AI工厂ROI模型出炉：每兆瓦成本6000万美元与核心三要素
针对市场此前对AI芯片更新换代过快导致硬件在两至三年内迅速过时、进而破坏基础设施投资回报率的担忧，NVIDIA于2026年10月1日在官方博客发布题为《Productive, Durable, Fungible: How NVIDIA AI Factories Maximize Return on Investment》的文章，正式提出AI工厂的投资回报率（ROI）模型。根据NVIDIA官方声明，每兆瓦（megawatt）AI工厂的建造成本约为6000万美元。该框架将AI工厂的投资回报归结为三个核心要素：盈利能力（Earning capacity）、使用寿命（Useful life）和需求（Demand），为企业和云服务商在兆瓦至吉瓦级基础设施上的资本配置提供了参考。
实际服役周期打破三年过时论 旧硬件残值与租约支撑
在硬件使用寿命方面，行业实际运行数据表明GPU的服役周期普遍长于账面预期。2020年出货的NVIDIA A100 GPU在六年后仍在商业服役中；云服务商CoreWeave在2026年8月的第二季度财报电话会议上确认，已签署将2020年架构的A100客户租赁合同延长至2029年的协议。CoreWeave首席执行官Mike Intrator和首席财务官Nitin Agrawal证实，旧款A100仍能以“全价”签订长期合同，部分原因在于旧式风冷数据中心无法满足新一代Blackwell机架的电力和液冷需求。Sprout报告《The Productive Life of a Data Center GPU》指出各大主要运营商均已延长服务器折旧年限，微软V100机队实际运行达8.4年，高于6年的账面折旧期。此外，Silicon Data数据显示服役6年的A100目前价值仍为原始成本的25%，Ornn Data数据显示其5年期租赁合同价格相当于单月租金的80%；Barkr基于系统转售价格测算，8卡H100有效寿命为5至6年，GB300 NVL72预计可达9至10年。这些二级市场与合同数据为硬件寿命提供了佐证。
代际能效测试基准与Agentic需求弹性
在盈利能力与代际演进方面，根据SemiAnalysis的AgentX基准测试数据，在运行DeepSeek V4 Pro模型时，NVIDIA Vera Rubin NVL72系统的每兆瓦吞吐量比GB300 NVL72高出30倍以上，每百万Token成本降低高达45倍。SemiAnalysis指出，该基准测试专门针对多步推理、工具调用等真实Agentic AI工作负载的长上下文预填充和KV缓存复用进行了评估；NVIDIA则将性能增益归因于涵盖模型、工作负载、软件、计算、网络与内存的全栈极端协同设计。需要指出的是，该对比基于特定的DeepSeek V4 Pro模型和预览测试，实际量产功耗与部署表现仍有待后续商用验证。
针对“单Token成本下降将导致算力需求萎缩”的市场顾虑，NVIDIA反驳称，更便宜的Token将使更多业务用例具备经济可行性，而这些新增用例消耗的Token数量将超过效率提升所节省的数量。OpenRouter的报告显示，随着AI模型向多步推理演进，单个Agentic请求消耗的Token数量达到普通聊天的15倍。同时，NVIDIA强调其CUDA软件平台及超过1000个CUDA-X库支持各类AI与非AI计算，拥有超过1000万开发者，这为其不同代际算力在多样化负载中的长期复用提供了生态基础。