产业透视：拆解 AI 数据中心的三层 CAPEX 与投资周期

小昭 2026-08-27 16:10 广东

从三层CAPEX看懂AI数据中心的成本与投资周期

写在前面

上一篇，我们从园区、机房、机柜一直看到服务器和GPU，拆开了一座数据中心的基本形态，也理解了支撑其运行的“电、冷、算、网”四套系统。

产业透视｜数据中心系列①：数据中心到底长什么样？

但当这些设备真正组合成一座数据中心之后，一个更现实的问题随之而来：

这样一座“数字工厂”，到底要花多少钱？

这一篇，我们不只算“一座数据中心多少钱”，而是进一步拆开：钱花在哪里、什么时候花，以及AI为什么正在拉长整个基础设施投资周期。

一、先分口径：为什么市场上的“数据中心造价”差这么多？

为了理解一座数据中心的资本开支，可以把投资大致拆成三个层次：Grid CAPEX、Facility CAPEX、IT CAPEX。

这不是严格统一的会计分类，不同企业和研究机构对边界的定义会有所不同，但非常适合帮助我们建立对数据中心投资结构的基本认识。

【数据中心投资的三层CAPEX结构】

第一层是Grid，即外部电力和公用工程。包括外部变电站、输电线路、电网扩容以及相关公用工程。对于超大型数据中心，如果当地电网没有足够容量，这一层可能还涉及新的高压输电线路甚至新增电源。

第二层是Facility，即承载计算设备运行的数据中心物理基础设施。它包括建筑本体，同时包括变压器、Switchgear、UPS、电池、备用发电机、Busway/PDU以及冷却、消防等系统。

第三层才是IT，即真正用于计算和通信的设备。包括GPU、CPU、Server、Storage、Switch、NIC/DPU以及光模块等。

所以，当我们看到“数据中心每MW造价”时，不能第一时间比较数字，而应该先问一句：这个数字到底算到了哪一层？只统计建筑与机电基础设施，与把GPU、服务器和AI网络全部纳入，总投资可能相差数倍。

这也是理解后续所有数据的前提。

二、分三层来看：AI数据中心的资本开支主要花在哪里？

为了建立一个数量级概念，可以参考Epoch AI于2026年发布的1GW AI数据中心成本模型。数据来源：Epoch AI，2026年5月《Total cost of ownership of a one-gigawatt AI data center》

该模型假设在美国建设一座1GW IT Nameplate Capacity的数据中心，全部采用NVIDIA GB200 NVL72系统。模型估算初始资本开支约为：378.8亿美元。

其中：

其中，IT CAPEX进一步由服务器系统55.9%、网络基础设施13.0%组成。

这组数据首先揭示了一个很重要的事实：对于AI数据中心，最大的资本开支并不是“盖楼”，而是装入机房的GPU、服务器以及高速网络设备。

但需要特别注意，Epoch AI的模型假设项目能够使用既有公共电网，Utility Works主要按照所需变电站进行估算，并没有模拟新建大型发电设施或长距离高压输电线路。

因此，Grid占比0.4%并不能简单理解为所有数据中心的电网投资都很低。如果项目所在地原有电力容量不足，需要进行大规模电网扩容、新建输电设施甚至配套新增电源，Grid侧的投资和建设周期都可能显著上升。

所以通过这组数据可以建立一个初步总体认识：从金额看，AI数据中心最大的资本开支在IT；Facility约占三成；Grid的账面投资未必最大，却可能成为项目最重要的前置约束。

三、数据中心到底要建多久？先区分三个“时钟”

市场上关于数据中心建设周期的数字看起来差异很大，一个重要原因是统计的并不是同一件事。

第一是Facility施工周期，即从机房正式施工到具备基本交付条件需要多久。JLL数据显示，一座50MW数据中心的全球平均建设时间约为18个月。但这一数字主要反映数据中心本体的建设，并不意味着从项目立项到最终获得电力、装入GPU只需要18个月。2025年仍有57%的项目出现了至少3个月的建设延期。

第二是关键设备采购周期。变压器、Generator、Switchgear、Chiller等往往需要在施工过程中甚至施工开始前提前订货。JLL数据显示，2026年全球数据中心设备平均交期约为33周，但地区和设备差异很大，例如EMEA变压器代表性交期达到约100周。设备采购通常与设计、土建并行进行，因此不能简单把“100周设备交期”再加到“18个月施工周期”之后。

第三是Grid周期，即从获得电力方案到新增电网基础设施真正具备供电条件需要多久。IEA指出，新建数据中心本身通常需要约1—3年，而大型新增电网基础设施从规划、许可到建设完成可能需要5—15年。这也是为什么今天大型AI项目真正的瓶颈越来越不是“楼多久盖好”，而是“什么时候能够拿到足够的电”。

所以，讨论数据中心建设周期时，最好不要只问：

一座数据中心要建几年？

而应该区分：

什么时候锁定电力 → 什么时候机房达到可交付状态 → 什么时候IT设备上线。

四、Facility Capex：约占三成，真正昂贵的是“电”和“冷”

目前全球较常被引用的数据中心建设成本研究之一，是Turner & Townsend发布的《Data Centre Construction Cost Index 2025》。

这份指数使用了20多个国家、300多个近期或在建数据中心项目的数据进行标准化处理。其基准模型是一座约30—50MW IT Load、Build-to-Suit的Hyperscale空冷数据中心。它统计的成本主要包括Shell & Core、建筑装修、机电安装、机电设备以及总包费用等建设成本。

2025年的指数中，东京的数据中心建设成本约为15.2美元/W，新加坡约14.5美元/W，苏黎世约14.2美元/W，硅谷约13.3美元/W；巴黎和阿姆斯特丹约为10.8美元/W，马德里约10.0美元/W，新纳入指数的美国夏洛特约为9.5美元/W。

即：建设100MW数据中心机房约花9.5亿—15.2亿美元。

上述区间只是使用不同城市的Turner & Townsend基准造价做的数量级换算。实际项目还会受到地区、冗余等级、功率密度、冷却方案、规模效应和采购条件等因素影响。

从成本趋势来看，JLL《2026 Global Data Center Outlook》显示，全球数据中心平均建设成本从2020年的770万美元/MW上升至2025年的1070万美元/MW，预计2026年进一步升至约1130万美元/MW。

从成本结构来看，再把Facility拆开，Turner & Townsend对美国同等IT容量的典型项目进行比较后给出了如下成本结构：

同时，其美国项目样本显示，在IT容量相近的情况下，液冷数据中心平均建设成本比空冷数据中心高约7%—10%。

这里有两个变化值得关注。

第一，进入高密度AI时代以后，Mechanical占比从22%提高到33%。这里的Mechanical并不能简单等同于“液冷设备”，它包含机械设备及相关系统，但高密度服务器带来的冷却需求，是这一变化的重要原因。

第二，Electrical占比从54%下降到48%，也不能理解为“AI数据中心的电力系统变便宜了”。由于液冷数据中心整体建设成本本身更高，成本占比下降并不等于绝对投资额下降。电气系统依然是Facility中最大的单项之一。

因此，AI不仅提高了IT设备投资，也正在重塑Facility内部的价值结构：电气系统仍是最大的基础设施投入之一，而随着机柜功率密度提升，冷却系统的价值量进一步增加。

五、IT CAPEX：AI数据中心最大的资本开支，也是更新最快的一层

在Epoch AI的1GW模型中，IT CAPEX约占总初始投资的68.9%，是三层CAPEX中最大的部分。其中Server Systems约占总投资55.9%，Network Infrastructure约占13.0%。换算到IT内部，服务器约占81%，网络约占19%。

因此，AI数据中心相较传统数据中心投资大幅提高，最直接的原因并不是建筑更贵，而是机房里装入了大量高价值GPU、服务器和高速网络设备。

其中，服务器系统占比最高（55.9%）。其中包括GPU、CPU、内存、主板、电源以及服务器平台等。对于AI数据中心而言，GPU承担大模型训练和推理中的核心并行计算任务，也是整个服务器系统中价值量最高的设备之一。

网络基础设施占比13.0%，具体包括高速交换机、NIC/DPU、光模块、光纤以及其他网络设备。

IT层的投资周期，与Grid和Facility也不一样。IT虽然投资金额最大，但它并不是整个数据中心项目中最早投入的一层。一座数据中心通常需要先完成电力接入、机房建设以及供配电和冷却系统部署，并经过Commissioning等可靠性验证，之后才逐步进入IT Fit-out阶段。通常是：先把“装服务器的环境”建好，再把服务器真正装进去。服务器、GPU、交换机和存储设备也不一定在数据中心建成后一次性装满，而可以随着客户入驻和IT Load提升分批部署。

因此，与Grid和Facility相比，IT CAPEX具有三个比较明显的特点：

第一，金额更大。
在AI数据中心中，IT设备往往占到总初始CAPEX的大部分。

第二，投入时点更靠后。
电力、变电站、冷却和机电系统通常需要先行建设，而IT设备更多集中在项目接近投产时进入。

第三，技术迭代更快。
变压器、冷却系统和建筑等基础设施通常可以使用较长时间，而GPU和服务器的产品代际更新明显更快。

Epoch AI在其1GW成本模型中假设，IT设备经济寿命约为5年，而Facility约为14年，反映了两类资产在生命周期上的差异。

Facility更像是一套长期使用的“厂房和基础设施”，而GPU、服务器和网络设备更接近需要持续升级的“生产设备”。

因此，大型AI数据中心的理想投资节奏通常是：Grid和Facility尽量提前锁定，IT设备则尽可能贴近实际投产时点部署。

这也形成了AI数据中心三层CAPEX之间一个非常鲜明的区别：

Grid周期最长、启动最早；Facility承担中间的建设和设备采购；IT金额最大，但部署最靠后、更新最快。

从这个角度看，研究AI数据中心投资不能只关注GPU采购额，还要同时观察电力接入、Facility建设进度和IT设备上架节奏。三者只有匹配起来，最终的算力才能真正转化为可使用的IT Load。

六、Grid infrastructure：金额不一定最大，却决定什么时候投产

AI带来的超大规模、高功率密度需求，正在使电力接入和关键基础设施供应成为项目周期中越来越重要的约束。

Grid infrastructure指的是将公共电网的电力接入数据中心园区所需要建设的电网侧基础设施，主要包括：输电接入线路、开关站、变电站、大型主变压器、高压断路器、保护控制设备，以及相关并网工程。

一座数据中心的完整供电链条，大致可以理解为：

发电厂

↓

高压输电网

↓

Grid Facility

输电接入线｜开关站｜变电站｜大型主变

↓

数据中心内部电力系统

中压开关柜｜UPS｜PDU｜Busway

↓

服务器｜GPU｜网络设备

这里最重要的区别在于：

Grid Facility解决的是“电怎么从公共电网送到园区”；数据中心内部Electrical Infrastructure解决的是“进入园区之后，电怎么安全、稳定地送到每一个机柜”。

UPS、PDU、母线等设备属于后者，并不属于本文所说的Grid Facility。

Grid之所以成为AI数据中心越来越核心的约束，并不是因为它一定占总CAPEX最大，而是因为其建设速度远慢于数据中心本身。IEA指出，一座新数据中心通常约1—3年可以建设完成，而大型新增电网基础设施从规划、许可到建设可能需要5—15年。

Turner & Townsend的2025行业调查也显示，48%的受访者将电力可获得性和漫长的电网接入周期视为项目按计划交付的首要障碍。

所以，对大型AI项目而言，“Speed to Power”正在变得和建设成本本身一样重要。

至于当公共电网无法及时提供500MW甚至1GW电力时，数据中心还可以采用哪些方案，我们放到下一篇专门展开。

七、三层资本开支如何在时间上展开：Grid最早，Facility居中，IT最后进场

把三层资本开支重新放回一个完整项目周期，可以更清楚地看到：

数据中心的钱并不是同时花出去的。

最前面启动的是Grid。项目在真正开工之前，就需要判断场址能否获得足够的电力，并启动电网接入、变电站及必要输电设施的规划。如果需要大规模新增电网基础设施，这一过程可能持续数年。

随着项目方案逐渐确定，Facility开始进入设计和采购阶段。变压器、Switchgear、Generator、UPS、Chiller等长交期设备往往需要提前下单，之后才是大规模土建、机电安装和Commissioning。全球典型50MW数据中心的平均本体建设周期约18个月，但关键设备采购可能比正式投产提前更久。

等到机房具备稳定供电和冷却条件，并基本完成可靠性验证之后，项目才进入IT Fit-out。服务器、GPU、交换机和存储设备逐步进场，随后数据中心上线，IT Load再根据客户需求和算力部署节奏逐步爬坡。

因此，一座AI数据中心的投资时序可以概括成：

Grid：最早启动、周期最长

↓

Facility：提前建设，长交期设备率先采购

↓

IT：金额最大，但通常更靠近投产时点进入

这也是为什么研究AI数据中心产业链时，仅仅跟踪科技公司的GPU采购是不够的。

很多时候，真正的项目建设信号会更早出现在：

电力容量申请、变电站建设、变压器和Switchgear订单、Generator采购以及冷却设备订单中。

这些资本开支往往先于GPU大规模进入机房。

结语：金额最大的是IT，决定速度的可能是Grid

回到最开始的问题：

一座AI数据中心的钱到底花在哪里？

以Epoch AI的1GW GB200模型为例：IT CAPEX约占69%，Facility约占30%，Grid / Utility Works在这一特定模型中不足1%。

但资本开支占比，并不等于项目重要性。

IT决定需要投入多少资金、最终形成多少算力；

Facility决定这些算力能否稳定运行；

Grid则越来越决定项目什么时候能够真正落地。

因此，理解AI数据中心投资，不能只看一个“美元/MW”的造价数字。真正需要同时观察的是：资本开支结构、长交期设备订单、电力接入周期和IT设备部署节奏。

而随着AI数据中心迈向数百MW乃至GW级，下一阶段最核心的问题也开始浮出水面：

公共电网供不上这么多电时，数据中心怎么办？

下一篇，我们将从Grid进一步往上游走，系统比较数据中心目前主要的能源解决方案：

公共电网接入、绿电与PPA、自备燃气发电、储能、燃料电池，以及核电/SMR等方案。

数据中心系列③：当电网不够用，AI数据中心如何解决能源问题？

回答：哪一种方案最快？哪一种成本最低？哪一种真正能够支撑500MW—1GW级AI园区？

跳转微信打开