AI数据中心的成本构成与各类设备更换周期

除了AI芯片，还需要哪些设备与设施

一张描绘100美元AI资本支出（CAPEX）流向何方的桑基图¹，本周在投资圈热传。图的左侧是一根粗壮的柱子，标着AI CAPEX $100；往右延伸出层层分叉，末端挂着约60家企业的Logo。图上的第一条大分叉尤为吸睛：芯片分走50美元，其中AI芯片独占25美元，英伟达、博通、AMD的标志并排罗列其上。

拿到这张图后，我做了一个有些无厘头的实验。我用手遮住了最上面那根分叉——也就是那25美元的AI芯片。这样一来，还剩下75美元：内存15美元、服务器CPU 10美元、网络15美元、电力20美元、冷却7.5美元、建筑与地块7.5美元。我数了数挂在这75美元分支下的企业，回想自己在新闻里究竟见过多少个名字，结果发现有一半闻所未闻：Vertiv、Coherent、Lumentum、nVent、Modine。然而，如果没有这些公司，那枚价值25美元的芯片连开机都做不到。

在这一期中，我们将逐一拆解这张图表中的各个细分成本，并探讨每类设备的使用与更换周期。服务器与网络设备的更换相对频繁，而建筑物与电力设施的使用寿命则要长得多。即便同属于AI资本支出的版图，设备供应商所面临的订单周期与商业风险也大相径庭。不过在分析时，我们必须将财报会计上的折旧摊销年限与设备实际物理更换节点区分开来。

---

图表将资本支出划分为五个板块

首先需要厘清这张图的来源。社交网络上流传的版本大多打着券商App moomoo的水印，但最初的测算模型其实出自法国巴黎银行（BNP Paribas）的股票研究部门。此外，我们有必要明确这张图究竟说明了什么、又没有说明什么。图表呈现的是各大板块的投资分配：芯片50美元、电力20美元、网络15美元、冷却7.5美元、设施7.5美元。图表并未说明各家企业的具体进账金额。各栏目中附带的公司Logo只是作为该领域的代表案例罗列，并不代表该企业能拿走相应金额。即便Vertiv的Logo在图中出现了4次，我们也无法单凭这份资料推断出它能从这100美元中分走多少。如果不守住这层认知边界，就很容易得出“三星电子拿走AI资本支出7.5%”之类的荒谬推论，而这纯属误读。

我们先通过表格纵览整体分配格局，再逐一了解各个板块包含哪些设备与企业。

主要板块	金额	细分分支	代表企业（基于图表）
芯片	50美元	AI芯片 25 · 内存 15 · 服务器CPU等 10	英伟达、博通、AMD / 三星电子、SK海力士、美光 / 英特尔、戴尔、HPE
网络	15美元	网络处理器 3 · 线缆 2 · 交换机 4.5 · 光模块 5.5	Marvell、安费诺、康宁、思科、Arista、Lumentum、Coherent
电力	20美元	配电设备 6.5 · 电网接入与备用电源 10 · 现场电气工程 3.5	伊顿、Vertiv、三菱电机、NextEra、Southern Company、Constellation、Quanta Services
冷却	7.5美元	冷板 1.5 · 冷却液分配单元 2 · 冷水机组与冷却水 2.5 · 其他 1.5	Vertiv、藤仓、nVent、Modine、特灵、江森自控、开利
设施	7.5美元	地块 1 · 建筑结构 4 · 内部设施 2.5	Equinix、NTT、Digital Realty、Comfort Systems、EMCOR、CBRE、JLL

芯片50美元：三种半导体与隐藏其后的8美元

50美元的芯片支出被拆分成三部分。AI芯片占25美元，即加速器部分，包括实际承担训练与推理任务的GPU以及各类定制芯片（ASIC）。即便是这25美元内部，格局也在悄然演变。英伟达GPU的身旁之所以画上了博通，是因为博通负责设计并供应谷歌TPU等定制芯片。亚马逊的Trainium、Meta的MTIA也属于同一脉络。对于超大规模云厂商（Hyperscaler）而言，要想在25美元中削减流向英伟达的份额，最立竿见影的手段就是自研芯片。因此，这一细分分支内部正在发生一场静水深流的权力转移。

内存占15美元，主要涵盖HBM²以及服务器级DRAM。这类元器件紧贴加速器部署，负责源源不断地吞吐数据，两家韩国企业便跻身其中。图表中将内存单独划为一条与AI芯片并列的分支，这一点非常耐人寻味。在物理结构上，HBM其实封装在GPU芯片内部，由英伟达采购后组装成品统一出售。换言之，在超大规模云厂商收到的账单里，HBM的成本完全被掩盖在GPU的总价之下。法国巴黎银行之所以特意将其拆解出来独立成项，正是为了追踪资金流向的真正终点。

服务器CPU及其他芯片占10美元，对应的是维系GPU服务器正常运转所需的通用处理器以及服务器整机份额。我在第217期中曾写道“AI智能体用GPU思考、用CPU干活”，这里所说的CPU便归属于此项。英特尔和AMD的服务器CPU，以及戴尔、HPE等服务器OEM厂商，均被涵盖在这一项中。

在图表的芯片板块旁，还衍生出一条价值8美元的分离分支——晶圆厂设备支出：薄膜沉积2美元、光刻2美元、刻蚀1美元、量测与检测1美元、先进封装2美元。这并非超大规模云厂商的直接采购支出，而是芯片企业收到货款后，再度回流至晶圆厂设备采购的二次衍生支出，因此它被独立画在100美元主干之外。ASML、泛林集团（Lam Research）、应用材料（Applied Materials）、东京电子（Tokyo Electron）便是这些核心设备的供应商。在此处，我们同样能观察到使用周期的显著落差：即便假设GPU的使用寿命约为5年，半导体工厂里的光刻机却可以使用20年以上。正如我在第54期中所写的那样，哪怕把图纸公之于众也无人能仿造出一台ASML光刻机；而这些设备就隐藏在芯片分支旁衍生出的8美元之中，是整个资本支出链条中使用周期极长的重型资产。

半导体知识大补帖：今晚睡前你一定会反复琢磨 · 第54期 · INLEVEL9哪怕豪掷1650亿美元，美国真能取代中国台湾吗？从晶圆制造到组装封测全景解析。letter.inlevel9.com

网络15美元：从铜迈向光的转折点

15美元的网络支出，是为了将数万颗GPU串联并协同运作得如同一台超级计算机而付出的成本。AI模型的训练从来不是单张GPU的独角戏，数千甚至数万张GPU必须不间断地高频互传计算结果。一旦传输速率出现瓶颈，再昂贵强悍的GPU也只能陷入闲置等待。因此，网络绝非GPU的附属配件，而是直接决定GPU算力释放上限的核心变量。在韩国，这一领域通常被称为光通信产业。

其中最大的细分项是价值5.5美元的光模块³。这类元器件负责在服务器机架之间往返传输数据时，将电信号转换为光信号。在单个机架内部，目前依然采用铜线互连。英伟达之所以在GB200 NVL72架构中把72张GPU塞进同一个机架，核心原因之一就是要在铜线所能支持的物理传输极限内，尽可能挤进最大密度的算力。然而，一旦信号跨出机架边界，铜线在传输距离与带宽速率上便难以为继。从那一刻起，电信号必须被转换为光信号，充当这一转换关口的正是光模块。随着GPU迭代演进、处理速度节节攀升，光模块也必须同步跨入下一代技术规格。因此，该分支的规模会随着每张GPU的出货量同比扩张，并在GPU更迭换代时同步被替换。Lumentum与Coherent正是这一领域的核心供应商；而英伟达在2025年力推将光电元器件直接集成于芯片旁的共封装光学（CPO）技术，其战略意图正是要将这5.5美元的市场份额尽可能收归己有。

交换机占4.5美元，负责在光与电之间调度并疏导庞大的数据洪流。思科与Arista是该领域的传统霸主，但在图表中，英伟达的身影同样赫然出现在交换机一栏中，格外引人注目。如今的英伟达早已不再是单纯的GPU卖家，而是将GPU、交换机与线缆打包为整体解决方案兜售的系统巨头。网络处理器占3美元，即嵌入上述交换机内部的高性能芯片，由Marvell与博通分食市场。线缆与连接器占2美元，主要归属于安费诺与康宁等老牌硬件厂商。这些部件看似朴实无华，但仅在单座现代化AI数据中心内部铺设的光缆长度，就动辄达到数千公里之巨。

电力20美元：并非电费，而是电力设施成本

电力以20美元的体量，成为整张图表中的第二大支柱板块。这一规模不仅超过了冷却与建筑设施合计的15美元，甚至压过了网络板块的15美元。需要强调的是，这20美元绝非数据中心日常消耗的电费账单——电费属于运营成本（OPEX），并不计入资本支出（CAPEX）图谱。这20美元纯粹是硬件资产支出，用于购买将电力从外围引入并输送至芯片脚下所需的全部重资产设备。

其中整整一半（10美元）用于电网接入与备用电源，涵盖变电站、输电线路，以及用于弥补公用电网供电缺口的原位自备发电设备，例如燃气轮机或燃料电池。只要审视一下当下的算力规模，便不难理解为何该分支的开支会膨胀到如此地步：一座容量达1GW的超大型数据中心，其用电负荷相当于整整一座核电反应堆的额定输出功率。将如此庞然大物接入美国现有的公共电网，光是并网审核排队流程就耗时数年之久；正因如此，超大规模云厂商不得不亲自下场，开始直接收购甚至出资兴建发电厂。这也是NextEra、Southern Company、Constellation等大型公用电力事业巨头赫然出现在图表中的核心缘由。在第189期中，我曾讲述过谷歌破天荒订购从未商用过的核反应堆的故事，该项巨额合同正是这10美元预算落地的典型注脚。在第141期中我也曾提及，订购一台大型电力变压器的排队等待周期已长达5年，而这些变压器同样深嵌于该细分项中。甚至有行业报道指出，GE、西门子与三菱重工（Mitsubishi Power）三大巨头旗下的重型燃气轮机产能，早在眼下就已被预订一空，排产期径直延展到了2030年。

让数据中心停摆的，既不是资金，也不是芯片 · 第141期 · INLEVEL9既不是资金，也不是芯片，卡死AI数据中心的真正元凶是电力。letter.inlevel9.com

配电设备占6.5美元，主要用于将接入建筑物内部的高压电力，降压并分流至适合服务器机架直接接驳的电压等级。伊顿、Vertiv以及三菱电机是此类设备的主导供应商。Vertiv原本以不间断电源（UPS）闻名，而在整张图中它一人横跨4个栏目，正是因为它是行业内凤毛麟角能将配电与温控冷却打包协同交付的系统集成商之一。现场电气工程占3.5美元，主要由实际敷设、组装并接驳上述重型电气设备的人工费与施工费构成。Quanta Services、Comfort Systems、EMCOR这些名字或许对多数人而言颇感陌生，但随着全美AI数据中心的遍地开花，当下整个北美市场最为奇缺的专业资源，正是高素质的电气工程技术人员。

冷却7.5美元：风冷转向液冷的拐点

冷却板块虽然只占7.5美元的金额，但其底层技术架构正在经历一场剧烈剧变。以往传统的数据中心里，单个服务器机架的功耗仅为10至15kW，单凭风冷即可轻松应付；而如今的高密AI机架功耗动辄飙升至60到120kW。单台GB200 NVL72整机柜的功耗就在120kW上下徘徊，如此骇人的热负荷早已无法单纯依靠空气流动带走。正因如此，行业全面转向液冷架构：直接在芯片表面覆盖精密金属冷板，通过流动的冷却液完成高热流密度导出。

在这四项中，前两项——冷板的 1.5 美元和冷却液分配单元（CDU）⁴ 的 2 美元——构成了这条水路。冷板是直接接触芯片的金属板，CDU 则是将冷却液输送到多个机架的冷板上并回收升温液体的泵装置。这些部件与机架一同安装，也与机架一同更换。因为一旦 GPU 换代导致发热位置和尺寸发生变化，冷板就必须重新制作。藤仓（Fujikura）、nVent、Modine 等公司便分布于此。

后两项——冷水机组与冷却塔的 2.5 美元以及其他的 1.5 美元——则属于建筑设施。它们是将 CDU 回收的热水排放至建筑物外进行冷却的装置，属于特灵（Trane）、江森自控（Johnson Controls）和开利（Carrier）等暖通空调公司的业务范畴。这些设备一旦建成就可使用很长时间。即便同属冷却类别，也混杂着与机架一同大约 5 年左右就要更换的零部件，以及安装在建筑物内可以使用约 20 年的设施。根据 Epoch 模型引用的建设成本指数，液冷设计相比风冷会使建设成本增加 7~10%。关于这一点，稍后在讨论使用寿命表时我们再作展开。

设施 7.5 美元：用地、建筑与内部设施

设施的 7.5 美元占比最小：用地 1 美元、建筑 4 美元、内部设施 2.5 美元。提到数据中心，人们最先想到的往往是巨大的建筑物，但从资金角度来看，建筑物的成本还不到其中容纳物品的十分之一。这是与以往数据中心相比最大的转变。在过去仅仅放置几台服务器的机房空间租赁业务时代，建筑是成本的核心，而如今建筑已经被边缘化为盛装昂贵芯片的“包装箱”。

用地 1 美元看似微小，但区域差异极大。弗吉尼亚州劳登或加利福尼亚州圣克拉拉的地价高达每英亩 250 万~450 万美元，而俄亥俄州或印第安纳州仅为 10 万~30 万美元，相差 15 倍。因此超大规模运营商为了避开昂贵的土地而转向中部，在这个过程中，就会出现如同上月“肯塔基母女”一期中所探讨的那样，遭遇拒绝 390 亿韩元收购要约的地主。建筑的 4 美元涵盖承受服务器重量的地板与墙体，内部设施的 2.5 美元则是消防、安防、地板布线等精装修。在这一类别中，标注着 Equinix 和 Digital Realty 等数据中心租赁公司，以及 CBRE 和 JLL 等房地产服务公司。

建筑物和内部设施的使用时间比服务器更长。不过，15 到 30 年这一期限不能同样套用在土地上，因为土地并不像建筑物或服务器那样进行折旧。

把这 100 美元换算成实际金额，就能把握整体规模了。将亚马逊、微软、Alphabet、Meta 四家公司 2026 年的资本支出指引相加，约为 7,250 亿美元。这比 2025 年的约 4,100 亿美元增长了 77%，Alphabet 在第二季度业绩发布会上还将上限上调至 2,050 亿美元。虽然并非所有资本支出都用于 AI，但绝大部分流向了 AI 数据中心。如果把图中的比例直接套用到这 7,250 亿美元上，AI 芯片部分约为 1,800 亿美元，内存部分约为 1,090 亿美元，电力部分约为 1,450 亿美元。这是将法国巴黎银行（BNP）的比例简单乘以四家公司总和得出的衍生数值，仅用于建立规模感，并非精确的资金分配。

根据分类标准不同，电力成本会被归入不同项目

法国巴黎银行的图表中将电力成本单独列为 20 美元。而在其他机构的模型中，有时会将电力设备成本计入设施费中。比较这两份资料时，不仅要看项目名称，还要确认其中包含的具体设备。

Epoch AI 曾有一份对 2026 年 5 月 1GW 规模 AI 数据中心成本进行建模的资料。其假设是由美国超大规模云服务商直接拥有，服务器全部采用英伟达 GB200 NVL72。前期资本支出为 379 亿美元，其构成如下：服务器 212 亿美元（56%）、设施 114 亿美元（30%）、网络设备 49 亿美元（13%）、土地 1.7 亿美元、变电设备 1.6 亿美元。

将其与法国巴黎银行的图表放在一起对比，可以看出三点。

项目	法国巴黎银行（以 100 美元为基准）	Epoch AI（以 379 亿美元为基准）
芯片与服务器	50	56
网络	15	13
电力	20	包含在设施内
冷却	7.5	包含在设施内
建筑与场地	7.5	30（含电力与冷却），土地与变电另计约 1

第一，芯片与服务器以及网络的占比在两份资料中非常相近。分别为 50 比 56、15 比 13，在这两个模型中，IT 设备均占据了约三分之二。第二，将电力 20 美元、冷却 7.5 美元和设施 7.5 美元相加得出的 35 美元，在 Epoch 的模型中被合并成了设施一项的 30 美元。因为 Epoch 采用了建筑成本指数，而该指数将建筑物内部的机电设施计入了建设成本。第三，Epoch 中变电设备仅占 0.4% 的原因在于，该模型仅假设使用电网电力，完全没有将自备发电考虑在内。法国巴黎银行列为 10 美元的电网并网和备用电源分支，在 Epoch 中几乎没有体现。

这并不是说哪一方错了。我在第 181 期中曾写过，8000 亿美元的市场规模会因定义不同而在两个方向上浮动，同样的情况也发生在成本结构图中。看不到单独的电力项目，并不意味着电力成本为 0 美元。这是因为分类方式以及是否包含自备发电设备等假设有所不同。因此，在引用这张图并声称“电力占 AI 投资的 20%”时，务必要加上“按照法国巴黎银行分类标准”这一注脚。

Epoch 的模型还展示了资产使用年限对年度成本的影响。该模型假设 IT 设备的使用年限为 5 年，设施为 14 年，并在计入资本成本的前提下，将前期投资换算为了年度成本。这与单纯将购置费除以年限的折旧计算不同。在该模型中，年度总拥有成本约为 85 亿美元，其中服务器约为 50 亿美元，占比达 60%。服务器的占比在前期投资中为 56%，而在年度成本中则扩大了约 4 个百分点。

会计上的使用年限与实际设备更换时间并不相同

资本支出是一次性付出的，但在会计上，这笔钱会按照资产的使用寿命分摊计入费用。这被称为折旧⁵，而分摊的年限则叫作使用年限。超大规模云服务商披露的服务器使用年限大致如下：微软 6 年、Alphabet 6 年、Meta 5.5 年、亚马逊 5 年。亚马逊自 2025 年 1 月起，将部分服务器的使用年限从 6 年缩短至 5 年，理由是 AI 技术迭代太快，服务器比过去老化得更快。相反，Meta 在 2025 年将其从 5 年延长至 5.5 年。在同一时期面对同样的零部件，一家缩短了使用寿命，另一家却延长了。

建筑和电气设备通常比服务器用得更久。本文参考资料给出的期限为：数据中心建筑 15 至 30 年、变电站和输电线 30 年以上、发电设备 20 至 40 年。不过，并不能对所有单项设备套用相同的年限。Epoch 模型也将整个设施打包假设为 14 年。下表是我根据使用年限对法巴银行的数据进行重新归类整理的结果，并不代表公司的实际资产明细或账面净值。

按使用期限分类	金额	包含内容	解读注意事项
使用时间相对较短的设备 （假设 3~6 年）	65 美元	AI 芯片 25 · 内存 15 · CPU 与服务器 10 · 网络设备 15	实际更换时间可能与会计使用年限不一致
中期使用设备 （假设 5~15 年）	3.5 美元	冷板 1.5 · CDU 2	取决于机架设计与更换周期
长期使用的设施与场地 （设备假设 15~40 年）	31.5 美元	电网并网与发电 10 · 配电 6.5 · 电气工程 3.5 · 冷水机组 2.5 · 其他冷却 1.5 · 建筑 4 · 内部设施 2.5 · 场地 1	各设备年限不同，且土地不计提折旧

在这张表中，将 7.5 美元的冷却投资拆分为贴近芯片的部件和建筑设施，是我个人的判断。之所以将 65 美元的 IT 设备与其余 35 美元区分开，是为了说明它们的使用年限可能截然不同。这并不意味着 65 美元在 5 年后全部归零，或者 35 美元全部能保留 30 年。要计算账面净值，需要了解各自的购置时点、折旧方法和使用年限等。

我之所以关注这种划分，是因为设备的使用年限有助于我们理解供应商的替换需求与订单周期。

对于供应 65 美元 IT 设备的公司而言，除了新装机之外，淘汰换新也是需求来源。但即使将 GPU 的使用年限设为 5 年，也不意味着每隔 5 年就一定会原样花掉同样一笔钱。企业可能会继续使用旧设备，也可能因为新设备性能大幅提升而用更少的数量完成相同的工作。GPU 代际与网络规格的更迭，还会影响对内存和光模块的需求。英伟达等供应商的营收正是受到这类采购与更换决策的影响，因此很难仅凭资本支出总额或增长率来全盘解释。

在分配给电力、冷却和基础设施的 35 美元中，包含了大量长寿命设备。如果一座变电站能用 30 年，自然不会频繁更换同一设备。但这并不意味着该供应商在 30 年内就没有新订单。其他场地的全新安装和扩建同样可以转化为订单。对于伊顿、维谛、宽塔服务这样的公司来说，关键在于何时能完成交付并将积压订单确认为营收。在手订单虽然反映了未来的确定性，但并不能彻底排除取消或推迟的可能。

我们可以尝试估算一下潜在的更换规模。若将四家公司 2025 年约 4,100 亿美元的资本支出与 2026 年约 7,250 亿美元的指引总额，乘以 65% 的 IT 设备占比，大约是 7,400 亿美元。如果全部假设使用 5 年，理论上的更换时间将在 2030 年和 2031 年前后。但这只是将不同资料的比例与指引简单相乘得出的示例。并非所有资本支出都用于 AI，实际的更换时机、价格与性能也会发生变化。因此，不能将 7,400 亿美元视为板上钉钉的更换需求，也不能将其当作供应商营收的下限。

我们还需对比当 AI 需求放缓时，这一变化传导至订单和营收的速度。可以推迟采购的 IT 设备与已经破土动工的电力设施，处境可能完全不同。不过，也不能简单一刀切地认为芯片反应周期就是下一个季度、电力就是 5 年后，这完全取决于合同条款、工程进度以及产能余力。

还有一点需要注意：使用寿命属于会计政策，公司是可以自行调整的。服务器的使用年限每延长 1 年，当年的折旧费就会减少，营业利润也会随之相应增加。2025 年 11 月，投资人迈克尔·伯里公开批评超大规模云服务商通过延长使用年限来虚增利润，引发了一场争论。在此我不去评判这场争论的对错。但请记住：这 100 美元中的 65 美元到底能算几年，并不是一个客观的物理事实，而是公司的自主判断；一旦该判断改变，同一笔资本支出对利润产生的影响也会随之改变。亚马逊与 Meta 在同一年做出了截然相反的调整，正是这一事实的明证。

韩国在 15 美元那一格，也在图上没画出来的 20 美元那一格

现在我们从韩国的角度重新审视这张图。在图中，格外引人瞩目的韩国企业是三星电子和 SK 海力士。它们都在存储器 15 美元那一格。除了存储器之外的 85 美元项目中，看不到韩国企业的名字。不过，由于这张图表仅挑选了代表性企业的标志，并不意味着韩国企业只承担了 AI 资本支出的 15%。

存储器的 15 美元属于前表中使用周期相对较短的 IT 设备。当 GPU 代际与 HBM 规格更新时，可能会催生换代需求，但并不意味着每隔 5 年都会迎来相同规模的订单回归。如果超大规模云厂商削减投资或推迟更换，需求与价格也可能受到冲击。在回顾第 219 期探讨的存储器竞争时，需要一并考虑这一点。在第 183 期中，我们曾讨论过闪迪（SanDisk）从客户处拿到为期 4 年的供应承诺书一事。我认为，此类长期协议正是试图让波动剧烈的需求变得更具可预测性的一种尝试。

不过，图上还有一个未被标出的韩国名字。那就是电力 20 美元那一格。HD 现代电气在北美变压器市场位居第一，2026 年 7 月 6 日将年度订单目标从 42 亿 2,200 万美元上调至 51 亿 8,500 万美元，增幅达 22.8%。原因正是北美 AI 数据中心投资以及老旧电网的更换需求。截至第二季度末，其在手订单金额为 84 亿 9,000 万美元。该公司正在阿拉巴马州兴建第二工厂，待 2027 年 4 月现有工厂扩建完成后，电力变压器产能将提升 50%。晓星重工业对田纳西州孟菲斯工厂进行了 3 次扩建，凭借高压直流输电（HVDC）技术打入了少数企业寡头垄断的市场。以 2025 年为基准，晓星重工业、HD 现代电气、日进电气的营业利润分别同比增加了 122%、49%、90%。

法国巴黎银行的图表在电力一格画入了伊顿（Eaton）、三菱电机、新纪元能源（NextEra），却漏掉了韩国公司，这是图表本身的局限性。这只是因为挑选了少数代表性案例而有所遗漏，并不代表资金没有流向这里。韩国企业不仅参与了图表中的存储器 15 美元领域，也参与了电力 20 美元领域。这一金额是各部门在总盘子中的比重，并非韩国企业的营收占比。

存储器与变压器的订单周期不同。存储器的需求与价格变化会迅速反映在业绩上，而变压器从接单到生产、交付需要漫长的时间。在手订单排到 2~3 年、扩建需要 2 年等说明，正体现了这种差异。然而，不能因为变压器可以使用 30 年，就认为供应商要到 30 年后才会迎来重新下单。在第 209 期中，我们曾讨论过 SK 海力士杠杆 ETF 买盘中有 92% 来自散户的数据。我的看法是，即便同属 AI 相关投资，存储器的价格波动与电力设备的接单·交付风险也需要分开审视。

读到这里，今后当你听到“AI 基础设施受益股”或“AI 受益行业”这类说法时，可以提出三个问题：

1. 那家公司位于 100 美元中的哪一格？ 是 AI 芯片的 25 美元、光模块的 5.5 美元，还是场地的 1 美元，市场规模相差可达 25 倍。
2. 那批设备能用多久，何时更换？ 需要区分会计上的使用年限与实际更换节点，并结合考察供应商的新增订单与更换需求。
3. 订单难以增加的原因在于供给端，还是需求端？ 如果像变压器那样交付需要 5 年，就必须审视产能与在手订单。如果是供应已经增加的 GPU，客户实际采购了多少可能会变得更加重要。

即使接触到个股推荐，不妨验证一下是否存在能够回答这三个问题的依据。顺便说明，本文并非建议买入或卖出特定股票或产品。投资判断及结果由本人自行负责，文中所列数字均为通过公告和报道核实当时的数据，目前可能已发生变化。

Oswarld视角

第一次看到这张图时，我关注的是投资款流向了哪些公司。但重新审视后，我觉得各家公司销售的设备能使用多久也同样重要。如果只看各板块的投资占比，它们看似都是相似的受益企业；但结合更换周期与合同条款来看，就能更好地理解这些业务之间的差异。

在审视 AI 泡沫争论时，这种区分也很有帮助。在占 65 美元的 IT 设备方面，推迟采购下一代 GPU 或推迟内存订单，都可能对业绩产生直接影响。而占其余 35 美元的变电站、输电线和建筑物，即使投资放缓，物理形态依然会留存下来。我们在第 192 期探讨过的 19 世纪 40 年代英国铁路泡沫中，公司的股价与留存铁轨的使用价值也是截然不同的。然而，仅凭设施得以保留这一事实，并不能代表投资就能收回，也不能保证供应商能持续赚取利润。

因此，每当我听到“AI 投资过剩”的论调时，都会分开考虑两件事：在占 65 美元的 IT 设备方面，相对于未来的算力需求，是否采购了过多的设备；而在占其余 35 美元的方面，建好的电力设施和建筑物能否得到充分利用，以及是否可以转作 AI 以外的用途。这两个问题的答案可能截然不同。在我看来，如果把这些业务全都打包归为同一种“AI 受益行业”，就很容易忽略这种差异。

结语

在本期内容中，我们将法国巴黎银行图表中的 100 美元资本支出拆解为芯片 50 美元、电力 20 美元、网络 15 美元、冷却 7.5 美元和设施 7.5 美元。通过与 Epoch 模型的对比，我们发现相同的电力与冷却成本根据分类标准的不同，也可能被归入设施成本之中。接着，我们探讨了设备与设施的使用寿命。虽然不能简单地将 65 美元的 IT 设备和其余 35 美元划分为 5 年期与 30 年期，但更换周期与订购方式的差异有助于我们理解其业务逻辑。

韩国企业也参与了内存与电力设备等多个细分领域。仅凭图表上展示的企业标识，很难判断一家企业的市场份额或投资价值。下次审视 AI 基础设施企业时，不妨同时关注它们供应什么、客户何时会更换它们，以及从接到订单到产生营收之间需要经历什么。

---

💬 读者 所在的或是感兴趣的公司在这张图的哪个格子里？请在评论区留下格子的名称以及您认为该格子的资产寿命大概是几年。如果您能发掘更多未在图表中列出的韩国企业，也十分欢迎。

📨 如果身边的同事习惯用“受益股”这一个词来统称 AI 相关股票，不妨将这篇文章分享给他们。

---

参考资料与延伸阅读

核心来源

• BNP Paribas Equity Research 测算，SankeyMATIC 制作，“How $100 in AI Infrastructure Spending Breaks Down”（由 cloudnews.tech 重构），2026 年 9 月 3 日。链接 ··· 梳理了本期探讨的桑基图原始出处及各细分领域数据的解说。moomoo 版本是在此测算基础上二次加工而成的。
• Amelia Michael、Ben Cottier，“Servers account for 60% of the total cost of ownership of a one-gigawatt AI data center”，Epoch AI，2026 年 5 月 14 日。链接 ··· 1GW 数据中心成本模型。从 379 亿美元的前期投资构成到年化方法、假设与局限性均已通过电子表格公开，非常适合与法国巴黎银行的图表进行对照。
• 雅虎财经（Yahoo Finance），“Meta, Microsoft, Amazon, and Alphabet are about to spend a shocking amount of money to dominate the AI era”，2026 年 6 月 3 日。链接 ··· 包含四家巨头 2026 年合计 7,250 亿美元的资本支出，以及高盛对截至 2030 年的累计预测。
• 《金融新闻》（刊于 Daum），“‘北美变压器第一’ HD现代电气今年订单目标上调23%”，2026 年 7 月 6 日。链接 ··· 报道了订单目标从 42.22 亿美元上调至 51.85 亿美元的更正公告。
• 《韩斯经济》（刊于 Daum），“HD现代电气，下一个动力是‘数据中心’”，2026 年 8 月 4 日。链接 ··· 梳理了第二季度业绩、84.9 亿美元的订单储备以及过于依赖北美市场的风险。
• 《Dailyian》，“‘关税我们来出’……连美国也在排队求购 HD现代电气·晓星重工”。链接 ··· 刊载了券商关于超高压变压器交付周期延长至最长 5 年的分析。

背景知识

• Global Data Center Hub，“What a Data Center Actually Costs: CapEx Breakdown and the Drivers That Move It”，2026 年 9 月。链接 ··· 以从业人员视角梳理了建筑 15～30 年与服务器 3～5 年的折旧差异，以及每兆瓦建设成本的结构。
• 《Dealsite》，“晓星重工·HD现代电气·LS电气·日进电气 2025 年业绩”。链接 ··· 韩国四大电力设备企业 2025 年营业利润增长率的数据来源。

相关往期

• 以为只要买 GPU 就行了？AI 基础设施之战的真正决胜点 ··· 第 17 期。首次梳理芯片、电力、存储三大支柱的一期。
• 数据中心停摆，既不是因为缺钱，也不是因为缺芯片 ··· 第 141 期。直击变压器交付周期长达 5 年的现场。
• 8,000 亿美元，世界上最著名的错误答案 ··· 第 181 期。讲述定义一旦改变，数字就会随之变动的故事。
• AI 半导体的下一个战场是存储 ··· 第 219 期。剖析 15 美元存储那一格的内部结构。

作者 安光涉（Oswarld） 现任世宗大学兼任教授，INLEVEL9 战略顾问。职业经历、研究、著作与近期活动会持续更新在作者简介。 最新动态 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 术语说明

注释

1. 桑基图（Sankey diagram）：通过线条粗细来表现流量大小的图表。左侧的总量向右延伸时会分流为多个分支，每个分支的粗细代表其所占份额的大小。常用于展示能源流向或预算分配。 ↩

2. HBM（高带宽内存）：将多层 DRAM 芯片垂直堆叠并紧邻 GPU 放置的高性能内存。它通过比普通内存宽得多的通道收发数据，因而成为 AI 加速器的核心必备组件。目前由三星电子、SK海力士和美光三家制造。 ↩

3. 光模块（optical transceiver）：将电信号转换为光信号通过光纤发送，并将接收到的光信号再转换回电信号的零部件。用于在数据中心内部连接服务器机架与交换机；随着 GPU 世代更迭对速率要求不断提高，光模块也会同步换代。 ↩

4. CDU（冷量分配单元）：将冷却液输送到贴在芯片上的冷板，并回收变热的液体转交给建筑冷却设施的装置。在液冷数据中心中充当机架与建筑级设施之间的中继角色。 ↩

5. 折旧与使用寿命：购买设备的支出不一次性计入成本，而是在使用期限内分摊计入费用的会计处理方式称为折旧，该使用期限则称为使用寿命。若延长使用寿命，每年计提的折旧费用就会减少，当年的账面利润便会相应增加。 ↩