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。
->