摩根士丹利大中华区半导体研究于2026年5月8日发布了一份新报告。
-> 机架和服务器仍然是最大的资本支出(capex)驱动因素,约占1GW数据中心总成本的58–63%(不包括HBM和CPU)。
-> 对于定制ASIC而言,机架和服务器的占比要低得多,约为总成本的39%。这也是超大规模云服务提供商持续推动内部硅片的最清晰原因。
-> 摩根士丹利估算,1GW NVIDIA GPU数据中心的成本为:
Vera Rubin:~
$NVDA GB300:~$41B
B200:~$33B
H100:~$24B
相比定制ASIC:
TPUv7:~$23B
Trainium3:~$27B
-> 当前一代NVIDIA系统的每GW成本可能比定制ASIC高出多达~2倍。以这一估算来看,Vera Rubin几乎是Trainium3的3倍。
-> 这并不意味着定制ASIC会自动更优。NVIDIA依然拥有最强的全栈生态系统、软件、网络、可用性和模型支持。但这也说明了为什么超大规模云服务提供商在扩大ASIC规模方面具有巨大的经济激励。
-> 第二大成本类别是网络,约占大多数系统的19–23%。
-> Power shell、冷却、DRAM、HBM和CPU都很重要,但相较于机架、服务器和网络而言,它们是次要因素。
-> 这对机架规模基础设施供