AI基建的账单：每吉瓦最高395亿美元
TREE NEWS 报道， 伯恩斯坦最新研报显示，建设一座1吉瓦（GW）规模的AI数据中心，所需资本开支约为346亿至395亿美元，具体取决于所采用的AI加速器架构。其中，英伟达Vera Rubin架构的建设成本最高，OpenAI自研ASIC架构Jalapeno则相对较低。
研报同时将英伟达Rubin NVL72单机柜的成本预期从此前的910万美元大幅下调至752万美元，降幅约17%，主要反映对HBM价格和NAND存储容量预期的调整。
与去中心化算力网络的正面碰撞
这组数字直接切入去中心化算力赛道的核心叙事。长期以来，聚合闲置GPU、在链上出售推理或训练算力的协议，一直以“比超大规模自建更便宜”作为卖点。伯恩斯坦的判断——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——恰好强化了这一逻辑：折旧恰恰是分布式网络可以转嫁给节点运营者的科目。
但机柜成本的下调也构成反向压力。若英伟达单机经济性改善、HBM成本回落，中心化超大规模与去中心化方案之间的成本差距将收窄，代币化算力市场届时必须在利用率和延迟上竞争，而不能只靠价格叙事。
折旧悬顶
研报最关键的洞察在于：电费只是次要问题。一座数十亿美元级的数据中心，必须在可能短于贷款摊销周期的使用寿命内完成折旧，因为加速器代际更替极快。这种期限错配，才是所有以债务或代币发行融资硬件的运营方——无论中心化还是去中心化——面临的真正风险。
对加密原生算力网络而言，含义是双刃的。代币激励可以在前期补贴资本开支，但它本身也是一种加速折旧，市场已多次惩罚那些排放增速远超真实收入的协议。
后续关注
- HBM与NAND价格是否继续下行，进一步压缩机柜成本、收窄去中心化的成本优势。
- OpenAI自研Jalapeno ASIC的实际表现——若其成为可信的低成本替代方案，将重塑整条供应链。
- 去中心化算力协议能否把较低的资本开支强度，转化为可验证、能产生收入的真实利用率，而非依赖排放补贴。
AI基础设施竞赛正日益演变为一场资本市场故事，而加密算力板块最终将被检验的，是它能否提供一条结构上更低的成本曲线，而不只是一个更便宜的故事。
