PP电子官方平台中华人民共和国外商投资企业和外国企业所得税法
2026-11-01
PP电子官方平台海外研选 伯|姜可by金银花露全文番外txt资源笔趣阁|恩斯坦拆
- 分类：新闻动态
- 来源：pp电子游戏精密机械
- 发布时间：2026-10-19
【概要描述】 Rubin NVL72单机柜成本预期从此前的910万美元大幅下调至752万美元，降幅约17%，主要反映了对HBM价格和NAND存储容量预期的调整。 研报还指出，AI的主要经济负担并非电费，而是巨额资本开支及其产生的折旧。随着Rubin和定制ASIC推动算力供应增长，AI基础设施的成本结构及投资回报正成为行业关注的核心问题。 伯恩斯坦根据行业专家访谈、供应链调查、企业披露及第三方数据，对英伟
PP电子官方平台海外研选 伯|姜可by金银花露全文番外txt资源笔趣阁|恩斯坦拆
【概要描述】 Rubin NVL72单机柜成本预期从此前的910万美元大幅下调至752万美元，降幅约17%，主要反映了对HBM价格和NAND存储容量预期的调整。 研报还指出，AI的主要经济负担并非电费，而是巨额资本开支及其产生的折旧。随着Rubin和定制ASIC推动算力供应增长，AI基础设施的成本结构及投资回报正成为行业关注的核心问题。 伯恩斯坦根据行业专家访谈、供应链调查、企业披露及第三方数据，对英伟
- 分类：新闻动态
- 来源：pp电子游戏精密机械
- 发布时间：2026-10-19
详情
Rubin NVL72单机柜成本预期从此前的910万美元大幅下调至752万美元★✿ღ◈，降幅约17%★✿ღ◈，主要反映了对HBM价格和NAND存储容量预期的调整★✿ღ◈。
研报还指出★✿ღ◈，AI的主要经济负担并非电费★✿ღ◈，而是巨额资本开支及其产生的折旧★✿ღ◈。随着Rubin和定制ASIC推动算力供应增长★✿ღ◈，AI基础设施的成本结构及投资回报正成为行业关注的核心问题★✿ღ◈。
伯恩斯坦根据行业专家访谈★✿ღ◈、供应链调查★✿ღ◈、企业披露及第三方数据★✿ღ◈，对英伟达★✿ღ◈、AMD★✿ღ◈、谷歌和OpenAI的主要AI加速器架构进行了成本比较★✿ღ◈。
不过★✿ღ◈，单套系统的价格并不能直接反映数据中心整体建设成本★✿ღ◈，因为不同架构的功耗和硬件配置存在显著差异★✿ღ◈。
一个值得关注的现象是★✿ღ◈，谷歌TPU单套系统成本不足Rubin的40%★✿ღ◈，但两者每GW数据中心的总投资仅相差约5亿美元★✿ღ◈。原因在于不同系统的功率密度存在较大差异★✿ღ◈。
伯恩斯坦估计★✿ღ◈，Rubin NVL72单机柜功耗约220千瓦★✿ღ◈，TPU v7单套系统约80千瓦★✿ღ◈。计入配套基础设施的用电需求后★✿ღ◈，每GW数据中心需要约3557套Rubin系统★✿ღ◈，却需要约9783套TPU系统★✿ღ◈。
最终★✿ღ◈，两种架构每GW对应的计算系统硬件投资分别约为268亿美元和263亿美元姜可by金银花露全文番外txt资源笔趣阁★✿ღ◈，差距相当有限★✿ღ◈。
伯恩斯坦估计★✿ღ◈，对于英伟达Rubin★✿ღ◈、AMD★✿ღ◈、谷歌TPU和OpenAI架构PP电子官方平台★✿ღ◈，每GW数据中心的机柜外基础设施成本约127亿美元★✿ღ◈，其中土地及建筑约45亿美元★✿ღ◈，设施约32亿美元★✿ღ◈，冷却设施约18亿美元★✿ღ◈，其他机电设施约32亿美元★✿ღ◈。
这一估算假设★✿ღ◈，AI计算机柜用电约占数据中心总负荷的78%★✿ღ◈，对应1.15的电能使用效率（PUE）以及服务器机柜占全部IT设备功耗90%的假设★✿ღ◈。
上述结果意味着★✿ღ◈，虽然自研ASIC可能降低芯片和单套服务器的价格★✿ღ◈，但能否显著降低整个数据中心的建设成本★✿ღ◈，还取决于功率密度★✿ღ◈、网络架构和所需硬件数量★✿ღ◈。
需要说明的是★✿ღ◈，这些数据衡量的是相同供电规模下的资本开支★✿ღ◈，并不代表不同架构能够提供相同的AI计算性能★✿ღ◈。
伯恩斯坦最新估算显示★✿ღ◈，Rubin NVL72单机柜成本约752万美元★✿ღ◈，低于此前预测的910万美元★✿ღ◈，也与供应链流传的700万至800万美元价格区间基本一致★✿ღ◈。
调整主要来自五个方面★✿ღ◈：下调NAND存储容量假设★✿ღ◈、降低HBM4价格预期★✿ღ◈、修正网络设备成本★✿ღ◈、调整冷却和供电系统成本★✿ღ◈，以及更新DRAM和NAND价格★✿ღ◈。
其中★✿ღ◈，HBM价格预期的变化尤其显著★✿ღ◈。伯恩斯坦将HBM4价格假设从此前的每GB 48美元下调至30.6美元★✿ღ◈，降幅约36%★✿ღ◈。
分析师认为★✿ღ◈，供应链反馈弱于此前预期★✿ღ◈，同时对HBM利润率最终与传统DRAM趋同的判断信心有所下降★✿ღ◈。
GPU本身仍是最大的成本来源★✿ღ◈。伯恩斯坦估计★✿ღ◈，Rubin GPU单价约5.5万美元★✿ღ◈，72颗GPU合计396万美元★✿ღ◈，占整套机柜成本的约53%PP电子官方平台★✿ღ◈。
此前模型假设★✿ღ◈，机柜内部NAND容量可能达到约2.2PB★✿ღ◈，并计入约1.2PB外部ICMS存储★✿ღ◈。最新模型则将内部NAND容量下调至576TB★✿ღ◈，同时将外部ICMS以及未来的CMX存储排除在机柜物料成本之外★✿ღ◈。
这一变化表明★✿ღ◈，Rubin成本预测下降不仅反映硬件价格变化★✿ღ◈，也与存储配置及成本统计范围调整有关★✿ღ◈。
值得注意的是★✿ღ◈，传统内存价格反而有所上涨★✿ღ◈。伯恩斯坦将DRAM价格假设从每GB 14.85美元上调至16.45美元★✿ღ◈，TLC NAND价格从0.37美元上调至0.38美元★✿ღ◈。
由此估算★✿ღ◈，Rubin每机柜CPU侧DRAM成本约88.8万美元★✿ღ◈，直接连接NAND存储约22.2万美元★✿ღ◈。
除计算和存储外★✿ღ◈，Rubin网络设备成本约117万美元★✿ღ◈，其中Scale-up网络约59万美元★✿ღ◈，Scale-out网络约50万美元★✿ღ◈，前端网络约8万美元★✿ღ◈。
随着系统功率密度提高★✿ღ◈，冷却系统成本也明显增加★✿ღ◈。伯恩斯坦估计★✿ღ◈，Rubin单机柜冷却成本约10.2万美元★✿ღ◈，较GB200的5.1万美元翻倍★✿ღ◈。
网络部分差异同样突出★✿ღ◈。AMD Helios每机柜网络设备成本约147万美元电子设备★✿ღ◈，★✿ღ◈，高于Rubin的117万美元★✿ღ◈。
伯恩斯坦指出★✿ღ◈，AMD采用基于以太网的UALink互联方案★✿ღ◈，部分Scale-up交换设备由Celestica提供★✿ღ◈，相关交换机成本可能低于英伟达的专有方案★✿ღ◈。
但AMD每颗GPU最多配置三个网络接口控制器姜可by金银花露全文番外txt资源笔趣阁★✿ღ◈，增加了Scale-out交换机★✿ღ◈、网络接口及光收发器需求★✿ღ◈，抵消了部分成本优势★✿ღ◈。
尽管AMD的GPU成本比Rubin低约144万美元★✿ღ◈，但其CPU★✿ღ◈、DRAM★✿ღ◈、HBM★✿ღ◈、网络设备及NAND存储成本更高★✿ღ◈，抵消了大部分价格优势★✿ღ◈。最终★✿ღ◈，AMD Helios单机柜总成本约733万美元PP电子官方平台★✿ღ◈，仅比Rubin低约19万美元★✿ღ◈。
需要注意的是★✿ღ◈，伯恩斯坦对AMD的NAND容量采用了较为激进的最大配置假设★✿ღ◈，实际存储需求可能低于估算★✿ღ◈。
伯恩斯坦认为★✿ღ◈，OpenAI的Jalapeno并非简单地将英伟达GPU替换为价格更低的ASIC★✿ღ◈，而是在网络和内存配置上采取了不同的设计思路pp电子平台★✿ღ◈，★✿ღ◈。
其中★✿ღ◈，HBM容量约27.6TB★✿ღ◈，对应成本约84.6万美元★✿ღ◈，剔除HBM后的ASIC平均价值约1.6万美元★✿ღ◈。
伯恩斯坦指出pp电子网站★✿ღ◈，OpenAI试图扩大Scale-up互联范围★✿ღ◈，将更多数据保存在本地HBM和DRAM中★✿ღ◈，从而减少对传统Scale-out网络及NAND存储的依赖★✿ღ◈。
此外★✿ღ◈，OCS设备约7.7万美元★✿ღ◈，铜缆约19.4万美元★✿ღ◈，光收发器约10.9万美元★✿ღ◈，网络设备整体成本约81万美元★✿ღ◈。
分析师认为★✿ღ◈，虽然Jalapeno并未完全取消跨系统网络连接★✿ღ◈，但通过改变互联方式★✿ღ◈，可以减少对传统Scale-out交换设备的需求★✿ღ◈。
伯恩斯坦估计★✿ღ◈，其单套系统成本约269万美元★✿ღ◈，包括64颗ASIC★✿ღ◈、16颗Axion CPU以及配套存储和网络设备★✿ღ◈。
按照模型姜可by金银花露全文番外txt资源笔趣阁★✿ღ◈，TPU ASIC不含HBM价格约2.2万美元★✿ღ◈，低于英伟达GB200 GPU接近3万美元的估算价格★✿ღ◈。
网络方面★✿ღ◈，谷歌同样使用OCS★✿ღ◈，但与OpenAI主要尝试减少传统Scale-out依赖不同★✿ღ◈，谷歌更多将其用于Scale-up互联★✿ღ◈。
伯恩斯坦估计★✿ღ◈，TPU v7每套系统的OCS成本约15.4万美元★✿ღ◈，网络设备总成本约54万美元★✿ღ◈。
不过★✿ღ◈，分析师强调★✿ღ◈，谷歌和OpenAI的公开技术披露均不如英伟达完整★✿ღ◈，尤其是NAND配置及部分网络组件价格★✿ღ◈，仍主要依靠行业消息和模型推算★✿ღ◈。
因此★✿ღ◈，当前ASIC成本估算存在较大不确定性★✿ღ◈，随着更多技术信息披露★✿ღ◈，相关预测可能需要明显调整★✿ღ◈。
报告指出★✿ღ◈，即使采用相对较高的每千瓦时0.15美元电价★✿ღ◈，1GW数据中心每年支出约为13亿美元★✿ღ◈。
相比之下PP电子官方平台★✿ღ◈，一座采用Rubin架构★✿ღ◈、总投资约395亿美元的数据中心★✿ღ◈，若将全部资本开支简单按照六年平均折旧★✿ღ◈，每年对应的折旧费用将达到约66亿美元★✿ღ◈。
伯恩斯坦认为★✿ღ◈，由于服务器★✿ღ◈、存储及网络硬件的使用寿命通常短于土地★✿ღ◈、建筑等基础设施★✿ღ◈，在分析AI算力的长期经济性时★✿ღ◈，IT硬件的重要性甚至高于其在初始投资中的占比★✿ღ◈。
据报告整理的数据★✿ღ◈，谷歌服务器和网络设备的折旧年限为六年★✿ღ◈，亚马逊为五年★✿ღ◈，Meta为四至五年pp电子官网★✿ღ◈，★✿ღ◈，微软相关计算设备为两至六年★✿ღ◈，CoreWeave技术设备为六年★✿ღ◈。
伯恩斯坦进一步假设加速器使用寿命为五年★✿ღ◈、电价为每千瓦时0.15美元★✿ღ◈，并采用40%的利用率进行调整★✿ღ◈。
不过★✿ღ◈，这些数字并非云服务商对外收取的GPU租赁价格★✿ღ◈，也不能直接等同于完成相同AI任务的成本★✿ღ◈。
由于不同架构的性能★✿ღ◈、实际利用率和适用工作负载存在差异★✿ღ◈，单纯比较每颗加速器的小时成本姜可by金银花露全文番外txt资源笔趣阁★✿ღ◈，并不足以判断其最终推理或训练经济性★✿ღ◈。
根据各类加速器出货量及其功率消耗估算★✿ღ◈，全球AI设备出货对应的数据中心功率规模预计从2025年的27GW增加至2026年的35.5GW★✿ღ◈，并于2027年进一步升至43.3GW姜可by金银花露全文番外txt资源笔趣阁★✿ღ◈。
伯恩斯坦预计★✿ღ◈，Rubin相关设备2026年出货对应功率约8.3GW★✿ღ◈，2027年进一步增加至12.1GW★✿ღ◈。
与此同时★✿ღ◈，英伟达B200的对应出货规模预计从2025年的9.9GW下降至2026年的5.4GW★✿ღ◈，2027年进一步降至0.2GW★✿ღ◈。
研究团队认为★✿ღ◈，这种差异一方面来自设备出货和实际部署之间的时间差★✿ღ◈，另一方面也可能反映AI基础设施建设正在更多转向海外★✿ღ◈。
伯恩斯坦提到★✿ღ◈，OpenAI与Firmus围绕澳大利亚★✿ღ◈、新加坡★✿ღ◈、印度尼西亚和马来西亚AI数据中心容量展开的合作★✿ღ◈，体现了海外基础设施建设的重要性★✿ღ◈。
伯恩斯坦预计★✿ღ◈，2025年至2027年★✿ღ◈，中际旭创和新易盛的营收复合年增长率分别可能达到92%和78%★✿ღ◈；台达电子及Vertiv同期预计分别增长38%和32%★✿ღ◈。
但并非所有硬件供应商都能同步改善盈利能力★✿ღ◈。报告预计★✿ღ◈，部分服务器制造商虽然收入增长较快★✿ღ◈，毛利率却可能承压pp电子设备★✿ღ◈！★✿ღ◈。
总体而言pp电子手机app下载★✿ღ◈，★✿ღ◈，伯恩斯坦认为PP电子APP下载★✿ღ◈，★✿ღ◈，2026年AI终端应用采用速度已有加快迹象★✿ღ◈，推动AI实验室快速增长★✿ღ◈。
随着英伟达Rubin进入新的产品周期★✿ღ◈，以及定制ASIC得到更广泛应用★✿ღ◈，伯恩斯坦预计★✿ღ◈，可用算力将进一步增加★✿ღ◈，为AI应用普及创造更多条件★✿ღ◈。
不过★✿ღ◈，报告同时表明★✿ღ◈，AI基础设施的经济性不仅取决于芯片价格★✿ღ◈，还受到内存★✿ღ◈、网络★✿ღ◈、供电及折旧成本等多重因素影响★✿ღ◈。对于持续投入巨额资本开支的科技企业而言★✿ღ◈，如何提高硬件利用效率★✿ღ◈、控制整体建设成本★✿ღ◈，将成为影响长期投资回报的重要因素PP电子官方平台★✿ღ◈。
推荐新闻
pp电子平台|赤色黎明之中国入侵|行情新闻_天极网_智能家居
2026-10-26
pp电子(中国)·官方网站|今日什么特马|003029四连板
2026-10-23
PP电子官方平台海外研选 伯|姜可by金银花露全文番外txt
2026-10-19
pp电子平潭综合实验区管委会关于印发《平潭综合实验区城市公交
2026-10-16
pp电子网站|年轻的母亲中字巴巴鱼汤饭|成本优势
2026-10-16
pp电子游戏试玩新闻_电脑频道_|赤色黎明之中国入侵|天极网
2026-10-11
PP电子(中国)官方网站|aotm奥特曼|可穿戴设备产品_智
2026-10-11
版权所有： 天津pp电子游戏精密机械股份有限公司