大摩闭门会-下一步关键何在-GOOGL-AMZN和META的2027年算力规划及后续关注要点-20260526

大摩分析师 2027年超大规模数据中心产能展望与Ai芯片成本性能分析 摘要 ●2027年四大超大规模数据中心(Google/AWS/Azure/Meta)合计新增产能将达20GW,高于2026年的14GW,两年累计新增约34-35GW。·Alphabet产能扩张领先，预计未来两年新增13GW;AWS与Azure两年合计各增8-10GW;Meta 2027年预计新增3-4GW。·GB300系统每GW成本约330亿美元，显著高于TPU系统的250亿美元；NVIDIA芯片每瓦性能是定制芯片的2-8倍，溢价核心在于推理阶段的低代币成本。●亚马逊2026年资本支出约50%用于电力、机房等前瞻性建设；谷歌仅为10%,但面对4,600亿美元未交付订单，预计2027年需大幅增支扩产。●Trainium3/4与TPU追赶NVIDIA的关键在于系统级优化，包括NVLink同类技术、内存带宽及针对EFS等服务的软件优化，而非单一芯片性能。●Meta利用AI助手贯通全漏斗广告，其增量广告支出回报率(ROAS)达搜索平台2.3倍，通过网红生态解决AI购物信任问题，驱动商业变现。 Q&A 你们是如何自下而上地构建模型，以估算超大规模数据中心运营商到2027年的资本支出和千兆瓦级产能目标的? 我们联合了半导体、网络与电源团队，采用自下而上的方法构建模型。该模型基于超大规模数据中心的服务器和机架交付量，涵盖了视频处理和定制ASIC领域。我们首先分析服务器、机架及非服务器机架部分的需求，并考虑这些设备的IT电力需求，最终构建出数据中心的建设模型，从而估算出各公司的千兆瓦产能目标。 在构建成本模型时，构成Tranium、TPU8以及Biackwell系统成本的关键组件有哪些，它们之词存在怎样的盖异? 主要拆解了几个核心部分来构建成本模型。首先是机柜成本，其中包含了GPU芯片成本，这部分根据采用NVIDIA、TPJ还是Trainium的方案而有所不同。其次，我们还分别拆分了HBM、DRAM的成本以及CPU的定价。尽管超大规模厂商通常从NIDIA采购完整的机柜系统而非单个组件，但鉴于当前成本的敏感性和持续上涨，我们选择将其拆分分析。除机架本身，模型还纳入了各用电源、冷却设备、电源外壳和网络收发器等非机架组件的成本。通过这种跨部门协作的自下而上成本构建，我们得出GB300系统每千兆瓦的成本约为330亿美元，而TPU系统的成本约为250亿美元。 考虑到NVDIA芯片的成本远高干定制芯片，超大规模数据中心为何仍愿意为其支付溢价，其性能优势具体体现在哪些方面? 超大规模数据中心愿意为NVIDIA芯片支付更高的每言瓦成本，核心原因在于其卓越的性能。数据显示，NVIDIA芯片的每瓦性能是部分定制芯片的2到8倍。这种性能优势不仅能提升整体系统表现，还能有效降低代币成本，这一点随着更多工作负载从训练转向推理而变得愈重要。 亚马逊的Trainiun和Alphabet的TPU在未来几年内，有哪些机会可以缩小与NVIDIA在每瓦性能上的差距? 缩小与NVIDIA的差距，关键在于提升整体系统级性能，而非仅仅关注芯片本身。无论是预计在2026年底推出的Trainiun3,还是2027年的Trainium4,其改进重点都应放在系统层面。这包括网络性能、内存带宽，以及在AWS内部针对EFS等服务的软件优化。能否有效利用类似NVIDIANVLink的技术也将是关键：因此，无论是Trainium还是TPU,系统级的整体改进是追赶差距的核心所在。 预计到2027年，谷歌、亚马逊、微软和Meta这四家超大规模数据中心运营商各自将新增多少产能，与过去相比有何变化? 预计在2027年，谷歌、亚马逊、微软和Meta四家合计将新增20吉瓦的产能，高于2026年新增的14吉瓦。这意味着未来两年内，这些公司总计将新增约34至35吉瓦的产能。其中，Alphabet(谷歌)通过部署NVIDIA和TPU芯片，贡献最大，预计未来两年将新增约13吉瓦。AWS和Azure在2026年各自新增约5吉瓦，预计2027年将分别新增4至5吉瓦，两年合计新增产能在8至10吉瓦之间。Meta在2026年将新增数吉瓦产能，预计2027年将达到3至4吉瓦。 通过分析各公网2026年的资本支出与计划落地的吉瓦产能，你们在“前澹性建设”方面有哪些设现，特别是亚马逊和谷歌的策略有何不同? 的分析显示.亚马逊2026年资本支出中约有一半用于前瞻性建设，主要投入于机房、电力等非芯片基础设施，为2027年交付的芯片做准备。相比之下，谷歌2026年资本支出中仅有10%用于前瞻性建设，大部分支出用于当年即可上线的产能。这可能与芯片交付时间安排有关，或许谷歌能更好地将芯片交付与新增电力供应同步，也可能是在利用旧有数据中心，然而，这也意味着谷歌的前瞻性建设规模不如其他厂商，考虑到其高达4,600亿美元的云业务未交付订单，我们预计其在2027年需要增加资本支出以扩充产能来满足积压的需求。 Meta近期发布的关于其搜索和AI智能体愿景的演示文稿揭示了怎样的产品和广告策略，这将如何利用其新增的大量A产能? Meta的演示文稿指出，搜索正演变为一种更具社交属性的行为，公司正积极争取这部分广告预算。其策略是通过一个覆盖全漏斗的应用家族框架来实现：漏斗顶部由Reels和动态发现内容构成，中部是用户的评论和收藏行为，而底部则是通过Meta AI实现的购物活动。数据显示，Meta应用家族的增量广告支出回报率是搜索平台的2.3倍。一一个关键的现是，约半数用户已使用AI助手进行产品发现，Meta正利用其新模型抓住这一机遇，让用户在Meta AI上完成整个购买流程。凭借Facebock和Instagram的强大分发能力，Meta有能力快速推动这类新产品的普及。 Meta如何利用其平台上的内容目录和网红生态系统，构建独特的价值主张以推动增量互动和商业变现? Meta的独特价值主张在于其庞大的内容生态。平台拥有广告商提供的数十亿商品目录，以及围绕网红的个性化内容，调研显示，消费者不信任机器是阻碍其通过AI代理购物的主要原因之一。Meta可以通过引入用户所熟悉并产生共鸣的网红来解决这一信任问题。例如，当用户想购买降噪耳机时，Meta可以精准地展示相关领域的网红内容来辅助购买决策。这种方式能够有效推动增量的用户互动和商业变现。目前，市场对Meta的估值似乎并未反映其AI相关资本支出的任何潜在投资回报。