AI算力基础设施的建设成本正在引发市场高度关注。
6月19日，鸿海董事长刘扬伟近日公开披露了一组震撼业界的数据：以Vera Rubin为核心构建1GW规模的AI数据中心（AIDC），资本支出高达470亿美元，每年仅电力成本就达13亿美元，而硬件折旧费用更是电力成本的六倍。这一数字直观揭示了AI基础设施军备竞赛背后的惊人资本门槛。
刘扬伟表示，全球正加速迈入"AI工厂"时代，预计到2030年，全球数据中心投资总额将达1.6兆美元。算力负载将从2024年的约68GW飙升至174GW，意味着2025年至2030年间需新增电力106GW，平均每年须新增近18GW供应。
在企业应用层面，刘扬伟指出，目前多数企业仍处于AI赋能阶段，但未来的目标应是转型为"AI原生"组织，并提出了七大转型特点。
刘扬伟以具体数字拆解了AI数据中心的建设成本结构，为市场提供了难得的参照基准。
根据他引述的数据，建立1GW以Vera Rubin为核心的AIDC，所需机柜数量约为3557座，而单一座Vera Rubin机柜售价即达910万美元，由此推算整体资本支出高达470亿美元。
在运营成本方面，1GW规模的AIDC每年电力支出达13亿美元，而硬件折旧费用更是电力成本的六倍，意味着年度折旧负担约达78亿美元。
这一成本结构表明，对于有意布局AI算力基础设施的投资者和企业而言，持续的资本投入压力将远超初期建设阶段。
刘扬伟援引数据指出，全球数据中心规模到2030年将达1.6兆美元，算力负载将从2024年的约68GW大幅攀升至174GW，六年间新增电力需求高达106GW，平均每年须新增近18GW电力供应。
在算力需求来源方面，刘扬伟将当前最主要的四类买家归纳为：模型开发商（Model Makers）、云端服务业者（CSP）、政府及企业。
其中，模型开发商与CSP商业模式明确，是目前算力消耗最大、需求最为旺盛的群体；政府目前仍处于探索阶段，但潜力庞大；企业则被视为未来的"蓝海市场"。
在企业如何应用AI这一议题上，刘扬伟区分了两个阶段：当前多数企业处于"AI赋能"阶段，即在既有组织架构与流程中引入AI以提升效率；而未来的目标则是成为"AI原生"（AI Native）组织——所有流程以AI为核心运作，人类仅需负责设定目标与治理监督。
刘扬伟强调，AI原生组织须具备七大特点：数据须能被AI有效使用；流程须重新设计并具备代理（Agent）功能；AI的角色在于辅助决策者避免盲目决策，而非直接作出最终决策；组织角色须重整；人才能力须升级；以及须建立可控、可追踪、具自动化的治理机制。
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。