2026 年，全球 AI 产业的竞争逻辑正在发生深刻变化。过去，市场更多关注“谁拥有更多 GPU”；而现在，真正决定算力扩张速度的，已经不仅是芯片性能，而是整机柜成本、存储器件价格、供电架构、散热系统以及供应链协同能力。

英伟达新一代 Vera Rubin（VR200）NVL72 机柜的成本拆解，几乎把这一趋势写在了台面上。根据伯恩斯坦的最新测算，单柜综合成本达到 910 万美元，比此前市场流传的 800 万美元预估还要高出一个台阶。更值得关注的是，这一成本并不是单纯由 GPU 拉动，而是由 HBM、LPDDR、NAND 等存储和内存部件的大幅涨价共同推动，导致整机价值结构被重新定价。

这意味着，AI 算力的竞争已经从“算力定价”走向“存储定价”，而且这场变化还在继续加速。

Vera Rubin NVL72：一台机柜为什么能贵到 910 万美元？

Vera Rubin NVL72 是面向 2026—2027 年 AI 训练和推理市场的重要机柜方案，单柜配置极其密集：72 颗 Rubin GPU、36 颗 Vera CPU、额定功耗 220kW，并采用全液冷架构和 800V 直流供电方案。它的设计目标不是传统意义上的服务器扩容，而是把整机柜打造成一个高密度、高热负载、高互联效率的算力单元。

从成本结构看，这一代机柜最大的变化并不是“算力更强”，而是“周边系统更贵了”。GPU 仍然是核心，但内存、存储、网络、供电和散热都出现了明显放大，整机成本因此被迅速抬高。

Vera Rubin NVL72 单机柜成本总览

这组数据说明，Rubin NVL72 不再是传统意义上的“高端服务器”，而是接近“工业级算力基础设施”。机柜价格上涨，不只是芯片价格上涨的简单结果，而是系统复杂度全面抬升后的集中体现。

成本拆解：真正把价格推高的，不只是 GPU

如果只看 GPU，很多人会误以为 Rubin 的高成本主要来自 GPU 本身。但从细分拆解看，存储与内存板块才是这次成本重估的核心变量。

Vera Rubin NVL72 细分成本拆解

这张表最重要的结论是：Rubin 的高成本不是单点问题，而是系统性问题。

GPU 很贵，但不是唯一贵的地方。HBM、LPDDR5X、NAND 这三类器件叠加起来，已经构成了整机柜成本中非常重的一部分。也就是说，AI 机柜的价格，不再是“芯片价格 + 少量配套”，而是“芯片、内存、存储、网络、电源、散热共同抬价”。

三、为什么说 AI 行业已经进入“存储定价”时代？

这一次最值得注意的不是 Rubin 机柜本身，而是它所反映出的行业定价逻辑变化。

过去，AI 服务器的成本主要由 GPU 决定。谁能拿到更多 GPU，谁就能更快扩张算力。现在情况变了：随着模型训练和推理需求持续增长，高带宽存储、高速内存和企业级闪存已经从“辅助部件”变成“核心部件”。

存储类产品价格与涨幅汇总

HBM 的意义，已经不仅仅是“更快的内存”，而是决定高端 AI 机柜能否量产、能否按期交付、能否维持利润空间的关键约束。LPDDR5X 和 NAND 则进一步把这种压力传导到 CPU 侧和存储侧，形成全链条涨价。

从产业角度看，这种变化很像一次“重定价革命”：以前是 GPU 谁最贵谁最重要；现在是存储、内存、互联和供电一起抬高了整机门槛。

1GW 算力集群：从“买服务器”变成“造基础设施”

如果把视角从单机柜拉到更大规模，Rubin 的意义就更直观了。对于 1GW 级别的 AI 算力集群来说，成本已经不是一般企业采购能承受的，而更接近大型工业项目甚至能源项目。

1GW 算力集群资本开支测算

这个数字说明了一个很现实的问题：AI 基建已经不是“买设备”，而是在建设一个高密度、超大功率、超高复杂度的系统工程。

尤其是当单柜功耗上升到 220kW 后，散热、配电、布线、施工周期和后期维护都会同步复杂化。也正因为如此，液冷系统、800V 直流、模块化数据中心、预制化机柜方案的价值，正在被快速放大。

运营成本同样惊人：折旧才是最大支出

很多人只盯着建设成本，但对于算力中心来说，运营成本同样非常关键。尤其在高端 AI 基础设施中，折旧几乎是最核心的支出项。

1GW 算力年度运营成本

这也意味着，未来 AI 数据中心的竞争，已经不只是看“谁建得起”，更要看“谁能用更低的折旧压力、更低的能耗、更高的资产利用率，把算力持续跑起来”。

性能为什么依然能支撑如此高的价格？

虽然 Rubin 的成本大幅上升，但它并不是单纯“卖得更贵”。从性能上看，它确实带来了更高的单位算力密度。

性能与价值逻辑

换句话说，Rubin 的高售价并不是完全脱离市场逻辑，而是建立在更高算力密度、更强互联能力、更高系统集成度基础上的“性能溢价”。

但这也带来一个现实问题：性能提升的速度，正在被供应链涨价的速度所追平甚至反超。 这就是为什么当前行业越来越重视成本控制、液冷部署效率和供应链稳定性。

这轮上涨会把行业带向哪里？

从更长周期看，Rubin 成本曝光背后，反映的不是某一款产品贵了，而是 AI 产业进入了更深层次的资源约束阶段。

未来真正的分化会体现在几个方面：

第一，谁能锁定存储资源，谁就能更稳地控制机柜成本。HBM、LPDDR5X、NAND 的价格波动，已经直接影响 AI 服务器的上市节奏和利润模型。

第二，液冷和高压供电会从“可选项”变成“必选项”。220kW 级别机柜的部署，已经无法再依赖传统风冷架构。

第三，AI 基建会更像制造业和能源业的融合体。它需要标准化预制、模块化交付、快速部署和长期运维，而不是一台台传统服务器的简单叠加。

第四，成本重心会继续向供应链上游转移。芯片、封装、内存、存储、互联、液冷、供配电，每一个环节都可能成为新的利润中心。

结语

Vera Rubin NVL72 的 910 万美元单柜成本，揭示的不是一款新品的定价策略，而是整个 AI 基础设施行业的成本重构。GPU 仍然重要，但已经不再是唯一的决定因素。HBM、LPDDR5X、NAND、NVLink、800V 直流、全液冷，这些原本被视为“配套”的环节，如今正在共同决定 AI 算力的最终价格。

2026 年之后，AI 行业将越来越像一场系统工程竞赛：
不是谁最会堆芯片，谁就能赢；而是谁最会组织供应链、控制成本、提升密度、稳定交付，谁才更有可能在这场昂贵的算力战争中跑到前面。

链力液冷的数据中心液冷一站式服务：

链力液冷作为领先的AI数据中心液冷解决方案提供商，产品 PUE 降至 1.15 以下，综合节能率超 30%，其产品从冷板，液冷服务器机柜，CDU，集装箱数据中心都深度适配英伟达系列的产品，比如H100/H200,GB200/GB300,产品通过 RoHS、CE、UL 等国际权威认证,并且可快速交付。