鴻海董事長劉揚偉在近期的公開講話中，拋出了一組關於下一代AI數據中心的震撼數字，為投資者理解AI基礎設施層的真實成本結構提供了關鍵參照。

劉揚偉指出，若要建設一個以英偉達Vera Rubin芯片為核心、規模達到1GW的數據中心，所需的資本開支高達470億美元。這一數字遠超當前主流數據中心的投資量級，反映出隨著AI算力集群向更高密度演進，基礎設施的初始投入正呈指數級攀升。

具體來看，1GW的Vera Rubin數據中心需要部署約3557座機櫃，而單座Vera Rubin機櫃的售價就達到910萬美元。僅硬件採購一項，便構成了天文數字般的支出。更值得關注的是後續的運營成本結構。劉揚偉測算，該數據中心每年的電力成本約為13億美元，而年度硬件折舊費用竟高達約78億美元，是電力成本的六倍。這意味著，對於此類超大規模AI基礎設施，硬件攤銷而非能源消耗，才是財務模型中最沉重的負擔。

這一成本結構揭示了一個產業現實：AI算力的規模擴張，本質上是一場資本密集型遊戲。高昂的硬件折舊要求運營方必須具備極強的現金流支撐能力，且對芯片的利用率和生命週期管理提出了嚴苛要求。任何算力閒置或技術迭代加速，都將對投資回報造成巨大壓力。

劉揚偉還給出了一個宏觀預測：到2030年，全球算力增長將新增106GW的電力需求。這一數字相當於數個大型國家的總髮電裝機容量，凸顯出AI產業對能源基礎設施的顛覆性拉動。電力供給能否跟上算力膨脹的步伐，正成為制約AI產業發展的核心瓶頸之一。

從產業鏈視角看，鴻海作為全球最大的AI服務器組裝商，其掌舵人給出的這一組數據具有較高的參考價值。它直接關聯到上游芯片廠商英偉達的出貨預期、中游數據中心運營商的資本開支計劃，以及下游電力、散熱等配套產業的訂單可見度。470億美元的單項目投資體量，也意味著未來AI基礎設施的融資模式、參與主體將更趨多元化，主權基金、能源巨頭與科技資本的跨界合作或將成為常態。

此次披露的時點也值得留意。當前市場正密切關注從訓練到推理的算力需求切換，以及AI投資回報率能否兌現。劉揚偉給出的成本賬本，既展示了AI基礎設施建設的宏大前景，也提醒市場注意其背後的資本密集屬性與財務風險。對於投資者而言，理解這一成本結構，是評估AI產業鏈各環節價值分配的關鍵一步。