一座1GW的AI資料中心，需要花多少錢？Nvidia Vera Rubin給出的答案是470億美元

要達到1GW等級的AI算力，原本就是數十億美元的巨大投資，但Nvidia次世代Vera Rubin架構將這項成本推升至全新高度。根據Bernstein Research的全面分析，並獲鴻海董事長劉揚偉公開證實，一座單一1GW資料中心的價格標籤是470億美元。

本文將深入解析這470億美元如何分配、與現行Blackwell世代相比的成本差異，以及為何鴻海等公司在AI供應鏈中扮演比以往更關鍵的角色。

470億美元怎麼花？一座1GW Vera Rubin資料中心的成本拆解

Bernstein報告中的470億美元主要由三大項目構成。

• 約3,557台Vera Rubin NVL72機櫃：每台機櫃估價約910萬美元。這個數字明顯高於市場先前流傳的800萬美元。主要原因是記憶體（尤其是HBM）成本的預期上漲。
• 年度電費帳單：運轉如此規模的設施需要龐大電力，年度電費估計約13億美元。
• 其他參考數據：Epoch AI針對一座「典型」（非特定Vera Rubin）1GW AI資料中心的分析，將資本支出（CapEx）定在380億美元，年度營運支出（OpEx）為9億美元，其中伺服器每年攤提成本約佔50億美元。

Vera Rubin vs. Blackwell：跨世代的成本對比

雖然直接比較每機櫃價格較為困難，但兩代的世代差異非常明顯。

• 每機櫃成本：Vera Rubin NVL72機櫃約910萬美元，比Blackwell GB200 NVL72機櫃（估價約600-700萬美元）高出25-50%。
• 功耗：Vera Rubin NVL72機櫃功耗達190-230 kW，遠高於Blackwell GB200的120-130 kW。作為對比，Hopper時代的機櫃約為40 kW。
• 每美元效能：儘管絕對成本更高，但Nvidia宣稱Vera Rubin可提供4倍的訓練效能和最高10倍的推論效能每瓦特，每token成本僅為Blackwell的十分之一。

關鍵硬體成本驅動力：910萬美元機櫃費用花在哪裡？

每機櫃成本的增加不僅僅來自更昂貴的GPU。摩根士丹利的報告提供了詳細的物料清單變化。

• 高頻寬記憶體（HBM）：這是最大的成本驅動力。摩根士丹利估計每機櫃記憶體成本約200萬美元，佔總BOM的25-30%。HBM4供應緊張和更高密度堆疊正大幅推高價格。
• GPU晶片：Rubin CPX GPU仍然是單一最大支出項目，但其BOM佔比正從約65%下降至約51%，因為記憶體和網路成本持續成長。
• 散熱：Vera Rubin要求100%液冷，無氣冷選項。較大的NVL144配置，僅散熱硬體成本預計就超過每機櫃55,000美元。
• 網路、CPU與電源：其他關鍵成本包括NVLink 6交換架構、新的88核Vera CPU，以及全新800V直流電源架構，這些都會增加設施級成本。

鴻海在Vera Rubin供應鏈中的關鍵角色

鴻海不僅是Vera Rubin的供應商，更是其製造與組裝的核心策略夥伴。

• 主要系統建置商：Nvidia將鴻海列為全面生產Vera Rubin的頂級系統建置商之一，其他還包括戴爾、HPE、聯想和Supermicro。
• 全球製造中心：超過100萬個Vera Rubin MGX機櫃組件在台灣25座工廠進行組裝，鴻海是主導整合者。
• 歐洲擴張：2026年6月，Nvidia與**鴻海和Bull（Atos集團）**合作，在歐洲啟動Vera Rubin NVL72的生產，涵蓋設計、建置與驗證。
• 成本估計驗證：鴻海董事長劉揚偉公開引用了470億美元/1GW的成本估計和13億美元的年度電費，證實了Bernstein的分析。
• 深度整合：Nvidia正將其專屬AI軟體堆疊嵌入鴻海的伺服器組裝線，形成晶片設計與製造之間更緊密的整合，提高了合作夥伴的切換成本。