跳至主要內容
FAQ

高盛預測2026–2031年AI基礎建設支出達7.6兆美元:輝達吃走四分之三

高盛最新研究報告指出,2026至2031年間AI基礎建設累計資本支出將達7.6兆美元,年度投資規模從7650億美元攀升至1.6兆美元。輝達預計囊括5.1兆美元運算層中的75%份額,而電力供應不足則成為整個建設周期最棘手的瓶頸。

1 分鐘閱讀

這個數字大到需要讓人停下來仔細讀一遍。高盛(Goldman Sachs)最新的AI基礎建設研究報告,描繪出一幅2026至2031年間累計7.6兆美元的支出地圖——相當於美國年度GDP的四分之一,在六年時間內全數砸入運算晶片、資料中心與電力基礎建設。

這份報告在一個特殊時刻出爐:就連規模最大的超大型雲端業者(hyperscaler),也開始說不清自己的資本究竟流向何處。亞馬遜、微軟、谷歌、Meta四巨頭在2025年的AI基礎建設支出合計約達3,200億美元。高盛的預測意味著這個步伐不只持續,而且還會加速:年度AI資本支出將從2026年的7,650億美元,成長至2031年的1.6兆美元。

三層結構拆解

高盛將整個建設浪潮分成三個層次。

運算層:5.1兆美元。 這是最大的支出類別,涵蓋GPU、專用AI晶片(ASIC)以及連接這些晶片的網路互連架構。報告預測輝達(Nvidia)將拿走這層75%的份額,換算下來約為3.8兆美元的累計營收。相較於輝達目前約2.3兆美元的市值,這個預測讓人困惑:究竟是股票已經過度高估,還是市場還低估了真正的上行空間?

報告採用的基準單位是Rubin VR200 GPU,每顆售價8萬500美元。儘管亞馬遜(Trainium)、谷歌(TPU)、Meta(MTIA)、微軟(Maia)都在大力研發自有AI晶片,高盛分析師的結論是:在訓練工作負載上的性能差距,迫使超大型業者在採用自研晶片的同時,仍須持續購買輝達硬體——不是取代策略,而是對沖策略。

資料中心:2.1兆美元。 承載AI運算的實體基礎建設,正在經歷高盛所稱的「根本性架構重塑」。傳統雲端基礎建設的機架用電密度為每架5至15千瓦;當前Blackwell世代的AI設施已達每架130至200千瓦;下一代AI工廠——設計用來容納2027至2028年世代的晶片——每架將超過500千瓦,需要目前尚未大規模存在的液冷基礎建設。

建造成本也反映了這個轉變。傳統超大型資料中心的造價約為每兆瓦1,000萬美元,AI優化設施現在的每兆瓦造價已達1,500至2,000萬美元——電力合約還沒算進去,光是建設成本就貴了50至100%。生產液冷系統和電源分配設備的Vertiv,成為這波建設浪潮最直接的下游受益者:液冷市場規模預計從55億美元成長至2030年的157.5億美元。

電力:3,580億美元。 金額最小的類別,卻是運營上最受束縛的瓶頸。「我們最大的限制就是電力,」亞馬遜執行長安迪·賈西(Andy Jassy)今年公開表示——微軟薩提亞·納德拉(Satya Nadella)和谷歌桑達爾·皮查伊(Sundar Pichai)在各自的法說會上也都說過類似的話。

西方主要市場大型資料中心的電網接入時程,現在動輒需要三至五年——土地許可、接入排隊、電網升級,每個環節都在拖。這推著超大型業者轉向非傳統電力來源:Vistra與Meta簽下涵蓋逾2,600兆瓦核電產能的20年協議,另與AWS簽署獨立合約;微軟承諾支持三哩島核電廠重啟;谷歌與地熱和先進核能業者達成協議。高盛在這些交易宣布後,調升了Vistra等多家電力股評級。

最關鍵的變數:晶片折舊週期

報告中技術含量最高、也最值得投資人仔細研讀的部分,是針對晶片折舊週期的敏感性分析。AI晶片以固定資產形式入帳,設定耐用年限,而這個會計假設會對總體建設成本產生巨大差異。

若採三年替換週期(積極,反映新GPU世代讓前代產品快速折舊的現實),累計運算折舊達3.99兆美元。若採七年週期(保守,反映傳統企業IT週期),折舊降至2.23兆美元。單一假設的差距:1.76兆美元。

這個數字對讀報告的投資人而言至關重要——它決定了需求預測的可信度。如果輝達在2025年推Rubin、2027年推Feynman、2029年再推下一代,超大型業者就面臨每24至36個月就得更新一次的壓力,以維持訓練效率。替換週期越短,資本支出就越高,高盛7.6兆美元的基本情境也就越有可能成真。

需求論述的支柱

高盛的多頭假設建立在三個論點上。第一,AI推論需求成長速度快於基礎建設部署速度,這個缺口產生了對新運算設備的持續拉力。第二,模型能力提升創造新應用場景的速度,快過既有場景的貨幣化速度——也就是市場在舊投資回收之前就已擴大。第三,地緣政治因素(美中晶片管制、歐洲主權訴求、印度國家AI計畫、韓國運算承諾)創造出多個並行的需求迴圈,而非單一整合市場。

下行風險同樣存在,高盛並不迴避。超大型業者的AI基礎建設投資報酬率,至今在大規模應用上仍未獲充分驗證。Meta的廣告營收提升和微軟Azure的AI溢價是真實的,但相對資本承諾而言體量仍小。一旦大型語言模型碰到能力天花板——如果規模定律(scaling law)開始彎曲——需求邏輯將在設施尚未回本前先行崩潰。

這份報告告訴投資人什麼

從投資角度看,高盛這份報告既是研究文件,也是一張資金流向地圖。輝達的運算地位是核心節點,但整個生態系統都能從資本支出浪潮中受益,與哪家LLM架構勝出無關。SK海力士和三星(HBM4E高頻寬記憶體)、Arista和思科(網路設備)、Vertiv(液冷)、Vistra和Constellation(電力)、光纖骨幹服務商——全都在這筆資本支出的下游。

7.6兆美元不是保證,而是一個條件情境:AI能力持續進步、企業對代理AI系統的採用達到超大型業者所預測的滲透率、地緣政治干擾不會進一步分裂已然破碎的全球晶片供應鏈。

考量到高盛2024年的預測在2025年大幅上修,2025年又再次上修才有了這份2026年報告,下一個版本最可能出現的,是比7.6兆美元更大的數字。

這場建設浪潮已有了自己的慣性。問題只剩下:誰來吃掉利潤空間。

高盛 AI基礎建設 資本支出 輝達 資料中心 電力基礎建設 AI投資
分享

相關報導

博通聯手阿波羅、黑石組建 350 億美元 AI 基礎設施財團

博通(Broadcom)、阿波羅全球管理(Apollo Global Management)與黑石集團(Blackstone)宣布共同組建 350 億美元財團,投資 AI 運算、自製晶片、網路交換設備及資料中心實體建設,Anthropic 為首批合作夥伴。此舉標誌著私募股權與信貸市場正成為 AI 基礎設施建設週期的直接資金來源,而非只是科技公司的內部資本支出。

1 分鐘閱讀

NVIDIA 發布 Rubin 平台:六款新晶片、推論成本降低十倍

NVIDIA 公布完整的 Rubin 平台規格,包含 Vera CPU 與 Rubin GPU 在內共六款晶片,預計 2026 年下半年上市。NVIDIA 宣稱相較現行 Blackwell 世代,推論 token 成本可降低十倍、訓練混合專家模型所需 GPU 數量減少四倍,若規格屬實,這將大幅重塑大規模 AI 部署的經濟模式。

1 分鐘閱讀