📢 Gate 廣場 TradFi 交易分享挑戰上線！
晒单瓜分 $30,000 獎池，新人首帖 100% 中獎！
📌 參與方式：
帶 #TradFi交易分享挑战 發帖，滿足以下任一即可：
🔹 帶今日指定 TradFi 幣種標籤發帖交流。
🔹 完成單筆大於 $10U 的 TradFi CFD 交易並掛載交易卡片。
🏷️ 今日指定標籤：USDJPY、AUDUSD、US30、TSLA、JPN225
🎁 寵粉福利：
1️⃣ 卡片分享獎： 抽 50 人，每人送 $100 仓位體驗券！
2️⃣ 發帖榜單獎： 衝排行榜，贏 WCTC 限定 T 恤！
3️⃣ 新粉見面禮： 新人首次發帖，100% 領 $10 體驗券！
詳情：https://www.gate.com/announcements/article/51221
摩根士丹利大中華區半導體研究於2026年5月8日發布了一份新報告。
-> 機架和伺服器仍然是最大的資本支出驅動因素，約佔1GW數據中心成本的58%至63%，不包括HBM和CPU。
-> 對於定制ASIC，機架和伺服器的比例要低得多，約佔總成本的39%。這是超大規模運營商持續推動內部硅片的最明顯原因。
-> 摩根士丹利估計，一個1GW的NVIDIA GPU數據中心成本為：
Vera Rubin：約$NVDA
GB300：約$41B
B200：約$33B
H100：約$24B
與定制ASIC相比：
TPUv7：約$23B
Trainium3：約$27B
-> 當前世代的NVIDIA系統每GW的成本可能比定制ASIC高出約2倍。Vera Rubin在此估算中幾乎是Trainium3的3倍。
-> 這並不意味著定制ASIC自動更好。NVIDIA仍然擁有最強的全棧生態系統、軟件、網絡、可用性和模型支持。但這顯示了為什麼超大規模運營商在擴展ASIC方面具有巨大的經濟激勵。
-> 第二大成本類別是網絡，約佔大多數系統的19%至23%。
-> 電源殼、冷卻、DRAM、HBM和CPU都很重要，但相較於機架、伺服器和網絡，它們是次要的。
-> 這對機架規模基礎設施供應商也是看漲的，因為AI資本支出辯論不僅僅是GPU與ASIC的較量，而是機架、網絡、電力傳輸、冷卻和整個數據中心建設。
-> 超大規模運營商世界將在高端NVIDIA集群（以實現最大性能和靈活性）與定制ASIC集群（以降低成本、優化工作負載）之間分裂。
-> NVIDIA仍然掌握著AI基礎設施資本支出的最豐富部分，但定制ASIC正成為超大規模運營商用來降低長期依賴的成本壓力機制。