---
id: "mb-20260909-ac9bbb"
kind: "deep"
title: "三年砸进 1.5 万亿美元买芯片和建机房"
topic: "三年砸进 1.5 万亿美元买芯片和建机房"
source_type: "generated"
status: "published"
generated_at: "2026-09-09 14:57:03"
frame_type: ["算力基建资产化与推理吞吐杠杆（Compute I", "机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 三年砸进 1.5 万亿美元买芯片和建机房

三年砸进 1.5 万亿美元买芯片和建机房。
华尔街天天喊着这是人类史上最大的资本泡沫。
投下去的钱到底能不能收得回来？

绝大多数人都在算宏观总账。
四家云厂商一年花掉几千亿，下游 AI 软件的收入才刚过零头，账面怎么看都像一笔赔本买卖。
但如果你不去看那个吓死人的万亿总数，直接蹲到机房门口，把一个标准数据中心的流水账拆开算呢？

2026 年 7 月底，摩根士丹利的布莱恩·诺瓦克（Brian Nowak）团队拉出了一份底层测算报告。
他们抓了一个最扎实的标准物理单元：
一个用电功率达到 1 吉瓦（GW）的数据中心。
里面塞满大约 41 万张英伟达 GB300 显卡。
把这 1 吉瓦的算力工厂当成一台独立机器，投下去的钱到底能换回多少回报率？

算出来的数字让很多人坐不住了：
这台机器的投入资本回报率（ROIC），能跑到 25% 到 50%。

怎么跑出来的？
关键看你用这台机器做什么生意。

最基础的玩法，是当算力包租公。
自己花钱拿地、通电、装上 41 万张 GB300，按小时把算力租给外面的公司。
只要机房的使用率能达到 75%，每张卡每小时租金收到 8.5 美元左右。
这台 1 吉瓦的机器，每年的投入资本回报率就在 31% 上下。
扣掉电费、运营和硬件折旧，增量营业利润率能达到 60% 到 70%。

有人立刻会挑刺：显卡贬值那么快，怎么可能算得过来账？
市场把折旧周期算错了。
数据中心的外壳、变电站、水冷管道和电网接入，物理寿命在 15 年以上。
真正需要每隔五六年更换的，只有机架上的服务器和芯片。
芯片折旧确实猛烈，但机房和供电基建的超长寿命，把每年的平均成本狠狠摊平了。

那要是自己不建机房呢？
跑去当二房东，租别人的算力，在上面部署大模型，再向开发者卖接口调用（API）。
算下来的回报率立刻掉到 25% 到 30%。
因为整条链条上最硬的一道买路钱，已经被底层的机房地主切走了。

最赚钱的玩法，是自己既当房东又做产品：
自己手里攥着 1 吉瓦机房，跑自己研发的顶尖模型，直接向全球客户卖 Token。
同样的 41 万张 GB300，投资回报率直接飙到了 46% 以上。

为什么拥有机房的模型厂能赚这么多？
因为整个行业正从训练时代踩进推理时代。
训练大模型是纯研发投入，只要模型训砸了，烧掉的算力就一笔勾销。
推理完全是另一套财务逻辑。
全世界的企业和个人每发一条指令、每跑一个智能体，机房里的电表就跳一次字。
更致命的是算法提效的红利。
当模型架构优化、单位电力的生成速度翻倍时，多出来的全部利润，全落进了拥有这 41 万张显卡的口袋里。
而那些租别人算力跑模型的公司，大半利润都要乖乖交成租金。

所以华尔街天天争论的万亿泡沫，两边看的根本不是同一张报表。
看空的人是在拿传统软件的尺子量硬件。
互联网软件习惯了 80% 的高毛利和几乎为零的固定资产，一旦看到科技巨头成百上千亿地买钢筋水泥和变压器，就认定是在乱花钱。
但下场抢建机房的巨头，是在给未来的数字世界修收费公路。

修收费站最难的从来不是买显卡，最卡脖子的是抢物理指标。
一个 1 吉瓦的数据中心，用电量相当于 75 万到 80 万户普通家庭。
美国几个主要电网区域的新增并网审批，排队已经排到了 5 到 7 年之后。
大型降压变压器的交货周期，拉长到了 3 到 4 年。
核电站的长协购电协议，一签就是 10 到 20 年。

这笔万亿级的资本开支，压根不是赌某个聊天软件能不能赚钱。
巨头们是在用巨量资金把电网配额、核电站和物理机房全部焊死在自己手里。
外面的应用层再热闹，算法再怎么卷，只要全世界还在用算力，每一行代码的吞吐都要经过他们这 1 吉瓦又 1 吉瓦的收费站。
当所有人都在争论哪个模型能赢的时候，那些把印钞机架在变电站旁边的人，早就坐着收过路费了。

_Rendered by mubei-terminal._