AI算力基建成本分化显现：架构差异决定投资规模

根据伯恩斯坦发布的最新研究报告，部署1吉瓦级人工智能数据中心所需资本支出区间为346亿至395亿美元，具体数值受所选加速器架构影响显著。其中，英伟达Vera Rubin架构因高密度集成与先进内存配置，建设成本处于高位；相较之下，OpenAI自主研发的Jalapeno ASIC架构则展现出更优的成本控制能力。

英伟达单机柜成本下调近两成，反映供应链预期调整

报告更新了对英伟达Rubin NVL72系统的预估，将其单机柜成本由原先的910万美元调降至752万美元，降幅接近17%。这一调整主要源于对高带宽内存（HBM）价格走势及NAND存储单元容量的重新评估，体现市场对关键组件成本趋势的动态认知。

折旧远超电费：数据中心经济模型的核心瓶颈

研报强调，人工智能数据中心的长期运营压力并非来自电力消耗，而是巨额初始投资所带来的持续折旧支出。在资产生命周期内，折旧费用已成为影响盈利能力的关键财务负担，凸显出资本效率在算力基础设施布局中的决定性作用。