对于这轮 AI 繁荣到底是不是泡沫这个问题，畴昔两年争论不停。但在反复商议“这些钱花得值不值”之前，咱们似乎皆默许了一个前提：这笔钱是一个好像服气的数字。但高盛近期发布的一份证明合计，这个前提可能并不竖立。

近期，高盛环球探讨院发布了一份名为《Tracking Trillions》的证明，他们以英伟达（NVIDIA）的前瞻数据中心收入作为锚点，推算出 2026 至 2031 年环球 AI 基础设施累计成本开支的基线：约 7.6 万亿好意思元。其中，规画芯片约 5.1 万亿，数据中心约 2.15 万亿，电力约 3，580 亿。2026 年单年约 7，650 亿好意思元，到 2031 年增至 1.64 万亿。

图丨基准 AI 成本开销总额预测（十亿好意思元）（开首：Goldman Sachs）

]article_adlist-->

但证明着实想说的不是 7.6 万亿这个数字高或低，而是这个数字自己极其脆弱。商场风俗把 AI CapEx（成本开销）四肢需求侧问题来商议：AI的贸易化能不可撑起这些插足？但高盛合计，供给侧的起义气性同样弘远，并且被严重低估。建这些东西到底要花几许钱，取决于一小组很少被摊开商议的假定。

蜕变其中任何一个，万亿好意思元级别的数字就会随着偏移。

一块芯片该折旧几年

证明列出了四个最能撬动总量的假定。排在第一位的是 AI 芯片的经济使用寿命。

这是一个正在华尔街激励热烈争论的变量。当今超大界限厂商渊博按 4 到 6 年的周期对 GPU 就业器计提折旧。但英伟达已转向年度家具发布节律：Hopper（2022）、Blackwell（2024）、Rubin（2026）、Rubin Ultra（2027）每一代在能效和性能上皆是数目级的跃升，而非渐进式纠正。这使得 5 到 6 年的折旧周期在经济真谛上越来越难以自洽。

高盛的明锐性分析骄气，将芯片使用寿命从 5 年裁汰到 3 年，2026-2031 年间的隐含年度折旧总额从约 3 万亿好意思元跳升至近 4 万亿好意思元；反过来延长到 7 年，则降至 2.2 万亿好意思元。仅这一个参数的诊疗，就不错让生态系统承受的折旧成本偏移上千亿好意思元。

图丨芯片使用寿命的明锐性分析（开首：Goldman Sachs）

着名投资东谈主 Michael Burry 在 2025 年下半年公开作念空英伟达和 Palantir 时，正所以此为中枢论据。他预计 2026 至 2028 年间，超大界限厂商因高估芯片使用寿命将累计少计约 1，760 亿好意思元折旧，从而使利润虚高逾越 20%。他的判断是：芯片的真实经济寿命接近 2 到 3 年，现时的管帐处理不外是一种盈余解决。

各家厂商的执行动作也呈现出专诚念念的不合。亚马逊在 2025 年头将部分就业器的折客岁限从 6 年裁汰至 5 年，为此承受了约 7 亿好意思元的营业利润冲击，并在 2024 年四季度对一批提前退役的设备计提了 9.2 亿好意思元加快折旧。

微软 CEO Nadella 则公开默示，公司正专诚拉开不同代际芯片的采购节律，幸免在单一代家具上遭殃四五年的折旧包袱。而 Meta 在三年内三次延长就业器使用寿命，最近一次在 2025 年 1 月，将折旧减少滚动为单季度 29 亿好意思元的利润增量，刚巧发生在亚马逊裁汰折旧周期的统一期间。

CoreWeave CEO 则给出了相悖的根据：该公司 2020 年购入的 A100 芯片当今仍然满负荷运转，一批条约到期的 H100 被坐窝以原价 95% 的价钱从头租赁。高盛证明也承认，旧芯片在推理、边缘规画和合成数据生成等低明锐度场景中仍有经济价值，这种分层部署形态可能支握更长的使用寿命。

争论的本体不是手艺问题，而是利润表问题。折客岁限决定了每年需要摊销几许成本，进而决定了这场万亿好意思元豪赌的账面讲演率。

数据中心正在酿成另一种东西

第二个关键假定是数据中心的开导成本。高盛的基线假定是每兆瓦 1，500 万好意思元。但证明指出，这个数字正濒临上行压力。

传统云数据中心的开导成本约莫是每兆瓦 1，000 万好意思元。AI 时间的数据中心系数不同：机架功率密度从畴昔的 5-15 千瓦飙升到 Blackwell 时间的 130-200 千瓦，再到 Rubin 时间的 500 千瓦以上；冷却神气从风冷转向全液冷；规画、内存、齐集和供电必须协同遐想而非零丁堆叠。

图丨数据中心规格的演进（开首：Goldman Sachs）

NVIDIA 在 2026 年 GTC 上发布的 Vera Rubin 平台将这种压力推向了新的极点。NVL72 机架将 72 块 Rubin GPU 和 36 块 Vera CPU 封装晋升调 42U 机柜，功耗荒谬于 40 户好意思国度庭，条目 45°C 进水温度的平直液冷和 800V 直流供电，大多数现存设施系数无法承载。将来的 NVL576 建树更是指向每机架 600 千瓦。

高盛的明锐性分析骄气，将数据中心成本从每兆瓦 1，500 万好意思元诊疗到 1，900 万好意思元，六年累计数据中心 CapEx 从 2.15 万亿好意思元飞腾到 2.72 万亿好意思元，增量逾越 5，700 亿好意思元。并且建筑和电力设施的遐想寿命时时是 20 到 25 年，但当设施的手艺需求可能在投产两年内就发生根人道变化时，长命命钞票的“永恒性”反而成了风险。

图丨数据中心成本明锐性分析（开首：Goldman Sachs）

证明还点出一个无语的现实：不到两年前建成的“过渡型 AI 数据中心”可能照旧无法知左右一代芯片的功率和散热需求。当一座数据中心的遐想寿命是 20 年，但手艺需求可能在投产两年内发生根蒂变化时，长命命自己就酿成了风险。

省下来的钱，会不会平直花掉

第三个假定波及芯片架构采选。

GPU 以外，开云kaiyun中国手机APP下载越来越多算力融会过 ASIC（Application-Specific Integrated Circuit，专用集成电路）寄托：Google TPU（Tensor Processing Unit）、AWS Trainium、Meta MTIA、OpenAI 与 Broadcom 协作的定制芯片。这些芯片在特定任务上的每单元有用算力成本和功耗皆比通用 GPU 低。

仅就近期条约看：Anthropic 在 2025 年 10 月文牍从 Google 采购至多 100 万颗 TPU，界限“几百亿好意思元”，2026 年 4 月这个协作膨胀到 5 GW 的 TPU 容量与 400 亿好意思元的 Google 投资。Broadcom 2025 财年的 AI ASIC 营收约 200 亿好意思元，订单积压 730 亿。Morgan Stanley 把 2027 年 TPU 出货量预计上调到 500 万颗，2028 年到 700 万颗。

但 Lee 和 Greenbaum 更想问的问题是：这些更低廉的算力，最终会让总开导界限变小，照旧会被新一轮使用采纳掉？

他们把问题归结为一个变量：算力需求的弹性。

一种情景是需求相对固定。机构知谈我方要考试多大的模子、就业几许用户，更低廉的芯片平直削弱成本盘子，架构采选实实在在地蜕变总和。另一种情景是需求随着价钱走。算力变低廉了，团队就会训更大的模子、跑更长的高下文、把 AI 塞进更多正本不值得用的场景，省下来的钱又花且归了。总的基础设施界限没变，变的是谁赚走了中间的利润。

证明提到，NVIDIA 数据中心 GPU 的毛利率约 75%，远高于其他芯片供应商。万亿好意思元乘以 75%，这个利润池将成为超大界限厂商转向自研芯片的最强动机。问题是，这个动机驱动的罢休是“少用钱”照旧“多用量”，谜底系数不同。

当今证明的基线倾向于后者。在算力需求远未饱和的阶段，低廉的规画催生的是更多使用，而不是更少插足，架构变化蜕变的是价值分拨而非总盘子。作家也承认这个判断有时效性：当推理负载占比飞腾、利润率压力增大、边缘算力的讲演初始递减，更低廉的芯片照实可能初始压缩总开销。但阿谁阶段还没到。

瓶颈不改酿成本，但可能蜕变信心

第四个假定是开导周期拉长。电力接入列队、审批进程、专科劳能源短少、变压器和冷却设备的交货周期（当今 GPU 交货期已延长至 36 到 52 周），皆在拉大成本插足与产能上线之间的期间差。

延长自己不蜕变单元成本。电力的价钱、数据中心的每兆瓦造价、芯片的成果皆不动。它通过另一种神气作用：拉始终间线、增多息争复杂度，最终让 take-or-pay 条约的承约方、信贷供给方、依赖二级商场融资的运营方皆披露在更长久的起义气性下。

高盛合计，在基准情景下，瓶颈仅仅拖慢了部署节律而非减少了总量。名目脱期、成本重叠插足（最典型的是自建发电设施绕开电网列队），罢休是一个成果更低但总界限不变的开导过程。

但当瓶颈鼓胀严重、鼓胀握久，故事会从供给侧滑向需求侧。当多量名目同期卡住，商场的关心会从“咱们奈何把它建出来”转向“咱们到底是不是该建这样多”。证明把这种状况称为反馈回路：供给侧的摩擦倒灌进需求侧的怀疑。

证明判断现时环境更接近基准情景，但缓冲不大。五大超大界限厂商 2026 年的 CapEx 相似已共计攀升至约 7，000 亿好意思元（空洞多家分析师估算），较 2024 年的 2，000 多亿好意思元翻了两倍多。成本密集度已达到营收的 45%-57%，更像公用业绩公司而非科技公司。

仅 2025 年一年，这些公司就通过债券商场融资逾越 1，080 亿好意思元，将来几年的预测发债界限达 1.5 万亿好意思元。在这个杠杆水平上，实践层面的蔓延很容易传导为需求层面的质疑。

不蜕变总量的成分，和一个轮回悖论

高盛还列出了几个看上去很谬误、但对总量影响有限的成分。

考试与推理的比例变化影响的是回本速率，不是基础设施总量。内存价钱的剧烈波动本体上是供需失衡在极点采购量下的反馈，高盛预测访佛的短期冲击还会在光互连、封装等其他设施反复出现。

自建电力照实举高了单名目成本，但电力在六年累计插足中只占约 3，580 亿好意思元，不到总量的 5%，即使大界限铺开也撼动不了 7.6 万亿的全体数字。这些变量决定的是谁赢利、什么时候赢利，而不是统共要花几许钱。

证明坦言，其分析建立在一种轮回的逻辑上：若是开导果真顺利，基础设施铺开、瓶颈闪现、算力价钱不时着落，那么罢休罢休只怕是多余，而很可能是新一轮需乞降新一轮场景在更低的价钱点上被激活。今天足以知足 AI 规画的那一笔开导，恰正是它对未来的手艺契机不够用的原因。

参考贵寓：

1.https://www.goldmansachs.com/insights/articles/tracking-trillions-the-assumptions-shaping-scale-of-the-ai-build-out

运营/排版：何晨龙

注：封面/首图由 AI 赞成生成kaiyun(中国)2026世界杯手机APP下载

海量资讯、精确解读，尽在新浪财经APP 明陞M88体育中国官网