Morgan Stanley 一份最新研报估算，Nvidia 下一代 Vera Rubin VR200 NVL72 机架系统的 hyperscaler 采购价约为 $7,803,148，较当前 GB300 NVL72 的约 $400 万近乎翻倍。最令人意外的不是 GPU 涨价——Rubin GPU 单价 $55,000 仅比 Blackwell 高 57%——而是内存成本暴增 435% 至 $2,001,600，占整机成本的四分之一。AI 算力基础设施的成本结构正在被重写。
拆解 $780 万：钱花在哪了
Morgan Stanley 的 BOM 拆解表揭示了一个代际成本结构剧变。
GPU 仍是最大单项支出：72 颗 Rubin GPU 合计约 $396 万（$55,000/颗），36 颗 Vera CPU 合计 $18 万（$5,000/颗）。这 $414 万的"硅成本"较 GB300 增长 57%，不算意外。
真正的变量是内存：$2,001,600，较 GB300 的 $373,939 跳涨 435%。这一数字包含两个组成部分——HBM4 高带宽内存和 LPDDR5X 系统内存。按 Morgan Stanley 口径，内存占 VR200 总 BOM 的 25-26%，而上一代 GB200 这一比例仅 5-10%。GPU 的份额反而从约 63% 收缩到 51%。
PCB 成本从 $35,100 飙至 $116,730（+233%），散热组件从 $49,860 升至 $55,710。NVLink Switch、网络芯片、ABF 基板、MLCC 电容等"其他"部分合计约 $110 万。Tom's Hardware 独立信源指出，VR200 系统的实际报价区间在 $500 万-$700 万之间，部分网络流传的数字仅代表不含保修服务的 ODM 出厂价。
内存为何成了瓶颈
Morgan Stanley 的数字不是孤例，背后是三个结构性的供给问题交织在一起。
第一，容量暴增。 VR200 每个机架搭载 54 TB LPDDR5X 内存（每颗 Vera CPU 配 1.5 TB），是 GB200 NVL72 时代 17 TB 的三倍。按 SemiAnalysis 估算的 Q1 合约价 $8/GB 计算，仅 LPDDR5X 就要 $40.8 万——若计入 Nvidia 的加价和 SOCAMM2 模组测试成本，实际价格可能到 $10/GB 甚至更高，一笔就超过 $54 万。
第二，HBM4 是定价权的战场。 每颗 Rubin GPU 搭载 288 GB HBM4，全机架合计 20.7 TB。Nvidia 最初的目标是系统总带宽 22 TB/s，但 SK 海力士和三星的实际产出 只能达到约 20 TB/s，迫使 Nvidia 调降规格。供应格局也出现裂变：根据 SemiAnalysis 泄露的机构笔记，SK 海力士将供应约 70% 的 HBM4，三星占 30%，而美光被排除在 HBM4 供应之外，转而提供 Vera CPU 的 LPDDR5X。
第三，3D NAND 是一个全新的成本项。 GB300 机架几乎没有板载存储，而 VR200 每个机架搭载约 $100 万以上的 3D NAND 闪存。仅此一项就相当于一台 GB200 整机价格的近三分之一。
这三者叠加的结果是：内存从 AI 服务器 BOM 中的边缘角色变成了核心成本项，存储厂商（SK 海力士、三星、甚至供应 3D NAND 的各方）从 Nvidia 的"供应商"变成了 AI 产业链上的关键利润捕获者。
Nvidia 的应对：L10 整机交付，压缩 ODM 空间
面对越滚越大的 BOM，Nvidia 采取的策略是垂直整合到极致。
根据 Tom's Hardware 援引 DigiTimes 的报道，Nvidia 计划以 Level-10（L10）预组装计算托盘的形式向服务器厂商交付 Vera Rubin——托盘内已集成 Vera CPU、Rubin GPU、HBM4、LPDDR5X、网络、供电和液冷。这比 GB200 时代的 L7-L8 整合更进一步，意味着托盘将占据服务器约 90% 的成本。
对 ODM 和 hyperscaler 而言，这意味着他们不再需要设计主板和散热系统，只需负责机架级集成、配电、冷却分配和运维软件。部署速度加快，但利润空间和差异化能力被大幅压缩。Foxconn、Quanta、Wistron 等代工厂的角色正从系统设计者降级为集成商。
Morgan Stanley 还抛出一个耐人寻味的数字：如果 hyperscaler 自行采购部分内存模组，VR200 的整机成本可以压到约 $670 万。但这一路径要求云厂商具备深厚的供应链能力，本身也是门槛。
门槛效应：只有五个玩家上得了牌桌
$780 万/台的定价自然提出了一个问题：谁会买？
答案非常集中。Nvidia CEO 黄仁勋在最近的财报电话会上表示"每一家前沿模型公司都会第一时间跳上 Vera Rubin"，并补充"这在 Blackwell 时代是没有的事"。Nvidia Q1 2026 数据中心收入达到创纪录的 $816 亿，需求端不存在问题。
但供给端正在制造结构性不平等。以 10 万颗 GPU 集群为例——这已接近当前前沿训练的规模——仅 VR200 机架采购就要超过 $10 亿（约 130 台机架）。能下这种订单的实体只有微软、Google、Amazon、Meta、xAI 和极少数主权 AI 基金。AI 训练和推理的基础设施正从"资本密集型"滑向"寡头专属"。
MarketScale 的评论切中要害：过去 AI 基础设施预算是按 GPU 数量来算的，现在必须按整系统总成本来算。内存供应甚至应该被视为排程风险——当内存占机架价值的四分之一且供应紧张，可用性和交付周期至少需要和 GPU 分配同等重视。
需要注意的不确定性
Morgan Stanley 的这份 BOM 分析是"估算"而非 Nvidia 官方定价。PC Gamer 指出这些数字代表的是 hyperscaler 采购价而非 Nvidia 制造成本，每一行都包含不同程度的加价。Nvidia 从未公布 NVL72 产品的官方 list price，不同配置、不同客户、不同采购量的实际成交价可能有显著差异。
此外，HBM4 和 LPDDR5X 的现货价格高度波动。DDR5 合约价目前在 $12-$16/GB 区间，现货价约 $20/GB；LPDDR5X 比 DDR5 更贵，且 SOCAMM2 模组的测试成本仍在爬坡。如果 2026 年下半年存储产能释放不及预期，$200 万的内存成本可能被低估而非高估。
更长远看，Nvidia 正在滑向一个"整机系统公司"的角色，芯片利润、内存利润、网络利润、冷却利润全部被吸入同一张损益表。这一策略在需求井喷期意味着利润最大化，但在需求波动或地缘供应中断时，也意味着风险高度集中。
Vera Rubin 计划于 2026 年 Q3 首批出货、Q4 规模爬坡。届时 hyperscaler 财报中资本开支的变动，将是检验 $780 万这个数字的第一份真实答卷。
