年折舊週期計算，相關硬體設備的年度折舊費用高達 79 億美元，是電費支出的 6 倍以上。
1GW AI 資料中心年度成本比較
| 項目 |
年支出 |
| 電力成本 |
約 13 億美元 |
| 硬體折舊 |
約 79 億美元 |
| 差距 |
約 6 倍 |
分析師認為，未來資料中心營運效率將更取決於設備利用率與模型訓練效率，而非單純的能源價格。
HBM、電源與網通成最大受惠族群
伯恩斯坦指出，隨著 AI 系統變得更龐大、更耗電且需要更多記憶體，相關供應鏈將持續受惠。
其中，高頻寬記憶體 (HBM) 被視為未來數年最具成長潛力的環節。目前市場主要供應商包括 SK 海力士、三星電子及美光科技 (MU.US) 。
此外，電源管理、散熱系統、先進載板及高速網路設備需求也將同步提升。
分析師特別看好以下企業：
伯恩斯坦看好名單
| 公司 |
評級 |
| 輝達 (NVDA.US) |
Outperform |
| Digital Realty Trust (DLR.US) |
Outperform |
| Equinix (EQIX.US) |
Outperform |
| 台達電 (2308-TW) |
Outperform |
| 欣興 (3037-TW) |
Outperform |
| 致茂 (2360-TW) |
Outperform |
另一方面，伯恩斯坦維持廣達 (2382-TW) 及 CoreWeave (CRWV.US) 的 Underperform 評級。
報告指出，雖然 CoreWeave 是目前最積極擴張 AI 資料中心的業者之一，但資本支出壓力與融資需求仍可能壓縮未來股東回報。
AI 產業正式邁入「兆美元基礎設施時代」
市場研究機構近期普遍預測，全球 AI 基礎設施投資規模將於 2030 年前突破數兆美元。
輝達執行長黃仁勳日前更預估，全球 AI 資料中心與加速運算市場規模最終可能達到 3 兆至 4 兆美元。
若伯恩斯坦的估算成立，未來僅建置 10GW Vera Rubin 級 AI 資料中心，投資額便可能高達 4,700 億美元，相當於一家大型科技巨頭數年的資本支出總和。
在 AI 模型持續擴大、代理式 AI(Agentic AI) 興起，以及企業 AI 需求快速成長推動下，這場圍繞算力、電力與資本的競賽，才剛剛開始。
(美股為即時串流報價； OTC市場股票除外，資料延遲最少15分鐘。)新聞來源 (不包括新聞圖片): 鉅亨網