免责声明：本内容仅供行业信息交流与知识分享研究之用，不构成任何形式的投资建议，内容数据来源于公开信息，市场有风险，投资需谨慎。最近微信公众平台推送规则改变，很多读者反馈没有及时看到更新的文章。根据规则，建议多点击“推荐阅读、分享、收藏”等，成为常读用户。

一、报告核心数据：六年 7.6 万亿美元 AI 实体资本开支

2026 年 4 月高盛全球研究院发布《Tracking Trillions: The Assumptions Shaping the Scale of the AI Build‑Out》，跳出市场单纯讨论 AI 商业化回报的需求侧视角，从算力硬件、数据中心、配套电力三大实体基础设施测算：2026—2031 年全球 AI 累计资本开支基准值达7.6 万亿美元，年度投入从 2026 年 7650 亿美元稳步增长至 2031 年 1.64 万亿美元，六年复合增速 16.5%。

资金结构清晰划分三大板块：计算硬件 5.1 万亿美元（占比 67%，绝对核心）、数据中心建设 2.1 万亿美元、电力配套 3580 亿美元。

报告最大创新在于推翻传统科技周期规律：过往互联网、云计算遵循 “基建先行、应用滞后”，但 AI 时代算力建设与工业智能化改造同步推进，制造、能源、物流、半导体全行业同步加码算力配套，资本开支周期拉长至 6 年以上，产业持续性远超市场短期预期。

测算模型锚定英伟达数据中心收入预期作为算力需求代理指标，不主观预判 AI 终端需求，仅搭建供给侧假设框架，量化不同变量对万亿投资规模的扰动，揭示市场忽略的底层逻辑：7.6 万亿并非固定数字，整体盘子高度依赖四大核心变量。

二、四大关键变量，直接重塑万亿投资总量

报告明确四大假设是决定 AI 资本开支上限与下限的核心，其余行业热点仅改变利润分配，无法大幅增减总投入规模。

（一）AI 芯片经济使用寿命：影响最大的单一变量

GPU、ASIC 等加速器是算力核心，芯片折旧周期 4—6 年，远短于数据中心（20 年）、电力设施（25 年），微小寿命变动即可撬动数千亿资金变化。

行业现状：英伟达维持每年一代架构迭代，Blackwell、Rubin 芯片性能呈阶跃式提升，前沿大模型训练仅 2—3 年就会淘汰旧芯片；但分层部署模式拉长使用周期，老旧 GPU 可用于推理、边缘计算、合成数据生成，当前行业普遍采用 5 年折旧标准。

情景测算：若芯片平均寿命由 4 年拉长至 6 年，六年计算板块累计资本开支从 3.48 万亿美元降至 2.59 万亿美元；若缩短至 3 年，算力投入将飙升至 3.99 万亿美元，芯片更新节奏直接决定行业年度折旧压力与扩产强度。

产业映射：短期芯片迭代加速将持续推高硬件采购需求；中长期分层复用模式缓和资本开支压力，推理市场成为老旧芯片消化出口。

（二）AI 数据中心成本与密度升级

传统云机房每兆瓦造价约 1000 万美元，机架功率仅 5—15kW；而 Blackwell 架构 AI 机房单柜功率 130—200kW，下一代 Rubin 平台机柜功耗突破 500kW，必须配套液冷、高压直流供电、冗余配电，基准模型采用1500 万美元 / 兆瓦造价测算。 敏感性测试显示，每兆瓦成本从 1100 万抬升至 1900 万，六年数据中心总开支从 1.57 万亿扩大至 2.72 万亿美元。核心矛盾在于 AI 机房高度定制化，不到两年前设计的过渡型数据中心，已无法适配新一代高功耗 GPU，长周期固定资产反而存在快速贬值风险，倒逼厂商持续新建专用智算中心，持续拉动机房、温控、配电设备需求。

（三）芯片架构选择：只改变利润分配，不改变总需求

当前算力供给以英伟达 GPU 为主，长期存在 ASIC 定制芯片替代趋势，但最终总资本开支规模取决于算力需求弹性：

需求无弹性场景：企业算力需求固定，ASIC 更低硬件成本会直接压缩整体投资规模；

需求弹性场景（当前行业现状）：算力成本下降刺激更大模型、更广产业部署，硬件总投入基本不变，利润从 GPU 厂商转移至云厂商、自研芯片企业。 报告判断当前处于需求弹性阶段，GPU 与 ASIC 并行共存，架构竞争更多影响产业链盈利分配，不会收缩 7.6 万亿整体投资大盘。

（四）基建瓶颈拉长建设周期：扰动投放节奏，不缩减长期总量

电力并网审批、特种变压器 / 液冷设备交付周期、专业施工人力短缺，共同拉长数据中心落地周期。基准情景下，瓶颈仅延缓资本投放节奏，长期规划算力设施仍会全部落地；极端压力情景下，项目大规模延期会引发市场对 AI 需求的质疑，云厂商主动缩减资本开支计划，带来阶段性行业景气下行。

电力、设备交付瓶颈是当下最现实约束，也直接推升配套电力、温控设备长期溢价。

三、不改变总投资规模，但决定赛道景气分化的次要逻辑

报告区分两类变量：一类扰动万亿总盘子，另一类仅改变细分赛道盈利、行业波动，不影响整体资本开支总量，也是市场炒作的主流主线：

训练与推理比例：仅影响现金流回收速度，推理占比提升会加快投资回本，不会减少硬件采购总量；

内存价格波动：HBM、服务器内存涨价 / 降价仅改变算力硬件内部成本结构，算力总投入规模不变；

自备电厂 vs 电网购电：厂内发电抬高单项目电力投入，但电力板块整体占 AI 资本开支仅 4.7%，无法撼动 7.6 万亿基准；

存储、光模块、PCB、覆铜板等配套材料价格周期，只会带来细分行业盈利波动，整体算力建设规划保持稳定。

该结论明确市场主线：算力芯片、数据中心、电力是长期核心赛道；PCB、液冷、光模块、覆铜板等配套环节为弹性受益分支，行情跟随资本开支投放节奏波动。

四、7.6 万亿资金流向：全产业链受益环节梳理

1. 计算硬件（5.1 万亿，核心主线）

上游 GPU、HBM、CPU、ASIC 芯片占据最大份额，配套服务器整机、高速 PCB、高频覆铜板、HVLP 铜箔、800G/1.6T 光模块同步放量。AI 服务器单台硬件价值为传统服务器数倍，高频高速 CCL、高端 PCB 进入量价齐升周期，覆铜板、铜箔近期多轮涨价底层支撑即来自算力资本开支持续扩容。

2. AI 数据中心（2.1 万亿，高增速增量）

区别传统风冷机房，新一代高密度智算中心刚需液冷温控、高压直流电源、干式变压器、高速布线。单柜功率突破 100kW 后，风冷达到物理极限，冷板、浸没式液冷进入规模化落地期；配套 UPS、HVDC 电源、特种变压器需求持续高增，机房土建、机柜、高速连接器同步受益。

3. 电力配套（3580 亿，长期约束瓶颈）

AI 集群耗电量堪比中型国家，现有电网承载能力不足，数据中心配套变电站、储能、绿电自备机组、电力传输设备迎来长期扩容。电力瓶颈是制约算力落地的核心短板，具备电力配套一体化能力的数据中心运营商长期具备稀缺溢价。

五、行业核心风险与中长期趋势

（一）四大潜在风险

芯片迭代超预期：GPU 经济寿命缩短至 3 年以内，云厂商折旧成本大幅抬升，被迫下调资本开支计划；

数据中心成本持续上行：液冷、特种电力设备供给紧缺，每兆瓦造价突破 1900 万美元，整体投资规模大幅抬升但行业盈利承压；

电力瓶颈持续恶化：电网审批、设备交付长期滞后算力建设，大量算力项目延期，资本开支落地不及预期；

算力需求无弹性：通用大模型落地放缓，产业算力需求饱和，ASIC 降本带来整体硬件投资收缩。

（二）中长期产业趋势

投资周期拉长：2026—2031 年持续六年高资本开支，不存在短期行情兑现后景气快速回落；

产业链价值下沉：前期市场聚焦 GPU 芯片，后期数据中心、液冷、电力、高速材料等配套环节价值占比持续提升；

产能结构高端化：低功率传统机房逐步淘汰，500kW 以上超高密度 AI 工厂成为建设主流，液冷、高频基材长期刚需；

分层算力格局成型：前沿训练集群持续采购最新 GPU，老旧硬件下沉推理、边缘场景，全周期硬件需求稳定。

六、报告总结

高盛 7.6 万亿美元 AI 资本开支测算，打破市场单一需求端估值逻辑，证明 AI 实体基建是跨 6 年的长周期产业红利。整体投资规模由芯片寿命、机房成本、电力瓶颈四大供给变量主导，算力芯片、数据中心、电力是三大核心主线，覆铜板、PCB、液冷、光模块等配套环节同步充分受益。

当前市场处于 AI 基建建设中段，资本开支逐年上行趋势明确，短期供需博弈带来板块震荡，但万亿级产业投入支撑硬件产业链长期景气；投资层面优先布局高壁垒、供给刚性的算力配套赛道，规避仅依赖短期题材、无长期资本开支支撑的细分领域。

温馨提示：

因最近微信公众平台推送规则改变，很多读者反馈没有及时看到更新的文章。根据最新规则，建议多点击“推荐阅读、分享、收藏”等，成为常读用户。