本文将基于GPU、HBM和电力成本，反向推算出“东说念主工智能数据中心投资的崩溃点”。

对东说念主工智能数据中心的投资昭着已达到前所未有的水平。微软、谷歌、亚马逊和Meta等超大规模数据中心巨头竞相每年投资数千亿好意思元。据TrendForce预测，到2026年，这四大超大规模数据中心巨头的总投资额将高达7550亿好意思元（图1）。按1好意思元兑160日元的汇率筹画，这异常于约120.8万亿日元，越过了日本2025财年的国度预算（一般账户预算总和约为115万亿日元，数据开始：日本财务省）。

图1：前 4 大超大规模数据中心运营商对数据中心的狂妄成本投资

之是以需要如斯多量的投资，是因为东说念主工智能劳动器中使用的AI半导体价钱飞涨。以率先的AI半导体制造商NVIDIA的GPU为例，其面前的旗舰架构“Blackwell”中，单颗“B200”GPU的价钱在500万至800万日元之间，一台配备8颗B200 GPU的“DGX B200”劳动器的价钱在4000万至7000万日元之间，而基于该劳动器的AI机架的价钱则高达数亿至10亿日元（图2）。由于构建AI数据中心需要大批部署这些AI机架，因此每个超大规模数据中心运营商的投资额皆越过1000亿至2000亿好意思元。

图2：NVIDIA GPU AI 劳动器和数据中心（Hopper、Blackwell、Rubin）的订价结构

然而，这依然超出了“增长投资”一词所能讲解的限度，而更像是“为了竞争而进行的军事开发”。

在这种情况下，有一个很少被径直研究的流毒问题：“这项投资的确不错收回成本吗？”天然东说念主工智能飞腾强调的是雄伟的需乞降技艺改进，但关于成本密集型行业来说，最终的问题是投资能否收回成本。

本文将东说念主工智能数据中心的成本结构解析为三个要素：GPU、宽带内存（HBM）和电力。此外，本文诈骗微软和谷歌公开的履行数据，对现时东说念主工智能投资的收入结构进行了定量分析。基于此分析，本文试图估算“崩溃线”，即投资无法收回的临界点。

请崇敬，天职析侧重于GPU基础行径按小时计费带来的径直收入，并不包括东说念主工智能带来的曲折收入（举例搜索告白质料进步或SaaS价值加多）。阅读本文时，请记得这极少。

刀切斧砍地说，好意思国超大规模数据中心运营商在东说念主工智能数据中心看似狂妄的投资很可能依然注定失败。借用动漫《北斗神拳》中健次郎的一句名言：“你依然死了。”

从微软和谷歌的案例看投资规模的现实

图3以量化花样展示了微软和谷歌的履行投资规模。基于这些数据，它充分阐扬了微软和谷歌（Alphabet 的子公司）在数据中心鸿沟的投资规模之庞杂令东说念主凝视。

图3：微软和谷歌的履行投资规模

微软的案例

把柄微软2025财年年度陈述，成本支拨（不包括固定钞票和开采）瞻望将达到645亿好意思元。此外，该公司暗示，投资（主要用于东说念主工智能基础行径）瞻望将越过800亿好意思元。

与微软云业务1680亿好意思元的营收比较，成本支拨约占营收的38%，或把柄公司声明约为48%。频繁情况下，在康健的基础行径业务中，成本支拨很少越过营收的30%，因此这一比例极其忽视。

更蹙迫的是，折旧用度已达220亿好意思元。这意味着往时的投资职守依然脱手影响公司的损益，况兼这种职守在将来几年可能会无间加多。此外，如上图1所示，微软2026年的成本支拨瞻望将达到1900亿好意思元，约为上年的2.4倍。因此，微软的利润和失掉瞻望将大幅下降。

谷歌的案例

与此同期，谷歌母公司Alphabet正在进行更大规模的投资。其2025年的成本支拨达到914亿好意思元，其中大部分将用于劳动器和数据中心等技艺基础行径。比较之下，谷歌云的年收入约为588亿好意思元，贸易利润约为139亿好意思元。

天然，这914亿好意思元的成本支拨不仅辅助云筹画业务，也辅助公司范围内的基础行径，举例搜索引擎和东说念主工智能研究平台。然而，即使其中一半用于云筹画劳动，也仍然高达约457亿好意思元，约占云筹画销售额的80%，约为贸易利润的3.3倍。即便辩论到这极少，昭着面前的投资规模与传统的答复模式存在显耀偏差。

开运体育中国官网入口

此外，与微软访佛，谷歌2026年的举座成本支拨瞻望将达到1800亿至1900亿好意思元，约为上一年的2.4至2.5倍。鉴于如斯高的成本支拨水平，不难念念象，收回对云筹画业务的投资将变得愈加清贫。

东说念主工智能数据中心的成本结构

这项多量投资的原因在于东说念主工智能数据中心私有的成本结构。伊始，咱们将估算东说念主工智能数据中心的成本结构和市集范围（图4）。

图4：AI 数据中心的成本结构和市集范围

伊始，咱们来望望GPU。面前的AI基础行径简直十足依赖于NVIDIA的GPU。举例，H100系统的单价臆测在2.5万好意思元到4万好意思元之间，具体价钱取决于成就，而一个包含8个H100的劳动器机架价钱将达到约300万好意思元。此外，GB200系列的机架价钱瞻望将上升至数百万好意思元（约350万好意思元到550万好意思元）。

另一个蹙迫身分是投资对象不是单个GPU，而是“集群单元”。在面前的AI数据中心，每个集群部署数千到数万个GPU已是司空见惯，单个集群的投资额从数亿好意思元到约7亿好意思元不等。

其次是HBM显存。在H100和GB200芯片中，每个GPU频繁配备6到8个HBM堆栈。HBM的单价会把柄代数和合约条目而有所不同，但据称HBM3/3E的单价在1000好意思元到1500好意思元之间。因此，每个GPU的HBM成本约为10000好意思元，这在GPU价钱中占了异常大的比例。

更蹙迫的是供应截止。HBM市集简直十足由三家公司主导：SK海力士、三星电子和好意思光科技。非常是，据称SK海力士在先进HBM市集占有越过50%的份额。这种供应聚拢度酿成了一种遏抑价钱下降的结构。

第三，还有功耗问题。东说念主工智能数据中心的功耗比传统云平台高出几个数目级（图5）。举例，H100 的 TDP（注：热瞎想功耗，指冷却芯片所需的臆测最大发烧量）约为 700W，而 GB200 的 TDP 则在 1kW 级别。淌若成就一个包含 10，000 个 GPU 的集群，仅 GPU 本身的功耗就将达到 10MW，加上网络和冷却等其他功耗，总功耗将达到20-30MW。

图5：东说念主工智能数据中心的年度功耗和总成本

回到图5的讲解，换算成年耗电量，一个20兆瓦的系统需要20兆瓦×24小时×365天≈1.75亿千瓦时/年。假定电价为0.14好意思元/千瓦时，则年电费约为2500万好意思元。履行上，辩论到冗余成就和冷却损耗，乐橙体育(中国)官网入口成本达到每年3500万好意思元傍边的情况并不出奇。

因此，GPU（成本支拨）、HBM（供应截止）和电力（运营支拨）这三个要素皆会跟着规模的扩大呈指数级增长。驱散，东说念主工智能基础行径的成本仍然居高不下，况兼似乎很难像往时那样通过规模推广来抵制成本。

传统的规复模式不行行

传统云基础行径受益于规模经济，这收获于劳动器单元成本的执续下降和诈骗率的提高。摩尔定律和假造化技艺的逾越使得单台劳动器粗略跟着时刻的推移“以更低的成本贬责更多劳动”，这为规复模子提供了辅助。然而，东说念主工智能数据中心的情况则迥然相异。图6展示了其成本结构的前提条件，图 7则展示了基于这些条件筹画出的东说念主工智能数据中心规复线。

图6：AI 数据中心规复模子筹画的假定

图7：AI 数据中心投资回收期筹画

假定开动投资7亿好意思元用于开发一个领有1万个GPU的集群（包括GPU、劳动器、网络和冷却系统），并出于管帐策动将其摊销在5年内，则每年的摊销用度为1.4亿好意思元。加上3500万好意思元的电力成本和3500万好意思元的运营成本（小气、东说念主员成本、数据中心房钱等），每年的总成本约为2.1亿好意思元。

由此可知，规复所需的每个GPU 的计费成本不错用以下公式暗示。

所需计费成本= 年度总成本 ÷ (GPU 数目 × 8760 小时 × 普遍运行时刻)

假定运行率为70%，2.1亿好意思元 ÷ (10，000 × 8，760 小时 × 0.7) ≈ 约 3.43 好意思元/GPU 小时

换句话说，除非每块GPU在接近恒定的运行条件下每小时至少产生3.43好意思元的收益，不然投资无法收回。这是“下限”，而非“平均值”，淌若诈骗率下降，所需的单元成本还会更高。

然而，在履行市集结，生成式东说念主工智能推理的价钱正在赶紧下降。举例，据报说念，大规模谈话模子（LLM）的应用才调编程接口（API）价钱在2023年至2025年间将降至原价的十分之一以下。此外，开源模子的激增进一步加重了价钱竞争。

流毒在于，尽管API价钱大幅下降，但GPU、HBM和电力成本履行上却在上升。此时，传统的规复模式已不再可行。东说念主工智能基础行径正在从“规模越大，上风越昭着”的模式转向“规模越大，固定成本风险越高”的模式。那么，规复会在什么规模下变得不行能呢？让咱们基于微软和谷歌的实在数据来分析规复条件

回收线的现实

正如前文所述，微软每年执续投资600亿至800亿好意思元，而到2025年，其折旧用度已越过200亿好意思元。淌若微软试图用微软云的运渔利润来支付这220亿好意思元的折旧用度，将会大幅抵制其云业务的运渔利润率。另一方面，谷歌云业务的运渔利润为139亿好意思元，LOL投注官网而其仅云业务的成本支拨就高达约457亿好意思元，这意味着即使按单年筹画，其投资额也越过了运渔利润的三倍。

这标明存在结构性问题。东说念主工智能基础行径必须保执极高的投资答复率才能盈利。然而，现实情况是，东说念主工智能劳动的价钱正鄙人降，GPU和HBM的成本仍然很高，而电力成本却在上升。

在上述三个身分同期作用的环境下，投资回收的条件会赶紧恶化。不错说，现时的AI投资依然插足了一种结构性窘境：除非同期收尾极高的诈骗率和极高的单价，不然很难收回投资。

投资为何仍需无间

那么，这种对成本开采的狂妄投资会放缓吗？谜底是狡赖的。

微软剩余践约义务约为3680亿好意思元，标明市集需求仍然越过供应。谷歌也明确暗示，筹谋进一步扩大成本支拨，以闲静东说念主工智能和云筹画的需求。流毒在于，这两家公司皆不是因为预期粗略收回投资才进行投资的。相背，它们是被动无间投资的，因为罢手投资就意味着在竞争中落伍。

现时的东说念主工智能投资依然从追求利润最大化休养为努力幸免失败。咱们应该将东说念主工智能投资视为依然插足“破费战”阶段，而非“增长”阶段。

独一这种结构执续下去，东说念主工智能飞腾就会无间推广，但其里面会积存一种无法调停的风险神志的“歪曲”。这种歪曲会在某个节点须臾败闪现来。这等于下一章将要论述的“崩溃线”。

探索崩溃线

如上所述，判断东说念主工智能投资的可执续性不仅需要辩论GPU的数目，还需要辩论HBM、电力以及统共电力基础行径。本文将以一个领有10000个GPU的集群为例，定量地展示投资回收在何种规模下将变得不行能——即所谓的“崩溃线”。

从GPU数目倒推，HBM和功耗按如下花样加多：

伊始，咱们假定一个由10，000 个 GPU 构成的集群。图8自满了每个集群所需的年功耗以及所需的等效核电站数目。

图8：故障线所需功耗的物理规模

假定每个GPU配备8个HBM堆栈，则所需的HBM总量将达到80，000个堆栈。每个堆栈24GB，算计约为1.92PB。此外，就功耗而言，假定每个GPU的功耗为1kW，而统共行径（包括冷却、变电站和网络负载）的功耗约为其两倍，则一个领有10，000个GPU的集群的行径负载约为20MW。

年耗电量约为175.2吉瓦时（GWh），除以一座1吉瓦级核电站以90%负荷运行的年发电量，异常于约0.022座反馈堆的发电量。反过来说，这意味着一座核电站只可闲静约45个场地的用电需求，淌若东说念主工智能集群大规模推广，不新建核电站将无法闲静需求。

收歇线的界说

如上所述，假定一个领有10，000个GPU的集群，开动投资7亿好意思元，分5年摊销，年运营成本3500万好意思元，年电力成本约为3500万好意思元，则年度总成本约为2.1亿好意思元。在这种情况下，盈亏均衡条件不错用第三章中描摹的以下公式暗示。

所需计费成本= 年度总成本 ÷ (GPU 数目 × 24 小时 × 365 天 × 普遍运行时刻)

假定诈骗率为70%，则每 GPU 小时的计费成本约为 3.43 好意思元。本文将此称为“临界点”。换句话说，一朝 AI 劳动价钱低于此水平，或者诈骗率低于此假定值，投资就无法收回成本。

需要崇敬的是，出于管帐策动而袭取的5年摊销期相干于NVIDIA GPU的技艺周期（频繁每两年傍边更新换代一次）而言是一个较为乐不雅的假定。在后文所述的崩溃现象③中，咱们将分析这种镌汰的摊销期对收入结构的影响。

崩溃须臾发生

在典型的基础设执行业中，利润率会缓缓下降。然而，在固定成本极高的AI数据中心，一朝利润率低于某个水平，盈利能力就会赶紧恶化，原因有以下三点。

第一，GPU 和 HBM 的开动投资巨大且固定。

第二，电力和冷却负荷很高，况兼退却易抵制。

第三，另一方面，由于竞争，所需的计费单元价钱（市集价钱）将会下降。

因此，东说念主工智能投资的恶化经过并非线性而非线性。换句话说，并非“情况缓缓恶化，然后变得愈加机密”，而是“一朝越过某个临界点，损失就会须臾变得巨大”。这等于收歇线的本体。

当今，让咱们定量筹画东说念主工智能数据中心发生故障的三种场景。每种场景的共同条件如图9所示。

图9：筹画 AI 数据中心故障线的常见条件

三种崩溃现象

图10自满了三种故障场景的仿真驱散。

图10：东说念主工智能数据中心发生故障的三种场景模拟

第一，软件崩溃。

最有可能出现的情况是东说念主工智能公司之间伸开热烈的价钱竞争。淌若计费价钱降至每GPU小时2.90好意思元，诈骗率降至65%，则所需计费价钱将上升至3.69好意思元，导致每年损走嘴4490万好意思元。然而，如图10所示，天然现阶段并未出现透顶崩溃，但利润已十足灭亡，投资复苏也悄然走向失败。即使名义需求得以督察，里面成本后果也在急剧下降。

第二，硬件崩溃。

下一个风险是电力、制冷和装置等履行成本的上升。淌若3好意思元的计费率和55%的诈骗率，再加上电价上升和行径负荷加多，所需的计费率将跃升至4.7好意思元，导致每年约8170万好意思元的损失。图10 自满，在此阶段，赤字急剧扩大。这是一个典型的例子，阐扬基础行径成本而非需求奈何毁坏盈利能力。

第三，金融崩溃。

最严重的后果是财务上的崩溃。即使计费率为每间3.20好意思元，入住率为60%，由于折旧期镌汰（从5年镌汰到4年）以及8%的成本成本，履行计费率也需达到每间5.73好意思元，导致每年失掉约1.33亿好意思元。因此，如图 10 底行所示，此阶段的损失已达到无法承受的水平（每年 1.33 亿好意思元）。这种情况的本体在于，成本市集在开采发生物理故障之前就认定该项投资“无法收回”。

失效以“非线性”花样发生

图11自满了AI 数据中心诈骗率与所需计费成本之间的关系。需要崇敬的是，这种关系并非线性关系。

图11：AI 数据中心将出现故障的鸿沟

入住率为70% 时，所需单元成本约为 3.43 好意思元；但当入住率降至 60% 时，所需单元成本将上升至近 4 好意思元；淌若入住率进一步降至 50%，所需单元成本将跃升至近 5 好意思元。

图11 所示的“崩溃区域”直不雅地展示了这种非线性关系。市集价钱区间（2.5 至 3.0 好意思元：基于 AWS、Azure、Lambda Labs 等平台的 H100/H200 小时费率范围）依然跌入该区域深处，面前的 AI 劳动价钱很可能已从结构上低于盈亏均衡点。

功耗截止：东说念主工智能是一个国度基础行径问题

更蹙迫的是，东说念主工智能投资的规模化径直依赖于电力基础行径。如图12所示，10，000 个 GPU 大要需要 20 兆瓦 (MW) 的电力，100，000 个 GPU 需要 200 兆瓦 (MW) 的电力，而 1，000，000 个 GPU 则需要 2，000 兆瓦 (MW)（= 2 吉瓦 (GW)）。这意味着不仅需要扩建数据中心，还需要扩建电力供应基础行径本身。

图12：功耗从 10，000 个 GPU 到 100，000 个 GPU 再到 1，000，000 个 GPU 急剧加多

淌若咱们把这些电力滚动为核能：

10，000 个 GPU 的集群：0.02 个单元

100，000 GPU 集群：0.2 个单元

百万GPU集群：2.2个单元

东说念主工智能投资的推广昭着等同于电力基础行径的推广。东说念主工智能数据中心不再只是是IT行业的问题，而是依然演变为触及电力、地皮和开发能力的“国度供给能力问题”。

东说念主工智能投资濒临的“崩溃”

面前对东说念主工智能数据中心的投资不仅无利可图，况兼在物理上也难以执续。市集价钱下降、诈骗率下降、电力成本上升或成本市集收紧——哪怕其中任何一个身分皆可能立即导致数据中心崩溃到临界点。况兼，这种崩溃不会缓缓发生，而是在跨越某个临界点后须臾爆发。这不再只是是半导体行业的问题，而是关乎国度电力供应能力的问题。

2026年4月3日，日本首相高市早苗会见了好意思国大型超大规模数据中心运营商微软总裁布拉德·史小姐，并对该公司在日本数据中心投资约100亿好意思元暗示接待。然而，正如本文所示，此类投资不仅无利可图，况兼耗电量巨大，其结构还会给国度基础行径带来职守。在东说念主工智能飞腾的背后，有必要沉稳地评估日本将要付出的代价规模。

*声明：本文系原作家创作。著作内容系其个东说念主不雅点，本身转载仅为共享与研究，不代表本身赞赏或招供，如有异议，请考虑后台。

念念要赢得半导体产业的前沿洞见、技艺速递、趋势领会英雄联盟比赛(中国)外围下注APP，柔和咱们！