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，据中国台湾《工商时报》报道，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。
1GW 数据中心：470 亿美元的资本门槛
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。
2030 年全球算力需求：新增 106GW
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。
