AI工厂回本三要素

最近看到英伟达关于AI工厂投资回报的一段论述，核心其实就三个变量：赚钱能力、使用寿命和需求。每兆瓦的AI工厂造价大约6000万美元，这个量级的资本开支，运营方不可能拍脑袋决定，必须把回报算清楚才敢下手。

先说赚钱能力，指的是工厂满负荷卖出所有能生产的token时，一年能挣多少。但这里有个陷阱：如果只能卖掉一部分产能，再高的理论收入也是空的。所以吞吐量和每token成本才是硬指标，谁能在同样电力下产出更多、单位成本更低，谁就占优。再看使用寿命。AI硬件不是买来就能一直赚钱的，很多卡一两年后就跟不上主流负载了。英伟达强调自己的GPU和系统在出货多年后仍能持续产生收益，这其实是在回应一个真实焦虑：折旧速度决定了回本周期，硬件贬值太快，再高的毛利也扛不住。需求这一项最容易被低估。高需求如果只维持一年，工厂满负荷运转也白搭。反过来，一个能跑更多种类工作负载的工厂，天然能接触到更多需求场景，从而把赚钱周期拉长。这三者不是独立的，而是互相咬合的。英伟达给出的解法是三个词：高产、耐用、通用。高产对应每兆瓦最高吞吐和最低token成本；耐用对应GPU多年后仍在赚钱；通用则是指能跑各种AI负载、各个阶段、各个地点。我的判断是，这套叙事本质上是在把AI工厂从「买卡」变成「买资产回报率」，对真正要掏钱建厂的人来说，通用性可能比峰值算力更值得关注。