什么值得买App下载 App ›
连续签到专享现金活动

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
内存涨价的核心推手是HBM4。Nvidia还有动态定价机制,会把涨价成本转嫁给客户。从16.6到53,三倍多的涨幅,全由数据中心运营者承担。12
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
网络设备的成本也在超出直觉。超大规模集群里的网络不是家里用的路由器,而是几百公里光纤、几十层交换机构成的“毛细血管网”,成本随GPU数量呈指数级增长。31
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
机柜功耗从41kW飙升到220kW,5.4倍。这个数字背后是散热系统的根本性挑战。英伟达H100单卡700瓦,B200是1000瓦,最新的B300直奔1400瓦。几万张1400瓦的卡堆在一起,传统风冷已经碰到物理天花板,液冷成了唯一选择。散热和电源虽然只占机柜成本的3.5%,但从Hopper到Vera Rubin,电源成本从5万美元涨到15万美元——翻了三倍,方向明确往上走。41
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
  • GPU占比从压倒多数降到44%。Hopper时代买GPU就等于买算力的逻辑已经不成立了。内存、网络、配电散热的相对重要性都在快速上升。1
  • 内存是最大的不可控变量。Nvidia动态定价机制把风险转嫁给运营方,CPU DRAM容量暴增320%,LPDDR供应可能成为出货瓶颈。2
  • 折旧才是运营成本的大头。1GW/年电费约13亿美元,折旧约79亿美元。AI数据中心的核心成本不是房子,是设备,硬件4-6年换一轮。2
Meta的算力豪赌:不是买GPU,是买系统
理解了成本结构的变化,再看Meta的算力布局,就会有不同的感受。Meta把2026年资本开支预期上调到1250亿至1450亿美元。这个数字是什么概念?Meta一家在AI基础设施上的单笔承诺,已经超过了中国三大运营商五年合计的5G资本投入。56
Meta的算力版图是全球分布式布局。美国本土,德州El Paso数据中心从15亿追加到100亿美元,印第安纳州黎巴嫩市项目超过100亿美元,俄亥俄州计划2026年底投产。路易斯安那州的Hyperion集群远期容量高达5GW——相当于曼哈顿大小的AI园区。美国之外,加拿大艾伯塔省Sturgeon数据中心投资91亿美元,1GW起步,远期可扩容至1.8GW,这是Meta美国以外规模最大的数据中心。78910
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
更关键的是,Meta在自建能源供给。艾伯塔项目配套新建Greenlight天然气发电中心,德州数据中心自建发电设施,俄亥俄州直接安装两座200兆瓦天然气发电厂。区别于租用公共电网,Meta自主掌握发电、输电链路,彻底规避电价波动、限电停工风险。这不是小打小闹的备用电源,而是完整的能源主权战略。71011
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
Meta正在筹划把算力租出去。彭博社援引知情人士称,Meta可能在构建“Meta Compute”云业务,既向开发者提供托管模型,也可能直接出租原始计算能力。市场一度看好,Meta股价大涨,而部分专门出租GPU的“新云”公司股价反而下跌。市场看到的不是Meta减少AI投入,而是一个拥有巨量机房和芯片的潜在竞争者,可能突然进入算力租赁市场。56
  • 算力市场可能出现更激烈的价格竞争。如果Meta最终向外出租GPU,开发者和小公司会多一个选择,模型调用和训练成本有机会下降。5
  • 芯片和数据中心资源的争夺不会马上结束。Meta仍然维持最高1450亿美元的资本开支预期,这意味着电力、服务器、先进封装和高端存储的需求依然庞大。5
  • 消费者会看到更多“免费AI”被塞进社交平台。巨额基础设施需要流量来摊薄成本,Meta最容易做的,是把AI功能放进已有的数十亿用户产品中,再通过广告、企业服务和订阅寻找收入。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
470亿美元建一个GW级数据中心,听起来是天文数字,但要看跟谁比。如果Vera Rubin的单位算力每两年翻一番,而AI应用对算力的需求增速更快,那今天的天价投入,可能是明天的入场门票。算力竞争早已不再比拼单一机房规模,而是比拼谁能用更合理的成本结构,支撑更久的持续投入。GPU不再是主角,内存、网络、系统整合能力正在成为新的分水岭。12

评论

评论区空态插画

当前文章无评论,是时候发表评论了