对于这轮 AI 高涨到底是不是泡沫这个问题，以前两年争论按捺。但在反复参谋“这些钱花得值不值”之前，咱们似乎齐默许了一个前提：这笔钱是一个大概笃定的数字。但高盛近期发布的一份阐明觉得，这个前提可能并不成立。

近期，高无垠家辩论院发布了一份名为《Tracking Trillions》的阐明，他们以英伟达（NVIDIA）的前瞻数据中心收入作为锚点，推算出 2026 至 2031 年大众 AI 基础步调累计老本开支的基线：约 7.6 万亿好意思元。其中，规画芯片约 5.1 万亿，数据中心约 2.15 万亿，电力约 3，580 亿。2026 年单年约 7，650 亿好意思元，到 2031 年增至 1.64 万亿。

图丨基准 AI 老本开销总额预测（十亿好意思元）（源流：Goldman Sachs）

]article_adlist-->

但阐明真确念念说的不是 7.6 万亿这个数字高或低，而是这个数字自身极其脆弱。商场民俗把 AI CapEx（老本开销）手脚需求侧问题来参谋：AI的交易化能不行撑起这些参预？但高盛觉得，供给侧的不笃定性雷同弘大，而况被严重低估。建这些东西到底要花若干钱，取决于一小组很少被摊开参谋的假定。

改动其中任何一个，万亿好意思元级别的数字就会随着偏移。

一块芯片该折旧几年

阐明列出了四个最能撬动总量的假定。排在第一位的是 AI 芯片的经济使用寿命。

这是一个正在华尔街激励强烈争论的变量。当今超大规模厂商浩荡按 4 到 6 年的周期对 GPU 工作器计提折旧。但英伟达已转向年度居品发布节拍：Hopper（2022）、Blackwell（2024）、Rubin（2026）、Rubin Ultra（2027）每一代在能效和性能上齐是数目级的跃升，而非渐进式校阅。这使得 5 到 6 年的折旧周期在经济道理上越来越难以自洽。

高盛的敏锐性分析自满，将芯片使用寿命从 5 年缩小到 3 年，2026-2031 年间的隐含年度折旧总额从约 3 万亿好意思元跳升至近 4 万亿好意思元；反过来延长到 7 年，则降至 2.2 万亿好意思元。仅这一个参数的转移，就不错让生态系统承受的折旧成本偏移上千亿好意思元。

图丨芯片使用寿命的敏锐性分析（源流：Goldman Sachs）

着名投资东说念主 Michael Burry 在 2025 年下半年公开作念空英伟达和 Palantir 时，正所以此为中枢论据。他揣测 2026 至 2028 年间，超大规模厂商因高估芯片使用寿命将累计少计约 1，760 亿好意思元折旧，从而使利润虚高跳跃 20%。他的判断是：芯片的真实经济寿命接近 2 到 3 年，刻下的司帐处理不外是一种盈余惩处。

各家厂商的实践动作也呈现出特道理的不合。亚马逊在 2025 岁首将部分工作器的折去年限从 6 年缩小至 5 年，为此承受了约 7 亿好意思元的营业利润冲击，并在 2024 年四季度对一批提前退役的拓荒计提了 9.2 亿好意思元加快折旧。

微软 CEO Nadella 则公开示意，公司正特意拉开不同代际芯片的采购节拍，幸免在单一代居品上包袱四五年的折旧包袱。而 Meta 在三年内三次延长工作器使用寿命，最近一次在 2025 年 1 月，将折旧减少滚动为单季度 29 亿好意思元的利润增量，适值发生在亚马逊缩小折旧周期的统一时刻。

CoreWeave CEO 则给出了违反的笔据：该公司 2020 年购入的 A100 芯片当今仍然满负荷运转，一批协议到期的 H100 被坐窝以原价 95% 的价钱再行租赁。高盛阐明也承认，旧芯片在推理、边缘规画和合成数据生成等低敏锐度场景中仍有经济价值，这种分层部署模式可能相沿更长的使用寿命。

争论的骨子不是技巧问题，而是利润表问题。折去年限决定了每年需要摊销若干成本，进而决定了这场万亿好意思元豪赌的账面汇报率。

数据中心正在形成另一种东西

第二个要道假定是数据中心的缔造成本。高盛的基线假定是每兆瓦 1，500 万好意思元。但阐明指出，这个数字正面对上行压力。

传统云数据中心的缔造成本大概是每兆瓦 1，000 万好意思元。AI 时期的数据中心系数不同：机架功率密度从以前的 5-15 千瓦飙升到 Blackwell 时期的 130-200 千瓦，再到 Rubin 时期的 500 千瓦以上；冷却景色从风冷转向全液冷；规画、内存、收罗和供电必须协同缱绻而非孤独堆叠。

图丨数据中心规格的演进（源流：Goldman Sachs）

NVIDIA 在 2026 年 GTC 上发布的 Vera Rubin 平台将这种压力推向了新的顶点。NVL72 机架将 72 块 Rubin GPU 和 36 块 Vera CPU 封装进表率 42U 机柜，功耗十分于 40 户好意思国度庭，条目 45°C 进水温度的径直液冷和 800V 直流供电，大多数现存步调系数无法承载。异日的 NVL576 建树更是指向每机架 600 千瓦。

高盛的敏锐性分析自满，将数据中心成本从每兆瓦 1，500 万好意思元转移到 1，900 万好意思元，六年累计数据中心 CapEx 从 2.15 万亿好意思元上升到 2.72 万亿好意思元，增量跳跃 5，700 亿好意思元。而况建筑和电力步调的缱绻寿命频频是 20 到 25 年，但当步调的技巧需求可能在投产两年内就发生根人道变化时，长命命金钱的“历久性”反而成了风险。

图丨数据中心成本敏锐性分析（源流：Goldman Sachs）

阐明还点出一个无言的现实：不到两年前建成的“过渡型 AI 数据中心”可能仍是无法知掌握一代芯片的功率和散热需求。当一座数据中心的缱绻寿命是 20 年，但技巧需求可能在投产两年内发生根柢变化时，长命命自身就形成了风险。

省下来的钱，会不会径直花掉

第三个假定波及芯片架构遴荐。

GPU 除外，博亚(中国)一站式服务官方网站越来越多算力阐明过 ASIC（Application-Specific Integrated Circuit，专用集成电路）录用：Google TPU（Tensor Processing Unit）、AWS Trainium、Meta MTIA、OpenAI 与 Broadcom 和谐的定制芯片。这些芯片在特定任务上的每单元灵验算力成本和功耗齐比通用 GPU 低。

仅就近期协议看：Anthropic 在 2025 年 10 月晓喻从 Google 采购至多 100 万颗 TPU，规模“几百亿好意思元”，2026 年 4 月这个和谐蔓延到 5 GW 的 TPU 容量与 400 亿好意思元的 Google 投资。Broadcom 2025 财年的 AI ASIC 营收约 200 亿好意思元，订单积压 730 亿。Morgan Stanley 把 2027 年 TPU 出货量揣测上调到 500 万颗，2028 年到 700 万颗。

但 Lee 和 Greenbaum 更念念问的问题是：这些更低廉的算力，最终会让总缔造规模变小，如故会被新一轮使用汲取掉？

他们把问题归结为一个变量：算力需求的弹性。

一种情景是需求相对固定。机构知说念我方要考研多大的模子、工作若干用户，更低廉的芯片径直减轻老本盘子，架构遴荐实简直在地改动总额。另一种情景是需求随着价钱走。算力变低廉了，团队就会训更大的模子、跑更长的高下文、把 AI 塞进更多蓝本不值得用的场景，省下来的钱又花且归了。总的基础步调规模没变，变的是谁赚走了中间的利润。

阐明提到，NVIDIA 数据中心 GPU 的毛利率约 75%，远高于其他芯片供应商。万亿好意思元乘以 75%，这个利润池将成为超大规模厂商转向自研芯片的最强动机。问题是，这个动机驱动的纵脱是“少费钱”如故“多用量”，谜底系数不同。

当今阐明的基线倾向于后者。在算力需求远未饱和的阶段，低廉的规画催生的是更多使用，而不是更少参预，架构变化改动的是价值分拨而非总盘子。作家也承认这个判断有时效性：当推理负载占比上升、利润率压力增大、边缘算力的汇报驱动递减，更低廉的芯片如实可能驱动压缩总开销。但阿谁阶段还没到。

瓶颈不改形成本，但可能改动信心

第四个假定是缔造周期拉长。电力接入列队、审批过程、专科劳能源枯竭、变压器和冷却拓荒的交货周期（当今 GPU 交货期已延长至 36 到 52 周），齐在拉大老本参预与产能上线之间的时刻差。

延长自身不改动单元成本。电力的价钱、数据中心的每兆瓦造价、芯片的恶果齐不动。它通过另一种景色作用：拉万古刻线、加多和谐复杂度，最终让 take-or-pay 协议的承约方、信贷供给方、依赖二级商场融资的运营方齐泄漏在更长久的不笃定性下。

高盛觉得，在基准情景下，瓶颈仅仅拖慢了部署节拍而非减少了总量。景色宽限、老本近似参预（最典型的是自建发电步调绕开电网列队），纵脱是一个恶果更低但总规模不变的缔造过程。

但当瓶颈足够严重、足够抓久，故事会从供给侧滑向需求侧。当无数景色同期卡住，商场的温雅集从“咱们奈何把它建出来”转向“咱们到底是不是该建这样多”。阐明把这种景象称为反馈回路：供给侧的摩擦倒灌进需求侧的怀疑。

阐明判断刻下环境更接近基准情景，但缓冲不大。五大超大规模厂商 2026 年的 CapEx 指导已所有这个词攀升至约 7，000 亿好意思元（概括多家分析师估算），较 2024 年的 2，000 多亿好意思元翻了两倍多。老本密集度已达到营收的 45%-57%，更像公用业绩公司而非科技公司。

仅 2025 年一年，这些公司就通过债券商场融资跳跃 1，080 亿好意思元，异日几年的瞻望发债规模达 1.5 万亿好意思元。在这个杠杆水平上，实践层面的蔓延很容易传导为需求层面的质疑。

不改动总量的身分，和一个轮回悖论

高盛还列出了几个看上去很贫瘠、但对总量影响有限的身分。

考研与推理的比例变化影响的是回本速率，不是基础步调总量。内存价钱的剧烈波动骨子上是供需失衡在顶点采购量下的反应，高盛瞻望类似的短期冲击还会在光互连、封装等其他阵势反复出现。

自建电力如实举高了单景色成本，但电力在六年累计参预中只占约 3，580 亿好意思元，不到总量的 5%，即使大规模铺开也撼动不了 7.6 万亿的举座数字。这些变量决定的是谁赢利、什么时候赢利，而不是总共要花若干钱。

阐明坦言，其分析建立在一种轮回的逻辑上：要是缔造确凿得手，基础步调铺开、瓶颈运动、算力价钱持续下跌，那么纵脱纵脱随机是弥散，而很可能是新一轮需乞降新一轮场景在更低的价钱点上被激活。今天足以知足 AI 贪念的那一笔缔造，恰正是它对翌日的技巧契机不够用的原因。

参考贵府：

1.https://www.goldmansachs.com/insights/articles/tracking-trillions-the-assumptions-shaping-scale-of-the-ai-build-out

运营/排版：何晨龙

注：封面/首图由 AI 扶植生成博亚(中国)一站式服务官方网站

海量资讯、精确解读，尽在新浪财经APP 博亚体育app中国官网入口