2026年万亿美元AI开支，具体花在哪儿？

2026年，全球AI资本支出要花掉9980亿美元，差不多等于一个中等发达国家全年的GDP体量。按瑞银的估算，这笔钱在2025年是5060亿，2027年进一步升到1.447万亿，两年累计上涨了186%。

这笔万亿美元级别的开支，究竟流向产业链哪些环节？

多出来的钱，九成是存储

比规模更值得琢磨的，是瑞银为什么要把这个预测往上修。

它给的理由相当直接：主要源于存储价格的快速攀升，而非基础设施投资规模的整体扩张。这句话值得多读两遍，多出来的几千亿美元，不是因为机房建得更多、机柜装得更密，而是因为同样一批设备里，最贵的那部分变得更贵了。它意味着这轮开支在性质上已经不是投得多，而是买得贵。

把瑞银的估算按存储和非存储拆开，答案就藏不住了。全球存储的资本性支出从2025年的710亿美元，跳到2026年的3670亿，再到2027年的9230亿，两年涨了13倍。同期，非存储的AI资本支出完全是另一回事：2026年约6310亿，2027年反而回落到5250亿。份额的变化更直观，存储占AI资本支出的比重从2025年的14%，升到2026年的37%，2027年进一步跃至64%。两年之内，存储从一个配角变成了绝对主角。

再看增量这本账，就更清楚了。瑞银的测算显示，2026年AI资本支出的同比增量中，存储贡献了约60%；而到了2027年，存储支出的增量达到5560亿美元，甚至超过了 AI资本支出的整体净增量4490亿美元，因为其他组件的支出在同一时期出现了下滑。

而把2025年到2027年整个放在一起算，这轮接近1万亿美元的增量里，约90%来自存储支出的上升。所谓AI开支暴涨，涨的几乎只有一件事：买存储。

这里面藏着最反直觉的一点。到2027年，非存储类AI支出是绝对下降的，从6310 亿掉到5250亿，跌了约17%。这不是大水漫灌、大家一起变多，而是存储把其他所有投入的钱挤出去了。按照瑞银的数据，GPU、网络、电力、机房等非存储的支出规模竟然下降了。理解这一点很重要，因为它说明这轮开支的性质已经变了：从全面扩张变成了单点争夺。

值得关注的是，当一个类别占总数的64%时，正如瑞银的估计所描述的2027年存储的情况，整个项目的采购逻辑、供应商集中度、合同条款和成本结构都随之改变。

目前整个智算中心的成本结构怎样？

行业总量之外，还需要一个具体的微观视角。2026年6月，伯恩斯坦对英伟达Vera Rubin 1GW项目做了自下而上的拆解：GPU（不含HBM）占39%，存储（HBM / DRAM / NAND）占35%，网络设备14%，土建机房基建8%，电力机电与液冷散热各2%。前两项合计74%，一个机房近四分之三的钱，花在了“算”和“记”这两件事上。

这个35%与瑞银给出的2026年存储占AI资本支出37%几乎吻合，两条独立口径互相印证。

伯恩斯坦测算，单个Vera Rubin NVL72机架约910万美元，额定功耗为220千瓦，机架耗电约占数据中心总用电量的78%，由此推算每吉瓦可容纳约3557个机架，对应机架成本约323亿美元。叠加机械电气设备、土地建筑等物理基础设施成本约150亿美元，全栈账单约每吉瓦473亿美元，较Blackwell周期的约405亿美元高出约17%。

值得指出的是，机架内部72颗Rubin GPU约396万美元，内存与存储约320万美元，两者已经在同一量级上。

顺着上述饼图还能看到两件反直觉的事。一是网络设备占14%，高于土建：万卡集群里，把卡连起来的成本已超过把房子盖起来。二是电力机电与液冷散热合计仅4%，看着微不足道，但它们不是成本项而是约束项，一个1GW项目能否落地，往往卡在电力和散热，而不是卡在钱上。

运营成本结构方面。按每千瓦时0.15美元较高电价测算，1GW机房年电费约13亿美元，人员成本几乎可忽略；真正的大头是按6年计的折旧，年均约72亿至79亿美元。由由于IT硬件（服务器、网络设备）折旧年限（4至6年）远短于机械电气设备及土地建筑，真实经济成本中服务器与网络的权重实际上高于现金资本支出所呈现的比例。

值得指出的是，尽管账单变贵了，但这笔账仍划算。前提是拿算力当分母：单机架FP8算力2520 PFLOPS，是Blackwell的3.5倍；每十亿美元资本开支对应的算力从105.5 EFLOPS 升至189.3 EFLOPS。每吉瓦账单涨约17%，每美元买到的算力涨近八成，单位算力成本其实是下降的。

数字能站得住吗

无论是14470亿美元，还是2027年存储占比达64%，数字能站得住吗？

存储是典型的强周期品，然而过去一年存储价格在过往周期高位的基础上，又上涨3-5倍。

它的定价逻辑和GPU有所不同：GPU卖的是性能和生态；而存储卖的是相对标准品，目前价格权重几乎完全由供需缺口决定。缺口一出现就抢货，一抢货就涨价，一涨价就扩产，一扩产就过剩，一过剩价格就崩。过去几轮存储周期几乎都走过同一条曲线，鲜有例外。

这就带出一个容易被忽略的推论：当2027年AI资本开支64%的开支押在这样一个高波动变量上，14470亿这个数字本身的置信区间会被急剧拉宽。

往上看，如果存储继续紧缺，它还能更高；往下看，一旦原厂扩产落地、囤货需求退潮，价格与占比可能快速回落，Bernstein那张饼图会重新回到GPU主导的常态，而所有建立在64%假设上的推算都要重来一遍。

更值得关注的是，届时名义AI资本开支的下滑未必意味着AI降温，很可能只是存储价格的回落。

还有一层错位值得琢磨：本轮开支里最贵、涨得最快的那部分，恰恰是最没有资产沉淀性的那部分。建机房、铺电力、装液冷，钱花下去变成十年可用的固定资产；而高价囤来的存储，三年后可能只值零头。换句话说，这轮开支在账面上堆起的是一座越来越高的塔，可塔基里占比最大的那块材料，是“虚”的。

写在最后

过去两年AI的利润中心在英伟达，因为它定义了算力；而按2027年的账单，最大收款方将换成了存储厂商。AI产业最丰厚的那部分利润，正从“定义算力的人”流向“提供产能的人”。

由此带来两个后果。一是话语权与毛利向上游寡头集中，云厂商和模型方哪怕算力仍在增长，也要被分走很大一块。二是壁垒变了：技术更新迭代不再自动兑现为成本优势，能否签到长协、锁住产能与电力，才决定同一张机架能不能落地、以什么价格落地。

这张万亿账单真正记录的，不只是AI有多热，而是这场竞赛的重心，正从创新一端悄悄向制造一端倾斜。