AI 燒錢無底洞？我們把成本線畫出來了：照這斜率，AI 離賺錢只差一年！

上一篇我們把需求曲線和供給時程拆開來看，得到三個結論：

每顆 GPU 的變現能力在 2025 年底出現向上轉折，與 12 月 GPU 租賃漲價、今年 1 月公有雲漲價互相印證；
2027H1 是資料中心產能開出最少的時點，供需吃緊至少延續到 2027 下半年；
依鎖定產能的結構，手上有儲備算力的人是被低估的一方——META 開始把自家算力拿出來外賣，就是這個結構下的策略轉變。

而結尾我們預告過：下一篇要來算成本的甜蜜點。

因為市場對 AI 資本支出的爭論太多了：吵 GPU 折舊該算幾年、吵 ROIC 在哪、吵錢賺不賺得回來……等等。這些爭論吵的其實是同一件事——AI到底什麼時候才會賺錢？但討論多半停在誰對誰錯，很少有人把成本這條線真的畫出來。

這篇就做兩件事：把每顆 GPU 一年要攤多少成本算清楚，再反過來推「多少 AI ARR 才站得上賺錢的成本線」。

先給結論：以 Epoch 官方 1GW 資料中心模型為基礎，我們算出兩條關鍵的線：新蓋案場的損平線在 $4.5k/顆/年、連追加擴產都划算的甜蜜點在 $5.6k；而目前變現強度大約只有損平線的一半。但依目前的斜率，FinSight 基準情境預估將在 2027 年中碰到損平線、2028 下半年跨過甜蜜點；照市場研究機構的樂觀情境則各提前約一年——也就是說，一年後 AI 算力就會站上開始賺錢的成本帶。

更何況，缺貨市場已經先給答案：Anthropic 和 OpenAI 實付價格，已經是回本門檻的兩倍——大家還在吵 AI 燒錢，有算力的人已經在數錢了。

第一步：先把成本算出來——一座 1GW 資料中心的帳

參考 Epoch 官方的 1GW 模型（2026/5）模型數字：

蓋一座典型 1GW 的美國 AI 資料中心，前期要投 $38B，之後每年營運費只要 $0.9B；
把前期投資按使用年限攤開，一年的總持有成本約 $8.5B，其中伺服器占六成。

注意一個反直覺的地方：電費雖是最大的營運費用，一年也才 $0.6B。真正的大錢不在電費，在折舊——機器只要開著就幾乎不虧現金，成本大戰打的是「機器錢要攤幾年」。

圖 1：1GW 資料中心年化成本結構——資本攤提 vs 現金營運費（資料來源：Epoch AI，2026/5）

再把成本換算成以「每顆 GPU」為基準。

先說單位：H100e 是把市面上各種晶片（包含各種ASIC）統一換算成「約當幾顆 H100」的算力單位。用 31 個大案場的中位數換算，1GW 約對應 1.24M 顆；存量案場的建置成本中位是 $30.6k/顆（H100 世代為主，＝$37.9/W），新世代案場（Stargate 系列／B300／TPU v7）只要 $13k–19k/顆。把新世代成本攤成每年，就得到以下幾層門檻：

表 1：四層成本門檻推導（資料來源：Epoch AI，FinSight 計算）

（模型假設：設備壽命 5 年、廠房 14 年、PUE 1.14、利用率 71%、電價 8.34¢/kWh。）

補充「最重要的兩條門檻」：

新建損平線 $4.5k/顆/年：新蓋的資料中心，每顆 GPU 一年要賺到這個數，才攤得完機器錢；
擴產甜蜜點 $5.6k/顆/年：不只攤完機器錢，連 10% 的資金成本都付完還有剩。過了這條線，追加蓋新的資料中心都是划算生意，廠商會搶著擴產。

這組門檻我們用兩條獨立路徑驗證過：一是 31 個案場一個一個算出來的 $37.9/W，跟 Epoch 模型（假設 GB200 伺服器）的 $38B/GW——兩邊沒有互相參考，卻對出幾乎同一個數字；二是 Epoch 自己的年化總成本換算約 $6.2k–6.9k/顆，正好落在甜蜜點與存量回收之間，位置合理。

至於哪個假設對門檻影響最大？答案是「機器錢攤幾年」——攤 3 年還是 7 年，門檻整體會差 ±45%；電價、PUE、利用率全部加起來才 ±15%。而在這件事上，現實站在偏長的那一邊：雲端大廠的會計折舊都已經拉到五、六年；甚至 2020 年出貨的 A100 到今天還在市場上出租、租金甚至還在創波段新高（見文末圖 6）——過了折舊年限的 GPU 不但沒報廢，還在賺現金。所以我們取 5 年，是市場的主流假設，不是樂觀值。

還有一件事市場論述常漏掉：成本線自己也在下降。全市場混合採購單價從 2022 年的 $38k 一路降到 $14k 附近，四年降了約六成——這是實際發生的數據，不是預估；反映在建置成本上，就是新世代案場單顆 capex 比 H100 世代便宜約四成。更別說軟體端也在幫忙，同一顆晶片能榨出的 token 逐年增加。一邊變現線往上、一邊成本線往下，這是一把剪刀——交叉只會比靜態估計更早，不會更晚。

圖 2：成本線自己在下降——左：每 H100e 混合採購單價（實際）；右：新建成本帶年化下移（示意）（資料來源：Epoch AI，FinSight 計算）

第二步：我們現在在哪？照斜率， 2027 年中碰到損平線

成本線畫好了，接下來的問題是：現在整個市場，離賺錢還有多遠？

量尺沿用上一篇的變現強度：五家模型公司（OpenAI／Anthropic／xAI／Mistral／智譜）可觀測的 ARR（年化營收），除以全市場累計的 H100e 算力。白話就是：現在全市場平均每顆 GPU，一年對應到多少終端 AI 營收。2026Q2 的讀值是 $2,430/顆/年（$72.9B ÷ 30M 顆）——離 $4.5k 的損平線，還有一段路。

要說清楚：這把尺不是雲端商的實測 ROIC，它問的是更根本的問題——終端 AI 營收，到底撐不撐得起這麼多算力？AI模型公司的 ARR，是雲端租金的最終還款來源；租金付不付得起，最後看的就是這條。而這把尺 2025 年底的向上轉折，跟租賃漲價、公有雲調價互相印證過，所以我們敢拿它往前推。

圖 3：AI 算力成本曲線全景——變現強度（實際＋推演）vs 四層門檻（資料來源：Epoch AI，FinSight 計算）

離損平線還有一段路，但注意斜率：這個數字兩季前才 $1,318，半年漲了 84%。把上一篇的供給時程和 ARR 基準情境代入：2027 年中碰到新建損平線 $4.5k、2028 下半年跨過擴產甜蜜點 $5.6k。

缺貨市場已經先給答案：OpenAI＋Anthropic 實付 $14k–18k，是甜蜜點的兩倍以上

上面算的是「全市場平均」——把賺得多的和還閒著的都平均進去了。缺貨市場的現況激進得多。Epoch 統計了兩強（OpenAI＋Anthropic）去年實際付了多少錢，我們從支出反推「隱含每顆年支出」：

分子：兩強 2025 年付給雲端的算力費用合計 $24.1B（$16.3B＋$7.8B，含訓練＋推論）
分母：兩家當年在用的算力。Epoch 可歸屬的平均約 0.87M 顆，因涵蓋不全，我們把分母放大 1.5–2 倍到 1.3–1.7M 顆（不放大直接算是 $27.7k，所以這已是偏保守的帶）
相除得到 $14k–18k/顆/年——已是甜蜜點 $5.6k 的兩倍以上。

從收入面也能對出同一個數字。市場研究機構 SemiAnalysis 的 Anthropic 財務重建報告（2026/7/8）估計，其每 MW 年化收入今年稍晚達 $60M、毛利率約 65%——意思是，收入的 35% 就是付出去的算力成本。換算下來每顆年成本約 $17k（$60M × 35% ÷ 1,239 顆/MW），正好落在 $14k–18k 帶中間。一條從「實際付了多少錢」算、一條從「賺多少扣掉毛利」算，兩條完全獨立的路徑，收斂在同一個數字。

圖 4：四層門檻 vs 缺貨期實付租金——實付價遠在最高門檻之上（資料來源：Epoch AI，FinSight 計算）

這個 $14k–18k 有幾點要注意的：它是偏高的上限型估算（分子可能混了儲存、網路等費用）；分母的放大係數是我們的判斷值（保守抓）；而且它是平均價——搶新增容量的邊際價格只會更高。但重點是：這個數字就算打對折，也還在甜蜜點 $5.6k 之上。

缺貨市場裡，租得出去的算力，現在就是高利潤生意。

第三步：怎樣的 AI ARR 才算夠好？反推各時點要多少才碰線

回到市場吵最兇的問題。前面都在講「每顆 GPU 一年要賺多少」，現在把它反過來：每條門檻乘上屆時的全市場算力，就變成「全市場 AI ARR 要做到多少，才碰得到成本線」。

除了損平線和甜蜜點，表上還多畫了一條底線：$2,430 ×屆時算力＝「維持今日緊度」所需的 ARR。為什麼這條線會一直墊高？因為供給每季都在開出來——ARR 光是原地踏步，市場就會越來越鬆。所以連這條底線都達不到的話，代表供需比今天鬆、漲價環境結束。

這張表的用法很簡單：之後隨時把主要 AI 模型廠商的ARR 拿來對，就知道市場走到哪一層了，不需要重跑任何模型。

而這張表真正的價值，是給市場一個缺了很久的標準。市場天天在講 AI 成長，卻對「成長要多快才夠」沒有一個標準。最常見的說法是「AI 成長性趨緩」——但基期變大之後，增速趨緩本來就會發生，光看增速沒有意義。真正該問的是：趨緩之後的絕對金額，跟不跟得上成本線？這張表就是那個定錨——ARR 走在線上，趨緩只是數學；掉到線下，才是真的轉弱。

表 2：反推表——各時點 ARR 要達到多少才碰成本線（資料來源：Epoch AI，FinSight 計算）

＊1　供給＝Epoch 完工時程 ×3.08 涵蓋校準 ×90% 執行率，自 2026Q2 的 30M 顆起算。2028 年的敏感點：約 36M 顆當量的案場完工日先掛在「12/31」（＝「年底前」），若全數如期開出，算力升至 ~147M 顆、碰線所需 ARR 上修至 $662B／$824B——這是 2028 年供給推估的最大不確定性。
＊2　供給以 H100e 當量計；新世代每 GW 對應更多 H100e（效率年增 +40% 假設），當量新增會高於 GW 口徑的直觀印象（GW 口徑見上一篇圖 3）。

有了這三條反推線，整張圖就成了一條走廊：最下面是「比今天鬆」、往上是「更緊但新建還在燒錢」、再往上進「新建損平區」、最頂層是「擴產甜蜜區」——ARR 走到哪一層，市場就是哪種狀態。

圖 5：反推走廊——AI ARR 走到哪一層，市場就是哪種狀態（資料來源：Epoch AI，FinSight 計算）

白話翻譯：2026 年底五家合計 ARR 到 $191B 以上，就代表新蓋的資料中心開始損平；到 $238B 以上，代表連追加擴產都是划算生意。FinSight 基準情境是 2027 年中碰損平線（$236B ≥ $234B）、2028 年有機會跨過甜蜜點。

那樂觀情境會落在哪？SemiAnalysis 估 Anthropic 單家 ARR 2026 年底／2027 年底約 $150B／$300B，兩強合計約 $200B＋／$400B＋。對表：2026 年底就碰損平（$200B ≥ $191B）、2027 年底就貼上甜蜜點（$400B ≥ $398B）——兩個時點各提前約一年。保守與樂觀之間這一年的落差，就是之後每季對帳要收斂的東西。

驗證方法：除了緊追 AI ARR，還有 GPU 租賃價格

這套推演敢往前伸，是因為它已經通過一次現實檢驗：2025 年底指標出現轉折，接著 12 月租賃漲價、1 月公有雲調價，一一兌現。

至於往後的驗證有兩條線：一條是每季 ARR 對反推表（上面那張，用來確認整體算力緊俏度）；另一條更即時——GPU 租賃價格（每天有報價，市場鬆緊可參考）。

目前的位置：Silicon Data 的 H100 租賃指數（SDH100RT）2026/7/20 報 $2.69/GPU-小時，包一整年不關機約 $23.6k/顆；從 2025/11 低點 $1.96 至今上漲 37%，時間點與變現強度的轉折完全咬合。更有意思的是 A100——這顆 2020 年出貨的老晶片，租金也較低點漲了 23%、還在創波段新高，呼應第一步說的：過了折舊年限的 GPU，不但沒報廢，還在賺現金。順帶一提，兩強實付的 $14k–18k 換算有效時租約 $1.6–2.05/hr、略低於現貨——大買家簽長約本就有折扣，又一次收斂。

往後怎麼判讀：若供需如推演的越來越緊，租賃指數在 2027 年中之前應該維持在相對高檔；反過來，若租金在 2027 完工潮之前就明顯轉弱，那是需求端最早的警訊。但注意，新世代晶片（Vera Rubin）放量後，H100 指數不會單純一路向上——舊世代價格有自然下滑的重力（看圖上的 A100 在 2025 年也走了一年空頭、過去兩年 H100 趨勢向下就知道），所以看的是「區間與相對變化」：是否守住高檔區、跌勢是否止住，等新世代晶片的租賃指數成熟後就換錨對照。

圖 6：H100／A100 租賃價格指數走勢（SDH100RT／SDA100RT，2024/9–2026/7/20）——2025 年底觸底回升（資料來源：Silicon Data／Bloomberg）

總結：大家在吵 AI 燒錢，但其實有算力的人已經在數錢了

上一篇從供給端算出「缺到什麼時候」——2027 下半年之前不會鬆；這一篇從成本端算出「什麼時候回本、多少 ARR 才夠好」——並給出一張每季可對的反推表。

合起來一句話：算力會越來越緊，接下來一年，手上有算力的人非常值錢。

成本線最重要的是兩條：新建損平 $4.5k/顆/年、擴產甜蜜點 $5.6k；目前變現強度 $2,430（2026Q2），大約是損平線的一半。
照目前的斜率：基準情境 2027 年中碰損平線、2028 下半年過甜蜜點；樂觀情境各提前約一年。而成本線自己還在降，交叉只會更早、不會更晚。
缺貨市場已經先給答案：兩強實付 $14k–18k/顆——甜蜜點的兩倍以上，支出面、收入面、租賃市場三條獨立路徑收斂。租得出去的算力，現在就是高利潤生意。

先講清楚一件事：碰損平線不是永動機的開關，是風險屬性的切換——碰線之前和之後，要擔心的事不一樣。

碰線之前看融資鏈：全行業還在燒錢，中間的窟窿靠融資填，這個階段最大的風險是在回本之前資金鏈就斷了。其他要關注的變數：AI ARR 成長不如預期（2028 完工潮就從供給高峰變成過剩壓力）；租賃價格在供給放量前先軟（需求端最早的警訊）；HBM 與零組件漲價推高成本帶；折舊年限共識下移（門檻會上移逾四成）。
碰線之後看產能循環：生意自己會賺錢了，風險換成好賺 → 搶擴產 → 供給稀釋變現 → 報酬被壓回成本帶。這時盯的是利差走到循環的哪一端——還在擴大是甜蜜期，被新供給壓縮就要開始小心。

劇本怎麼走沒人說得準，但方法很簡單：每季把實際 ARR 和租賃指數點回表上——數據變了，我們就跟著調整。

下一篇，我們回頭回應市場這半年的三個擔憂——開源追上了、小模型加工作流就夠用了、企業不再無上限撒 token——為什麼那不是需求的尾聲，而是落地的開始。

資料來源：Epoch AI — AI Chip Sales／AI Companies／AI Data Centers（epoch.ai/data，CC-BY 4.0）；Epoch AI Data Insight, 2026/5/14（1GW TCO 模型）；市場研究機構 Anthropic 財務重建報告（2026/7/8）；Silicon Data GPU 租賃指數（SDH100RT／SDA100RT）。計算全部可由公開資料重現。

免責聲明：本文章內容僅供投資人參考，無任何推薦與買賣邀約之情事，投資人應獨立審慎判斷，自負買賣風險謹慎投資，本網站不負任何法律責任。

喜歡我們的文章嗎？歡迎追蹤我們的臉書粉絲團，我們會持續提供更多產業趨勢的分析。
若我們的網站有幫助到您，也可以選擇贊助我們，讓我們更有動力繼續前進！
一次性贊助 ☕ 定期定額贊助 🥐

AI 認知落差系列——把市場正在流行的想法，跟數據說的話，放在一起對質。
一、現在的漲價只是前菜：AI 算力會越來越缺，至少缺到 2027 下半年（2026/7）
二、AI 燒錢無底洞？我們把成本線畫出來了：照這斜率，AI 離賺錢只差一年！（本篇 2026/7）
三、tokenmaxing 退場不是需求尾聲（即將發布）

資料驅動的科技革命 – 系列文章：
1. 資料驅動的科技革命之一：從應材分析師會議，看半導體的巨大商機
2. 資料驅動的科技革命之二：從 Intel IDM 2.0 的轉型看到些什麼？
3. 資料驅動的科技革命之三：資料中心競爭白熱化
4. 資料驅動的科技革命之四：科技賦能的關鍵技術軍火商 NVIDIA
5. 資料驅動的科技革命之五：企業支出增加，加速投入數位轉型
6. 科技正在改變世界，我們該如何面對產業革命呢？

AI 產業革命 – 系列文章：
1. AI 產業革命之一：資料量指數成長，使軟體與半導體迎來長線成長動能
2. AI 產業革命之二：AI 正在改寫規則，回顧發展至今的三個階段
3. 估算 AI 資本支出合理性：AI 投資泡沫？數據告訴你！ (2025/6)