聊算力军备，绕不开一个最实在的问题：建一个GW，要花多少钱？这GW又能吐出多少token？把这两笔账放在一起，才能看清各家芯片平台的真实性价比。

　　一、每GW全口径造价：从380亿到600亿美元

　　先算投入。按芯片平台的每GW全口径造价，美国市场GB200时代约380亿美元，其中三分之二是IT设备；到下一代VeraRubin，这个数字跳到约600亿美元。NVIDIA自己披露的每GW收入，也水涨船高——从Hopper约180亿、Blackwell约250亿，升到Rubin约400亿美元。也就是说，算力平台越往高代际走，单GW造价里NVIDIA拿走的份额越大。

　　谷歌TPU路线更便宜。按成品机柜推算，TPUv7每GW约350亿美元；SemiAnalysis估计，其单芯片总持有成本比GB200低三到四成。国产昇腾每GW约250到300亿美元，便宜在芯片、电价和土建，但要清醒一点——每GW装下的绝对算力也更少。便宜是真便宜，密度差距也是真差距。

　　二、每GW每天产多少token：代际差距悬殊

　　投入看完看产出。同一套工作负载下，一个GW每天的输出token：GB300约349万亿，VeraRubin约564万亿，而上一代H200只有83万亿。昇腾910C约159万亿，大约是GB200的一半。

　　这里有个细节值得注意：GB200和GB300的模型值，与MLPerfv6.1审计结果折算出来，差距不到两成；但VeraRubin的实测折算是442到535万亿，明显低于564万亿的模型值——也就是说，厂商宣传的数字偏乐观，真实落地要打个折。

　　更颠覆认知的是工作负载的杀伤力。同样是GB300，换成64k上下文的agent负载，每GW每天只剩约14.3万亿token，不到标准负载的二十分之一。这意味着，用短上下文压测出来的算力规模，到了长链路智能体场景会严重缩水。另外，每块GPU的提升也不等于每GW的提升：VeraRubin单卡比GB300快近一倍，但单卡功耗同步拉高，光速度提升不能直接换算成每GW收益。

　　三、真正的标尺：每十亿美元产多少token

　　把横轴设为每GW造价、纵轴设为每GW每天token，就能看出谁真划算。

　　按每十亿美元造价算，TPU最划算，每天约产出14.5万亿token；VeraRubin虽然每GW贵，但token产量也高，每美元产出约9.4万亿，反而高于GB300的7.9万亿。昇腾每美元产出约6.4万亿，跟国际一线的差距没有想象中大——真正的差距在每GW的绝对产出：同样一份token任务，中国要多用一倍左右的GW才能完成。

　　站在行业视角看，这组数据其实揭示了一个被"算力规模"叙事掩盖的真相：算力竞争的核心，正在从"建了多少GW"转向"每GW能产出多少有效token"。对云厂商和AI应用公司来说，盲目扩GW数量，如果单GWtoken产出上不去、工作负载又对不上，只会堆出大量闲置算力。TPU走自研、Vertical整合路线压成本，NVIDIA靠高代际溢价换token密度，昇腾用造价换规模，三条路背后是三种完全不同的商业逻辑。

　　往后看，评估一座算力中心的价值，不该再只看MW和GW装机，而要看"单位资本开支能吐出多少可计费token"。这把新标尺，会重新定义这轮算力军备竞赛的胜负手。

本文由智算芯能前沿网编辑整理，转载请注明出处。