輝達新一代 Rubin（VR200）AI 超算機架成本拆解資料出爐，全球 AI 硬體產業鏈迎來歷史性拐點：過去由 GPU 獨攬成本大頭的算力時代宣告落幕，儲存晶片一躍成為 AI 伺服器成本第一增長極，單機架儲存成本從 GB200 的 37.4 萬美元飆升至近 200 萬美元，漲幅最高達 485%，在整機 BOM（物料清單）中佔比從 7% 飆升至 26%。機構預測 2027 年新一代 AI 架構中儲存佔比有望突破 30%，儲存將超越 GPU 成為 AI 伺服器第一大成本項。

摩根士丹利基於輝達 GB200、GB300、VR200 三代 NVL72 機架的 BOM 拆解資料勾勒出算力硬體成本遷移路徑：

GPU 成本佔比持續縮水：GB200 機型 GPU 佔整機成本 65%，迭代至 GB300 降至 63%，最新 VR200 Rubin 架構進一步下滑至 51%，GPU 不再是整機成本的絕對主宰；

儲存價值跨越式抬升：儲存成本佔比從 GB200 的 7%、GB300 的 9%，在 VR200 機型暴漲至 26%，突破整機物料成本四分之一大關；從絕對金額看，單機架儲存成本由 GB200 的 37.4 萬美元、GB300 的 48.7 萬美元，飆升至 VR200 約 200 萬美元，區間漲幅 485%，是全品類硬體裡漲幅最高的細分類股；

配套硬體小幅抬升：CPU、網路、散熱供電等配套元件成本佔比小幅微調，整機總成本同步抬升，VR200 單機架總成本達 780 萬美元，較 GB300（約 399 萬美元）近乎翻倍，儲存是推高整機造價的核心變數。

具體到各種儲存類別，VR200 NVL72 整櫃儲存總容量突破百 TB 等級，HBM4 合計 20.7TB、LPDDR5X 達 54TB，外加海量 3D NAND 快閃記憶體，三類產品價值分別佔單機架儲存總成本 52%、28%、20%，HBM4 憑藉超高頻寬成為儲存價值支柱。

對比 GB 系列前代機型，VR200 首次大規模標配大容量 3D NAND，徹底補齊 AI 叢集本地高速快閃記憶體短板，大模型訓練所需參數、資料集可全鏈路駐留本地儲存，減少跨節點資料傳輸損耗，這也是 NAND 價值從零到百億級美元增量的關鍵原因。

五大核心因素，驅動儲存超級景氣周期

從 A100（2022）到 VR200（2026E），單機架 HBM 容量從 3.2TB 一路攀升至 20.7TB，四年增幅超 546%；DRAM 單價從 2022 年 0.1 美元 / GB 上行至 2025E 的 0.25 美元 / GB，價格近乎翻倍。超大參數大模型訓練時，海量權重資料、訓練樣本需要高頻寬記憶體即時讀寫，傳統 DDR4/DDR5 無法匹配 AI 算力吞吐需求，HBM+LPDDR5X + 高速 NAND成為高端 AI 伺服器標配，“以存促算” 成為 AI 硬體底層邏輯。

三代 AI 機架單機總成本從 A100 的 250 萬美元、H100 的 400 萬美元、GB200 的 580 萬美元，到 VR200 預估 780 萬美元持續走高。雲廠商、AI 初創企業採購預算裡，儲存採購預算增速遠超 GPU，算力叢集投資邏輯由單純堆疊 GPU 數量，升級為 GPU 與高端儲存 1:1 配套，儲存採購預算佔比逐年抬升。

HBM 量產高度依賴CoWoS 先進封裝產能，全球 CoWoS 晶圓代工產能短期難以放量，疊加 DRAM 晶圓產能持續向 HBM 傾斜：用於 HBM 生產的 DRAM 晶圓開工佔比從 2022 年 30% 逐年上行，2025 年預估攀升至 70%，傳統通用 DDR 記憶體產能被擠壓，供需錯配推升全品類 DRAM 漲價。2022-2025E DRAM 價格指數從基數 100 上漲至 155，三年漲幅 55%，現貨端高端 HBM、LPDDR5 現貨價格漲幅遠超行業均價。

4、通用 DRAM 產能向 AI 專用儲存轉移

HBM 產能擠佔傳統 DDR4/DDR5 量產資源，消費級、PC 端通用 DRAM 產能收縮，傳統存量 DRAM 產品因供給減少價格同步堅挺，行業告別周期下行，存量 DRAM 價格高位運行、高端 AI 儲存量價齊升雙向拉動儲存廠商盈利。同時 HBM 複雜封裝拉長交付周期，訂單交期持續拉長，進一步加劇現貨緊缺。

HBM 相較傳統記憶體擁有數十倍頻寬優勢，是 Transformer 大模型、多模態大模型訓練不可替代的硬體，全球 AI 廠商技術路線統一，不存在低成本替代方案，儲存需求具備長期結構性紅利，機構預判本輪儲存上行周期將延續至 2027 年以後。

本輪儲存漲價周期的核心受益方為SK 海力士、三星電子、美光科技，三家企業包攬全球 90% 以上 DRAM 產能，牢牢把握生態鏈優勢。國記憶體儲廠商也迎來差異化追趕窗口，海外大廠優先保 HBM 高端訂單，中低端 DDR、NAND 出現產能缺口，國產長鑫、長江儲存依託成熟製程切入通用 DRAM、3D NAND 市場，借價格上行周期提升份額。當然，HBM 高端製程、先進封裝技術仍被海外三巨頭壟斷，CoWoS 封裝、高階 HBM 量產能力短期存在代差，高端 AI 伺服器 HBM 仍高度依賴進口，國產突破仍需 3-5 年技術沉澱周期。  (銳芯聞)

摩根士丹利基於供應鏈調研，對輝達下一代Vera Rubin VR200 NVL72機櫃做了成本估算。按照這份模型，超大雲廠商從ODM採購一台整櫃的價格約780萬美元。

一台機櫃，接近一套一線城市豪宅。它貴在那裡？答案藏在一張物料清單裡。

VR200 Rubin，可以理解為輝達下一代整櫃級AI伺服器。

它和普通伺服器的差別在於，普通伺服器是一台機器，VR200更像一台裝進機櫃裡的AI超級電腦。輝達公開規格顯示，Vera Rubin NVL72整櫃包含72顆Rubin圖形處理器、36顆Vera中央處理器、NVLink 6交換系統、ConnectX-9高速網路卡和BlueField-4資料處理器，並採用液冷架構。

這類裝置服務的是大模型訓練、推理、智能體和雲端AI服務。買一台櫃子，買到的是完整算力單元，裡面包含晶片、記憶體、網路、電力、冷卻、結構件、測試和交付能力。

微軟、亞馬遜、Google、甲骨文、OpenAI、CoreWeave、Lambda、Nebius等這類雲廠商和算力公司，是它的主要買家。

AI硬體正在進入重資產階段。資料中心已經不是單買GPU，而是成排機櫃、配套電力、液冷系統和長期維運能力。

輝達2026年5月披露，2027財年第一季度收入達到816億美元，同比增長85%；資料中心收入達到752億美元，同比增長92%。這些數字背後，是全球雲廠商持續加碼AI基礎設施。

VR200整櫃物料清單成本約780萬美元，就像一張切面圖。切出了整條AI硬體鏈條的成本位置發生變化。

晶片仍然昂貴，但更多環節開始拿到新的價值。

VR200單櫃記憶體價值約200萬美元，相比上一代約37萬美元大幅上升，在整櫃成本中的佔比來到25%左右。

輝達公開規格顯示，Vera Rubin NVL72整櫃擁有20.7TB HBM4高頻寬記憶體和54TB LPDDR5X中央處理器記憶體。這兩個數字放在一起，基本解釋了記憶體為什麼變貴。

大模型推理需要更長上下文，訓練需要更高頻寬，智能體應用需要更強的資料吞吐。記憶體已經從配套資源，變成影響整櫃效率的關鍵部件。

這一部分價格上漲帶有明顯周期性。HBM、LPDDR和NAND都被AI訂單拉動，三星、SK海力士、美光的新產能會在2026到2027年繼續釋放。供給改善之後，價格壓力有機會緩和。

但容量和頻寬需求會留下來。記憶體的價格會波動，AI系統對記憶體的依賴會延續。

VR200單櫃線路板價值從約3.5萬美元升到約11.7萬美元，增幅超過200%。這個數字沒有記憶體那麼誇張，卻代表了架構升級。

AI機櫃裡的線路板，承擔高速訊號傳輸、低損耗控制、供電穩定和系統互聯。Rubin機櫃新增中背板，ConnectX網路模組、BlueField資料處理模組、中央處理器托盤、圖形處理器托盤之間，都需要高速連接。

板層數提高，材料等級提高，製造良率要求提高，價格自然上行。

線路板原來像底座，現在變成高速公路。訊號越密，層數越高，材料越貴，供應商之間的差距越明顯。

這類增長更接近結構性升級。只要AI機櫃繼續走向高功耗、高頻寬、高密度，線路板價值就會被保留在系統裡。

電容、載板、連接器，也在這張物料清單裡變厚。

資料顯示，VR200單櫃多層陶瓷電容價值從約1500美元升至約4300美元，ABF載板成本也有明顯提升。

多層陶瓷電容負責穩壓和濾波。整櫃功耗越高，電壓波動容忍度越低，對高端電容的需求就越大。

ABF載板是先進封裝的重要底座。圖形處理器、網路晶片、交換晶片變大，輸入輸出介面變多，載板面積、層數和良率要求同步提高。

連接器和高速線纜也類似。AI機櫃裡的訊號傳輸已經從單塊板內，擴展到托盤之間、機櫃內部、機櫃之間。

AI看起來運行在雲端，底層卻是陶瓷、樹脂、銅箔、玻纖布、封裝基板、冷卻液、接頭和泵閥。

VR200還是一台高耗電、高散熱壓力的機器。

高價值晶片、密集記憶體、高速網路和整櫃互聯全部裝進同一個系統，供電和散熱就會變成成本中心。

VR200供電相關成本繼續上升，冷卻系統也有新增支出。輝達公開規格里，整櫃液冷、高頻寬互聯和資料處理模組已經寫入平台配置。

一台機櫃有三張網。一張電力網，負責持續供能。一張液冷網，負責帶走熱量。一張訊號網，負責晶片之間高速通訊。任何一張網出現故障，整櫃效率都會下降，交付風險也會放大。

這也是AI機櫃和普通伺服器的區別。它已經像一個縮小版資料中心，裡面同時處理電、熱和訊號。

VR200這類系統，把組裝變成了工程能力。一台780萬美元的機櫃，裡面有高價值晶片、液冷管路、高速連接器、電源模組、記憶體模組和大量測試流程。漏液、訊號異常、供電波動、散熱不足，都會造成高額損失。

代工廠賺到的費用，包含製造、測試、庫存、交付和質量責任。

超大規模雲廠商直接向ODM採購VR200機櫃，價格約780萬美元；通過聯想、華碩、技嘉、戴爾等整機品牌管道採購，價格會更高。另一個情景中，雲廠商自行採購部分記憶體模組，整櫃價格可能降到約670萬美元。

中間約110萬美元的差額，包含採購服務、資金佔用、測試成本、庫存風險、售後責任和交付服務。

AI機櫃越貴，供應鏈管理越值錢。誰承擔採購、測試、庫存和交付責任，誰就有分帳空間。

未來雲廠商可能更多採用來料加工模式。核心晶片和記憶體由雲廠商自己採購，ODM負責組裝、測試和交付。這樣一來，ODM帳面收入會減少，因為最貴的晶片和記憶體沒有進入代工廠收入。

但資金佔用也會減少。庫存風險下降，採購風險下降，壞帳壓力下降，毛利率和淨資產收益率反而有改善空間。

這就是VR200物料清單最值得看的地方。它展示的並非單純漲價，而是利潤分配方式變化。晶片、記憶體、線路板、供電、散熱、測試和交付責任，都在重新定價。

中國供應鏈最值得看的，是機櫃複雜度帶來的工程化機會。

高多層線路板、伺服器級連接器、液冷冷板、冷卻液分配單元、電源模組、母排、多層陶瓷電容、封裝基板、伺服器結構件和整櫃測試，都可能隨著AI機櫃升級獲得新需求。

這裡的門檻非常標準。客戶認證、良率、批次交付、現場服務、材料等級和資金承受力，決定一家企業能否進入高端機櫃供應體系。

有AI標籤沒有意義。能從樣品進入批次訂單，能在雲廠商和整機廠體系裡持續交付，才算真正進入產業鏈。

中國企業的機會，很多時候出現在工程細節裡。液冷系統能否長期可靠運行，高層線路板良率能否提升，電源模組效率能否提高，整櫃測試時間能否縮短，這些環節都會影響最終訂單。

AI機櫃把全球供應鏈分得更細。

美國掌握平台標準、圖形處理器、網路晶片和主要雲客戶。韓國掌握HBM和先進記憶體供應。台灣地區在先進封裝、伺服器代工、高端線路板和連接器上佔據重要位置。日本在材料、裝置、化學品和精密零部件中仍然有存在感。

中國大陸的機會集中在伺服器製造、線路板、液冷、電源、連接器、部分電子材料和系統整合。

一台VR200機櫃，連接著晶圓廠、記憶體廠、封裝廠、線路板廠、材料廠、液冷廠、電源廠、代工廠、雲廠商和資料中心營運方。

AI硬體的競爭從單顆晶片擴展到整櫃，再擴展到整座資料中心。

一台780萬美元的機櫃，最終會通過雲服務、企業AI成本、資料中心建設、電力裝置和材料價格傳匯出去。

企業呼叫AI模型，背後可能對應幾十TB記憶體、數百千瓦電力、液冷管路、高速訊號鏈和數千個電子元件。

VR200物料清單揭開的，是AI產業下一階段的分帳方式。

錢繼續流向晶片，也開始流向記憶體、線路板、載板、電容、電源、散熱、連接器、代工和資料中心工程。

未來AI競爭會落到更現實的地方。

誰拿得到電，誰拿得到記憶體，誰能控制散熱，誰能交付整櫃，誰能讓幾百萬美元的機器持續運轉，誰才會在AI基礎設施時代獲得位置。 (賽博財科)

彙整鉅亨號中所有使用「VR200 Rubin」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

輝達 VR200 成本拆解：儲存成AI “算力石油”

一個輝達機櫃780萬美元，產業鏈上誰在賺錢