斯坦福大學 MS&E435 AI 超週期經濟學：建構 AI 工廠

斯坦福大學 MS&E435 AI 超週期經濟學：建構 AI 工廠

AI 基礎設施作為數位勞動力

當前 AI 採用的浪潮正以實體形式體現在對資料中心的大規模投資上，Crusoe 執行長 Chase Lochmiller 稱之為「智慧基礎設施」。此投資是史上規模最大的投資之一，可與曼哈頓計畫或美國高速公路系統相提並論，僅次於美國國防預算。

從經濟學的角度來看，AI 代幣的價值在於它們能提供「數位勞動力」。過去，勞動力的增長受限於出生率與長時間的培養期（教育與成長）。AI 使得勞動力的數位加速（Cobb‑Douglas 生產模型中的 ΔL）成為可能，這可以根本改變經濟結構，透過代理人與機器人提供前所未有的可用勞動力，從而加速 GDP 成長。

AI 工廠的構造

建造一座千兆瓦級別的 AI 資料中心是一項跨學科的工程挑戰，涉及化學、機械、電氣與計算機科學工程。Lochmiller 將資料中心最基本的定義描述為「有電力與冷卻、可插入電腦的建築」，但在規模化時，它變成了一個複雜的「AI 工廠」。

以能源為先的策略

Crusoe 採取垂直整合的策略，將能源開發放在首位，以解除基礎設施成長的瓶頸。這意味著將資料中心選址於能源充裕且成本低廉的地區，而非傳統的資料中心聚落（如北弗吉尼亞）。

  • 德克薩斯州阿比林（Abilene）站點：Crusoe 利用西德克薩斯過度投資的可再生能源。由於生產稅抵免與傳輸受限，阿比林的電價有時甚至為負。Crusoe 在此建置了一座包含 200 MW 變電站與 1 GW 變電站（全美最大的私人擁有變電站）的園區，並配備 350 MW 天然氣發電機組以確保可靠性。
  • 德克薩斯州克勞德（Claude）站點：此站點以風能為主，採取「跨表計」策略。Crusoe 在現場利用風力發電（未來亦規劃太陽能、電池與燃氣），將多餘電力回售給電網，維護或可再生能源產能低時則從電網取電。

冷卻與用水

與 AI 消耗大量水資源的說法相反，Lochmiller 表示 Crusoe 的系統使用循環冷卻水管路。一次加滿後，年用水量與單戶住宅相當，對於像西德克薩斯這樣缺水的地區仍具永續性。

AI 基礎設施的經濟學

建置千兆瓦級別的運算叢集估計需要約 600 億美元的總資本支出（CapEx）。

基礎設施 CapEx（約每兆瓦 2,000 萬美元）

  • 勞工：重要的瓶頸與成本，約每兆瓦 470 萬美元。包括大量藍領人員，如電工、焊工與水管工。
  • 發電：燃氣發電廠約每兆瓦 200‑300 萬美元，因渦輪機製造商產能受限（如 GE Vernova、Siemens）而價格上升。
  • 電氣設備：包括配電中心、變壓器與開關設備，將高壓電（如 345 kV）降至可使用的電壓。
  • 機械設備：包括風冷冷卻機與循環水管路。

IT CapEx（約每兆瓦 4,000 萬美元）

  • GPU：最大成本，約每兆瓦 3,000 萬美元。
  • 網路：高效能後端網路（NVLink、InfiniBand 或 RoCE）約每兆瓦 400 萬美元，用於將 GPU 互連成一致的叢集。
  • CPU 與儲存：約每兆瓦 300 萬美元。Lochmiller 指出近期因代理工作流興起而導致 CPU 短缺。
  • 其他：部署與運輸勞工約每兆瓦 100 萬美元。

收入、回本與折舊

對於一個花費 600 億美元的千兆瓦叢集，收入模式取決於提供的服務層級：

  1. 晶片租賃（基礎設施即服務）：每兆瓦每年約產生 1,500 萬美元收入，回本期約四年。
  2. 受管服務（模型即服務）：透過托管模型與提供 API 端點收取代幣，毛利再提升 500‑1,500 萬美元每兆瓦，回本期可能縮短至兩年。

折舊爭議

許多上市公司將運算設備折舊期設為五至六年，Lochmiller 卻認為舊晶片（如 H100）在需求高峰（例如代理 AI 爆發）時價值可能上升，暗示運算資產的使用壽命應以其對使用者的價值為依據，而非固定的日曆年限。

未來展望與瓶頸

電氣堆疊的機會

Lochmiller 指出電氣堆疊是創新重大機會。他認為傳統公司（如 Eaton、Schneider）若不朝固態電子、固態變壓器與 900 V 直流架構發展，將面臨風險，因這些技術能更有效地將高壓電從變電站傳送至機架。

太空資料中心

Crusoe 與 Starcloud 合作將 H100 送上太空。太空資料中心雖可免除混凝土基礎、許可與光纖佈線（改用光學），但在熱管理與硬體維護上面臨極大挑戰，GPU 難以更換或重新安裝。Lochmiller 認為這是 10 年以上的長期布局，取決於如 SpaceX Starship 等載具降低有效載荷成本的進展。

摘要：Crusoe 執行長 Chase Lochmiller 討論了建造千兆瓦級 AI 資料中心所需的巨額資本支出，將 AI 視為推動 GDP 成長的數位勞動力形式。

標題：斯坦福大學 MS&E435 AI 超週期經濟學：建構 AI 工廠

Sources