1吉瓦AI算力成本超600亿美元，芯片利润占大头

10月24日，在华美半导体专业协会（CASPA）CEO峰会的半导体行业展望圆桌上，SemiAnalysis创始人迪伦·帕特尔（Dylan Patel）与伯恩斯坦分析师斯泰西·拉斯贡（Stacy Rasgon）算了一笔引人注目的账：建设1吉瓦AI算力，成本已从约400亿美元涨到600亿美元以上；而如果把英伟达、博通、Marvell等芯片设计公司的利润全部去掉，同样的1吉瓦只要约200亿美元。也就是说，在帕特尔的算法里，芯片设计环节的利润池约占AI基建总成本的三分之二。

一笔账：从400亿到600亿，再到200亿

这场圆桌由Chipstrat的奥斯汀·莱昂斯主持。帕特尔给出的三个数字口径并不相同，需要分开理解：约400亿美元是几年前的1吉瓦建设成本，600亿美元以上是如今的全口径成本，而约200亿美元则是“去掉芯片设计公司利润”之后的假设推演——不是一份可以下单的报价，而是衡量利润池有多大的标尺。由此他推导出一个颇具冲击力的结论：如果大模型公司能以接近成本价拿到芯片，用1吉瓦推理算力赚到的钱，理论上就能支付5吉瓦的建设成本。这正是OpenAI、Anthropic、谷歌、亚马逊、Meta、微软纷纷投身自研芯片的经济动机。

拉斯贡则从另一角度做了注脚：英伟达自己的参考数字是Blackwell约250亿美元、Rubin约400亿美元（按每吉瓦计），但性能提升了约10倍。在他看来，关键从来不是吉瓦本身贵了多少，而是每美元能换来多少性能、多少Token：只要性能涨幅持续跑赢售价涨幅，这笔账对客户就是划算的；反之，如果下一代架构只比上一代好20%，利润与定价的争议就会立刻尖锐起来。他还提醒，英伟达的利润率处于约七成的高位，这也是市场始终追问其利润能否维持的原因。

自研潮：OpenAI打样，Anthropic想用一半时间追上

帕特尔披露的自研进展是这场讨论最具体的部分。据他介绍，OpenAI的第一代自研芯片已进入SemiAnalysis实验室：团队用开源推理基准InferenceX跑了一批开源中国模型，结果表现优于Blackwell，而且这款第一代芯片在设计与编程过程中大量使用了AI工具。Anthropic则刚刚启动自己的芯片项目，目标是用OpenAI一半的时间拿出芯片。帕特尔认为这个目标“非常激进”，但并非空谈：从芯片能跑起来到软件能跑起来的周期正在迅速压缩——为英伟达适配InferenceX花了约6个月，为OpenAI只花了一个半月。与此同时，谷歌开始对外销售TPU，亚马逊的Trainium已可在PyTorch中完全使用。帕特尔指出，2026年英伟达在HBM、CoWoS等关键供给中的份额已经开始下降，谷歌、亚马逊、AMD正在拿走份额——尽管由于市场基数增长极快，英伟达的盈利仍在翻倍。

融资收紧：没有大厂承购，新云厂商几乎借不到钱

如果说自研芯片是成本侧的解法，融资就是需求侧的刹车。圆桌开始时，主持人抛出了一个数字：10年期美债收益率超过5%，而新云厂商（neocloud）的无担保债券收益率接近15%。拉斯贡坦言，超大规模厂商曾是“人类历史上最能赚钱的企业”，如今却在烧钱，甚至可能需要增发股权融资。帕特尔的判断更为直接：一年多以前，任何一家云厂商想要资本都能拿到；现在，如果没有来自大厂或顶级AI实验室的高质量承购，一家普通的云厂商根本建不起算力——有Anthropic或OpenAI承购的项目，债务定价也要13%到15%；他举例说，为Anthropic建设集群的Volta，债券票息12%，但以95美分的价格发行，实际收益率约15%。为了把项目推过融资门槛，各种“创造性结构”正在出现：英伟达与部分项目约定收入分成、以保证价出租集群；为Anthropic建集群时，Lambda也与英伟达做了约10%的收入分成；博通对Anthropic则采用类似“先租后买”的方式，把付款拉长到几年。

真正的瓶颈：不是电力，而是基板与内存

在瓶颈排序上，帕特尔给出了一个反直觉的结论：最大的瓶颈不是电力，而是基板。基板、PCB材料等环节长期投资不足，而日本的材料厂商又相对保守、不愿大举扩产，导致未来两年加速器、CPU乃至所有部件的供给都受限。其次是内存，再往后是光学环节——即便某家大公司想在2028年全面转向共封装光学（CPO），激光器、光纤接合等部件的产能也跟不上。电力反而没那么可怕：明年全球有近50吉瓦的数据中心正在建设，其中美国约35吉瓦，中国7到8吉瓦；现场涡轮机、往复式发动机、燃料电池等手段正在缓解电力瓶颈。拉斯贡补充说，约束未必是坏事：它可能阻止重蹈互联网泡沫时期“地里埋着用不上的暗光纤”的覆辙，让周期“更强、更久”。

影响与展望：未来两年是利润保卫战

综合来看，这场圆桌描绘的图景是：成本在涨、融资在紧、自研在加速，而最终的裁决者是企业级需求。拉斯贡举了一个身边的例子：他团队的一名分析师用Claude搭建一个包含10年历史与预测的公司财务模型，只用了1小时20分钟——同样的工作交给分析师可能要一周。这正是企业愿意持续付费的前提。但帕特尔也划出了一条时间线：至少在未来两年，英伟达和博通大概率还能维持惊人的利润率；两年之后则未必。市场已经提前表达了这种怀疑——拉斯贡指出，英伟达相对费城半导体指数的估值已接近过去十年来的最低水平附近，投资者担心的与其说是需求会不会消失，不如说是领跑者会不会被自己的客户取代。对中国读者而言，这场讨论还有一层现实含义：当芯片设计越来越像软件——可验证、可加速、参与者正在爆炸式增长——设计环节的利润池迟早会被压缩。但帕特尔也提醒了一个硬门槛：掩模与EDA工具等固定成本仍高达约5000万美元，设计商品化不会一夜完成。未来两年，AI基建之争的焦点将不再是“吉瓦贵不贵”，而是：每美元算力能换来多少Token？谁来为下一吉瓦买单？当大模型公司都学会自己造芯时，今天的芯片巨头还能守住多少利润？需要提醒的是，本文引用的600亿、200亿、15%等数字，均出自圆桌嘉宾的现场发言与分析师估算，并非相关公司的财报披露；不同嘉宾的口径也不宜直接相减。它们的价值在于揭示方向——AI基建的利润分配正在被重新谈判，而谈判桌上已经坐满了曾经的买家。