文 | 硅谷101

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？

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

首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，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、亚马逊这类超大规模的客户供货。

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）、超微（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。

最后是存储，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，最终得出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性，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必需品。

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，都是这个领域的大玩家。

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，原因就是冗余性。

在柴油发电机的市场中，最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，看看最后一项支出：工程建设。

Chapter 1.4 工程建设

最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。

我们合计下，要建成1GW的数据中心，最后的总支出大约是516亿美元，其中IT设备占比最高，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，第一是，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，最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。

第二个原因，就是计算范围不同。

所以综合看下来，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，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

我们之前做过一期视频和播客，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，想买天然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。

谷歌最近的消息说，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，效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 狂潮下的理性，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，第一是，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？很有可能谁最先获得最好的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。最后你发现，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、效率的提升，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。

第二个原因就在于，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，然后去筛除一些不合适的内容，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。那么最后一个问题是，上万亿美元的需求，钱从哪来呢？

Bruce Liu 美国Esoterica Capital（济容投资） 首席执行官兼首席投资官： 其实就是这些hyper scaler（超大规模云服务商），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）。然后还有最近新起来的，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。