如果你想知道为什么英伟达的估值高达 5 万亿美元，请看下面的数据和图表。它们展示了这家科技巨头是如何在人工智能支出热潮中攫取巨大份额的。

随着人工智能进入产业化阶段，全球最先进的数据中心如今衡量其规模的标准不再是占地面积或服务器数量，而是千兆瓦的计算能力。华尔街也开始评估这些千兆瓦计算能力的成本，并预测哪些公司可能会从这波支出热潮中获益。

TD Cowen 的分析师在本周的一份研究报告中指出，1 吉瓦的功率大致相当于一座核反应堆的输出功率。这已成为下一代人工智能数据中心的新基准，例如 xAI 位于孟菲斯的 Colossus 2、Meta 位于俄亥俄州的 Prometheus 和位于路易斯安那州的 Hyperion、OpenAI 的 Stargate 以及亚马逊位于印第安纳州的 Mount Rainier 项目。

这些庞大的设施需要消耗大量的电力，并需要结合资本和硅技术来生产智能产品。这是一个成本高昂的过程。

根据伯恩斯坦研究公司（Bernstein Research）的最新分析，1 吉瓦的人工智能数据中心容量成本约为 350 亿美元。这听起来或许有些惊人，但它代表了人工智能新的经济基础。每吉瓦的数据中心容量不仅仅是电力消耗的衡量标准，更代表着一个新兴产业生态系统，涵盖半导体、网络设备、电力系统、建筑和能源生产等领域。

根据伯恩斯坦和 TD Cowen 本周的估计，以下是价值 350 亿美元的吉瓦（GW）项目的构成，以及哪些公司将从中受益。

GPU

人工智能数据中心最大的成本驱动因素是计算本身。伯恩斯坦估计，总支出中约有 39% 用于 GPU，其中 GB200 和该公司即将推出的其他人工智能芯片（例如 Rubin 系列）占据主导地位。

根据伯恩斯坦的计算，英伟达 70% 的毛利率意味着该公司从人工智能数据中心总支出中攫取了近 30% 的利润。难怪这家公司的市值接近 5 万亿美元。

TD Cowen 的数据显示，每吉瓦的电力可以转化为超过 100 万个 GPU 芯片，这些芯片是人工智能芯片的核心。分析师估计，英伟达的代工厂合作伙伴台积电通过制造这些组件，每吉瓦的电力可获得 13 亿美元的收入。

其他芯片制造商，例如 AMD 和英特尔，正努力迎头赶上，而包括谷歌、亚马逊和微软在内的超大规模数据中心运营商则在投资人工智能专用集成电路（ASIC），这种定制加速器有望降低系统总成本。即便如此，根据伯恩斯坦和 TD Cowen 分析师的说法，GPU 仍然是经济重心所在。

联网

接下来是连接这些 GPU 的链路。伯恩斯坦估计，数据中心成本的 13% 用于网络设备，例如高速交换机和光互连。

作为交换机供应商和芯片设计商，Arista Networks、Broadcom 和 Marvell 有望从中受益。Arista 的高利润率意味着其利润份额远高于其收入份额。

与此同时，据伯恩斯坦分析师称，安费诺和立讯精密等零部件制造商将从线缆和连接器中获益，而像 InnoLight、Eoptolink 和 Coherent 这样的光收发器制造商也将从中获利。

电力和冷却基础设施

计算机架、发电机、变压器和不间断电源等物理基础设施构成了 1GW 人工智能数据中心成本的另一大组成部分。据伯恩斯坦公司称，仅电力分配一项就占了近 10% 的支出。

伊顿、施耐德电气、ABB 和 Vertiv 是该领域的主要参与者。据 Bernstein 估计，Vertiv 在热管理领域也拥有发展机遇，该领域约占总支出的 4%，其中一部分用于空气冷却系统，另一部分用于液体冷却系统。

房地产、电力和劳动力

土地和建筑物约占前期成本的 10%。但一旦投入运营，运营成本却出奇地低。运行一个 1 吉瓦的人工智能数据中心一年的电力成本约为 13 亿美元。人员成本也微乎其微，据伯恩斯坦公司称，大型数据中心通常只有 8 到 10 名员工，每人年薪在 3 万到 8 万美元之间。

然而，瓶颈正转移到电力供应上。西门子能源、GE Vernova 和三菱重工等公司目前都报告称，随着超大规模企业竞相确保大规模可靠电力供应，涡轮机和电网基础设施的订单激增。