文 | 硅谷 101宁波塑料挤出机

5000 亿美元，是 NASA 预估能让人类完成火星登陆的预算、能买下 1.36 个阿里（3670 亿美元）、3.5 个 NBA 联盟（1400 亿美元）、建设 100 座 Apple Park（50 亿美元）、买 1400 亿杯咖啡（3.5 美元），却只够 OpenAI 建一座 Stargate 数据中心。

但这，也许只是开始，业内人士认为，OpenAI 的野心甚至是这个数据的十倍。xAI、Meta 等科技巨头，都开始疯狂在 AI 数据中心砸钱，全球开启了一波基建狂潮，押注新一轮的万亿级市场。但在狂潮背后，我们不禁想问：这么多钱，都花哪去了？

本篇文章我们就来扒一扒 AI 数据中心背后的资本支出。数据中心由哪些部分构成？上下游主要公司和玩家有哪些？到底要怎么花钱？有意思的是，我们翻遍了各大报告后，发现大家给出的预算各不相同，究竟谁才是对的？更有数据中心，被"逼"上了太空，原因是什么？在 AI 被质疑存在泡沫的情况下，又为什么资本依然疯狂涌入呢？

里约州政府 10 月 28 日发起了旨在打击"红司令部"的"遏制行动"，行动中在里约热内卢市北部地区的 26 个贫民社区（主要集中在佩尼亚和阿莱芒社区）执行了 100 份逮捕令，集中抓捕该犯罪团伙的成员。约 2500 名警察参与了当天的行动。全天冲突激烈，犯罪分子用纵火焚烧轮胎和车辆等作为路障阻止警方进入社区，并使用无人机投掷炸弹袭击特种部队。

在长达二十多年的时间里，弗雷蒙德几乎接管了皮埃什的生活与财务，从旅行安排、房产管理到日常账单支付，他都能自由出入皮埃什位于瑞士和西班牙的私人住所。关键的转折发生在 2000 年前后，在弗雷蒙德的劝说下，皮埃什将自己持有的爱马仕股份以"不记名股票"形式从法国转移至瑞士，并签署了"全权委托协议"，将全部资产的管理权交予弗雷蒙德。

上世纪 80 年代初，中国军队寻求一款新型大口径机枪，终产物就是 85 式高射机枪，竞争失败者作为外贸产品，就是 W85。W85 由苏联"德什卡"机枪发展而来，口径 12.7 × 108mm，采用活塞长行程自动方式，鱼鳃撑板式闭锁方式，矩形机匣和较轻的枪管，枪身重 18.5 千克，加上步兵三脚架后重 39 千克。中国军队采用该枪作为车载高射机枪，即 QJC-88 车载机枪。

01 看懂万亿投资，数据中心的钱流向哪里？

先来看看今年 10 月 15 日，美国银行对于下一代 AI 数据中心的成本分析。

我们将数据中心的支出主要分为 4 大类，分别是IT 类设备、供电设备、冷却设备和工程建设。为了便于对比，我们将计算单位统一到每 GW 的支出。

Chapter 1.1 IT 类设备

先是与计算直接相关的 IT 类设备，分为服务器、网络、存储三块，其中的大头就在服务器身上，每 GW 大概需要 375 亿美元。

服务器包含了 CPU、GPU、内存、主板这些重要原件宁波塑料挤出机，通常直接由 ODM（原始设计制造商）供货，比如工业富联等，他们会从英伟达和 AMD 这些芯片设计公司拿到服务器的设计标准，并制造成整机，直接向 Oracle、Meta、亚马逊这类大规模的客户供货。

ODM 占据了服务器市场 46% 的份额，而其他的中小企业要购买服务器，那就得找戴尔（Dell）、微（Super Micro）、惠普（HP）这类 OEM（原始设备制造商）厂商购买。

在网络方面，每 GW 需要 37.5 亿美元的网络设备，其中的主要玩家分别是 Arista、Cisco、华为、英伟达等等。

值得一提的是，虽然英伟达在其中的市场占比只有 5%，但业界有观点会认为，尽管英伟达的 InfiniBand（网络通信标准）更贵，但凭借低延迟、无丢包风险的优势，更适用于 AI 数据中心。

后是存储，也就是硬盘，每 GW 则需要 19 亿美元的存储设备。大玩家包括了三星、SK、美光 ( Micron ) 、希捷 ( Seagate ) 等玩家。我们将以上三项相加，终得出IT 类设备每 GW 支出为 431.5 亿美元。这就是数据中心支出的大头了。

Chapter 1.2 冷却系统

2018 年，亚特兰大的一个数据中心遭受了网络攻击，导致法院、警察局、机场等多个城市服务机构被迫关闭。攻击者除了用勒索软件锁住了数据外，还干了一件事，那就是侵入了冷却系统。

冷却系统被入侵后，环境温度骤升至 100 华氏度（约 37.8 摄氏度）以上，一时间不少芯片受到损坏。黑客甚至还将服务器和冷却系统的控制权作为"人质"，要求支付 51000 美元的比特币。

后来，攻击冷却系统的方式越来越常见，花样也越来越多。这个故事告诉大家，冷却系统对于一个数据中心的重要，虽然建造预算只占总成本的 3%。

随着全球 AI 算力需求的指数级提升，传统的风冷技术已经很难满足高密度算力设备的散热需求了，同时对于英伟达的 GPU 来说，散热能力也在一定程度上成为制约算力的核心瓶颈。因此，对于数据中心来说，液冷已从数据中心散热备选方案变为需品。

而对于配备液冷系统的数据中心来说，冷却设备主要包含冷却塔、冷水机组、CDU（冷却分配单元）和 CRAH（机房空气处理机组）。要承担 1GW 的散热，它们分别需要支出 0.9 亿、3.6 亿、4.5 亿、5.75 亿，总共 14.75 亿美元。

主要供应商由于分散在各个环节，数量众多，我们就不一一列举了，但其中维谛（Vertiv）、江森（Johnson Controls），世图兹（Stulz）和施耐德（Schneider）等等，都是这个域的大玩家。

Chapter 1.3 供电设备

我们再来看看核心基建的电力部分。供电设备主要分为应急供电的备用柴油发电机、负责配电总控的开关设备、保障不断电的 UPS（Uninterruptible Power Supply）、给各机柜配电的母线槽及其他配电设备。

美国银行认为，典型的柴油发电机每 MW 的成本为 40～55 万美元，燃料箱、燃料泵和安装费用加起来约为 35～50 万美元，因此每 MW 的发电机成本大约为 80 万美元，要提供 1GW 的电力，则需要 8 亿美元的应急发电机。

但在我们的嘉宾看来，其实真实成本远不止这些，原因就是冗余。

在柴油发电机的市场中，大的玩家是卡特彼勒（Caterpillar），康明斯（Cummins）和罗尔斯 · 罗伊斯（Rolls Royce）旗鼓相当。

除此之外，1GW 数据中心还需要 6.15 亿的开关设备、9.85 亿的 UPS 和 3 亿美元的配电设备。这些电气设备的三大玩家分别是施耐德、维谛和伊顿。

所以整个供电设施的花费，算下来就是每 GW27 亿美元，只有 IT 设备的 1/13，是不是还显得挺便宜的？

虽然供电不花钱，但是在美国，供电却成为了很多数据中心的核心瓶颈，这一点我们将在后面的文章中展开。我们先把这个开支的 pie chart 给画全，看看后一项支出：工程建设。

Chapter 1.4 工程建设

后一项的工程建设费用包含了建筑成本、安装成本、总承包商费用等等，每 GW 的工程预计花费约 42.8 亿美元。

我们计下，要建成 1GW 的数据中心，后的总支出大约是 516 亿美元，其中 IT 设备占比高，成本达到了 84%。这么算下来，OpenAI 10GW 的 Stargate 项目就得 5160 亿，与官方宣称的 5000 亿投资非常接近。

但与此同时，我们在翻各种研报的时候发现一个很有意思的事情，就是不同机构给出的数据差距非常大，就拿 Stargate 为例，不同机构估算出的总预算甚至差出了 2000 亿美元，这是为什么？大家应该怎么去看这样的计算分歧？

02 计算分歧，千亿预算差从何而来？

我们先来看看几个不同机构的预测：

Bernstein 11 月 1 日的报告：每 GW 的 AI 数据中心成本约为 350 亿美元。而且各项目的支出占比也与美国银行的预测不同。例如 IT 设备相关的 GPU、网络、CPU、存储总占比为 56%，远低于美国银行计算的 84%。

Barclays Bank 10 月底的报告：AI 数据中心每 GW 对应支出为 500～600 亿，其中 65%～70% 都用在计算与网络中。

Morgan Stanley 8 月的研究模型：1GW 对应的成本是 335 亿美元，其中计算设备占比为 41%，而剩下 59% 用于电力、冷却等基础设施的建设中。

为什么各家的预测数据相差会如此大呢？主要有两个原因，塑料挤出设备一是，假设使用的芯片不同。

美国银行的计算对象，为英伟达在今年 9 月初发布的 Rubin 架构的芯片，将于 2026 年底上市；而 Bernstein 和 Morgan Stanley 的计算对象，是 2024 年 3 月发布的 Blackwell 架构。

所以各家计算的金额，大的差别就在于芯片价格不同，相差了 200 亿每 GW，而像供电、冷却等其他设施的成本相差并不大。不过这也侧面说明了，老黄的下一代芯片又要涨价了。

新的"黄氏数学"（Jensen ’ s Math）认为一座 1GW 的 AI 数据中心，总成本是 600～800 亿，甚至还高于了其他机构给出的预测，其中的"计算成本"，也就是英伟达的潜在收入，是 400～500 亿。

二个原因，就是计算范围不同。

所以综看下来，我们的嘉宾认为，对于巨头们未来建设的数据中心，可能美国银行给出的预算会更接近真实情况，所以我们这期的预估也是根据美国银行的报告来整理的。

前面说到，电力会成为数据中心的瓶颈，这就是为什么大家会看到在我们的动画中宁波塑料挤出机，数据中心里面和外面都有发电机。其实，在电力这一块，会有不小的一项隐形支出：电力投资。

03 隐形支出，巨头亲自下场建电厂

我们之前做过一期和播客，讲述了 AI 带来的用电荒，以及为什么美国如此缺电。而一年半后的今天，情况依然没有好转。如今巨头们为了获取电力，不得不自己投资建厂

所以我们看到，由于 AI 数据中心的大基建，还带火了被认为是"夕阳产业"的电力股 GEV，它的燃气轮机订单甚至都排到了三年后。

谷歌曾斥资 30 亿美元，改造宾夕法尼亚州的两座水力发电厂，为的就是换取 3000MW 的电力，相当于获取 1GW 得花 10 亿，这还仅仅是改造的费用。还有马斯克为了 Colossus2 项目，也收购了一家发电厂。

到这里就有个问题了，数据中心不是本来就有应急发电机了吗，为什么不直接用这些发电机来供电呢？

所以现在数据中心的建设，就卡在了获取电力上。美国电网又无法提供足够的功率，想买气涡轮发电机又买不到，由此也催生了一些其他的方式。比如燃料电池开始变得越来越受欢迎，甚至巨头们都被"逼"上了太空。

谷歌近的消息说，计划在 2027 年将数据中心送上太空。主要原因就在于，在太空中利用太阳能板来发电，率可以达到地球上的 8 倍，还能解决晚上没有太阳能的困扰，可以说是免费且无限的能源供应。除此之外，在太空的真空，还能利用辐射散热方式，降低冷却系统的需求。

除了谷歌，微软、亚马逊，还有马斯克的 SpaceX 都开启了这方面的探索。那么建设太空数据中心又得花多少钱呢？在 Linkedin 有人预测，目前建设一座 1MW 的太空数据中心，算上发射费后，成本约为 3550 万美元，如果是 1GW，那将是 355 亿。

这好像也没比地球上贵多少，那关于太空数据中心是否可行、背后的挑战与机遇，我们之后也会单开一期来好好聊聊。

04 狂潮下的理，过度投资也有退路

既然建设 AI 数据中心耗费如此大，而且在市场纷纷怀疑充满泡沫的情况下，为什么这股基建热潮只增不减呢？在我们访问的嘉宾看来，主要原因有两点，一是，投资不足比投资过度的风险更大。

徐熠兴（Ethan Xu）

前微软能源战略经理，前突破能源科研总监：

大部分公司现在都意识到一点，Under investment is riskier than over investment，就是所谓的投资不够，给你带来的风险要远远大于你过度投资带给你的风险。为什么会这样呢？很有可能谁先获得好的 AI 模型，或者所谓的 AGI 的话，这家公司就会占据比较大的一个市场份额，其他公司的生存空间就会很快地缩小。

那我们再看一下过度投资会有什么样的风险，你无非就是买了更多的地、更多的电、更多的房子，建数据中心。后你发现，可能你买多了，无非就是你可以把它用作自己公司内部的一些使用、率的提升，或者你可以把它租给其他人，或者就把这些地、电卖给其他公司，总体来说就是过度投资的风险，它实际上是有一个封顶的。

二个原因就在于，只要有算力，科技公司们总会有办法用掉。

王辰晟

前特斯拉供应链总监：

在硅谷有一句话就是，Bill will always eat Andy。你只要有 Infra（基础设施），你只要有 Hardware（硬件），Server（服务商）总有办法，可以想办法把你运用掉的。这周早些时候 OCP Meta 的人就在里面说，其实他们目前的 GPU，光用来去做他们内部一些 AI，比如 Instagram 或者 Facebook，然后去筛除一些不适的内容，他们其实也已经需要很多算力了，就算有多余闲置的算力，用来做内部的降本（cost reduction），他其实也是完全是可以用的，所以我觉得现在主流的这些公司，都不会担心说这些会 overinvest（过度投资）。

所以我们看到，哪怕现在市场纷纷质疑 AI 存在过度投资的情况，巨头们依然在疯狂涌入。那么后一个问题是，上万亿美元的需求，钱从哪来呢？

Bruce Liu

美国 Esoterica Capital（济容投资）

席执行官兼席投资官：

其实就是这些 hyper scaler（大规模云服务商），它的这些自生的钱，我自己赚的钱我再投回去，我自己欠的钱我再投回去，后面其实就是要靠这些 public market（公开市场），就是债券市场，美国的 investment grade（投资级）或者 high yield grade（高收益级）。

然后还有近新起来的，我们叫美国的影子银行，所谓这些 private credit（私募信贷），你把它 break down（拆分），基本上就是这些大的融资渠道，来撑起这个整个的 AI build out（基建热潮），这在历史，美国历史上也不是没有见过。我觉得 AI 更像全球的基建的大的周期，只要你（AI）能挣到钱，你是全球的增长的这个 driver（驱动者），真的是不用特别担心钱这个事情。

这场看似疯狂的投入，本质上是一场关于"谁先抵达未来"的博弈。或许这条路充满风险，但对于巨头来说，"缺席"的代价比"投资错误"的代价更高。你

对这场疯狂的 AI 基建投资有什么想法？欢迎在评论区和我们一起聊聊吧宁波塑料挤出机。