2025年11月，伯恩斯坦（Bernstein）分析师Stacy Rasgon发布研报，估算建设1GW AI数据中心的“近期真实成本”约为350亿美元，显著低于NVIDIA当时提出的500–600亿美元的前瞻性数字。该报告以当时主流的GB200/NVL72架构为基准，单机柜成本约590万美元，并指出GPU占资本开支约39%，年电费约13亿美元。

时隔近一年，2026年10月5日前后，伯恩斯坦再次发布系统性更新。最新评估显示，建设1GW AI数据中心的资本开支（CapEx）已调整为346亿至395亿美元，取决于采用的加速器架构。尽管过去一年内存等价格大幅飙升，但是由于机柜总体价格的调整，导致最后测算结果和去年相差不大（例如GB200机柜从去年约590万美元降到今年约413万美元。）。以下是新旧评估的核心对比与最新结论。

一、新旧评估对比

关键变化解读：

旧报告聚焦“当前可实现成本”，用GB200证明1GW并非动辄500亿美元以上。
新报告转向多架构横向比较，并纳入下一代Vera Rubin。虽然单机柜价格因HBM降价而下调，但整体1GW投资仍落在350亿美元上下，且最高触及395亿美元。
最重要的洞察升级：不同芯片架构的单系统价格差异巨大，但折算到同样1GW功率后，总投资差距缩小到约50亿美元以内。原因是功耗密度不同——便宜但功率密度低的系统（如部分TPU）需要部署更多套数，抵消了单机优势。

二、最新多架构成本明细（2026年10月）

计算系统硬件本身约占大部分，但供电、液冷、土地与建筑等“固定成本”每GW仍需约120亿美元量级，难以大幅压缩。

年电费（按0.15美元/kWh）仍约13亿美元。
以Rubin架构395亿美元投资、按6年折旧计算，年折旧费用约66亿美元，是电费的5倍左右。伯恩斯坦明确指出：折旧，而非电费，才是AI数据中心最沉重的经济负担。

三、总结与影响

1、成本中枢基本稳定在350亿美元上下

从2025年的“约350亿”到2026年的“346–395亿”，伯恩斯坦的评估并未出现大幅跳升。HBM等关键零部件价格回落抵消了新一代架构的升级成本，使1GW投资仍可控。

2、架构差异被“功率密度”抹平

市场常盯着单机柜或单芯片价格，但真正决定1GW总投资的是“达到同样功率需要多少套系统”。这解释了为何TPU单机便宜，但1GW总投资与Rubin接近。

3、折旧成为核心财务变量

巨额CapEx带来的年折旧远超运营电费，直接影响云厂商与AI公司的利润表与回报周期。折旧政策（4–6年）的差异将显著影响不同公司的财务表现。

4、对行业的启示

对投资者：1GW级别项目的真实门槛仍在350亿美元左右，资金门槛极高，但并非NVIDIA早期暗示的“遥不可及”。
对厂商：自研ASIC（如OpenAI Jalapeno）在总成本上具备一定优势，但差距有限。
对供应链：HBM价格波动对整体CapEx影响巨大，未来仍是关键变量。

总体而言，伯恩斯坦的两次评估形成了清晰演进：2025年证明“当