机柜经济学：一个 AI 工位值多少钱 | AI 打工日志·算力硬件篇①

你坐在工位上，公司在你身上一年花多少钱？工资、社保、工位、电脑、电费网费，杂七杂八加起来，一个普通岗位一年十万块算很体面了。

现在看看 AI 同事的工位。

2026 年市面上最主力的 AI 训练设备，是一台叫 GB300 NVL72 的液冷机柜。2026 年 8 月的真实采购单显示：买一台，略低于 500 万美元；部署到能跑，再加 70 万。

500 万美元，约合 3600 万人民币。这个柜子里没有你的衣柜，没有你的零食柜，甚至没有一把椅子——它是 72 张显卡和 36 颗 CPU 被强行塞进一个 48U 铁柜子里，泡在冷却液里干活。

换算一下：一个 AI 工位的身价，大约是你工位的一千倍。要是你的工位也按这个标准装修，你每天上班相当于在汤臣一品里写周报。

拆开这个柜子之前，先建立一个直觉：它本质上是一台被强行拧成一台电脑的 72 台电脑。

每一张 B300 显卡，本身就算一台小超算：288GB 高速显存、1400W 功耗、单卡 FP4 算力 15 PFLOPS（稠密口径，官方宣传常用稀疏口径 20 PFLOPS）。单独一张已经很猛，但英伟达觉得不够——训练大模型需要几千张卡像一个人一样思考，卡与卡之间说话不能有半点延迟。

于是它干了件暴力的事：用 NVLink 把 72 张卡连成一个整体，带宽 130TB/s，再配 36 颗 Grace CPU 管后勤。对外，这 72 张卡表现得就像一块显卡——软件写一次，跑在整柜上。

这个设计有个形象的类比：把 72 个博士后关进同一间实验室，配了一条他们之间说话零延迟的内部专线。单个博士后再聪明，回答不了一个需要整个实验室协作的问题；这条专线，就是 NVL72 的「72」的含义。

两个数字值得单独感受：21TB 显存——主流办公电脑内存的几百倍，高配机型下差距能到上千倍，装得下一个万亿参数大模型的全部「脑细胞」；142kW 功耗——大约等于 1000 台家用空调同时满负荷运转，一台机柜就得配一整套工业级供冷。

顺带解释一个读者常问的问题：为什么非得液冷？因为风冷散不掉这个密度。传统机柜功率密度按 5-10kW 设计，这一台直接干到 140kW，风冷在物理上就已经出局了。

这是整柜生意里最反直觉的一张表。按 2026 年拆机分析，GB300 NVL72 的物料构成大致是：

也就是说：一台 500 万美元的机柜，超过 460 万是英伟达的。剩下的 8% 里，才轮到富士康、广达这些代工厂，以及液冷、电源、连接器厂商去分。

这就是所谓「AI 基建狂欢，英伟达通吃」的量化版本。也解释了一个现象：为什么每次 AI 行情，资金最后都绕回英伟达的股价——浪潮再大，钱先进它的口袋。

不过话说回来，那 8% 也不是没看点。分析机构测算，机柜内散热相关价值每代还在以约 20% 的速度往上翻——当整柜功率朝着 250kW 的下一代走，液冷这条赛道的天花板是被算力供电硬生生顶上去的。

不是人人都买得起整柜，绝大多数团队面对的问题是：要用算力，租还是买？

云上 B300 的公开报价大致在每卡每小时 9.4 到 18 美元之间——Oracle 按需价 18 美元，低价云渠道能见到 9.4 美元左右的报价。而整柜买断摊薄后，自有机房的每卡时成本可以压到 2.3 到 3 美元（部分托管商报价 2.28-4.97 美元）。

看出门道了吗？云厂商的商业模式，本质就是「低买高租」。点开下面的计算器，换三种身份感受一下。

三个场景看下来，规律只有一条：利用率决定买租，规模决定利润。个人买卡是行为艺术，创业公司买卡是豪赌，只有能把卡跑到八成以上的玩家，才配拥有固定资产。

这也解释了为什么二手市场里捡漏的大多是推理团队和科研院所——训练要最先进的卡，推理用上一代照样跑，需求分层，市场才能转起来。

「AI 吃掉全国电力」的新闻隔三差五就上头条。我们算笔实在账。

一台整柜 140kW 全天候满负荷跑，一年耗电约 122 万度。按美国工业电价每度 9.2 美分算，一年电费约 11 万美元；就算按最贵的商业电价翻一倍，也就 22 万上下。

对比一下：整柜买断约 500 万，五年电费总共约 55-110 万——电费占五年总拥有成本不到两成。

所以真相是：AI 基建是「资本密集」，不是「能源密集」。折旧才是大头，电费只是老二。这跟外界「AI 最大的成本是电」的印象正好相反。

当然这不代表电力不重要——电力之所以被反复讨论，是因为它卡的是「能不能建」，不是「贵不贵」。一个园区拿不到供电指标，500 万美元的柜子就是一堆废铁。所以英伟达的客户名单里，能源公司和变电站设备商的戏份正越来越重。