算力供給與成本線：供給追不追得上、何時回本
這一板回答四件事：算力夠不夠、供給從哪裡來、每顆晶片的成本線往哪走、算力落到誰手上。
地圖上的判讀：進行中，方向對，2027 年中越過損平線
每顆 H100e 年化營收
$4,040
26Q3｜五家模型公司 ARR ÷ 全市場累計算力
全市場累計算力
34.9M
26Q3｜百萬顆 H100e，補值修正
每顆 H100e 採購單價
$12.2k
26Q3｜當季晶片支出 ÷ 新增算力
邊際 ÷ 平均量尺
3.4×
26Q3｜大於 1 ＝ 吃緊加深
下一個檢查點
損平線 $4.5k（2027 年中）／$5.6k（2028 年中）
目前每顆 H100e 年化營收 $4,040（26Q3）
怎麼看這一板
核心看法：先用歷史驗證指標，再推未來。每顆 H100e 年化營收在 2025 年第四季到 2026 年第二季從 $1,318 急升八成四到 $2,430，時間和公有雲 GPU 漲價、B300 調漲完全重合，證明指標急升就是供不應求、現實會出現漲價。2026 年第三季再到 $4,040。往前推，基準情境下這條線 2027 年中越過新建含折舊的損平線 $4.5k、2028 年中越過關鍵門檻 $5.6k，越過之後新建算力在 10% 資金成本下開始有正報酬，追加資本支出從信仰變成套利。
- 供給用兩種估法夾成一條帶：下緣是 Epoch 已動工案場的完工排程，上緣是晶片出貨趨勢外推；2028 年以後 Epoch 收錄不全，數字要靠帶的下緣看。
- 邊際量尺比平均量尺早翻臉：每顆新晶片扛的新 ARR 高於平均，吃緊延續；跌破平均，是量尺見頂的前兆。
- 損平線自己也在下降：新世代晶片的建置成本比 H100 世代便宜約四成，變現線往上、成本線往下，交叉只會比靜態估計更早。主宰變數是折舊年限，三年或七年會讓全部門檻差四成五。
- Epoch 最近幾季的晶片涵蓋不全，最右邊的柱子是低估不是需求下滑；虛線「補值修正」假設缺漏晶片維持前一季出貨節奏，修正後結論不變。
名詞：H100e ＝ Epoch AI 把各家晶片換算成 H100 等效算力的單位，涵蓋 Nvidia、Google TPU、AMD、Amazon Trainium、華為等全市場。每顆 H100e 年化營收 ＝ 五家模型公司（OpenAI、Anthropic、xAI、Mistral、智譜）可觀測的合計年化營收 ÷ 全市場累計 H100e，是終端 AI 營收撐不撐得起新增算力的量尺，不是雲端商的實收租金。損平線 ＝ 一座 1GW 資料中心的年化總持有成本換算到每顆 H100e：新建案場含折舊 $4.5k、含資金成本 $5.6k（關鍵門檻）、年化總持有成本 $6.5k。
問題 1供給從哪裡來
1供給開出時間表：每半年新增多少 GW、誰的
這是整個算力供給的關鍵圖。每半年上線運轉的 IT 功率，依擁有者堆疊；過去的日期由衛星影像驗證，未來的是 Epoch 估的完工時程。2026 到 2028 年每半年都有 3 到 7 GW 要開出來，2028 年下半年 Oracle 一家就占了大半。2029 年以後驟降是因為 Epoch 只收錄已動工案場，能見度約兩到三年，不是真的供給斷崖。
供給開出時間表：半年度新增 IT 功率（GW，依擁有者堆疊）#
怎麼看這張圖
日期是該批容量上線運轉的時點：過去由衛星影像驗證，未來是估計的完工時程。只收錄已動工的案場，能見度大約兩到三年，所以 2029 年後的驟降不是真的供給斷崖。
資料來源：Epoch AI（CC-BY 4.0），FinSight 彙整與估算 · 更新日期 2026-10-01
2晶片出貨：每季新增算力與晶片支出
左：每季新增 H100e 算力，依晶片型號堆疊，B300 已經是最大的一塊。右：Epoch 的成本估計加總，等於隱含的晶片採購支出。涵蓋範圍照 Epoch 自己的說明：只追 Nvidia、Google TPU、Amazon Trainium、AMD Instinct、Huawei Ascend 五家，Epoch 認為這已是全球 AI 算力的大多數；微軟、Meta、特斯拉的自研晶片和消費級 GPU 不在內。Nvidia 從 2022 年起有資料、其他四家只從 2024 年起；Nvidia 的估計最有把握，Amazon 最沒把握。有些季度資料對不齊，畫成半透明，右邊幾季偏低是涵蓋不全，不是需求下滑。
3全部案場加總與大型案場的建置軌跡
左：71 個追蹤案場的加總，斜率變陡代表擴建加速；虛線是累計資本成本。右：依峰值功率取前十大案場，每條線是一座案場的 IT 功率建置進度，未來日期是規劃值。看供給成長速度用左圖，看單一專案進度用右圖。
問題 2算力夠不夠
4緊缺指標：每顆 H100e 年化營收，歷史驗證加推演
實線是實際：2025 年第四季到 2026 年第二季從 $1,318 急升到 $2,430，和公有雲 GPU 漲價、B300 調漲的時間重合，指標急升就是供不應求。虛線是推演：情境營收除以 Epoch 資料中心完工供給。綠色帶 $4.5k 到 $6.5k 是目標區間，下緣是新建案場含折舊的損平、上緣是年化總持有成本；橘色粗虛線 $5.6k 是關鍵門檻，越過後新建算力在 10% 資金成本下有正報酬；菱形是基準情境碰線的時點。分子是模型公司的 ARR，不是雲端商實收租金。
緊缺指標：每 H100e 年化營收（歷史驗證＋推演）#
怎麼看這張圖
橘色區是漲價驗證期。綠色帶 4,500 到 6,500 美元是目標區間：下緣是新建案場含折舊的損平線，上緣是年化總持有成本的簡化法。橘色粗虛線 5,600 美元是關鍵門檻，穿越後新增資本支出的淨現值轉正。紅虛線 9,500 美元是存量含資金成本的完整損平。金色線 1,400 美元是現金營運損平，已經越過。
資料來源：Epoch AI (CC BY 4.0)，FinSight 彙整與估算 · 更新日期 2026-10-01
5供給算力 vs 需求算力，同一個單位
需求算力 ＝ 情境營收 ÷ 效率調整後的每顆 H100e 營收，以 2026 年第二季為錨。兩線的距離就是供需鬆緊，需求線貼近或穿越供給線代表吃緊。藍色虛線帶是供給的兩種估法：下緣是 Epoch 已動工案場的完工排程，上緣是晶片出貨趨勢外推，涵蓋未來新案。
供給算力 vs 需求算力（同單位，百萬 H100e）#
怎麼看這張圖
需求算力等於營收除以效率調整後的每顆算力營收，以 2026Q2 為錨。藍色虛線帶是供給的兩種估法：下緣是已知案場，上緣是晶片出貨趨勢外推。
資料來源：Epoch AI（CC-BY 4.0），FinSight 彙整與估算 · 更新日期 2026-10-01
6邊際量尺：每顆新晶片扛多少新 ARR
平均量尺 ＝ 合計 ARR ÷ 累計算力；邊際量尺 ＝ 當季新增 ARR ÷ 當季新增算力，只有增量對增量、沒有存量慣性，所以比平均量尺更早翻臉。歷史驗證：2024 年第四季邊際只有 $52，新算力大量進訓練、變現滯後；2025 年第四季回到 $1,850 站上平均，市場當時看百分比說停滯，邊際曲線已經預告 2026 年的爆發；2026 年第二季 $5,814 是平均的 2.4 倍，第三季更高。邊際高於平均，吃緊延續；跌破平均才是見頂前兆。最新一季含推估，畫成半透明。
量尺對決：平均 vs 邊際（$/顆/年）#
怎麼看這張圖
邊際等於新增 ARR 除以新增算力；平均等於 ARR 除以累計算力。
資料來源：Epoch AI (CC BY 4.0)，FinSight 彙整與估算 · 更新日期 2026-10-01
邊際／平均 比值（×）#
資料來源：Epoch AI (CC BY 4.0)，FinSight 彙整與估算 · 更新日期 2026-10-01
每季新增 ARR（$B/季）＝需求端 $ 增量#
怎麼看這張圖
百分比給股價敘事用，美元金額才是產能規劃要看的。半透明的最新一季含推估。
資料來源：Epoch AI (CC BY 4.0)，FinSight 彙整與估算 · 更新日期 2026-10-01
每季新增 H100e（百萬顆）＝供給端增量#
資料來源：Epoch AI (CC BY 4.0)，FinSight 彙整與估算 · 更新日期 2026-10-01
問題 3成本線在動
7每顆算力的採購單價：止跌回升
左：混合採購單價 ＝ 當季全市場晶片支出 ÷ 當季新增 H100e，從 2022 年的 $38k 一路降到 2025 年第三季的 $13.5k，第四季跌勢停止、2026 年第一季回升到 $14.1k，和 B300 放量、HBM 漲價一致；虛線是補值修正。右：各世代晶片的單位算力定價，B200 到 B300 是資料裡第一次新世代單位算力更貴；H20 和 Ascend 偏貴是因為算力受限，不是高價。
8價格乘數量，對比營收：變現率
左：全市場累計晶片支出對比五家模型公司合計年化營收。右：變現率 ＝ 年化營收 ÷ 累計晶片支出，每一美元晶片資本對應多少年化營收。讀法：單位算力已經不再降價，若變現率還在跌，就是漲價後營收仍追不上的供給過剩證據；翻揚代表需求跟上。目前是單價止跌回升、變現率仍在上行。
問題 4誰拿到算力
9誰在鎖定算力、誰擁有算力
左：依 Epoch 資料中心的使用者歸屬，已上線加規劃完工的軌跡，斜率就是搶算力的力度；「未標示」多是未公開客戶的案場，2028 年以後收錄不全。右：各擁有者累計 H100e 存量到 2026 年第一季，含自研晶片（Google TPU、Amazon Trainium 計入各自名下），看資本支出轉成算力資產的版圖與消長：Oracle 和 xAI 竄升、中國受管制壓抑。
使用者算力版圖：誰在鎖定算力（百萬 H100e，含未來完工排程）#
怎麼看這張圖
依資料中心的使用者欄歸屬，多使用者的案場平均拆分；未標示多為客戶未公開的案場。實際已上線加規劃完工的軌跡，2028 年後收錄不全。
資料來源：Epoch AI（CC-BY 4.0），FinSight 彙整與估算 · 更新日期 2026-10-01
算力版圖：各擁有者累計 H100e 存量（百萬）#
怎麼看這張圖
堆疊面積，2022Q1 到 2026Q1；自研晶片（Google TPU、Amazon Trainium）計入各自名下。
資料來源：Epoch AI (CC BY 4.0)，FinSight 彙整與估算 · 更新日期 2026-10-01
11模型公司的經濟性：算力成本占營收比與 token 量
左：算力成本占營收比，高於 100% 代表算力開銷超過全部營收，跌破 100% 是商業模式的轉折點；Anthropic 已在兩成上下，OpenAI 2025 年還在七成多。右：每日 token 處理量，對數軸，量的爆發和營收成長的差距就是每個 token 的收入通縮；不同口徑分開畫，不能跨線比絕對值。
問題 5方法
12方法：門檻線怎麼算
引用 Epoch AI 的 1GW 資料中心總持有成本模型：前期資本支出 $38B、營運費每年 $0.9B、年化總持有成本 $8.5B，伺服器占六成；IT 設備壽命五年、廠房十四年、利用率 71%、折現率 10%。換算到每顆 H100e：1GW 約 124 萬顆，存量案場每顆 $30.6k，新世代案場只要 $13k 到 $19k。表裡每一條門檻線的算式、關鍵假設和金額帶都列出來。
模型引用基礎（門檻線推導與推演公式，供日後參照）#
| 門檻線 | 計算式 | 關鍵假設 | 金額（帶） |
|---|---|---|---|
| 現金營運損平 $1.4k | $0.9B/GW ÷ 1.24M 顆 | 電力＋維運，不含資本攤提 | $0.7k，保守自估 $1.4k：已越過 |
| 新建含折舊 $4.5k | 新世代 capex $13k：19k/顆 ÷ 5 年 ＋ opex | 5 年直線折舊；新世代晶片組合 | $4.0k：5.2k，中位 $4.5k |
| 新建含資金成本 $5.6k ★關鍵 | ($13k：19k) × CRF 26.4% ＋ opex | CRF＝5 年、WACC 10% 年金法；過線＝新建算力在 10% 資金成本下 NPV 轉正，追加 capex 從信仰變成套利：本模型最關鍵的分水嶺 | $4.8k：6.4k，中位 $5.6k |
| 邊際含資金成本 $6.5k | Epoch 1GW 年化 TCO 直接換算（$8.5B/年 ÷ 1.24M 顆，簡化法） | 與 CRF 法獨立推導收斂 | $6.2k：6.9k，取 $6.5k 為目標區間上緣 |
| 存量含折舊 $7.5k | 存量 capex 中位 $30.6k ÷ 5 年 ＋ opex | 存量含較貴的 H100 世代 | $7.5k（3 年折舊 → $11.6k） |
| 存量含 WACC $9.5k | $30.6k × CRF 26.4% ＋ opex | 完整經濟損平（存量全回收） | ~$9.5k |
資料來源：Epoch AI（CC-BY 4.0），FinSight 彙整與估算 · 更新日期 2026-10-01