[多模型] 伯恩斯坦全面拆解英伟达Rubin机架，存储内存价值远超预期
捕获元数据
- 来源: Toutiao_Video
- 捕获时间:
2026-08-20 20:32:13
📊 双模型深度交叉分析报告
🐳 火山引擎 DeepSeek-V4 (每日循环保底)
伯恩斯坦拆解英伟达 Rubin 机架：存储内存价值远超预期
🎯 核心观点摘要
- 伯恩斯坦测算，若采用英伟达下一代 Rubin 架构建设 1GW AI 数据中心，总投资成本高达 473 亿美元；单台 Rubin NVL72 机柜成本约 910 万美元，高于市场普遍流传的 800 万美元。
- 成本被低估的关键不在 GPU，而在存储：HBM4 价格预计从当前每 GB 约 16.6 美元涨至 53 美元，单机柜 HBM 成本从 34 万美元升至 109 万美元；存储与存储器总成本达 320 万美元，占整机成本超过 1/3。
- GPU 仍是最大成本项：每颗 Rubin GPU 约 55,000 美元，72 颗合计 396 万美元；加上 CPU 后，整个计算系统价值超过 600 万美元，占机柜总成本接近 2/3。
- 网络设备、电力系统、数据中心基础设施等非 GPU 环节价值量显著提升，AI 投资机会正从 GPU 向全产业链扩散。
- 尽管总成本上升，但算力增速更快，单位资本开支对应算力几乎翻倍，AI 基础设施投资回报率仍在改善。
📌 关键脉络与论据
1. 机柜真实成本：存储是最大预期差
伯恩斯坦经供应链调研后认为，市场仍用历史 HBM 价格测算，已经严重过时。到 2027 年 Rubin 大规模出货时，HBM4 价格预计由约 16.6 美元/GB 涨至 53 美元/GB。仅 HBM 成本就从 34 万美元升至 109 万美元；整机柜存储与存储器成本达 320 万美元，占比超 1/3。这是 910 万美元成本高于 800 万美元市场预期的主要原因。
2. GPU 仍是核心成本，但不再是唯一叙事
伯恩斯坦估算每颗 Rubin GPU 售价约 55,000 美元，单机柜 72 颗 GPU 价值约 396 万美元；加上 CPU 后，整个计算系统价值超过 600 万美元，占机柜总成本接近 2/3。因此，伯恩斯坦维持英伟达“跑赢大盘”评级，目标价 315 美元。
3. 网络设备成为第三大价值增量
单台 Rubin 机柜网络成本约 127 万美元，包括 NVLink 交换机、Spectrum-X 交换机、高速线缆及背板系统。该数字已超过许多传统服务器整机价格，网络设备成为继 GPU 和存储之后的第三大组成部分。这也是光模块、高速连接器及交换机供应链持续受市场关注的重要原因。
4. 电力系统价值量三年接近翻倍
功耗从 H100 的每机柜约 41kW，到 Blackwell 的 132kW，再到 Rubin 的 220kW。单机柜电源系统价值从 5 万美元提升至 15 万美元，增长接近 2 倍。800V 直流供电逐步导入，使电源管理成为 AI 时代重要受益方向。伯恩斯坦看好台达电子，给予“跑赢大盘”评级，目标价 2,620 新台币。
5. 数据中心总资本密集度继续上升
按 Rubin 架构测算，1GW 数据中心约可容纳 3,557 个机柜，机柜总价值约 323 亿美元；土地、建筑、电力、制冷等基础设施再需约 150 亿美元。最终总投资约 473 亿美元，较 Blackwell 时代的 405 亿美元增长接近 17%。伯恩斯坦看好 Digital Realty 和 Equinix，目标价分别为 232 美元和 1,222 美元。
6. 算力增速超过成本增速，经济性改善
原文数据显示，单机柜算力从 H100 约 256、Blackwell 约 720，提升至 Rubin 约 2,520 PFLOPs 量级，较 Blackwell 增长超过 2 倍。每美元资本开支对应算力几乎翻倍。报告引用数据称，年化收入已从 2025 年底的 90 亿美元增长至 2026 年 5 月的 470 亿美元，AI 需求仍在爆发。
💡 核心洞察
- 价值重心从“单颗芯片”转向“系统级基础设施”：存储与存储器、网络设备、电源系统、数据中心配套的增量价值正在放大，英伟达仍是核心，但不再是唯一受益者。
- 成本上升不等于投资回报率恶化：总资本开支虽增长约 17%，但算力提升超过 2 倍，单位资本开支算力效率几乎翻倍，AI 基础设施的经济性仍在改善。
- 投资机会沿产业链扩散：HBM/存储、ABF 载板、电源系统、光模块/连接器、交换机以及数据中心运营商，都在分享 AI 基础设施超级周期的红利。
- 数据中心运营环节的战略地位上升：每新增 1GW AI 容量对应近 500 亿美元投资，云厂商和数据中心运营商的重要性随之提高。
- 预测仍存不确定性：报告结论基于当前行业假设与供应链调研，未来仍受 AI 需求、存储价格、资本开支及技术迭代等因素影响，相关观点仅供参考，不构成投资建议。
🔵 阿里百炼 Qwen (TokenGate 抢跑调度)
🎯 核心观点摘要
- AI数据中心资本密集度超预期：伯恩斯坦最新研究指出，采用英伟达下一代 Ver Rubin 架构建设 1GW AI 数据中心的总投资高达 473 亿美元，单台 NVL 72 机柜成本达 910 万美元，显著高于市场预期的 800 万美元。
- 算力增速远超成本增速，经济性持续改善：尽管绝对建设成本不断攀升，但 Ver Rubin 时代的单机柜算力较上一代增长超 2 倍，每美元资本开支对应的计算效率几乎翻倍，AI 基础设施投资回报率持续改善。
- 投资主线向全产业链扩散：AI 投资机会已不再局限于 GPU 本身，HBM 存储、网络设备、电源系统以及数据中心基础设施等原本不起眼的环节，正成为分享 AI 基础设施超级周期红利的核心受益方向。
📌 关键脉络与论据
1. 数据中心与机柜成本测算
- 1GW 数据中心总投资：高达 473 亿美元（较 Blackwell 时代的 405 亿美元增长近 17%）。其中约 3557 个机柜总价值约 323 亿美元，土地、建筑、电力、制冷等基础设施额外投入约 150 亿美元。
- 单台机柜成本：Ver Rubin NVL 72 机柜成本达 910 万美元。成本超预期主要源于存储器价格上涨，预计 2027 年 HBM4 价格将从当前的 16.6 美元/GB 涨至 53 美元/GB。
2. 单机柜成本结构拆解（910 万美元）
- 计算系统（超 600 万美元，占比近 2/3）：包含 72 颗 Rubin GPU（单价约 5 万美元，总价值 396 万美元）及 CPU。
- 存储与存储器（320 万美元，占比超 1/3）：受 HBM4 涨价影响，仅 HBM 成本就从 34 万美元上升至 109 万美元。
- 网络设备（127 万美元）：包含 NVLink 交换机、Spectrum X 交换机、高速线缆及背板系统，已成为第三大成本组成部分。
- 电源系统（15 万美元）：随着 800 伏直流供电导入及单机柜功耗提升（从 H100 的 41kW 增至 Ver Rubin 的 220kW），电源系统价值较上一代的 5 万美元增长近 2 倍。
3. 算力跃升与产业经济性
- 算力指数级增长：单机柜算力从 H100 的 256 PFLOPS、Blackwell 的 720 PFLOPS，跃升至 Ver Rubin 的 2520 PFLOPS（较 Blackwell 增长超 2 倍）。
- 需求持续爆发：在算力供给不足的情况下，AI 年化收入预计从 2025 年底的 90 亿美元增长至 2026 年 5 月的 470 亿美元。
4. 伯恩斯坦重点看好标的及评级
- 英伟达：维持跑赢大盘评级，目标价 315 美元。
- 台达电子（电源管理）：给予跑赢大盘评级，目标价 2620 新台币。
- Digital Realty（数据中心运营商）：目标价 232 美元。
- equx（数据中心运营商）：目标价 1222 美元。
💡 核心洞察
- 价值重心转移与产业链扩容：AI 基础设施的价值分配正在发生深刻重构。随着单机柜价值量逼近千万美元级别，HBM 存储、高速网络互联、电源管理系统以及数据中心物理基础设施（土地、建筑、制冷等）正从“配角”走向“前台”，成为承接 AI 巨额资本开支的核心增量环节。
- 规模扩张背后的“隐性门槛”：AI 算力的竞争已演变为数据中心整体协同效率与资本投入规模的竞争。1GW 容量近 500 亿美元的投入门槛，凸显了数据中心运营商及电力、网络等配套基础设施在 AI 时代的战略稀缺性，未来数据中心之间比拼的不仅是绝对算力，更是算力协同效率。
- 技术迭代驱动“降本增效”的经济学逻辑：尽管 AI 数据中心的绝对建设成本不断创下新高，但算力呈指数级跃升使得单位算力的资本开支实际在下降。这种“算力增速跑赢成本增速”的良性循环，是支撑全球科技巨头持续进行大规模 AI 资本开支、推动 AI 应用加速落地的底层经济学逻辑。
🎙️ 语音转写原文
你以为AI时代最赚钱的是芯片公司？伯恩斯坦最新研究却给出了一个更值得关注的问题，当全球科技巨头疯狂建设AI数据中心时，真正决定行业投资规模的可能已经不是芯片本身，而是一座数据中心究竟要花多少钱。就在6月8日，伯恩斯坦发布了一篇关于AI基础设施价值链的重磅研究，他们试图回答一个看似简单却极其重要的问题。如果采用英伟达下一代verrubin架构建设一级瓦AI数据中心容量到底需要投入多少资本？答案可能超出很多人的想象。伯恩斯坦测算，一吉瓦Verbin数据中心的总投资成本高达473亿美元，而仅仅一台verrubin nvl 72机柜成本就达到910万美元，远高于市场广泛流传的800万美元水平。更重要的是，这份报告揭示了一个正在发生的趋势，AI算力的增长速度正在推动整个产业链进入一个新的资本密集周期，而受益者也远不止是英伟达一家企业。首先来看伯恩斯坦最核心的发现，过去市场普遍认为一套vibin机柜成本大约800万美元，但伯恩斯坦经过供应链调研后认为，这个数字已经严重过时，原因来自存储器。很多市场测算仍然采用历史H bm价格进行估值，而伯恩斯坦认为，当very Rubin在2027年开始大规模出货时，hb m 4价格将从当前每季币约16.6美元上涨至53美元。如果按照这个价格重新计算，仅hb m成本就会从34万美元上升到109万美元，这意味着整个机柜的存储与存储器成本将达到320万美元，占整机成本超过3分之1。换句话说，过去大家认为英伟达卖的是GPU但未来越来越多价值实际上来自hbm和存储系统，不过即便如此，GPU依然是最大的成本来源。伯恩斯坦估算，每颗Rubin GPU售价约55000美元，一台机柜配置72颗GP U，仅GPU部分价值就达到396万美元，如果再加上cpu整个计算系统价值超过600万美元，占机柜总成本接近3分之2，这意味着未来AI基础设施竞争本质上依然是算力竞争，而算力竞争背后仍然离不开GPU。因此，伯恩斯坦继续维持对英伟达的积极看法，给予跑赢大盘评级，目标价315美元。但报告真正有意思的地方并不在GPU，因为随着单机柜价值不断上升，越来越多原本不起眼的环节开始获得巨大增量。第二个值得关注的方向是网络设备。伯恩斯坦估算，一台very ving机柜的网络成本达到127万美元，其中包括nv link交换机、spectrum x交换机、高速线缆以及背板系统。这一数字已经超过很多传统服务器整机价格。从价值量来看，网络设备已经成为继GPU和存储之后第三大组成部分。这也是为什么过去一年光模块、高速连接器以及交换机供应链持续获得市场追捧，因为当AI集群规模不断扩大时，连接能力的重要性正在快速提升。未来数据中心之间竞争的不只是算力，而是算力协同效率。第三个受益方向来自电力系统。很多投资者关注GPU却忽略了一个现实问题，AI算力越来越强，但电力消耗也越来越大。H110代一个机柜功耗大约41千瓦，到了black时代已经提升至132千瓦，而very Rubin时代进一步达到220千瓦。伯恩斯坦测算，单机柜电源系统价值将从5万美元提升至15万美元，三年增长接近2倍。随着800伏直流供电逐步导入，电力系统价值量仍在持续提升。因此，伯恩斯坦认为，电源管理领域将成为AI时代的重要受益方向。在他们覆盖的公司中，最看好的受益者之一就是台湾电源龙头台达电子。伯恩斯坦给予其跑赢大盘评级，目标价2620新台币。第四个重要方向则是数据中心基础设施本身，很多投资者关注服务器，却很少计算整个数据中心的建设成本。伯恩斯坦给出的数字非常惊人，按照Viru架构测算，一吉瓦数据中心大约可以容纳3557个机柜，这些机柜总价值约323亿美元。此外，土地、建筑、电力系统、制冷系统等基础设施还需要额外投入约150亿美元，最终形成473亿美元总投资规模，相比black well时代的405亿美元增长接近17%。这意味着未来全球云计算巨头每新增一几瓦AI容量都需要投入接近500亿美元资金。也正因为如此，数据中心运营商的重要性正在快速上升。伯恩斯坦看好的公司包括digital reality和equx，其中digital reality目标价232美元，equx目标价1222美元。不过，真正让伯恩斯坦感到乐观的并不是成本上升，而是算力提升速度远远超过成本增长速度。数据显示H 100时代单机柜算力约256PFL6x black well提升至720PF lob，而very bin进一步达到2520PF lo相, 比black well增长超过2倍。如果按每美元资本开支对应的算力计算，威Rubin时代的计算效率相比上一代几乎翻倍。这意味着虽然建设成本越来越高，但企业能够获得的AI计算能力增长的更快，从经济学角度来看，AI基础设施投资回报率仍在持续改善，伯恩斯坦认为，这种持续提升的算力供给有望进一步推动AI应用落地。报告引用数据显示，年化收入已经从2025年底的90亿美元增长至2026年5月的470亿美元。即使在算力供给不足的情况下，AI需求依然保持爆发式增长，随着Rubin平台上线，更多算力释放后，AI产业渗透率有望进一步提高。最后总结一下伯恩斯坦这篇报告的核心观点。第一，via Rubin机柜真实成本约910万美元，高于市场普遍预期。第二，一吉瓦AI数据中心总投资达到473亿美元。资本密集度继续提升。第三，hpm网络设备、电力系统以及数据中心基础设施将成为AI投资周期的重要受益方向。第四，虽然成本持续上升，但算力增长速度更快，AI产业整体经济性仍在改善。这份报告最大的启示在于，未来AI投资机会已经不再局限于GPU本身，从hbm存储、abf载板、电源系统到光模块连接器以及数据中心运营商，整个产业链都在分享这场AI基础设施超级周期带来的红利。当然，研报中的预测基于当前行业假设和供应链调研结果，未来仍然受到AI需求、存储价格、资本开支以及技术迭代等因素影响。相关观点仅供参考，不构成任何投资建议。