AI資料中心未來成本結構將由哪些關鍵項目主導？

Question

Accepted Answer

AI 資料中心經濟模型轉變，硬體折舊取代電力成為成本主導

AI 資料中心的資本支出結構正經歷根本性轉變，硬體設備的折舊成本預計將超越電力消耗，成為營運上的主要負擔。隨著 AI 模型規模不斷膨脹，高頻寬記憶體（HBM）、先進電源管理、高效率散熱系統以及高速網路設備的需求將顯著提升，這些零組件的成本將主導未來 AI 數據中心的經濟模型。
高頻寬記憶體 (HBM) 成為新成本重心

在新建置一座 1GW 的 AI 資料中心，總資本支出預估可達 470 億美元。其中，AI 機櫃設備佔據了約 320 億美元，這遠超過去對電力成本的關注。單一 Vera Rubin NVL72 機櫃的成本估計約為 910 萬美元，其中 HBM 與儲存設備就佔了約 320 萬美元，這顯示了記憶體在整個硬體成本中的比重已大幅提升。相較之下，即使在每度電 0.15 美元的條件下，1GW 資料中心全年的電力成本約為 13 億美元，遠低於硬體設備的年度折舊費用。
散熱、電源與網路設備需求同步攀升

除了 HBM，AI 資料中心對電源管理、散熱系統、先進載板及高速網路設備的需求也將同步成長。以 Vera Rubin NVL72 機櫃為例，雖然散熱系統和電力供應系統的單項成本相對較低（各約 15 萬美元），但考慮到 1GW 資料中心所需的 3,557 座機櫃，這些零組件的總體規模將非常可觀。例如，台達電 (2308-TW) 和欣興 (3037-TW) 等廠商，因其在電源管理和先進載板領域的佈局，預期將成為重要的供應鏈受惠者。此外，網路設備的成本佔據了機櫃總成本的約 120 萬美元，這也反映了高速運算對資料傳輸能力的嚴苛要求。
硬體折舊的經濟影響遠超電費

根據伯恩斯坦的估算，若以 6 年的折舊週期計算，1GW AI 資料中心的硬體設備年度折舊費用可高達 79 億美元，這約是其年度電力成本（約 13 億美元）的 6 倍以上。這項數據突顯了 AI 資料中心經濟模型的結構性轉變：過去將電力視為最大開銷的觀念已經過時，取而代之的是硬體設備的快速迭代與高昂採購成本所帶來的折舊壓力。這意味著，未來資料中心的營運效率將更依賴於設備的利用率、模型訓練的效率，以及如何最大化硬體投資的回報週期。

閱讀紀錄

隱藏 →

此記錄會在頁面關閉後消失

AI資料中心未來成本結構將由哪些關鍵項目主導？

Loading

你覺得這篇文章有幫助嗎？

有幫助

沒幫助

回報問題

1

0

0

分享給好友