夜雨聆风万卡AI集群造价深度拆解
从GPU、电力到土地的全栈资金图谱
万卡 AI 集群的真实造价，取决于按"硬件 CapEx"还是"3 年 TCO"两个口径去看。以英伟达 H100/H200 为基准搭建一座具备完整训练能力的万卡集群，2026 年 8 月的公开市场拿货价口径下，仅硬件 CapEx 约 50-200 亿元人民币（按 H20 混部 / H100 主流 / B200-Vera Rubin 豪华三档）；若再叠加土地土建、3 年期电费、运维与折旧，3 年 TCO 约 55-220 亿元。本文以公开市场国内拿货价为锚点，逐一拆解万卡集群从 GPU、CPU、内存、存储、网络到机柜、电力、土地的八大成本科目，并按“最低配置 / 主流配置 / 豪华配置”三档给出可落地的双口径造价估算。
硬件层面最大的变化是“GPU 不再独大”。摩根士丹利 2026 年 5 月对 Vera Rubin NVL72 机架的 BOM 测算显示，存储成本从 GB300 时代的 9% 飙升至 26%，GPU 占比从 65% 降至 51%——内存涨价与 HBM 容量扩张，正在重写 AI 服务器的成本结构。在 DDR5 RDIMM 报价突破 1240 美元 / 条、30TB 企业级 SSD 一年涨幅 257%、InfiniBand NDR400G 交换机单价冲到 19.9 万元的背景下，万卡集群的“非 GPU 成本”占比已普遍超过 45%。
基础设施层面的变化同样剧烈。机柜功率从 H100 时代的 40kW+ 一路跃升到 Vera Rubin 时代的 600kW，液冷从可选项变为刚性配置；中国一线城市工业电价 0.65-0.85 元/kWh，加上一线城市及算力枢纽节点的能耗指标日益稀缺，使电力、土地、机柜的合计成本在 PUE 1.25 的政策约束下推高了整体 TCO 曲线。
本报告给读者的核心结论有三：第一，万卡集群的真实造价应以“硬件 CapEx + 3 年 TCO”两个口径同时评估，单纯看硬件 CapEx 容易低估 5-15%；第二，国产 GPU 替代能在 GPU 单项上节省 20-35%，但内存、网络、液冷等下游成本结构不会按比例下降；第三，2027 年 HBM4 单 GB 价格大概率升至 48-50 美元/GB，意味着同样的“万卡配置”在两年后可能还要再追加 30-40% 的预算。
第一章万卡集群为何不再只是显卡游戏
理解万卡 AI 集群的造价，需要先理解 AI 算力这门生意在过去三年里发生的根本性变化。三年前的 2023 年初，H100 单卡价格曾被黄牛炒到 3.5 万至 4 万美元——彼时一台 DGX H100 整机在国内要 300 万元人民币以上，整个市场处于“有卡就是爷”的卖方状态。进入 2024-2025 年，随着英伟达供应缓解与 H200 / B200 新品迭代，H100 采购价快速下行至 2 万-2.5 万美元区间（折合人民币 14-18 万元），按雪球 2026 年 7 月的测算，100 万张 H100 的 1.25GW 部署，仅 GPU 单项的差价就能达到 150 亿美元。然而，这并不意味着万卡集群的整体造价降了下来——因为 GPU 之外的每一项，都在涨价。
第一个变化是“算力即国力”被抬到战略高度。英伟达下一代 Rubin 架构单机柜功率预计达 500kW 以上，对应到一座万卡集群的物理部署，意味着几十兆瓦的稳定供电、专门的液冷基础设施、以及上百亩的合规机房用地。这些资源在中国一线城市已成为稀缺品——上海已建互联网数据中心逾 160 家，2025 年用电约 70 亿千瓦时，占上海全社会用电量接近 3%，几乎是全国平均水平的两倍；万国数据 CSO 张雯瑾在接受财联社采访时明确表示，“一线城市及算力枢纽节点内的高等级算力基础设施资源处于供不应求状态”。
第二个变化是 CapEx 与 OpEx 的天平开始倾斜。IDC 2026 年 3 月的报告显示，2025 年全球服务器市场营收达到创纪录的 4441 亿美元，同比增长 80.4%；美银证券进一步预测，全球 AI 数据中心系统市场规模将从 2025 年的 2640 亿美元扩张至 2030 年的 1.7 万亿美元，年复合增长率达 45%。规模在膨胀，但结构也在调整——AI 数据中心全生命周期总拥有成本（TCO）中，资本支出与运营支出比例约为 1:1。这意味着评估万卡集群造价不能只看一次性硬件投入，还要把未来三年的电费、液冷、运维、折旧一并纳入考量。
第三个变化是组件通胀周期已经启动。VDURA 报告显示，30TB TLC 企业级 SSD 从 2025 年第二季度的 3062 美元涨至 2026 年第一季度的接近 11000 美元，累计涨幅约 257%；国产 64GB DDR5 服务器内存报价已达约 1240 美元 / 条，超过三星同规格产品；HBM 内存的扩张更为激进，Vera Rubin NVL72 单机架 HBM4 容量预计达 20.7TB，按 2027 年放量的 48-50 美元/GB 计算，单架 HBM 成本就要 100 万美元。内存、网络、存储三条线同时进入涨价周期，使得万卡集群的造价曲线不再是 GPU 一条直线，而是由 GPU、内存、存储、网络、电力五根柱子在同时抬升。
一、 万卡集群的真实物理体量
所谓“万卡集群”，是指一万张 GPU 通过高速互联网络组成的协同计算单元，常用于训练千亿参数以上的大模型。从物理上看，1 万张 H100 GPU 不可能堆在同一个机房里——目前主流的工程做法是将 1 万张卡拆分为多个“计算岛”（Pod），每个 Pod 内通过 NVLink + InfiniBand 实现全互联，Pod 之间通过叶-脊-核心三层 Fat-Tree 网络互通。1 万张 H100 大约需要 1250 台 8 卡 DGX H100 服务器，按每台占 10U 高度计算，单纯服务器就需要约 1400U 物理空间，再加上存储节点、管理节点、交换机机柜，整套集群通常需要 40-60 个标准 42U 服务器机柜，加上配套的网络、电力、液冷分配单元（CDU），物理占地约 800-1200 平方米。
如果选择更新一代的 GB200 NVL72 单机柜方案（72 颗 GPU），1 万张卡只需约 140 个 NVL72 机柜，物理占地可压缩至 200 平方米以内，但单机柜功耗从 DGX H100 时代的 40kW+ 一路跃升至 120kW（GB200）/155kW（GB300）/600kW（Vera Rubin）——机柜占地小了，对电力、液冷的要求却成倍放大。这就是当前 AI 数据中心建设的核心矛盾：算力密度在向 1U/数百 TFLOPS 演进，散热和供电的物理瓶颈却越来越难突破。
以一座典型的万卡 H100 集群为例，按每张卡 700W 满载功耗计算，整集群峰值功率约 7MW；若按 NVL72 的方式组织（72 张卡一个机柜约 120kW），1 万张卡约 140 个机柜，整集群峰值功率约 16.8MW。考虑 PUE 1.25-1.3 的散热系数，全年用电量将落在 1.5-2 亿 kWh 区间，按一线城市工业电价 0.65-0.85 元/kWh 计算，仅电费一项每年就要 1.0-1.7 亿元。三年下来，电费 + 液冷 + 运维 + 折旧构成的 OpEx 将超过一次性硬件 CapEx。这才是“算力即货币”的真实含义。
第二章主角之重：GPU 单卡到整机柜
尽管 GPU 在万卡集群总造价中的占比正在下降（GB300 时代 65% → Vera Rubin 时代 51%），它依然是整个集群最核心、最具识别度的成本项。本章从单卡、模组、整机、机架四个颗粒度逐一拆解 GPU 及其配套主板的当前市场价。
一、 三代旗舰 GPU 单卡市场拿货价
H100 是当前国内能合法批量采购的英伟达主力训练 GPU，2024-2025 年随着供应缓解，价格从 2023 年高峰的 3.5-4 万美元 / 张下行至 2 万-2.5 万美元 / 张（约人民币 14-18 万元）。2026 年 Q2 国内现货市场上，H100 主流报价区间稳定在 19-25 万元人民币（来源：爱企查 2026-07-13 公开报价口径），部分紧俏渠道报价可能上探至 30 万元。H200 是 H100 的显存升级版，将 80GB HBM3 升级到 141GB HBM3e、显存带宽从 3.35TB/s 提升到 4.8TB/s，国内协议价约 19 万元、现货 21-25 万元、最紧俏渠道可达 30-45 万元；B200 则是 Blackwell 架构的新旗舰，单卡售价 3 万-7 万美元（约人民币 21-50 万元），是当前最贵的单卡选项。
需要特别指出的是面向中国市场的特供版。H20 单卡价格约 9-11 万元人民币，B20 约 4.6-5.7 万元人民币——这是英伟达在出口管制框架下做的合规阉割版，算力和互联带宽被大幅削减，主要用于推理而非大规模训练。中国信通院 2026 年一季度报告显示，国内 H100 算力整体缺口约 43 万张，通用公有云高端算力订单平均排单周期 15-45 天。这种供需失衡使得实际成交价往往比公开协议价高出 20-50%。
二、 DGX H100 BOM：单台 20 万美元的成本结构
DGX H100 是英伟达的官方整机方案，单台约 20 万美元（约人民币 140-145 万元）。其 BOM 结构（雪球 2025-08-07 公开拆解口径）大致为：8 颗 H100 GPU 合计 12 万美元，占 70%；2 颗 Grace CPU 合计 2 万美元，占 10%；内存 2.4 万美元（其中 HBM3 占 1.6 万美元、CPU DDR5 占 0.8 万美元），占 12%；网络互联 1.6 万美元（4 个 800G 光模块约 1.2 万美元 + ConnectX-7 网卡约 0.4 万美元），占 8%；PCB（GPU 加速卡 + 模组板）1.2 万美元，占 6%；冷板式液冷散热 1 万美元，占 5%；4 个 3000W 钛金电源 1 万美元，占 5%；8 块 3.84TB SSD 存储 0.8 万美元，占 4%。
从 BOM 占比可以看出 GPU 仍然占据整机七成成本，但剩下的 30% 已经被快速通胀的非 GPU 组件吃掉。2025-2026 年间，DIMM 内存涨价约一倍、企业级 SSD 涨价 257%、800G 光模块量价齐升，单台 DGX H100 的实际到岸价已经从 2023 年的 30 万美元区间下行到 2026 年的 20-25 万美元区间，但同期的整机运维成本、备件成本、网络成本都在上升。
三、 NVL72 机架：从 400 万美元到 780 万美元的代际跃迁
如果把视野放到机架（rack）颗粒度，价格会进一步抬升。GB200 NVL72 单机架集成 72 颗 B200 GPU + 36 颗 Grace CPU，ODM 采购价约 400 万美元（约人民币 2700-2800 万元）；其更新一代 GB300 NVL72 已经涨到约 399.5 万美元。而 2026 年三季度即将量产的 Vera Rubin NVL72，摩根士丹利给出的 ODM 采购价是 780.3 万美元（约人民币 5300 万元），较 GB300 涨幅 95%。这是单机柜价格在一代产品之间近乎翻倍，是过去十年服务器行业从未见过的涨价幅度。
更具结构意义的是成本占比的变化：VR200 NVL72 的 GPU 成本约 396 万美元，占比 51%（GB300 时代为 65%）；存储成本约 200.2 万美元，占比 26%（GB300 时代约 9%，涨幅 435%）；CPU 维持 18 万美元，占比 2%；NVLink 交换芯片从 6.5 万涨到 14.4 万美元（涨幅 121%）；其他网络芯片从 26.1 万涨到 57.6 万美元（涨幅 121%）；液冷 7.2 万美元（+12%）；电源 7.6 万美元（+32%）；PCB 11.7 万美元（+233%）；ABF 基板 2.0 万美元（+82%）；MLCC 4320 美元（+182%）；机架组装附加值 2.9 万美元（+29%）。
几乎没有任何一项成本在下降，全线在涨——这就是 AI 算力军备竞赛的现实：性能每往上拱一级，整个供应链都要跟着吸血。
四、 H100 拿货渠道与价格分层
深入了解 H100 的真实拿货价格，需要区分五个层次的渠道：英伟达直供（仅限头部云厂商和大型重点项目）、Tier-1 OEM（联想、华勤、技嘉、戴尔等品牌的官方集成商）、Tier-2 经销商（英迈、联强、神州数码等渠道商）、垂直算力平台（AutoDL、恒源云、星宇智算等）以及灰色市场渠道（含香港、新加坡转口的特供版）。
按价格高低排序：英伟达直供价 < Tier-1 OEM 协议价 < Tier-2 经销商协议价 < 垂直算力平台零售价 < 灰色市场零售价。同一张 H100 SXM 80GB 卡，在五个渠道的报价可能相差 30-80%。万卡级别的采购通常能进入 Tier-1 OEM 协议价区间，但即便如此，2026 年 H100 现货的实际拿货价仍在 19-25 万元人民币之间，与 2024 年初的 14-18 万元相比依然偏高。
更深一层看，H100 价格的快速波动与英伟达的渠道分配策略密切相关。2023 年高峰期，英伟达将 70% 的卡分配给大客户（AWS、Azure、谷歌云、Meta、Oracle 等），中国市场仅能通过特供版和灰色渠道获取；2024-2025 年随着供应缓解，这一比例逐步调整至 60-65%，但中国市场仍然面临出口管制带来的“卡型阉割”问题——H100 整机虽可合法采购，但 NVLink 互联带宽被限制的 H800、H20 等特供版仍是国内市场的主流。
第三章算力骨架：CPU、DRAM 与 HBM 涨价裂变
如果说 GPU 是 AI 集群的主角，那么 CPU、内存（DRAM）和高带宽内存（HBM）就是支撑主角表演的舞台支架。在过去 12 个月里，这三条线同时进入涨价周期，对万卡集群的造价影响仅次于 GPU 本身。本章按 DDR5、LPDDR5X、HBM 三个颗粒度展开。
一、 DDR5 RDIMM：从消费级到企业级的双倍涨价
DDR5 内存是 CPU 端的标配，2025 年到 2026 年间经历了消费级与企业级双双翻倍的涨价潮。消费端最典型的案例是英睿达 DDR5 PRO 6000 32GB 套装，上半年装机价 599 元，下半年涨到 2099 元，涨幅 250%；企业端则更夸张——闪德资讯 2026 年 7 月报道，国产 64GB DDR5 服务器 RDIMM 报价已达约 1240 美元 / 条（约人民币 8800 元），超过三星同规格产品，速率达 8000 MT/s。这种价格倒挂反映了三个底层矛盾：AI 服务器挤占晶圆厂产能、原厂将产能转向 HBM 与服务器 DDR5、消费级与供应紧张的拉锯效应。
万卡集群对 DDR5 的需求主要集中在 CPU 端。以每台 8 卡 H100 服务器配 2 颗 Grace CPU、每颗 CPU 配 8 条 64GB DDR5 计算，单台 DDR5 用量约 1TB；1 万张卡的 1250 台 DGX H100，整集群 DDR5 用量约 1.25PB，按当前 1240 美元/条（64GB）的价格计算，光是 CPU 端内存就价值约 2400 万美元（约 1.7 亿元人民币）。这个数字在 2024 年还要打 4 折。
DDR5 合约价目前已升至每 GB 12-16 美元，DRAMeXchange 现货均价约每 GB 20 美元。这种价格水平意味着即便是 2026 年下半年新签的采购合同，最终实际价也会落在 18-25 美元/GB 的高位区间。
二、 LPDDR5X：Vera CPU 的"特权通道"
LPDDR5X 是英伟达新一代 Vera CPU 的配套内存，与传统 RDIMM 不同的是，它采用 SOCAMM2 模组形态，价格相对移动端 LP5X 合约价（约 11.4 美元/GB）有约 30% 溢价。SemiAnalysis 估算英伟达一季度 LPDDR5X 采购价约每 GB 8 美元，对应到 VR200 NVL72 单机架 54TB LPDDR5X 总用量（每颗 Vera CPU 配 1.5TB），仅 CPU 端 LPDDR5X 成本就超 40 万美元；若价格升至每 GB 10 美元，则成本升至 54 万美元。
考虑到英伟达自行采购 SOCAMM2 模组并以约 70% 毛利率加价转售，实际交付给云厂商的价格可能更高。摩根士丹利在报告中给出了一个关键变量：若超大规模云厂商绕过英伟达、直接采购 SOCAMM 内存模组，机架价格可降至约 670 万美元——这 110 万美元的差价，几乎全部来自 SOCAMM 渠道切换。
三、 HBM：从GPU配角到BOM三当家
HBM（高带宽内存）是 GPU 的显存，H100 配 80GB HBM3、H200 配 141GB HBM3e、B200 配 192GB HBM3e。HBM 的单价远高于普通 DRAM——历史价格约 16.6 美元/GB（HBM4 价位），到 2027 年 Vera Rubin 平台放量时，HBM4 价格预计升至 48-50 美元/GB，叠加约 10% 的转嫁加价，客户实际承担的料价接近 53 美元/GB。
Vera Rubin NVL72 单机架 HBM 容量约 20.7TB，按历史价格 16.6 美元/GB 计算仅约 34 万美元；按 2027 年 48 美元/GB + 10% 转嫁加价的 53 美元/GB 计算，则对应 HBM 成本从 34 万跳到 110 万美元。这一项几乎单独解释了与市场早期预期的差距——当所有人都在讨论 GPU 涨价时，HBM 才是真正的隐形炸弹。
整机层面看，VR200 NVL72 的存储成本（含 HBM + DRAM + NAND）已从 GB300 NVL72 时代的 37.4 万美元飙升至 200.2 万美元，涨幅 435%；存储占总成本比重从 9% 跳至 26%，首次超过整机总成本的四分之一。摩根士丹利在报告中直言：“GPU 反而成了配角，小组件增速夸张”。
第四章数据洪流：SSD 与存储分层
万卡 AI 集群不仅“吃算力”，也“吃数据”。一个千亿参数模型的全量训练数据集通常在 10TB-100TB 量级，叠加训练过程中的 checkpoint、数据集 shuffle、KV cache 临时占用，单集群对存储的容量和带宽要求远超传统通用数据中心。本章聚焦于企业级 SSD 的最新价格与万卡集群的存储分层设计。
一、 30TB SSD 一年涨 257%：VDURA 的警示
VDURA 2026 年 1 月的报告是当前企业级存储市场最具冲击力的一份数据：30TB TLC 企业级 SSD 从 2025 年第二季度的 3062 美元涨至 2026 年第一季度的接近 11000 美元，累计上涨约 257%。在不到一年时间里，单盘价格从约 2.13 万元人民币飙升至约 7.66 万元。这不是个别型号的涨价，而是 AI 服务器与高性能计算挤占闪存产能后的全行业紧张——铠侠执行董事中戸浩介公开表示，“便宜 SSD 的时代已经彻底终结”，2026 年产能已全部售罄。
涨价带来的连锁反应是 SSD 与 HDD 的成本结构倒挂。VDURA 数据显示，数据中心单位容量 SSD 与 HDD 成本比从 2025 年 Q2 的 6.2 倍扩大至 2026 年 Q1 的 16.4 倍——这意味着从单 GB 成本角度，SSD 已经接近“黄金价位”。VDURA 的测试结果进一步显示，SSD + HDD 混合方案的三年总拥有成本（TCO）仅为纯 SSD 方案的四分之一：前者约 599 万美元，后者高达 2520 万美元。
对万卡集群而言，这意味着存储分层策略成为必然：热数据（训练数据集当前 batch、checkpoint）放 NVMe SSD，冷数据（历史 checkpoint、数据集备份）放 HDD 或对象存储。DGX H100 单台标配 8 块 3.84TB SSD（约 30TB 总容量），按当前 SSD 单盘 7.66 万元 / 30TB（即每 TB 约 2500 元）计算，单台存储成本约 2 万元人民币；考虑 1250 台的万卡集群，仅“机内存储”一项就要 2500 万元人民币。
二、 万卡集群存储架构：从 1PB 到 100PB
如果从单机存储扩展到集群存储，数字会再放大一个量级。万卡 H100 集群如果做一次完整的大模型训练（GPT/Claude 级别），需要：1）原始数据集 10-100TB；2）预处理后的 token 化数据集 5-50TB；3）训练过程中的 checkpoint 1-10TB/次（每 1000 步保存一次）；4）模型副本、推理缓存、数据集 shuffle 中间态等临时数据 50-500TB。综合下来，单次大模型训练期间的“全量存储占用”通常在 1-10PB 量级。
按当前的存储方案，热数据层（NVMe SSD）通常按 10% 容量配比，即 100TB-1PB；冷数据层（HDD 或对象存储）按 90% 容量配比，即 1-10PB。热数据层在 30TB SSD 单盘 7.66 万元 / 当前 SSD 16.4 倍 HDD 单价倒挂的背景下，单 PB 成本约 2.5 亿元；冷数据层按 HDD 单 TB 约 150 元（参考 WD 16TB 企业盘批发价），单 PB 成本约 15 万元。整套集群的存储总投入约 5-8 亿元人民币。
Vera Rubin NVL72 进一步推高了存储需求：单机架新增 3D NAND 闪存配置约 100 万美元，单机柜存储成本就从 GB300 NVL72 的几乎为零飙升至 100 万美元（约 700 万元人民币）。这是万卡集群存储成本“代际跃迁”的标志性数据。
第五章互联之痛：InfiniBand 与 800G 光模块
万卡集群的另一条隐性成本曲线在网络层。要让 1 万张 GPU 协同训练，单卡算力必须能高效交换梯度数据，这就要求网络不仅带宽高，时延还要低到微秒级。当前主流方案是 Mellanox（英伟达子公司）的 InfiniBand NDR400 或 Spectrum-X 800G 平台，本章按交换机、网卡、光模块三个颗粒度拆解。
一、 交换机：NDR400 单台逼近 20 万元
InfiniBand NDR 400G 是当前 AI 集群的主流交换机选择。阿里 1688 上 2026 年 7 月的零售口径报价显示：Mellanox MQM9700-NS2F 400G IB 智能交换机约 19.9 万元/台、MQM9700-NS2R 约 15.5 万元/台、MQM9790-NS2F 约 18 万元/台、QM9700 64 端口约 28.8 万元/台；上一代 HDR 200G 的 MQM8700 系列约 19.9 万元/台（部分促销价 8.5 万元/台）；再上一代 EDR 100G 的 MSB7890-ES2F 约 6.6 万元/台。可以看到，NDR 400G 单台价格是 EDR 100G 的 3 倍，反映了带宽升级带来的单价跃迁。
万卡集群的网络架构通常采用三层 Fat-Tree。以 1250 台 8 卡 H100 服务器（10000 张卡）为例，假设每台服务器配 8 张 ConnectX-7 网卡（共 1 万张网卡），按 1:1 上下行收敛比，需要约 200 台 64 端口 NDR 交换机作为叶交换机、约 200 台 64 端口 NDR 作为脊交换机、约 50 台核心交换机，整集群约 450 台 NDR 交换机。按 18 万元/台的均价计算，仅 InfiniBand 交换机一项就要 8100 万元人民币；如果考虑双平面（InfiniBand 主备），则翻倍至 1.6 亿元。
二、 光模块与网卡：DGX H100 网络成本拆解
DGX H100 单台配 4 个 800G 光模块 + 多张 ConnectX-7 网卡，网络互联总成本约 1.6 万美元/台（其中 4 个 800G 光模块约 1.2 万美元、ConnectX-7 网卡约 0.4 万美元）。这意味着单台 H100 服务器的网络成本约占整机 BOM 的 8%，对应到万卡集群的 1250 台服务器，仅机内光模块 + 网卡就要 2000 万美元（约 1.4 亿元人民币）。
国内电商品牌的光模块价格已经显著低于上述 OEM 集成价：QSFP56 堆叠线 200G 高速铜缆约 365 元/条（约 50 美元），200G 转 2 个 QSFP56 无源铜缆堆叠线批量价更低。这意味着如果云厂商选择绕过 OEM、自主采购网络组件，理论上可以将网络成本压低 30-50%。但实际工程中，光模块的兼容性测试、固件升级、售后支持都是隐性成本，自主采购并不总是更划算。
三、 Spectrum-X：以太网替代 InfiniBand 的可能性
InfiniBand 并非万卡集群的唯一选择。英伟达在 2024 年正式商用 Spectrum-X 800G 以太网平台，目标是在传统 RoCE（基于 RDMA 的融合以太网）协议上实现与 InfiniBand 相当的训练效率。从成本角度看，Spectrum-X 交换机单价较 InfiniBand NDR 400G 略低 10-20%，且以太网生态成熟、白盒交换机选择更多，理论上能将网络 CapEx 压低 15-25%。
但 Spectrum-X 仍存在两个工程难点：一是与传统 RoCE 网络的兼容性测试工作量大，万卡集群的网络调优通常需要 6-9 个月；二是 Spectrum-X 平台对网络工程师的技能要求更高，传统数据中心网络团队需要重新学习 NVIDIA NetQ、Air-Gapped Fabric 等专属工具链。
实操中，多数头部云厂商采取“InfiniBand 主 + 以太网备”的双平面策略——InfiniBand 用于关键训练任务，以太网用于 checkpoint 同步、监控、数据加载等非关键流量。这种架构能够兼顾训练效率与网络成本，是当前最务实的折中方案。
第六章物理底座：机柜、配电与液冷
GPU、CPU、内存、网络都是“看得见的成本”，真正让 AI 基础设施与一般数据中心拉开差距的，是机柜、配电、液冷这三项“看不见的物理成本”。本章按机柜功率演进、液冷刚性化、配电与 UPS 三个维度展开。
一、 单机柜功率从 40kW 到 600kW 的代际跃迁
传统通用数据中心的机柜功率密度通常在 5-10kW，AI 训练集群把这个数字推到了一个新的量级。H100 DGX 时代单机柜约 40kW+；GB200 NVL72 已达约 120kW；GB300 NVL72 已达 132-155kW；下一代 Rubin 平台整柜功耗预计将进一步攀升至约 190kW，百度百科甚至给出 Vera Rubin NVL72 单机柜 600kW 的极端口径。无论取哪个口径，AI 机柜都已经突破了传统数据中心设计的极限。
机柜功率跃升的直接后果是散热从“锦上添花”变成“刚性需求”。当单机柜功率突破 30kW 时，传统风冷已逼近散热极限；当 AI 机柜迈入 100kW+ 时代，液冷成为保障高密度算力集群稳定运行的必要基础设施。中国政策要求新建大型数据中心 PUE 降至 1.25 以内，上海基本以 1.3 甚至 1.25 为准入门槛——这是冷板式液冷从可选项变为必选项的核心驱动。
二、 冷板式液冷：产业链 95% 价值量集中于四大件
冷板式液冷凭借性能足够好、成本可接受、产业链成熟的三重优势，成为未来 3-5 年主流技术路线。其 PUE 可达 1.1-1.3 区间，虽不及浸没式的顶级水平，但建设成本与维护难度显著更低，且已能通过先进设计逼近浸没式能效。
液冷产业链的价值量高度集中。以英伟达 GB200 液冷机柜为例，CDU（冷却液分配单元）、Manifold + UQD（歧管 + 快接头）、冷板四大核心零部件合计价值量占比超过 95%。DGX H100 单台冷板式液冷系统成本约 1 万美元/台，占整机 BOM 约 5%；VR200 NVL72 单机架液冷 7.2 万美元（较 GB300 涨 12%）。折算下来，1 万张卡的液冷总投入约 8000 万到 1.5 亿元人民币。
如果选择浸没式液冷，散热效率可压至 PUE 1.05-1.1 区间，但建设成本要比冷板式高出 30-50%，且维护复杂度大幅提升——目前仅在超大规模云厂商和追求最高密度的科研项目中应用较多，商业级 AI 数据中心仍以冷板式为主流。
三、 UPS 与配电：按 IT 负载 1.3-1.5 倍配置
万卡集群对电力的稳定性要求极高，任何一次瞬时断电都可能导致数小时训练进度丢失、甚至 GPU 永久性损坏。这要求机房配置 N+1 或 2N 冗余的 UPS 系统，按 IT 负载的 1.3-1.5 倍配置。DGX H100 单台配 4 个 3000W 钛金电源（单台电源成本约 2500 美元），整机电源系统成本约 1 万美元/台；VR200 NVL72 单机架电源 7.6 万美元（较 GB300 涨 32%）。
按一座 16MW 峰值功率的万卡集群估算，UPS 系统容量需配置 20-25MW，按 0.8 元/W 的 UPS 集成报价，整套 UPS 系统造价约 1600-2000 万元；柴油发电机组（按 24 小时备油配置）约 1000-1500 万元；高低压配电柜、智能 PDU、母线槽等约 500-800 万元。综合下来，万卡集群的电力配套总投入约 3500-4500 万元人民币。
四、 物理空间与承重：被忽视的工程约束
万卡集群对物理空间的要求远超传统数据中心。一个 NVL72 机柜自身重量约 1.5-2 吨，加上配套 UPS、CDU、液冷管路，整机柜的工程重量可能达到 2.5-3 吨。万卡集群 140 个机柜 + 配套设备的总重量约 600-800 吨——这要求机房楼板的承重设计至少达到 12-15 kN/m²，而传统数据中心通常按 7-10 kN/m² 设计。
这意味着老旧机房或写字楼改造的 IDC 几乎无法承载 AI 万卡集群的物理重量。专业 AI 数据中心通常采用钢筋混凝土结构 + 加厚楼板 + 独立基础设计，单平方米土建成本可能比传统 IDC 高 30-50%。
层高与柱距也是隐性约束。NVL72 机柜高度约 2.2 米，加上顶部液冷管路和配电母线槽的安装空间，机房净高需达到 4.5 米以上；同时液冷管路接入、维护通道、机柜散热空间要求柱距不小于 8 米。这些硬性约束使得一线城市核心区域的传统写字楼改造 IDC 几乎不可能满足万卡集群的物理需求，进一步推高了新建专业 AI 数据中心的稀缺性。
第七章电力即货币：土地、能耗指标与电价
如果说前六章讲的还都是“硬件成”，那么第七章要讲的，是 AI 集群造价中最具地域差异、也最容易在规划阶段被低估的部分——土地、能耗指标和电价。这三项共同决定了万卡集群能否“落地”，以及落地后的 OpEx 曲线。
一、 用电爆炸：2025 年 1960 亿 kWh 的算力账单
国家发改委、能源局、中电联的多份公开数据显示，2025 年全国数据中心用电量约 1700-1960 亿千瓦时，占全社会用电量 1.6-1.9%，同比增长 18.1%——这是全社会用电量增速的 5 倍以上。中电联规划发展部主任张琳明确表示：“算力基础设施快速发展带动用电需求激增，2025 年全国数据中心用电量约 1700 亿千瓦时，其中全国一体化算力网络八大枢纽节点用电量近 3 年平均增长率高达 39.5%，远超全社会用电量平均增速。”
国家能源局局长王宏志预判：“预计十五五时期全国算力用电量年均新增 1000 亿千瓦时以上，2030 年有望达 8000 亿千瓦时、占全社会用电量 6% 左右。”这意味着到 2030 年，全国数据中心的用电量将从今天的不足 2% 占比翻三倍到 6% 占比。IEA 更进一步预测，全球数据中心用电量将从 2024 年的约 415TWh 增长至 2030 年的约 945TWh，年均增速约 15%。
回到万卡集群的实际电费：以一座 16MW 峰值功率（PUE 1.25）的 H100 集群为例，年用电量约 1.4 亿 kWh；按一线城市工业电价 0.65-0.85 元/kWh 计算（部分园区大客户协议价 0.55-0.75 元/kWh），年电费约 0.9-1.2 亿元。三年下来，电费支出将达 3-4 亿元，超过单机柜硬件投入。
二、 一线城市与算力枢纽的资源争夺
土地和能耗指标在一线城市已成为稀缺资源。万国数据首席战略官张雯瑾明确指出：“一线城市及算力枢纽节点内的高等级算力基础设施资源处于供不应求状态，其余普通机房受功率密度、网络延迟、绿电配套等条件限制，市场竞争力持续走弱。”这一判断与万国数据自身的资本配置相一致——该公司宣布未来五年在内蒙古乌兰察布投资逾 300 亿元打造 GW 级绿电直连数据中心集群，全部落在算力枢纽节点。
土地价格层面，已知的大型智算中心案例提供了清晰的造价参考：中国联通（青岛）智算中心占地 118.26 亩，总建筑面积 10.8 万平方米，总投资约 30 亿元——折算下来单位造价约 2780 元/平方米、2540 万元/亩。张家口宣化巨型智算中心总规划占地 278.6 亩，总投资 86 亿元，单位造价约 3090 万元/亩。一线城市核心地段由于工业用地的稀缺性，单亩造价可能是上述数字的 2-3 倍。
能耗指标则更为严格。一线城市新建数据中心基本要求 PUE 1.25-1.3、单项目能耗指标审批越来越严；上海已基本以 1.3 甚至 1.25 为准入门槛，未来新建数据中心在 PUE 1.25 的基础上还可能进一步收紧。这意味着即便有资金、有土地，没有能耗指标也无法建设——能耗指标已成为万卡集群建设的隐性“准入证”。
三、 绿电直连与算电协同
绿电直连（数据中心直接消纳附近风光电力）是 2026 年数据中心行业的明显趋势。华北电力大学国家能源发展战略研究院执行院长王鹏指出：“AIDC（人工智能数据中心）智算集群依靠高功率 AI 芯片运转，瞬时负载波动剧烈，对供电稳定性要求极高。”这意味着算电协同不是“绿色升级”的口号，而是 AI 数据中心稳定运行的工程刚需。
锦浪科技、阳光电源等行业龙头公开表示，未来五年智算用电将成为光伏行业最快增量，"风光资源与算力负荷就近布局、就地消纳将成为主流发展模式"。万国数据乌兰察布 GW 级绿电直连集群、宣化巨型智算中心等案例，都是这一趋势的具体落地。
但绿电直连并不便宜——风光资源富集区（内蒙古、宁夏、张家口等）距离一线消费市场 1000-2000 公里，长距离输电的损耗和电网建设成本可能吃掉绿电的成本优势；同时，绿电的波动性需要配套储能或火电调峰，进一步推高了 OpEx 曲线。综合下来，绿电直连项目的单位 IT 负载建设成本可能比一线城市常规 IDC 高 20-40%，但运营电费能压低 10-30%——适合超大规模、长周期训练的项目。
二、 各地算力招商政策与产业格局
在全国一体化算力网络八大枢纽节点格局下，各地政府对算力招商的优惠政策差异较大。内蒙古、贵州、甘肃、宁夏等“东数西算”枢纽节点，依托气候、能源、土地资源，主要承接后台训练、批量计算、离线推理等对时延不敏感的业务；京津冀、长三角、大湾区等靠近一线消费市场的节点，则主要承接实时推理、低时延推理、模型微调等业务。
武汉市近期发布的《武汉市数智经济发展行动方案（2026—2028 年）》提出，利用 3 年时间实现人工智能产业规模超过 2000 亿元，力争投产高性能算力总量突破 15000P（按 FP16 算力约等于 1.5 万张 H100 卡的等效算力），培育规模以上数据企业 1000 家，全市人工智能相关企业突破 1500 家，初步建成超大规模人工智能城市。这种"政府搭台、企业唱戏"的招商模式，正在中西部及中部强省会城市普遍推广。
对 AI 基础设施规划者而言，节点选址的核心变量是“距离最终用户的网络时延 + 算力招商政策力度 + 绿电配套可得性”。一线城市外围（如上海青浦、苏州相城、北京经开区）适合做低时延推理集群；中西部枢纽（和林格尔、贵安、张家口）适合做大模型预训练集群；长三角与粤港澳大湾区之间，存在显著的推理服务与训练服务的分工趋势。
从政策细节看，呼和浩特、张家口、贵安、林格尔等枢纽节点普遍提供“3 年免租 + 绿电折扣 + 算力招商补贴 + 网络直连骨干网”等组合政策；上海、深圳、北京则侧重能耗指标的严格审批，配套政策聚焦于“如何让算力用得更高效”，而非补贴硬件采购。这种政策差异最终反映到万卡集群的落地成本上：中西部节点可能比一线城市外围低 15-25%，但需要承担额外的网络时延与人才招聘成本。
三、 二手设备与国产替代的经济性窗口
在 H100 / H200 价格波动的背景下，二手设备市场也出现了独特的机会窗口。2025 年中开始，部分 2023 年高峰采购的 H100 8 卡服务器开始进入二手市场，单台报价 15-18 万美元（约 100-130 万元人民币），比一手价格低 50-65%。这种二手设备适合预算敏感的中小 AI 团队、做模型推理服务的初创公司、以及用于训练基础设施测试与验证的科研项目。
但二手设备的隐性成本不容忽视：英伟达的 Pro Support 服务通常仅覆盖原厂 3 年保修期，二手设备需要采购方自行承担硬件故障风险；HBM3 显存经过 1-2 年的满负荷运行后，良率与稳定性会下降；NVLink 互联芯片的故障率也会随着使用时长上升。综合下来，二手设备的实际持有成本可能比账面价差还多 10-20%。
国产 GPU 替代方面，华为昇腾 910C/Ascend 920、寒武纪思元 590、海光 DCU、摩尔线程 MTT S5000 等国产芯片已经在国内部分 AI 项目中得到应用。从单卡价格看，国产 GPU 通常比英伟达同档位产品低 20-35%，但配套的内存、网络、软件栈需要重新适配，整体造价节省幅度不会按 GPU 单项的比例下降。
第八章万卡集群三档造价图谱
经过前面七章对 GPU、CPU、内存、存储、网络、机柜、电力、土地的逐项拆解，本章将给出三种典型场景下的万卡集群总造价估算。本章采用“硬件 CapEx + 3 年 TCO”双口径表述，避免单一数字误导。
三档估算的核心假设：1）单卡功耗 700W（H100） / 1000W（B200） / 1500W（VR200）；2）服务器 BOM 比例按 DGX H100 公开拆解的 GPU 70% / 非 GPU 30% 口径；3）PUE 1.25、一线城市工业电价 0.75 元/kWh 的基准 OpEx 假设；4）三年期电费按 35% 的容量因子计算；5）土地按一线城市外围工业用地 1500-2000 万元/亩、单集群 50-100 亩估算（取中位数 60 亩）；6）液冷、UPS、配电按本章 3500-5000 万元/集群估算。
一、 最低配置：H20 / H100 混部方案
若以特供版 H20（单卡 9-11 万元）和 H100（单卡 22 万元）混部方式搭建万卡集群，GPU 造价按平均单卡 15 万元计算，1 万张卡合计 15 亿元；服务器整机非 GPU 部分按 BOM 反推约 4 万美元/台 × 1250 台 = 5 亿美元 ≈ 25 亿元；液冷 + UPS + 配电按 0.5 亿元/集群；土地 + 土建按 60 亩 × 1800 万元 = 11 亿元。
最低配置的硬件 CapEx 合计约 50 亿元人民币；3 年电费按 12MW 峰值 × 1.25 PUE × 0.75 元/kWh × 8.76k 小时/年 × 35% 容量因子 × 3 年 ≈ 4 亿元；3 年 TCO 合计约 55 亿元。
这一档方案适合推理为主、训练为辅的智算服务商，或者追求“以尽可能低预算启动算力服务”的初创公司。H20 由于算力被阉割，仅适合做参数规模在百亿以下的中小模型推理，或者做 LLM 在线推理服务的低成本供给。
二、 主流配置：纯 H100 / DGX H100 方案
若按 1 万张 H100 + 1250 台 DGX H100 整机方案搭建万卡集群，GPU 造价按 22 万元/卡 × 1 万 = 22 亿元；服务器整机非 GPU 部分按 5.25 亿美元（6 万美元/台 × 1250 台）折算约 36.75 亿元；液冷 + UPS + 配电约 0.5 亿元；土地 + 土建按 60 亩 × 2000 万元 = 12 亿元。
主流配置的硬件 CapEx 合计约 70-75 亿元人民币（这一口径与腾讯云 2026-05-08 公开的“5-10 亿美元”区间一致）；3 年电费按 16MW 峰值计算约 4-5 亿元；3 年 TCO 合计约 75-80 亿元。
这一档方案是国内大模型头部公司（智谱、月之暗面、深度求索等）的主流选择，能够支撑千亿参数模型的预训练与全参数微调，也是当前国内 AI 算力服务的“标准配置”。如果选择 8 卡 HGX 模组替代 DGX H100 整机，造价能压低 10-15%（单机售价从 280 万元降至 200 万元），但失去了 NVLink 整机全互联优势。
三、 豪华配置：纯 B200 / Vera Rubin 方案
若按 1 万张 B200 + 140 个 NVL72 机柜方案搭建万卡集群，由于 NVL72 单机柜已含 72 颗 GPU + 36 颗 CPU + 整机柜硬件，按 GB300 NVL72 ODM 价 400 万美元/台（折合 2800 万元/台）× 140 个机柜 = 39.2 亿元；液冷 + UPS + 配电按单机柜 155kW 功率 × 140 个机柜的工程量约 1.5 亿元；土地 + 土建按 100 亩 × 2000 万元 = 20 亿元。
豪华配置的硬件 CapEx 合计约 180-200 亿元人民币（含 NVL72 整机柜 140 × 2800 万元 = 39.2 亿元 + 液冷 1.5 亿 + 土地 20 亿；GPU 已含在机柜价内，不能与整机柜造价重复计算）；3 年电费按 16MW 峰值计算约 4-5 亿元；3 年 TCO 合计约 190-220 亿元。
如果升级到 Vera Rubin NVL72（单机柜 ODM 价 780 万美元 ≈ 5500 万元/台），整集群机柜造价 140 × 5500 万元 = 77 亿元，叠加液冷 2 亿、土地 25 亿、电费 5 亿，3 年 TCO 接近 130-160 亿元——这是 Vera Rubin 满配方案的造价区间。
这一档方案是国内大型超算中心、头部云厂商（阿里、字节、腾讯等）的旗舰项目选项；其单机柜功率突破 600kW 带来的工程难度（液冷、供电、散热、承重）只有超大规模项目才能承接。
四、 三档造价的实际选型决策
对 AI 基础设施规划者而言，50 亿 / 75 亿 / 200 亿元的硬件 CapEx（55/80/220 亿元的 3 年 TCO）三档估算并不是非此即彼的选择。实际项目落地中，常见的是混合配置：核心训练任务用高端 GPU（如 B200/VR200），外围推理服务用中端 GPU（如 H100/H200），边缘推理用低端 GPU 或国产替代（如 H20/昇腾）。
以一家典型的大模型公司为例，可能会同时运营三类集群：一是“重大科研项目集群”（100-200 张 B200，承担千亿模型的核心训练）；二是“日常微调集群”（1000-2000 张 H100，承担模型微调与持续学习）；三是“在线推理集群”（3000-5000 张 H20/昇腾，承担日常推理流量）。这种分层架构在总成本上能比“全用一种 GPU”节省 25-40%。
另一个常见决策点是“建 vs 租”。当前国内算力租赁市场 H100 月租约 7-8 万元（8 卡机）、H200 月租超 10 万元（2025 年 6.0 万元 → 2026 年 10 万元以上）。按 3 年折旧周期，自建单卡 H100 月成本约 4-5 万元，租赁比自建贵 50-80%。但租赁的优势在于弹性伸缩、无需承担 GPU 迭代贬值风险——2023 年高价购入的 H100 在 2025 年 H200 上市后二手残值已经跌去 30-40%。
因此，自建 vs 租赁的决策核心在于“业务模式是否稳定”：稳定的大模型推理服务、有持续训练需求的大模型公司、或者对数据安全有严苛要求的政企客户适合自建；面向中小客户做算力转售、做短期项目交付、或者业务模式仍在快速调整的初创公司适合租赁。
第九章未来三年造价趋势与不确定性
本报告写作的 2026 年 8 月，万卡 AI 集群造价正处于一个非常特殊的窗口期。往前看 12-18 个月，H100 价格仍处于 2023 年高峰的回落通道，但内存、网络、存储已经率先进入涨价周期；往后看 12-18 个月，HBM4 量产、Blackwell Ultra 上市、Rubin 平台预热，三大变量将同时作用在 GPU 单卡价格上。本章对 2027-2028 年的万卡集群造价做三组前瞻性判断。
一、 内存涨价周期的延续与峰值
DDR5 与 HBM4 的涨价周期大概率会延续到 2027 年中期。从供需两端看，需求侧 AI 推理与训练需求仍在增长、传统服务器市场也在回暖；供给侧三星、SK 海力士、美光的产能扩张需要 18-24 个月周期，且新增产能中的相当一部分被 HBM 与服务器 DDR5 占用，留给消费级与中端市场的产能增加有限。
如果按当前 12-16 美元/GB 的 DDR5 合约价推演，2027 年中可能触及 18-22 美元/GB 的高点；HBM4 按英伟达 2027 年 50 美元/GB 的目标价计算，对应单卡 HBM 成本将比 2025 年 H100 时代翻倍以上。整机层面的连锁反应是：H100 整机 BOM 中内存占比可能从当前的 12% 上升到 18-22%，NVL72 类高端整机内存占比从 26% 上升到 32-35%。
对万卡集群造价的影响是：同样配置的 H100 万卡集群，2027 年的硬件 CapEx 可能比 2026 年高 25-35%，这是任何 AI 基础设施规划者都不能忽视的硬约束。
二、 GPU 单卡价格的代际通胀
GPU 单卡价格的代际通胀是更复杂的话题。从历史数据看，H100（2022 年发布）单卡价格 3.5-4 万美元 → H200（2024 年发布）单卡价格 3-4 万美元 → B200（2024 年发布）单卡价格 3-7 万美元 → Vera Rubin（2026 年发布）单机柜价格 780 万美元（折合单卡约 10 万美元）——按单卡算，Vera Rubin 价格是 H100 的 2.5-3 倍。这种代际涨价的速度远超摩尔定律下的传统 CPU/GPU 价格曲线。
代际涨价的核心驱动力是“HBM 内存含量与价值的同步抬升”。Vera Rubin 单机架 HBM 容量是 GB300 时代的 2-3 倍，按 HBM4 50 美元/GB 计算，HBM 价值占比可能从 GB300 时代的 25-26% 进一步抬升至 30-35%。这意味着 GPU 单卡价格的通胀，本质上是内存的通胀——这是过去 20 年半导体行业从未见过的结构性变化。
对万卡集群的长期影响是：硬件投资的折旧周期需要从传统的 5 年缩短到 3 年甚至 2 年，避免被新代际产品的性价比快速超越。这反过来又要求软件栈、训练框架、模型版本管理具备更高的灵活性，能够在硬件代际切换时快速迁移。
三、 政策与地缘政治的不确定性
影响万卡集群造价的第三个不确定性来自政策与地缘政治。当前美方对华 AI 芯片出口管制已经从“性能阈值管控”演变为“全产业链管控”，H20、B20 等特供版的算力、互联带宽、HBM 容量均被严格限制；国内对 AI 算力的能耗双控、数据安全、跨境数据流动等政策也在持续完善。
2026 年下半年存在几个关键政策窗口：一是英伟达对华出口许可的续期与新限制（每 6-12 个月一次审查）；二是中国对国产 GPU 替代的进一步补贴政策；三是“东数西算”八大节点的扩容与新增节点；三是数据中心绿电直连、配储等支持政策的细则落地。这些政策的每一个微小变化，都会直接影响万卡集群的真实落地成本与可行性。
对 AI 基础设施规划者而言，应建立"政策情景分析"的思维：在 50 亿（最低） / 75 亿（主流） / 200 亿（豪华）三档硬件 CapEx 基础造价之上，分别测算“出口管制放松 20%”、“出口管制收紧 20%”、“国产替代加速 30%”等情景下的造价变化，将不确定性纳入项目预算。这种动态预算管理方式，比传统的“一次性静态估算”更适合 AI 算力这个快速变化的市场。
结论
万卡 AI 集群的造价，是一个被“GPU 单卡价格”严重误读的复合命题。本报告以公开市场拿货价为锚点，按 GPU、CPU、内存、存储、网络、机柜、电力、土地八大科目逐一拆解，并按最低/主流/豪华三档给出可落地的双口径造价估算：硬件 CapEx 约 50 亿 / 75 亿 / 200 亿元人民币，3 年 TCO 约 55 亿 / 80 亿 / 220 亿元。这一数字与腾讯云 2026 年 5 月给出的“万卡集群总 CapEx 通常在 5-10 亿美元（约 35-70 亿元）”区间基本一致，差异主要来自汇率口径与本报告对土地、电力配套的分项计入。
从结构上看，AI 集群造价正在经历三重结构性变化：第一，GPU 占比从 GB300 时代的 65% 降至 Vera Rubin 时代的 51%，内存（特别是 HBM4）成为新的涨价核心；第二，CapEx 与 OpEx 比例约为 1:1，运营电费的长期影响远超一次性硬件投入；第三，国产 GPU 替代虽能在 GPU 单项上节省 20-35%，但内存、网络、液冷等下游成本结构不会按比例下降，整体造价仍受全球供应链通胀的硬约束。
对 AI 基础设施规划者的核心建议有三：第一，2027 年 HBM4 单 GB 价格大概率升至 48-50 美元/GB，意味着同样的“万卡配置”在两年后可能还要再追加 30-40% 的预算，规划时应预留涨价缓冲；第二，国产替代不是“省钱解药”，而是用国产 GPU + 国产 DRAM + 国产 SSD 的全栈方案，需要同时考虑软件适配、互联带宽、训练稳定性等隐性成本；第三，土地与能耗指标比 GPU 本身更稀缺，应优先锁定一线城市外围或算力枢纽节点的土地与电力资源，再考虑 GPU 选型——这是万卡集群能否落地的核心。
对 IDC 投资方与算力招商的地方政府，核心结论是：AI 数据中心的资源稀缺性已经从“资金”转移到“土地+能耗指标+绿电配套”三件套。一线城市外围工业用地、算力枢纽节点的能耗配额、风光储一体化电力配套，这三者的可得性比 GPU 渠道能力更能决定项目的成败。
参考文献：
[1] 爱企查. H100/H200/B200 国内外价格行情汇编[EB/OL]. (2026-07-13)[2026-08-04]. https://aiqicha.baidu.com/.
[2] 雪球. AI 数据中心关键 BOM 部件深度拆解与投资分析[R/OL]. (2026-06-04)[2026-08-04]. https://xueqiu.com/1827317549/392768890.
[3] 雪球. GW 级 AI 数据中心造价拆解：从 Vera Rubin 机架经济学看真实成本结构[R/OL]. (2026-06-08)[2026-08-04]. https://xueqiu.com/8353820992/393567455.
[4] 雪球. DGX H100 整机成本拆分（AI 服务器典型配置）[R/OL]. (2025-08-07)[2026-08-04]. https://xueqiu.com/5618248596/345945428.
[5] 摩根士丹利. 英伟达 VR200 NVL72 机架 BOM 拆解报告[R/OL]. (2026-05-22)[2026-08-04]. https://www.morganstanley.com/.
[6] 美银证券. 全球 AI 数据中心系统市场预测[R/OL]. (2026-05)[2026-08-04]. https://www.bankofamerica.com/.
[7] IDC. 全球服务器市场季度跟踪报告（2025 年回顾）[R/OL]. (2026-03)[2026-08-04]. https://www.idc.com/.
[8] SemiAnalysis. AI 内存市场分析与预测[R/OL]. (2026)[2026-08-04]. https://www.semianalysis.com/.
[9] VDURA. 数据中心 SSD 与 HDD 成本对比分析报告[R/OL]. (2026-01-23)[2026-08-04]. https://www.vdura.com/.
[10] 闪德资讯. 国产 64GB DDR5 服务器内存报价超三星[N/OL]. (2026-07-28)[2026-08-04]. https://baijiahao.baidu.com/s?id=1871929411893313271.
[11] 新浪财经. 英伟达 VR200 NVL72 存储暴涨 435%[N/OL]. (2026-05-23)[2026-08-04]. https://baijiahao.baidu.com/s?id=1865942056852612068.
[12] 新浪财经. 算电协同成能源转型新赛道[N/OL]. (2026-07-28)[2026-08-04]. https://baijiahao.baidu.com/s?id=1871913436498794848.
[13] 新浪财经. 液冷产业链进入业绩兑现期[N/OL]. (2026-07-28)[2026-08-04]. https://baijiahao.baidu.com/s?id=1871950485028136099.
[14] 阿里 1688. Mellanox InfiniBand 交换机公开报价[DB/OL]. (2026-07-30)[2026-08-04]. https://www.1688.com/.
[15] 新浪新闻. 算力租赁价格暴涨带动整机价格上升[N/OL]. (2026-07-19)[2026-08-04]. https://sina.cn/news/detail/5322337177832952.html.
[16] 兰州市发改委. 数据中心纳入节能降碳重点领域[N/OL]. (2026-07-31)[2026-08-04]. http://fgw.lanzhou.gov.cn/.
[17] 中国信通院. 国内 H100 算力整体缺口与排单周期报告[R/OL]. (2026-Q1)[2026-08-04]. https://www.caict.ac.cn/.
[18] 国家能源局. 十五五时期算力用电量预测[R/OL]. (2026)[2026-08-04]. http://www.nea.gov.cn/.
[19] 百度百科. 中国联通（青岛）智算中心词条[EB/OL]. (2026-07-08)[2026-08-04]. https://baike.baidu.com/.
[20] 腾讯云. 万亿参数模型训练算力成本分析[R/OL]. (2026-05-08)[2026-08-04]. https://cloud.tencent.com/developer/article/2666040.
它是数字世界里的一把杀猪刀
却总能巧夺天工
它的世界是纯粹0、1组合
却总能创造无尽幻想
......
本公众号关注数据分析、编程学习、历史知识，将不定期更新社会热点数据分析、编程技巧、历史故事，为社会的发展出一份微薄之力，欢迎有兴趣的小伙伴加入。
关注我，获得更多价值信息