470亿建AI超算,GPU只占44%!真正烧钱的东西藏在这机柜里
一座1GW规模的AI数据中心,总造价470亿美元。这个数字是什么概念?全球最贵的机场——北京大兴机场——总造价约800亿人民币。但真正值得关注的不是这个天文数字,而是这笔钱正在流向哪里。GPU的占比首次跌破50%,内存和网络正在成为新的成本高地。这个结构变化,藏着理解AI算力竞争的关键。1
拆开一个Vera Rubin NVL72机柜,成本清单会颠覆直觉。GPU只占44%,约396万美元。这个数字看起来已经够吓人了,但真正的大头藏在别处:内存和存储合计320万美元,占机柜成本的35%。从H100时代的200万美元涨到这个数字,涨幅60%,而且趋势还在加速。1
另一个被严重低估的变量是CPU DRAM。Vera Rubin的CPU内存规格从上一代的17TB暴增到54TB——增长320%。这不是温和升级,是数量级的跃迁。配合Nvidia的SOCAMM架构在LPDDR5X价格上加30%溢价,每机柜CPU DRAM成本达到80.2万美元。如果供应紧张,Nvidia可能降低默认配置,让客户后续自行加装,这意味着真实成本还有上行空间。1
GPU时代过去了?不,是“GPU中心时代”过去了
把H100、Blackwell、Vera Rubin三代放在一起看,趋势更清楚。机柜成本从200万美元涨到910万美元,五年4.5倍。但这不是简单的涨价,而是成本结构的重新分配。GPU的绝对金额在涨,但在总成本中的占比反而在下降——从H100时代的压倒性多数,到Vera Rubin时代勉强保住44%。1
但这不是故事的全部。单位算力在加速变便宜。每十亿美元获得的FP8算力:H100是84.2,Vera Rubin是189.3。Vera Rubin一代提升79%,比Blackwell代的25%快了三倍。绝对成本在涨,但产出涨得更快。这是硬件迭代的意义——用更贵的系统,获得性价比更高的算力。2
Meta的算力豪赌:不是买GPU,是买系统
电力成本是Meta选址的核心考量。艾伯塔天然气储备充足,工业电价远低于美国加州、弗吉尼亚等算力集群聚集地,每年可节省数亿美元电费。同时,靠近北部区域常年气温偏低,大幅减少液冷、风冷设备功耗,PUE能效指标优于美国本土数据中心。7
硬件端也在去英伟达化。Meta自研MTIA第四代芯片Iris已于2026年9月量产,将入驻自家数据中心。这不是完全替代,但意味着Meta不再把命运全交给单一芯片供应商。在存储成本暴涨的背景下,自研芯片配合定制化内存方案,可能是下一代数据中心的竞争关键。7
成本控制的新思路:不是少买,是重新定义生命周期
当行业都在盯着原厂扩产能、颗粒降价时,Meta走了一条完全相反的路:用Vistara芯片把退役服务器上的DDR4内存重新插进依赖DDR5的新服务器。大多数人把这解读为“节省成本”的小技巧,但这其实是一个信号——当AI对内存的需求爆发式增长,行业正在从“拼新硬件采购”转向“挖存量潜力”。12
行业通行的规则是,服务器每3到5年整体替换,但内存模组的实际寿命通常能达到7到10年。服务器退役时,至少有三分之一的DDR4内存还能正常工作,但因为新服务器只支持DDR5,这些完好的内存只能跟着旧服务器一起被报废。对于Meta这样拥有数百万台服务器的超大规模厂商来说,这就是天文数字。12
Vistara的设计把内存控制器和内存本身彻底解耦。它只做一个带CXL接口的桥接控制器,空出内存插槽让Meta自己插从旧服务器拆下来的DDR4。配合透明页放置技术,把对延迟不敏感的冷数据、缓存数据放到DDR4扩展内存,热数据留在本地DDR5,既盘活了旧内存,又不拖累核心业务性能。12
最终测试数据已经足够实用:分离式机器学习推理的服务器数量最多减少25%,分布式缓存的平均延迟直接降低29%。性能不仅没降,反而因为内存容量扩充变得更好了。现在一根64GB DDR4拆机内存的市场价格,大概是全新同容量DDR5的三分之一到二分之一,每GB扩展内存成本比采购全新DDR5低至少60%。12
这个模式刚好贴合AI业务的内存需求特点。推理场景下,大模型的参数大部分是冷数据,只有少部分热点数据需要低延迟访问,旧DDR4刚好能用来放这些冷参数,相当于用极低的成本扩大了单服务器能承载的模型容量,反而减少了需要的服务器总数。真正的成本优化,从来不是少买硬件,而是重新定义硬件的生命周期。12
算力军备竞赛的下一步:谁能让这些芯片持续赚钱
基础设施修得快,产品回报却未必同步出现。扎克伯格此前把能够真正执行任务的AI智能体视为重要方向,但他也在内部会议上承认,过去四个月里AI智能体的发展速度没有按预期加速。这不能理解为Meta的AI项目失败,却说明“花钱买算力”和“做出用户愿意付费的产品”之间仍隔着很长一段路。5
AI竞争已经从“谁买到更多芯片”进入“谁能这些芯片持续赚钱”的阶段。服务器可以买,模型可以训练,真正难复制的是稳定性。一个聊天机器人偶尔答错,用户可以重问;一个替企业下订单、改数据库或处理客户退款的智能体一旦出错,代价就完全不同。所以,AI行业眼下最稀缺的已经不只是GPU,而是可以稳定运行、能够证明收益、出了问题有人负责的应用。5
德银测算,Meta到2027年底AI相关算力可能达到8至11.5GW,其中可对外出售约1.2至2.7GW。假设75%实现销售、每GW年化收入100亿至150亿美元,2027年可新增收入90亿至300亿美元。这个数字如果兑现,将彻底改变Meta的收入结构——从一家纯广告公司,变成同时拥有算力租赁业务的混合体。13
当前文章无评论,是时候发表评论了