深度学习和生成式 AI 大爆发，全球都在抢建算力中心。但很少有人算过一笔账：一座 AI 算力中心，到底要花多少钱？钱都花在哪？ 本文从显卡、基建、电费三个成本项拆解，回答这个问题。以近期备受关注的乌兰察布 1GW 算力中心项目为例（功率约等于一座小型发电站，够 100 万户家庭同时用电）。

---

一、成本项一：显卡，最贵的一块

算力中心的核心是 GPU 显卡。以英伟达 B200（当前最高端型号）为例，拆解机构 Silicon Analysts（2026-03）公开的拆解数据：

项目	金额	说明
市场售价	约 4 万美元/张（29 万人民币）	供不应求的卖方市场
制造成本	约 6,750 美元（4.9 万人民币）	HBM3E 高带宽内存占 48%
英伟达毛利率	约 83%	单张毛利约 3.3 万美元

一个 1GW 算力中心大约需要 30 万张这样的显卡：

30 万张 × 4 万美元 = 120 亿美元（约 864 亿人民币）——这还只是裸显卡，不含服务器、高速网络（一套万卡集群的网络投资就达百亿级）。

关键结论：显卡是算力中心最大的单项成本，而显卡本身是垄断性供给——价格由卖方决定。 这也解释了为什么全球算力扩张的成本如此之高。

---

二、成本项二：数据中心基建，钱花在哪

显卡之外，一座数据中心还有厂房、供配电、散热、储能、电网接入。英伟达代工伙伴鸿海董事长刘扬伟给过一个行业口径：

每 1GW 英伟达数据中心，全部建成需约 470 亿美元（约 3,384 亿人民币），年电费约 13 亿美元。

470 亿美元包含哪些？大致拆解：

组成	说明
GPU 及服务器	占比最高（见成本项一）
供配电系统	数据中心电力密度高，变压器/配电柜/不间断电源投入巨大
散热系统	高功率芯片发热量大，液冷方案成为主流
土建与机房	厂房、承重、消防、安防
高速网络	万卡集群的 InfiniBand 交换网络，投资百亿级

关键结论：算力中心是重资产生意——先期投入极高，且设备更新换代快（GPU 每 1-2 年迭代一代），折旧压力大。

---

三、成本项三：电费，为什么选址决定一切

机房建成后，最大的运营成本是电费。1GW 算力中心一年耗电多少？

1GW × 8760 小时/年 × 60% 负载率 ≈ 52.6 亿度/年

电价每差 1 分钱，一年就差 5,200 万元；差 5 毛，一年就差 26 亿元。这就是选址的经济学：

选址	电价（元/度）	一年电费（1GW）
乌兰察布（园区直供）	约 0.2	约 10.5 亿元
东部一线城市	约 0.7	约 36.8 亿元
一年节省	—	约 26 亿元

为什么乌兰察布电价这么低？因为它处于国家"东数西算"八大枢纽之一、内蒙古枢纽核心节点，园区直供电价低至 2 毛出头/度（比居民峰谷电价还低，居民一般 5-6 毛/度），且内蒙古是全国风光装机第一省区，绿电供给充裕。

关键结论：对一座年耗电以"亿度"计的算力中心，电价是最可控的大成本——选址几乎决定电费高低。"东数西算"把算力往西部搬，不是情怀，是账本。

---

四、三笔成本加总：算力中心的钱花在哪

把三个成本项放一起，一座 1GW 算力中心的成本结构一目了然：

成本项	金额	占比特征
显卡（30 万张 B200）	约 120 亿美元	最大单项，且价格由卖方决定
数据中心全套（1GW）	约 470 亿美元	含基建+供电+散热+网络
年电费	约 13 亿美元（乌兰察布 10.5 亿元/年）	持续运营大头，选址决定

核心结论：

1. 显卡是最大头：占了总投入的大半，且受制于卖方（英伟达毛利 83%）——算力中心建造成本的下限，由芯片价格决定；
2. 基建是重投入：1GW 是千亿人民币级项目，属于"先烧钱、后产出"的重资产生意；
3. 电费是持续成本：选址决定电价，电价决定每年数十亿的运营成本差——"东数西算"的本质是拿廉价绿电换算力产能。

这套成本结构，也是理解 AI 大模型定价逻辑的基础：模型的 API 价格能定多低，取决于算力中心能把显卡、电费、折旧这三笔成本压到多低。 谁在成本端有优势，谁就能在价格战里站得更久。

---

五、附：成本测算代码（可复现）

以下 Python 代码复现本文核心测算，标准库自包含，可直接运行：

# AI 算力中心成本测算（基于公开报道数据，单位：亿美元）
# 数据来源：Silicon Analysts、鸿海刘扬伟公开讲话、国际新能源网

# 1. 显卡成本
cards_needed = 300000      # 显卡数量（张）
b200_price = 4.0           # B200 单价（万美元）
b200_cost = 0.675          # B200 制造成本（万美元）
gpu_total = cards_needed * b200_price / 10000  # 亿美元
gpu_margin = (b200_price - b200_cost) / b200_price * 100

# 2. 数据中心总投入
total_investment = 470.0   # 1GW 全套（亿美元）

# 3. 年电费对比（亿元）
annual_kwh = 1_000_000_000 * 8760 * 0.6 / 1e8   # 亿度
price_wulan = 0.2          # 乌兰察布（元/度）
price_east = 0.7           # 东部一线（元/度）
cost_wulan = annual_kwh * price_wulan
cost_east = annual_kwh * price_east

print("=" * 60)
print("AI 算力中心成本测算（1GW 口径）")
print("=" * 60)
print(f"30万张B200总价: {gpu_total:.0f} 亿美元")
print(f"英伟达B200毛利率: {gpu_margin:.0f}%")
print(f"1GW 数据中心总投入: {total_investment:.0f} 亿美元")
print(f"年耗电量: {annual_kwh:.1f} 亿度")
print(f"乌兰察布年电费: {cost_wulan:.1f} 亿元")
print(f"东部一线年电费: {cost_east:.1f} 亿元")
print(f"年电费差: {cost_east - cost_wulan:.1f} 亿元")
print("=" * 60)
print("注: 显卡占投入大半；电费差由选址决定，是可持续运营的关键变量")

输出结果：

============================================================
AI 算力中心成本测算（1GW 口径）
============================================================
30万张B200总价: 120 亿美元
英伟达B200毛利率: 83%
1GW 数据中心总投入: 470 亿美元
年耗电量: 52.6 亿度
乌兰察布年电费: 10.5 亿元
东部一线年电费: 36.8 亿元
年电费差: 26.3 亿元
============================================================
注: 显卡占投入大半；电费差由选址决定，是可持续运营的关键变量

---

常见问题

Q1：为什么显卡占算力中心成本的大头？

因为 GPU 是算力中心的核心算力来源，且处于供不应求的卖方市场。英伟达 B200 售价约 4 万美元/张、制造成本仅 6,750 美元（毛利率约 83%），30 万张就是 120 亿美元。芯片是算力中心建造成本的下限。

Q2：1GW 算力中心为什么要 470 亿美元？

这是英伟达代工伙伴鸿海董事长刘扬伟的公开口径（涵盖显卡、服务器、土建、供配电、散热、网络全套）。1GW 是千亿人民币级项目，属于典型的重资产投入。

Q3：为什么算力中心都往西部建？

核心是电价。乌兰察布园区直供电价约 0.2 元/度（比居民电价还低），东部一线约 0.7 元/度——1GW 一年电费差 26 亿元。"东数西算"国家枢纽 + 廉价绿电 + 充裕的土地和能耗指标，让西部成为算力选址的最优解。

Q4：算力成本高，对 AI 模型定价有什么影响？

模型的 API 价格取决于算力中心的单位成本（显卡折旧+电费+人力）。谁能把显卡、电费、折旧压到最低，谁就能在价格上更有竞争力。这也是为什么头部模型厂商都在算法省电（如混合专家架构）和选址降本（西部绿电）上下功夫。

---

数据来源：

• B200 售价/制造成本/毛利率：Silicon Analysts（2026-03）
• 1GW 数据中心 470 亿美元/年电费 13 亿美元：鸿海刘扬伟公开讲话（华尔街见闻，2026）
• 乌兰察布电价/东数西算枢纽/电费差：国际新能源网（2026-08-06，引彭博社 8-1 报道）
• 年电费测算（1GW × 8760h × 60% 负载）：作者按行业常规口径粗算，标注假设

本文为算力产业成本结构的技术分析，数据来自公开报道与行业口径，可能存在偏差。